Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INSTITUTO DE MATEMATICAS
ALGEBRA
DE
MATRICES
Ing. MARIO RAUL AZOCAR
( M a s t e r of S c i e n c e - N e w Y ork
U n iv e r s it y - N e w York C it y )
1973
/Pr PK
w
^ F"
INSTITUI X) DE MATEMATICAS
ALGEBRA
DE
MATRICES
lOvlMs"VWC
p4^.J(l'bvtC'CitQ
-er^/^o1('JfrCuo/o
/
'
New
York City)
, f) r) t / \
^ Us/a^
1973
Cs
P R O L O G O
ALGEBRA DE MATRICES
1.- MATRICES
La matriz es una nocin que corrientemente se
define sobre un cuerpo conmutativo cualquiera, o sea sobre
un campo.
Y en
(a^j) f an *
DEF 1.2.
Dos matrices A = (a. .) y B = (b. .) del mismo or30
1]
den se dirn iguales si y slo si: a. . = b . ..
13
i]
De esta definicin resulta inmediato que la igual
dad matricial, es refleja simtrica y transitiva.
DEF 1.3 0
Dada una matriz A = (aij) de rden mxn, se llama!
a) Matriz opuesta de ella, a la matriz de orden mxn:
- A = - (a . .) = (-a .)
ij
xd
b) Matriz transpuesta de ella, a la matriz A
orden nxm, donde a ^ .
13
= (a^j) de
= a..
ni
(a*..)
1 j
-(-A) = A
C)
() = A
b)
(At )t = A
d)
(A*)* A
Dm
Por ser muy simple, solo veremos un caso:
(A *)*
(a *i j) * =
( a j ;L) *
(ai:j)
= A
DEF 1.4.
Una matriz cuadrada A =
slo si: a ^
= a^.
(aj) es simtrica si y
= "a^.
TEOREMA 1.2.
Una matriz A es simtrica si y slo si: A = A fc.
Dm
Si A es simtrica, ella es cuadrada, y como adems:
a^. = a ^ ,
resulta:
Afc =
(a^ )
(aj i ) = (a1:j) = A
luego A es simtrica.
TEOREMA 1.3.
La matriz A es antisimtrica sii:
A = -A*".
Ade
4.
D m _____________________________________________________________________________________________________________________________
es el 6 de Kronecker
DEF. 1.6.
Matriz nula, es toda matriz O cuyos elementos son
todos ceros.
y B =
d 1 mis
A + B = B + A
c) A + O = A
5,
b)
(A + B ) + C = A + (B + C)
d ) A + (-A ) = O
Dm
Trivial, se deja como ejercicio.
TEOREMA 2.2.----------------------------------------Sean A y B matrices del mismo orden, entonces:
a)
-(A + B) = (-A) +
b)
(A + B) = + B
(-B)
C)
(A + B)t = Afc + B*
d)
(A + B)* = A* + B*
Dm
Trivial.
(c)
(A + B)t = ( ai:j + b ij )t
= (aj + b j) = (a j i ) + (bjl)
=
(a^)
+ (bj_.) = Afc + Bt
DEF 2.2.
El producto de una matriz A = (a^) por un esca
lar p, es una matriz del m i smo orden de A, que de signare
mos con la notacin: pA Ap y que por definicin valdr:
pA = Ap = (pai:J)
Observacin
De acuerdo a las definiciones 1.3 y 2.2 convie
ne notar que:
-A = (-l)A.
6.
TEOREMA 2.3.
Sean A y B matrices del mismo orden; p y q
escalares, entonces:
a) p(A + B) = pA + pB
c)
b)
d) pA = 0 sii p = 0
(p + q)A = pA + qA
A = 0
Dm
Trivial, se deja como ejercicio.
DEF 2.3.
Dadas dos matrices A y B del mismo orden, llamare
mos diferencia entre A y B a una matriz que designaremos
con A - B y que por definicin valdr: A - B = A +
(-B)
TEOREMA 2o 4.
Toda matriz cuadrada A puede expresarse, de
manera nica, como suma de una matriz simtrica y una ma
triz antisimtrica.
Dm
Sea S una matriz simtrica
Resolviendo el
(A + A fc)
T = j
(A - Afc)
7.
As tenemos:
A = -| (A + A fc) + j
(A - A fc)
EJERCICIOS
1. Con E (x) designamos el mayor entero que no es mayor
que x. Construya las matrices siguientes:
a) A =
b) B =
(b^j)con
c) C =
(c^j) con c ^
= E(j)
d) D =
(dj) con d ^
= Ej^)
y de orden 3x3
y de orden 4x4
^ 1j
3
b)
2X - 31 =
c) 3 (X + 5I2 ) = 2 (X - I 2)
d) 2X + Y =
J)
X - 3Y =(5
j)
3x3.
5. Determine si las matrices A = (a^j) y B = (b^j) de or
den 4x4 con ai;. = E(ij) y b ^
simtricas.
6 . Sea V el espacio de las matrices de orden 2x2 sobre el
a ik bkj
DEF 3.3.
Dada una matriz A =
matriz B = ( b ^),
Observacin
10.
(mxp).
Como consecuencia in
(nxp), el producto
portancia.
Io An cuando existan los productos AB y BA, no siempre
ocurre que: AB = BA.
ta aseveracin.
AB
o){i S H S
?)-
El ejem
11.
TEOREMA 3.1.
Sea A una matriz de orden mxn, entonces:
AI
= I A = A
m
Dm
AIn -
J ,
ni
ImA = (k| x 6ik ak j ) = (6ii aij) = (aij} = A
TEOREMA 3.2.
a), (AB) = B
b). (AB)^ = Bt A*
c), (AB)* = B* A*
Dm_______________________________________
a)
i a ik
b kj>
(p ^ )
(P j i )
( 1)
V = 1 b ki a jk*
Comparando
c)
(1) y
(2) tenemos:
( )
(AB)fc = B fc A fc
(AB)
( B t Afc)
= B fc Afc = B * A *
Corolario
Para toda matriz A, ocurre que P
AAfc y Q = A^ A
(At )t A t = AAfc = P
TEOREMA 3o 3,
(pA)
(qB)
= p q ( AB)
(qA)
(pB)
Dm
Sea A =
multiplicable por B =
entonces por
13.
n
(pA)
(qB)
n
(p ai k ) (q b k - = (k| 1 <pq>lk bk ] >
n
= Pq ( J
Finalmente:
(pA)
ak bk j )= (pq) (AB)
(qB) = pq
(AB) = qp
(AB) = (qA)(pB)
Corolario
(-A)B = A(-B) = - (AB)
(-A) (-B) = AB
TEOREMA 3o4.
(AB) C = A (BC)
Dm
Naturalmente que en la proposicin por demostrar, supone
mos que los productos indicados existen.
Sea entonces A
(AB)C es:
14
Yhk
i=l
Yhk " ^
3h3
ahj
{^ 1 b ji ci k }
(AB)C = A(BC).
TEOREMA 3.5.
A(B + C) = AB + AC
(B + C)A = BA + CA
Dm
Obviamente, nuestro enunciado supone que las operacio
nes contenidas en l, son posibles.
Sea entonces A de
= b^
+ c^.
n
xhk = i ^ 1
n
ahi sik = i ^ 1 ahi
(bik + Ci k )
15.
n
xhk =
l ahi b ik +
l ahi cik
i=l
i=l
(B + C)A = BA + CA.
DEF 3.4.
Para toda matriz cuadrada A, y n natural tomaremos:
A1 - A
A = I
A n + 1 = An A
TEOREMA 3.6.
Si k y n son enteros no negativos y A matriz
cuadrada, se tiene:
An A k - An+k
Dm
Se har por induccin.
en efecto:
An A"*"
An A
An + ^
u sea, que:
_p
A,n A^
n+p.
= A c
16.
Corolario
Si n es entero positivo, se tiene:
(An )t = (At )n
En efecto:
(An )
(AAAo . . o . . A)
DEF 3.5.
Una matriz cuadrada A / 0 se dice nulpotente si
existe un entero positivo p, tal que: A^ = O
Particularmente si
EJERCICIOS
lo Efecte los productos que se indican y saque en cada
caso una conclusin:
a)
b)
(l
2 I /5
6 \
/ 5
6 W 1
4 / l7
8/
1 7
8 / v 3
2 \ f-2
c)
-4
-8 / \ 1
-3 J
/-I
\ -8
1 / 4 *2
17.
2. Demuestre que:
(A + B)
-1
12
-1
A = I
= A
+ B , siendo
-C.I)
tales que
- c : )
(2
4. Resuelva la ecuacin
V4
5. Resuelva la ecuacin
X ^i "
V2
3)
5/
25 j/) =
I2
y aproveche
/1
- c : )
6 . Si X es matriz no nula de orden 2 x 2, resuelva la
ecuacin
x
(
V-2
2
( -4
5/) * V
'
)
1/
2x 2 + 3x 3 = 5
X 1 + 4 x 2 + 7x3 = ~ 2
2x^ + 3x 2 + 6 x^ = 3
b)
x + 2y =
2y +
z =
4
5
2z + 3x = 12
las
- x
1 2
- 5 x + 5 I = 0
-admite la solucin___ x = 2 - 1 __ (L
t/ cosa seno ^
n i COS na
10. Si A =[
i demuestre que: A =|
'-sena cosa /
V-sen na
11. Si tga
,
1
&
n
= - ,
n
demuestre que:
a n
i
n
2 2 /
- ( 1 + "2 )
I___________n
p
/ P
12. Calcule (
(o
i\n
M
i
p)
A
'
f0
A =(
\1
_4n
A
,
.4n+l
A
,
*4n+2
A
eos na
sen na
l
V -sen na
eos na
/ p
0
(
i
p
o ,n
1
p
-1 \
calcule:
o
4n+3
, A
sen na \
)
eos na/
19.
14. Determine todas las matrices cuadradas X de segundo orden tales que X
15. Idem para
16o
Calcule
= I
=0
siendo
A =
1 0
1
0
0 1
1 I
1 0 /
DEF 4.1
Dada una matriz cuadrada A =
, la matriz adjunta
es el adjunto del
|a | = det (A).
TEOREMA 4olo
AA+ = A+ A =
|A| I
Dm
La demostracin de esta tesis resulta muy simple si se tie
ne presente que, en un determinante la suma de los productos
de los elementos de una lnea
20.
J x ak ak = aet
(A)
aik a jk = 0
tee
mos:
k=l
(13
^
det
(A)) =
(6 i .) det A - i det
(A)
A = k i 3lk)
= (6 i det
(A)) =
( j )det
(A) = I det(A)
= A A = I det
(A)
DEF 4.2
Dada una matriz cuadrada A, llamaremos matriz re
cproca de ella, toda matriz B, siempre que exista, tal
que:
AB = BA = I
21.
TEOREMA 4.2.
Si A tiene matriz recproca, sta es nica.
Dm
Supongamos que la matriz cuadrada A, admita dos matrices
recprocas P y Q, entonces:
PA = AP = I
luego:
QA = AQ = I
P = PI = P(AQ) =
(PA)Q = IQ = Q
Toda matriz
|a | = det (A) ^ 0 o
|A|
Adems:
det(A)
Dm
Supongamos que |a | ^ 0
De
AA+ = A+ A = |a | I
obtenemos:
A
A = I
|A|
IA|
22.
A ^ =
|A|
con
5/ 0.
|AI
'
Llaman
__
________
Corolario 1
Si A y B son matrices regulares de orden n, la ma
triz AB tambin es regular.
En efecto,
y |B| ^ 0 , resulta
|AB | = |a|
|a| 7* 0
|AB| ^ 0 .
Corolario 2
Si A es regular, tambin lo es A - 1
y adems,
= I implica
|A||A- 1 | = 1
*\
Corolario 3
Si A de orden n es no singular
(regular)
det(A+ ) = |A+ | = |A | n _ 1
En efecto de: AA+ = |a| I = (|a|6 ^.), resulta:
det(AA+ ) = d e t (|A|6^ .) = |A|n
Corolario 4
Si A de orden n es no singular, se tiene:
(aV
= |A | n _ 2 A
TEOREMA 4o 4
Sean A y B matrices regulares, entonces:
a)
(A- 1 ) " 1 = A
c)
b)
(AB) _ 1 = B ~ 1 A - 1
Dm
a) Como A es regular, tambin lo es A
(A *) 1 y entonces: A 1
(A
_ 1
, luego existe
= I, de aqu premul-
(A *) 1 = A
_ i
= I, se obtie
#_-l.t _t
_t
_
(A ) A = I = I
(A ^)fc =
(Afc) 1
c) Tenemos:
------ (AB) ( B ^ A - 1 ) = A (BB- 1 )A - 1
y como adems:
= AA " 1 = I-----------------------
(AB)(AB) 1 = I,
resulta:
(AB) 1 = B _ 1 A - 1
Corolario
(AB)+ = B+ A+
Terminaremos estas ideas extendiendo la definicin
de potencia de una matriz cuadrada, a potencias de exponen-
D E F . 4.4
Si A es matriz regular y n es un entero positivo:
A_n = (A- 1 )n
DEF 4.5
Una matriz cuadrada regular A, es:
a) Involutiva,
si y slo s i :
1 =
b) Ortogonal,
si y slo s i :
1 =
A fc
c) Unitaria,
si y slo si:
1 =
A*
d) Hermtica,
si y sl- s i :
A*
-A*
EJERCICIOS
1.- Determine la matriz adjunta A
r4
de A =1 1
\ 4
" 3
0
4
1 j
3/
det
es
25.
'j*
\ 3
ll
<
/3
1 \
\
B =
/I
4
c
2 /
l\
0/
6 y
9x - lOy + z =
=0
x + y - z = 0
3x+
y - z = -1
7x -
y + z =
resolver:
2x - 3y + z =
x + 5y - z =
2x +
7y -
3z =
7x + 9y - z = 15
18x -
7y +
5z =
Si una raiz
+ a) + j2 =
0
(1
9 .- Sea a)3 = 1 y w
ll
u
\l
A-
1,
1 1
co <*)2
0)2 w /
(02
lo 1= 31
\l
0)
0)7
/1
1
)
O)2
1
a>
u
26o
Demuestre
y K = -K*
f 0
A
+ A
17/4
=
5/6
13.- Calcular S =
A- 1
+ A- 2
+ A ~ 3 +... + A n , siendo
= l )
V-i
i/
; x d i ; iK
,22
4
14
= O.
proca de la forma
x A + I.
Determine x.
Xt + YC = D,
j AA*" =
siendo
Y sea
matrices, es grupo
Demues
\ O
O \
x ]
O l
S = (^)
+ + (
y n nmero natural.
t
-1
(A = A
), demuestre que:
b) A 1 es ortogonal
c) Afc es orto
28o
el rango-rengln es
el r^ngo-columna es
(a^)
Si
Supongamos enton
ces que A ^ 0.
Sean
. ...R
'
m
= (a ,,a
mi m
mn
^2
^a 2 1 *a 2 2 *a 2 n^
) los renglones de A.
*# *' 51
Supongamos
29o
S1
(b2 1 ,b 2 2 * **b 2 n )
= (b , ,b
...b )
' r l # r2 '
rn'
con
j = 1 , 2 , 3 ,....r.
As tenemos:
R1
C 1 1 S 1 + C 1 2 S 2 + + c irsr
R 2 = C2 1 S 1
+ C 2 2 S 2 + *** + c 2 rSr
a li = cllb ll + c 1 2 b 2 i + + c lrb ri
a 2 i = c 2 1 b li + 2 2 b 2 i + + c 2 rb ri
an
,, = Cn,
H +
mi
mi1 b li
para
i=
m 2 2 1 + ... + Cmr b ri
1, 2, 3, ..., n.
As entonces:
igualdad que nos muestra que cada uno de los vectorescolumnas de A, es combinacin lineal de los r vectores,
siendo Cj=
De aqu en
k, y entonces concluimos: r = k.
DEF 5.3.
El rango de una matriz A, es el nmero:
r(A) = rr(A) = re (A)
DEF 5.4.
En una matriz A de orden m x n ,
se llama menor de
31.
TEOREMA 5.2e
Una matriz no nula A, tiene rango k, si y solo
si, uno al menos de sus menores de orden k, es diferente de
cero y todos los menores de orden superior a k son nulos.
Dm
La demostracin no se dar.
otros, el texto:
Academic Press-1968.
Corolario
Si A es matriz cuadrada, no singular, de orden n,
su rango es n.
DEF 5.5.
La nulidad de una matriz cuadrada A de orden n, es
el nmero
(A).
Observacin
La determinacin del rango de una matriz es de
importancia primordial.
32 o
DEF 5.6.
Dada una matriz A, llamaremos transformaciones ele
mentales a:
1- Intercambio del rengln de orden i por el rengln de
orden j:
(H^).
j )
(pHi )
(pV^ o
Observacin
El teorema precedente establece la invarianza
del rango de una matriz, con respecto a las transformado
33.
Justi
(
3
5 - 4 3
11
1 - 4 - 1
Sol:
-4
-3
Sumando
0 ' 1
B = | 3
11
0,3
\ 1
-4
-1
\l
-4
34c
= rango (C)
20
j e -4 f 0
se det
(A) / 0.
35 e
TEOREMA 5.5.
Cada transformacin elemental-rengln sobre una
matriz A, puede obtenerse premultiplicando A, por una matriz
elemental.
Dm
Para simplicidad de escritura, tomemos una matriz A de
tercer orden y efectuemos las siguientes transformacionesrenglones:
1 0
1 0
0
0
0
/ \
a ll
a 12
a13 \
a21
a 22
a 23
a 31
a 32
a 33 1
I a2 1
l = r 11
\ a 31
a 22
a23
a 12
a 13
a 32
a 33
1\
/ a xl
a1 2
a13^ __^
0 ]| a 2 1
a2 2
a23
p I \ a 31
a3 2
a 33 /
|_,
aX 1
a1 2
a1 3
a2 1
a2 2
a2 3
\ P a 3 1 P a 32 p a 33
V 0
p
1 0
a ll
a12
a13 \
a21
a 22
a23
a 31
a 32
a33 /
jf
36.
all
+ p a 31
a12 + pa 32
a21
22
a 31
32
a 13 + pa33
23
33
Observacin
Sin duda que lo presentado como demostracin
del teorema precedente, no es propiamente una demostra
cin, sino un simple ejemplo aplicado a matrices de tercer
orden 0
TEOREMA
5, 6o
Cada transformacin elemental-columna sobre una
37.
matrices o
Dm
Por hiptesis tenemos que:
Mj^ Mj^
X
Posmultiplicando
, resulta:
M. M ooooooo M -% Ma M- X ** A
k k-1
3 2 1
- 1
, bas
38.
/ 3
A
-2
-4
-1
- 1
(I | B ) 0
- i
tendremos B = A "
(A | I) =
-2
-1
-1
H1
H3
H2
H3
-2
H 1
2 H 2
H 2
2 H 1
H 3
2H X
( I
1)
-2 -4 -5
39-,
comprobarse que:
A" 1
TEOREMA 5.7.
Si una matriz cuadrada no singular A, se reduce
a la matriz unidad I , mediante posmultiplicaciones por las
matrices elementales
Dm
A =
"
-2
-2
\
)_
4 //
(- 1 3
. . (
\ 2 -6
40.
demuestre
que:
a) r(A + B)
r(A) + r(B)
sobre R.
Sea P de orden
r (A) , r (B) }
r(AB) = mn
9.- Determine
2,
. . . . , n y b^ / 0
para
X = (a.b.), es uno.
i ]
t
DEF 6.1.
Una matriz A de orden m * n es equivalente a una
matriz B de orden m * n, si y slo si, existen matrices
no singulares, P de orden m y Q de orden n, tales que:
A = P B Q
A 'v* B
TEOREMA 6.1.
La equivalencia de matrices es una relacin
de equivalencia.
Dm
Para establecer la tesis debemos probar que la equiva
lencia de matrices es refleja, simtrica y transitiva.
Si
A es de orden m * n, tomando P = I y Q = I .
m
n
I A 1 =
m
n
(I A) I = A I = A
iti
n
n
(A<^B)
resulta:
A.
tenemos:
A = P B Q
de donde:
C,
implica A 'v> C.
TEOREMA 6.2.
La matriz A es equivalente con B, si y slo si,
A puede obtenerse desde B por un nmero finito de transfor
maciones elementales.
Dm
Supongamos que A es equivalente con B, entonces:
A = P B
Q.
.............. M 3 M 2 M, In - P-----------------
Tn N 1 N 2 N 3 .......... N j-1 N j
B N l N 2 .................N . ^ N j
(A ^ B ) , implica:
A = P B Q
con
Q = P fc
(A ^ B ) , A puede obtener
Q = P- 1 .
45.
DEF 6.3.
Dadas dos matrices A y B de orden n, A es similar
con B, si y slo si, existe una matriz no singular P, tal
que:
A = P A P 1.
(A~B),
A puede obtenerse
ECUACIONES LINEALES
DEF 7.1.
Se llama ecuacin lineal para las incgnitas
xl' X 2 ' * '* c* Xn' skre un cuerpo K, toda ecuacin de la
forma:
a.x. + a 0 x 0 + o.,.= + a x = b
1 1 2
2
n n
(1 )
46.
y b es el trmino constante.
Particularmente si el
a x = 0
n n
2 2
+ a
a = b
n
DEF 7.3.
Un sistema lineal de m ecuaciones para las incgni
tas: x^, x2 , .... , x^, sobre un cuerpo K, es todo conjunto
de m ecuaciones de la forma:
allX l + a 1 2 K 2 +
________
+ alnXn = b l
--- (2 )---
ax
= b
mn n
m
= 0 el
47.
cin, l es indeterminado.
1) Determinado
a) Compatible
Sistema
Lineal
<
2) Indeterminado
,
b) Incompatible
DEF 7.5.
i'-.''
Se llama matriz del sistema
de orden m x n ,
.. ....
DEF 7.6.
(2) a la matriz
XI ILt-b ^UXUllllIdb
Introduciendo las matrices
columnas
= (x1# x 2 , o o c o c $ xn )t y
6 =
(fc>1# b 2#
el sistema
(3)c
0 bservaci 6 n
Este pro
(n)o
TEOREMA 7,1.
Un sistema lineal A = 8 de n ecuaciones con n
49.
Dm
Como A es matriz no singular, existe la matriz reciproca
A
Observacin
Estudiados los sistemas de Cramer, podemos pasar
a considerar los sistemas lineales de m ecuaciones con n in
c6 gnitas.
(x^, x 2 x^,
x r ),
y entonces tenemos:
menor no nulo de A.
(m-r)
meras.
00* ~alrXn
+ OO O o + a~ x
.i o. o. a2rXn
2r r " b 2 " a2r+l x r+1
4 OO 0O + a, x
+
o oo o raci^ <** JC
a32X 2
3r r s b 3 a3r+l r+1
a31Xl
3r n
a21Xl
r+1
a22X2
a .x, + a x* + o ooo + a x *=
n 1
r2 2
rr r
, x _ = . o<> a x
rr+1 r+1
rr n
xr+ 3 " 0 x n
as el sistema es determinado0
Corolario 1
%
Un sistema es incompatible si y solo si r(A)^r(A)
Corolario 2
Un sistema homogneo siempre es compatible
(En
53.
to se pueden suprimir?
Corolario 4
Un sistema homogneo con rango igual al nmero
de variables slo admite la solucin trivial (En efecto
se cumple el corolario anterior)
Corolario 5
Si en un sistema compatible el rango r(A) es me
or que el nmero n de variables, el sistema es indetermina
do.
En efecto en tal caso si m > r(A) se puede su
primir
Se obtiene as un siste
Corolario 6______________________________________________________
Un sistema homogneo con n variables tiene solu
cin distinta de la trivial si y solo si r(A) > n
to se verifica el corolario anterior)
(En efec
x + ky + z = k
x + y + kz = k
Soluci 6 n
Llamando A, la matriz del sistema tenemos
det
(A) = k 3 - 3k + 2.
k = 1 y para k = - 2 .
Cuando k = 1, el sistema se reduce a una sola
ecuaci 6 n: x + y + z = 1.
x -2y + z = -2
x + y - 2z = 4
r(&) = 3.
Ejemplo 2
Para diferentes valores reales de k, discutir e l ,
sistema:
55 0
x, - X- = 1
kx~ + x_ = O
^
2x - kx_ = -1
x, + x + x_
-5
jl
Solucin
Como el sistema tiene solamente tres variables? el
rango de su matriz A? deber ser 3_a lo m s D
Ahora el de-
* 1 0
0 -k - 1
det(A) =
= 2k
1
+ 3k
0 , pues
r(A) = 4
%
2
Veamos que ocurre con r(A) cuando det(A) = 2k +
3k - 2 = 0 es decir para k = =2 y para k = 1/2
Fcilmente se verifica que en ambos casos se tiene
r(A) = 3 ,
soluciones son:
1/2
x = - 1/3
x2 ~
1/2
x 2 = = 4/3
x, - 1
para k = ~ 2
x 3 = 2/3
para k = 1 / 2
Resumiendo tenemosz
a) o El sistema es incompatible para
(k
-2 y k 4 1/2
k = 1/2
Ejemplo 3
Dado el sistema lineal:
k x - 6 y = 5k - 3
2x + (k - 7)y = 29 - 7k
(a). Incompatible 0
(b)o Indetermindadoo
Solucin
Para que el sistema sea incompatible, debe verifi'
carse que r(A) ? r(A) . Ahora cornos
1
f
\ 2
V>
A =
* =
1, 2
i
k'
-"
7/
k-7
5k 3
)
29 - 7k /
r\j
determinemos k, de modo ques det(A) * o y det(A) ^ 0 0 La
condicin;
det(A) = k 2 - 7k + 12 = 0
Para k = 4 t
Xj
/ 4
'
A = 1
-6
-3
nos da:k = 4
k = 30
tenemos %
17 \\
)
1
luego
\j
*
r(A) = 2
r(A) = 1
As
para
12 \
1
O
8 J/
^
luego r(A) = 1 = r(A)i
k = 3, el sistema es compatible
Como l se re
(x = 4 + 2 a , y = a)
EJERCICIOS
1. Usando operaciones elementales,, resolver;
a ) , 4x 1 -
b) c, 8 x, - 2 x - 5x 3 - 9x A = 18
4
a
+ 2 x^ 7
2 x^ *
- x3 = - 1 1
- 3x 2
4x^ +
2 x^ X1
+ x^ - 6
2X2
X2
X3 "
4x 4 =
- 3x 3 -
X4 =
X2
0
- kx2 -
tenga:
= 1
kx^ - Xj + 3x^ = 2
ciones,
-x^ + Xj - 3x^ =
(Corolario 4)
4x + 5y + 2z = 0
2 x + y - 3z = 0
= 0
(Corolario 6 ),
-x + 6 y + 2z + 3t = 0
3 x - 8y -
x + 4y + 3z +2t 0
z + 4t = 0
- k)x +
2 x +
y+
( 2 - k) y +
x+
z = 0
2 z = 0
y + ( 1 = k) z = 0
(Corolario 6 )
sistema:
(5 ecuaciones)
58
x - 5y + z = 4
2x + y - z = 1
4x - 9y + z = 9
x + 6 y - 2z = 3
16y + 4z = 8
x-
es incompatibleo
7, Determine los valores de a que hacen incompatible al
sistema;
(3 ecuaciones)
3x - ay + 2z = a - 1
2x - 5y + 3z = 1
x + 3y - (a - 1) z = 0
8 . Dado el sistema
(4 ecuaciones)
x - y + z = 7
x + y -
-x + y + z = 3
z = l
2x + ky - 4z = k
(4 ecuaciones)
3x - 7y = a
x + y
5x - 13y = 5a - 2b
= b
2y = a
+ b-
x + y = k
2
,2
,3
a x + b y = k
ax + by = k'
+ a = 0
ax + y + a
= 0
ax
+ ay + l = 0
bx + ay = 1 - a b
ab(x + y) = - a 2 b 2
segtSn sean los valores de a y b.
,59 o
x+
aby + z = b
x + by + az = 1
= k 2 + 3k
x + (k + l)y +
= k 3 + 3k 2
(k + l)x +
x +
+ (k + l)z = k 4 + 3k 3
(a). Determinado
(b). Indeter
minado.
5x + 2y = 1
x - 2y + bz = 3____________
(i) Compatible,
(j) Incompatible,
(k).
(4 ecuaciones)
-x + by + cz + dt = 0 ----- ax + by - z + dt = 0
ax -
y + cz + dt = 0
ax + by + cz-
t = 0
a(x - y) - (z - u) = 0
x + y - b (z - u) = 0
b (x - y) - (z - u) * 0
DEF 8 o1
Llamaremos vector, toda matriz columna.
DEF 8 62
Dada una matriz cuadrada A (aj) te orden n, un vec
tor propio de ella, es todo vector no nulo 6 kn , tal que?
A ? = t 5, para algn escalar t.
Ejemplo 8.1
La matriz A = ( ^
2 ) , tiene a, =
(1,2)^, como
!J(J)
' (lo] = 5 ( 2 )= 5
TEOREMA 8.1
Un vector propio C de una matriz cuadrada A ? de
termina de manera Cnica el escalar t, tal que: A? = t C
Dm
Supongamos que al vector propio C corresponda dos escala
res t^ y t 2 tales que: AC = t^C
y AC = t 2 C*
entonces res-
61 o
tando resultas
DEF 8.3
Un escalar t es valor propio de la matriz cuadrada
A si y slo si, hay un vector no nulo , tal ques AC - t
TEOREMA 8.2
Un escalar t es valor propio de una matriz cua
drada A, si y solo si:det(A - ti) = 0
Dm
Sea t valor propio de la matriz cuadrada A, entonces exis
te un vector no nulo , tal ques A = t 0
Considerando que = I''* la igualdad precedente se expre
sa pors
anl X 1
e e o s o o
+ (a2 2 - fe)x2 +
o O o O O O
o e e o e o
o e e o
+
+
a l2 X 2
a 32 X 2
an 2 X 2
aln
a2 n
a2 n
x
x
x
- 0
= 0
(a
t )x - 0
nn--------- n------
= (x^,
o 0 xn )fc
(A - tl)= 9
-O
-CU
Solucin
De acuerdo al teorema precedente los valores propios
de una matriz A son las raices t de la ecuacin: det(A - tl)= 0
Asi: A - ti -(J
\).
t(J
? ) - ( Y
3?t )
propios: t^ = -1 y tj = 5.
Anlogamente para la matriz B, tenemos:
B - ti
-2 \
- ('I
1 /
Entonces: det
/I
0 \
X0
1 y
) - ('
(B - ti) = t
propios: t^ = 1 + i/7
/ 1 -t
-2
1 -t/
-2t + 3 = 0 ,
t 2 = 1 - i/?.
DEF 8.4
La ecuacin caracterstica de una matriz cuadrada A,
es la ecuacin det(A - ti) = 0
a,,
1
a 21
a 22
13
a 23
o o o o 0 0
O O O o o
31
an2
ni
segn potencias de
2n
3n
= 0
O O O O O a_^ t
nn
(-t) 11 1 + p 2
(t)n + Pl
an3
ln
(-t) n * 2 4.o<
+ p , (-t) + p = O
*n-l
^n
DEF 8.5
La suma de los elementos de la diagonal principal de
una matriz cuadrada A es la traza de la matriz y se designa
pors tr(A) = a ^
+ a 00 + a 1 7 + .. . - + a.
nn
22
33
TEOREMA 8.3
Para toda la matriz cuadrada A = (aj) de ecua
cin caractersticas
(t)n + Pl
(-t) 11" 1 + p 2
(-t) n 2 + ... + p = 0
*n
se tienes
a) . p
n
I t. = tr (A)
j=1
b) o p
n
ir t . = det
j=l i
(A)
Dm
Considerando las relaciones que existen entre las races
=
n
n
ir t .
3-i
^
(1 )
lll
12
13
a
a 31
a 32
ni
n2
a 33
23
e o o o o
ln
aoo
= 0
- t o oo
n3
o a o o o
l3n
t
nn
y t 11 1 provienen nica
22
- t) (a, 0 - t) (a
l2 n
t)
33
o o o o o
(ann
(ali + a 2 2 + o o o a
nn
) +
OO O
luego:
(
2)
(A - ti) = 0 ,
se obtiene haciendo
pn = det
(A)
(3)
(1),
(2) y (3)
t)
65 c
queda s
tr(A) = t . + t- + 0,0 o c + t
i
z
n
det(A) = t, 0 tn o,6oo o t
i
n
Corolario
Una matriz es singular si y solo si tiene a cero co
mo valor propio
Ejemplo 8 o3
Para la matriz A =
traza (A) = 1 + 3 = 4 y det(A)
tenernos;
= 50
(A) = t^ t 2 = 5
TEOREMA 8 04
Las matrices cuadradas A y A fc tienen los mismos
valores propios
Dm
Sabemos que un escalar t es valor propio de una matriz cua
drada h, si y slo sis A - tl)| = 0 o
que t
det
(At
- ti) = det
= det
(Afc - tlt )
(A - t i ) = det
(A - ti) = O
s6 lo si es valor propio de A.
Ejemplo 8.4
Determinar los vectores propios de las matrices:
-1
A =
Y4
-2
M
-1
' 1
-1
V 1
-1
4 \
- 2
i /
Solucin
La ecuacin caracterstica de la matriz A, es
det(A - ti) = -t 3 + 2t 2 + t - 2 = O,
De aqu se obtiene
fcilmente t^ = 1 , tj = 2 y t^ = 1 .
Llamando a = (x, y, z.)t vector propio asociado al
valor propio t^ = 1, debe verificarse que: Ao = ta, o sea:
Aa - o = 0, es decir:
1
/x
y 1-
y
^z
------ 4x - 2y = 0-------------
Resolviendo se encuentra:
(x = x;
y = 2x; z 2x)
67
luego a es de
x
agrado
4x - 2y - z * 0
3 y
puede comprobar
y
los
vectores
propios
Q
Terminaremos
observando que los valores propios de Afe
son tambin 1 2 y (<=!) y dejando al le c to r la determinacin
de los vectores propios o___________________________________________
TEOREMA 8 o5
Si t es valor propio de Ap correspondiente a l vec
tor propio , entonces t p es valor propio de Ap asociado
con r, siendo p entero positivoe
.in
S<a har por induccin,
A r,
68.
= t
= t1
k
k
Supongamos entonces que para p = k tenemos: A = t , re
sulta as:
Ak + 1
= A(Ak ) = A(tk ) = tk (A ) = t k + 1
k+ 1
k+ 1
TEOREMA 8 . 6
Si t ^ 0 es valor propio de la matriz no singular
A, asociado al vector propio , entonces t~^ es valor propio
de la matriz recproca A- 1 , correspondiente al mismo vector
propio .
Dm
En la hiptesis que A * t , debemos demostrar que
A* 1
= t- 1
A - 1 , q u e d, a :
(A- 1
A) = t A " 1
o sea:
t 1
= a" 1
Corolario
Si t jt 0 es valor propio de la matriz no singular
O
A correspondiente a , t * e s
para el mismo vector propio .
y)
valor propio de la matriz A r ,
69.
En efecto: a p = (a 1 )p C * (t 1 )p C = tp .
DEF 8 0 6
+ a^x + . 0 + anxn
Dm
Se deja como ejercicio
TEOREMA 8 . 8
000
^p
una matIiz
Dm
Se har por induccin
se verifica para p = 1.
completa
Obviamente el teorema
entonces:
m- 1
m- 1
m- 1
A Em = A k - i a* Ek = d i
a* fi 5* = J j
ak sk 5k
fcm
^ ak
k=l
m- 1
v ^.. t av
k=l m k
m- 1
m- 1
y puesto que t^ t
ye que los vectores
son linealmente
, 2 , 0.0, , correspon
p
linealmente independientes
Corolario
Si los valores propios t^, de una matriz A de orden
Observacin
El teorema precedente nos asegura que en una matriz,
a valores propios d iferen tes# corresponde vectores propios
linealm ente in d ep end ien tes Es de in te r s preguntarse que
ocurre con lo s vectores propios asociados a valores propios
no diferentes El ejemplo que damos a continuacin ilu s tr a
esta situ a c i n .
Ejemplo 8 .6
Determinar lo s valore s y lo s vectores propios de
la s m atrices
72 e
1
A =
1
(3
2 ^
0
B =1 0
> 0 -1
3 i
l0
\
0 1
2
Solucin
Para la matriz A, se encuentra det(A - tl)=(l - t)
(3 - t) y entonces sus valores propios son: t^ = t 2 = 1
t^ = 3 0
(0, 2, 1) 0
De
= (1, 0, 0) y
a 2 = (0, 2, 1).
Finalmente al va
= (1 , 0,-3) 0
Al valor
ma
m e n o r la
+ M xt + M q
donde
con 0 < j <_ k p son m atrices de orden n r con elemen
to s independientes de la v a riab le t=
Ejemplo 8 c 7
/ t
\
+ 1
2t
t' - 3t S\ _ / l
6
V 0
'
2
0 \ 3
,1
0,
0 /
\0
0/
- ) , . (
0 /
\ 0
t2 +
! )
6 /
Teorema 8 C9 (Cayley-Hamilton)
Si la ecuacin c a r a c te r s tic a de una matriz A de
-O
orden n? es p (t)7 la matriz A es ra iz de la ecuacin m atric ia l: pX) - O
Dm
El polinomio c a r a c te r s tic o de A es; p (t) = det(A - ti) =
= det Me donde M = A = tic Como la matriz M es de orden
n* lo s elementos de su matriz adjunta M f sern polinomios
en t de grado (n-1) a lo ms0 As de acuerdo con la obser=
vacin precedente tenemos s
- (A - tI)M
+
= M M = I det M. tenemos?
= A M
- tM
n~i
entonces
p(t)I - aQ I + axIt + ooooo + an- 1 Itn _ 1
AM
4>
= AM n= i
,t
1+ = M
r==1
+ AM n=
_t
n= ?
+ Itn
(2)
+ 0 0000 + AM-t
i + AM
(3)
,tn + M
-t " 1 + cooooc + M,t 2 + M I
n 1
n= 2
i
o
De las expresiones
(1),
(2),
cilmente;______________________________________________________
a I A M
o
o
a.I < A M. - M
l o
.1 = A M
. nl
n- 1
,
n= 2
a~I = A M- - M,
2
I = - M
.
n=l
oooooo,
yA
a I + a-A + a nA 2 +
o
i
oaoooo
+ a
.An 1 + A n = Q
n-i
75.
Ejemplo 8 . 8
Usando el teorema de Cayley-Hamilton, determinar
la inversa A - 1
de
1 - 2
A
=|0
-1
2 ---- 0--- 3
Solucin
La ecuacin caracterstica de A es: t
+ 3 = 0 .
- 3t
- 9t +
caracterstica tenemos: A
i
A j (**A + 3A + 91) = I.
- 3A
- 9A + 31 = Q, de donde
de A es
(A
i / 3
+ 3A + 91) = ( -4
V 2
-6
0\
2 ]
1 /
Ejemplo 8o9
Usando el teorema de Cayley-Hamilton, calcular:
A 723, siendo A = ^ ~ 3
Solucin
La ecuacin caracterstica de A es:
(p(t) = t
A - I = Q.
Tomemos el polinomio
este polinomio
m(t) = t
723
-1*0.
Adems
Dividiendo
76
ptt) = t
(1 )
(2)
723
= a,A + a I
(3)
i
o
723
De aqu que, habremos determinado A
cuando calculemos
a^ y aQ .
de donde: a
^
= a l + ao
= 0 y a^ = 1.
, ..122
^
( 1)
a l + ao
Reemplazando estos valores en
(3), resulta:
723
c:
; )
-c:
~\)
DEF 8.7
El polinomio mnimo de una matriz A es el polinomio
escalar:
!
, v
m .
m-1 ,
m- 2 ,
,
m(x) = x + a-x
+ ax
+ ,,, + a^
i
_ m-1
+ a,A
i
_ in2
+ a 0A
+ .... + a l
m
= Q
TEOREMA 8.10
Cada matriz cuadrada A tiene un y solamente un
polinomio mnimo.
Dm
La existencia del polinomio mnimo es inmediata, pues
toda matriz es raz de su ecuacin caracterstica.
Supon
Es
= m 2 (x).
TEOREMA 8.11
Cada factor lineal
7.8.
m (A) = (A - t I) q (A) + r I = Q
y como r no es nulo, obtenemos: -(A - t I)(q(A)/r) = I
expresin que nos indica que la matriz
(A - t I) tiene rec
(A - t I) es ma
Asi debe te
(x - t) es factor de l polinomio m - _
nimo m ( x ) .
Corolario
Si A de orden n tiene todos sus valores propios
diferentes:
p(x) - (-l)n m(x)
Observacin
El teorema precedente podra induqir a creer que
el polinomio mnimo m ( x ) , de una matriz A, es simplemente el
producto de los factores distintos del polinomio caracters
tico p( x ) .
rar un ejemplo
Para la matriz de quinto orden:
4
\o
o
o
i
o
79.
(A - I ) 2 = 0
(A - I ) 3 / Q
(A - I ) 4 fi Q
2
3
(x-1 ) , (x-1 ) , (x-1 )
La matriz A = ( ^
pues
para:
x = (-i
se
tle n e
x ' 1
=ii
y entonces:
X-1 A X - l ( 2
3 \1
' M 1
2)(X
1)
1' v 4
3' '-l
2'
- ( - 1
^ 0
5'
TEOREMA 8.12
Una matriz cuadrada A de orden n, que tiene n
vectores propios linealmente independientes es diagonaliza
ble *
8.0
Dm
Sea:
c^, a^,
rentes e
Adems:
AX = A( a* a,, a, 0 , , 0 a )
i t j
n
*
(A
01 -
0t
oo e
e o #
Ct
= (t, a 1 t 0 a_ 0 = 0 = t a )
i i
n n
(
02
0 0 6 6 6
O t^)
/ 4
noto
t2
*3
10
0
1
o
o
o
0 O 0
0*66
Yo
As
AX = D.
Corolario
La matriz X que diagonaliza una matriz A, tiene
81,
Corolario
.-1
En la expresin: X
AX = D, los elementos de la
Ejemplo 8 o11
Diagonalizar la matriz
r
A =
\3
Solucin
Io Se determinan los valores propios de A* obte
nindose; t1 = !, t2 = 1 y tj = 7,
2oEn correspondencia con estos valores propios de
terminamos los vectores propios:
(*2
(0g 1 Q -l)fc y
3o
= (1, 0, -l)t ,
a3 = (1, 2 , 3)^
Con estos vectores propios contruimos X
terminamos X~^s
x = | (i
V-l
-1
y de
Finalmente;
Observacifin
Se comprende sin difucultad que la suma de matri
ces diagonales y el producto de matrices diagonales da ma
trices diagonales.
Obviamente, entonces,
EJERCICIOS
1.- Muestra que
= ( 5 0 0 ) es un vector propio de
i 0
A = I 0
-1
\0
7 \
2
1 /
83.
/ 1
A =
-1 \
V0
0< x =
(4
0)fc
O 2 = ( 3
2)
Solucin
3 y
0)
D(l = (3
(2
\
1
2
B=
0
2 /
1 0
i0
2 /
f2
C =
\o
3 ) es r a * 2
su ecuacin caracte
rstica.
Se-" Calcule: A
10.- Calcule: A
602
1025
- c
,.3
- SA"' , para
;)
1 4 - 2
A = l0 0
0
\0 -3
-(
5
- 4A , para A
I
24
15
11.- Determine: A
- 3A
, para A =
-1
2 .
2
l
1 -3 - 1
84.
1 A
12,- Determine: A*
4 *)
- 3A
, para A =\0
-8
O O )
1 -4 i
(A = A*)
los
(B = P A p 1)
\0
3/
/2
II
<
/2
B =( 0
i
'0
2
0
-1
nimo es
diferente de cero.
85.
A =
(X
t
= X ) que la diagonalize.
2
3
20 /
22 .-
-1
3 \
\
Dada la matriz
A =
_2 j
Sea a un
Demuestre que B
mi caracterstico.
1 V
A = [1 0 1
V
,
'1 1 0 /
An en la forma:
An = a
A + b
siendo n natural,.
86 o
^ 0, se verifi
(a + d) = 0
verifica la ecua
Hamilton).
(A ^ = A*") ,
(A 1 =
= A,
y 0.
< 1
n
T
a^
= 1
ItI < 1 .
9. TRANSFORMACIONES LINEALES
DEF 9.1
Dados dos espacios vectoriales V y W sobre un cuerpo
K, se llama transformacin lineal de V en W, toda aplicacin
T : V t>~ W, tal que:
a). T(a + 3) = T(a) + T(B)
V a V /s P a V
b ) . T(aa) = a T(a)
V a e V ^ a e K
EJEMPLO 9.1
La transformacin:
I
( a) = V
a a 6 V
EJEMPLO 9.2
La funcin O: V-*-V, definida por:
O(a) = e
a 6 V
EJEMPLO 9.3
Sea V el espacio de los polinomios sobre el cuer
por R. En este espacio son transformaciones lineales,
derivacin y la integracin, definidas por:
la
88.
n
.
n
J< l a,x3) = l
j=0
J
j=0
a.
.,,
--- 3_ x 3 1
j + 1
EJEMPLO 9.4
Sea V el espacio de las matrices de orden nxl y
W el de las matrices de orden mxl sobre un cuerpo K
Sea
V a 6 V
TEOREMA 9.1
Sean V y W espacios vectoriales finitos sobre un
cuerpo K Dada una base {a.}n para V y n vectores cualesquie
n
-1
ra {<).}
en W, existe una y slo una transformacin lineal
11 j=l
T de V a W, tal que:
T (otj) = w j
j = 1,2,3,.....n.
Dm
Tomado a 6 V,
existe en K un y slo un conjunto de escala
n
res {a.} , tale que:
n
y
Definamos la funcin T s V
por:
89o
n
l
T (a) =
a. a).
i= l
T(a^.) =
para j = 1,2,3,sosn
n
J p a.
j=l
3
a.
luego:
3
n
n
l p a . a). = p
l a . w = p T(a)
j=l
3 3
j=l
3 3
1 n
Ahora tomando 8 V, tenemos: 8 = b . a . t entonces;
j= l 3 3
T(pa) =
a + 8
n
7
j=l
(a.+b.)a.
3
3 3
luego:
T (a + 8) =
n
n
l a. (a. + l b ua) = T(a) + T(8) 0
j=l
3 3
j=l
J 3
S (a j) ~ ii)j
j = l|2|3|iiii|ni
Entonces:
^
n
S(a) s S( [
n
a. a ) =
a. S
S(a.i
(aj
n n
-" - ~
i
1=1
3 3
i=l
3
3
= y a . a). = T (a)
jtl
90o
0bservaci6n
Hacemos notar que en el teorema precedente los
vectores k de W son arbitrarios, as, ellos pueden tomarse
linealmente dependientes y an todos iguales.
Nomenclatura
El conjunto de las transformaciones lineales de
V y W lo designaremos con la notacin: Hom(V,W)0
TEOREMA 9 o2
Sean V y W espacios vectoriales sobre K, de di
mensiones n y m respectivamente
se para V y
Sea { a ^ a ^ o . ^ a ^ }
una ba
Entonces pa
V <*6 V.
V, existen escalares x . G K
tales que:
a = x. a, + x, a,
1 1
2 2
n
J
x. a.
] j
lu eg o :
T
(a)
n
l
x. T (a .)
j =l ^
(1)
91o
6 K, tales ques
m
T(o) = YX ^
+ V 2 B2 + ....+ Ym Bm
Y i. ^
12)
T(a .) =
3
con j = l,2(..,tn
a . . 8.
iD
i
n
I
T(o) =
1=1
Comparando
m
< l
x
3
i=l
m
n
I ( I
8,1 =
3
i=l 1=1
a
3
n
y. =
y a .. x .
1
j=l
13
3
o sea:
*1
y2
*3
a ll X 1
= a21
s
X1
a 31 X 1
aml X 1
+
+
+
a12 X 2
a22 X 2
a 32 X 2
am2 X 2
o o e
+ am
+ 0*61
aln
a 2n
X
X
n
n
* ao X
3n n
+ ID|I t a
mn
o bien:
all a12
a 21 a22
a31 a 32
o o o
^ 1n
0 0 . a 2n
o . . .
'M
x
'
\ Xn
/M
a 3n
\ ym
> 6
13
(3)
92o
V a 6 V
de
V y W respectivamentee
Corolario
La correspondencia entre el conjunto Hom(V,W) y el
conjunto de todas las matrices A = (a j) de orden mxn sobre
el cuerpo K es uno-a-uno
Observacin
En el teorema precedente hemos puesto AX = T(a) ,
para cada a e V, en rigor deberamos colocar: AX = Y, sien
do Y = (y,#y.y ) el vector-cordenada de T(a) en la base
Sin embargo dado el isomorfismo existente entre W y
Km , ser usual que cuando no haya temor a confusin, usemos
indistintamente T(a) e Y por un lado y X y a por otro
Ejemplo 9.5
En el espacio R
consideremos la aplicacin T
93.
Tomemos en R
= (1,0) y 2 = (0D
y n2 res
Entonces:
= (cos<J>) . + (sen<J))2
n2 = (-sen4>) 1 + (cos<t)2
Asi, si a = (a1# a 2 ) 6 R
te en 8 = (b^, b 2) , tenemos:
( b.\
/cosd) - senifil / a, \
b -/
1
\ senif*
Particularmente para ^
coscp
cos<W va o'
y 2 tenemos:
cosiji - sen<j>\/l\
sen<j>
](
/cosf
sen<f>
-sen<|> \
costj) - sen<|>. 0
|senif)
cos<J> -
sen<|>
sen<f>
cos$
(
Ejemplo 9.6
Sea P
su p e rio r
1.
Bj
T(p(t))
a la s
1 }.
{ t ,
el
e s p a c io
2 y P* e l
Se toma en P
=
2
2
de
la
bases
lo s
'
la
p o lin o m io s
p o lin o m io s
base
Se d e f i n e
= p^(t).
lo s
de
{1 ,
t ,
d e g r a d o no s u p e r i o r
t
2}
tra n sfo rm a c i n
D eterm in ar
la
d e g r a d o no
m a triz
y en P^
T de P
la
a P
base
1
por:
A a T con r e f e r e n c i a
y B2 d a d a s .
S o lu c i n
Si
lin e a l.
d ific u lta d
se
= 0 =
0.
0.1
T (t)
= 1 = 0.
1 .1
+ 0.1
Asi
es
2t=
2.
tom ando en P 2 e l
p o lin o m io :
p'(t)
Ahora usando
6t -
T (p ( t ) )
5.
1 0
\0
2\ [/- 57lI =
oh 3 /
p(t)
la
/O
2\
V0
0/
A =
tra n sfo rm a c i n
Adem s:
T ( 1)
T(t
la
3t
m a triz
(6 1 -5 )
5t +
7,
tenem os:
A a T re s u lta :
6t -
Observacin
Llamamos la atencin sobre la importancia que tie
ne el orden
95c
B1 y B2 c
Sjl
TEOREMA 9 o3
Si S y T son transformaciones lineales de
tambin lo son las aplicacioness
a),
(S+TXa)
- S (a) + T(a)
b).
(a T) (a) * a T(a)
V ex 0 V
V a e v * a 6 K
Dm
Trivial o
Corolario
Si A y B son las matrices de S y T con respecto a
las bases {a^} y {8^
se tienes
(S + Tj
(a T)
(ex) = (A + B) a
(a)
= (a A) a
TEOREMA 94
El conjunto Hom(V,W)
Dm
Desde luego el conjunto Hom(V,W) no es vacio, pues contiene
la transformacin lineal O(a) = 0 . V a 6 V.
w
El resto de la
Corolario
Si V es de dimensin n y W de dimensin m, el espa
cio vectorial Hom(V,W)
tiene dimensin m x n
TEOREMA 9 05
Sean V, W y Z espacios vectoriales sobre un cuer
po K t c Sea T : V -w y S: W-*-Z, entonces la aplicacin ;
(ST) (a) = S(T(a))
formacin lineal de V a Z.
Dm
Trivial
Corolario
Si A y B son las matrices de S y T con respecto a
TEOREMA 9.6
Sea T 6 Hom(X,Y), S 6 Hom(Y,Z) y R 6 Hom(Z,W),
tales que ST y RS existen, entonces R(ST) y (RS)T existen
y adems: R(ST) = (RS)T
Dm
La aplicacin ST v desde el recorrido de T al recorrido
de S.
(RS)
Corolario
Si A, B y C son las matrices de R, S y T con respec
98
se tiene:
(RST)(a) = (ABC) a
TEOREMA 9.7
Para toda T 6 Hom(V,W)
'
se tiene: T(0 ) = 0
v
w
Dm
Como T es transformacin lineal, tomado a V, tenemos:
T (0 ) = T(Oa) = 0 T(a) = 0 .
v
w
D E F , 9.2
Dada T 6 HomV^W), se llama imagen de T, al conjun
to:
im(T) = {a) 6 W
| ai = T(a)
con a e V}
TEOREMA 9 o8
Sea T 6 Hom(V,W), entonces:
A < V
Dm
implica
T(A) < W
0 , resulta:
T(A) ^ <t>
(a) = a
(1)
en T ( A ) , existen a y
=F
T(8)
8 en A, de
(2)
99.
a, tenemos: a a
T(a
a)e
T(A), as:
(3)
W.
Corolario
Im(T) < W
En efecto:
DEF 9.3
Se llama rango de una transformacin lineal T, a la
dimensin r del subespacio Im(T):
r(T) = dim(ImT)
DEF 9.4
Dada T e Hom (V,W) , se llama ncleo de T,
Ker(T) = {a 6 V
I T(a) = 0 }
'
w
TEOREMA 9.9
Sea T 6 Hom(V, W ) , entonces: A < W
T ^(A)
implica :
Dm
Como A < W, tenemos 0 6 A y como T(0 ) = 0 , resulta
w
v
w
9v 6 t ""1 (A) , as:
t 1 (A)
^ <J>
(1)
Ademas tomados a y
en la imagen A < W ,
a = T(a)
F = T(8)
aoC 6 T *(A)
(3)
o sea:
(2)
(1),
Corolario
Ker(T) < V
En efecto Ker(T) = T ^(0 w ) y adems (Q.,)
v/ *< W.
DEF 9.5
Se llama nulidad de una transformacin lineal T, a la
dimensin n, del subespacio: Ker(T):
n(T) = dim (Ker T)
TEOREMA 9.10
Sea T 6 Hom(V,W), entonces T es inyectiva si y
slo si: Ker(T) = 0V >.
Dm
Supongamos primero que T es aplicacin uno-a-uno. Conside
101.
Ker(T) = {6V )
8 tenemos a - 8
Tomando a y 8
9 y entonces T(a - 8) ^ 0
V
w
luego:
6 T(a - 8) = T(a) - T(8)
w
o sea
a ^ 8
implica
T(a) ^ T(8)
TEOREMA 9.11
Una T e Hom(V,W)
DEF 9.6
Una T 6 Hom(V,W) es:
a) Monomorfismo si y solo si: Ker(T) = 6V }
b) Epinorfismo si y solo si: Im(T) = W
c) Isomorfismo si y solo si es monomorfismo y epimorfismo
102.
CRF 9,7
Dos espacios vectoriales V y W son isomorfos
(V /v W)
Corolario 1
Cada espacio vectorial de dimensin n sobre un
cuerpo k es isomorfo con el espacio Kn .
Corolario 2
Sea T e Hom(V, W) con V y W de dimensiones finitas
entonces T es isomorfismo si y solo si la imagen de una base
de V es base de W.
TEOREMA 9.13
Sea V y W espacios vectoriales de dimensin fin
ta y T 6 Hom(V, W ) , entonces:
dim V = dimfKer T) + dim (Im T ) .
Dm
Sea
generan el espacio Im T.
Tomado arbitrariamente 6 Im T,
luego:
j=l
y como
a.
3
T(a.) +
3
k=l
l b t T(3k )
'
"
= T(o) =
? b. T(3, )
k=l k
K
es decir el conjunto
espacio:
Im T.
TtB^,
T(32),..,.,
genera el
l
c. T(B.) = 0,,
j=l 3
3
w
resulta:
T(
c. 3.) = 6
3 3
w
Siendo
L ch
1=1
3
l hk aK
k=l J K
o sea:
h.
1
a. + h 0 ou + . + li
1
2
2
p
- c, B, - c 0 B ~ ...... - c
0 = 0,
l
l
2 2
q q
^
>ao h
concluimos que:
~ C 1
c
2
= O
, T (B2),
T ^q^
DEF 9.8
Un homomorfismo T : V
W es no-singular o invertible
sobre V, tal
que: TT = Iv , donde I
TOEFEMA 9.14
Si T e Hom
Dm
Tomemos a y 8 en V, tales que T(a) = T(B), entonces como
T es invertible, existe T, luego: T(a) = T(B)
implica
T(T(ct)) = T(T(B)>
o sea:
(TT) (a) (TT) (B)
Iv (a) = IV (B)
es decir ct
= B
TT = I .
w
TEOREMA 9.16
Si T e Hom(V,W)
es invertible, la aplicacin T
es lineal y Cnica.
Dm
Tomando a y B en Im(T), existen nicos a y B en V, tales
que: T(a) = a y T (6) = F, entonces considerando que:
a = Iv (a) = (TT)(a) = T
(T(a)) = T()
B = IV (B) = (TT)(B) = T
(T(B)) = T(F)
resulta:
T(a a + b ? )
= T(aT(a) + bT (B))
= (TT) (a a + b B) = Iy (a a + b
= aa
+ b B = a
8)
T # () + b T # (B)
Observacin 1
El teorema precedente nos muestra que si T es
107,
TT = I
v
V
2
TT - I
w
Observacin 2
La nc singularidad de T expresada por: T *T = I
y TT-1 = I
TEOREMA 9.17
Sea T e Hom(V,W) y dim V = n, entonces las si
guientes afirmaciones son equivalentes:
a).
T es no singular
= 0
d). r (T)
= n
Dm
( a ) ( b ) . Como T es no singular, ella es inyectiva, en
tonces por teorema 9.10, tenemos: Ker(T) = {0v }
(b) (c) . Como n(T) = dim Ker(T) y ker(T) = {6V ), resul
ta n(T) = 0.
r (T) = n
(d) -t (e) , Como dim
(a) . Sea
o) =
n
Y a . T(a .)
j=l
3
3
T*
n
y a. a .
j=l
^ j
(oj) =
dremos:
n
a = Y x. a.
n
T(a) = I x. T(a.)
Li
109.
T*
n
l x . a. = a =
j=.t 3 3
(T (a)) =
luego T*T = I
TEOREMA 9.18
Sean S y T homomorfismo no singulares de V a. V,
entonces:
b)
(CT)"1 =
c)
1
(-*
II
(TS)"1 = S-1 T
^3
1
a)
I * -1
T
Dm
a) De inmediato tenemos que:
(TS) (S
-1 -1
-l
-1
-l
T ) = T (SS
) T
= TT
= I.
(TS)"* = s"1 T- 1 .
0, se tiene:
Asi la inversa
ca obtenemos:
(cT) 1 de
(cT)""1 = c-1 T -1
(T-1 ) 1 = T.
110.
Observacin 1
Sea V un espacio vectorial n-dimensional,
{ctj},11 y {3j)(n dos bases ordenadas para V.
Tomando un vec
*1 61 + y 2 B 2 + ....
en trminos de la base {3^}.
+ x
+ yn 6n
<*!' * 2 ....
5 - <*!' y 2 .......y>
llamada
DEF 9.9
Sea V un espacio n-dimensional, {a^.},n
y {B ^
1 - PU
i + PX2 2 + .....
+ p ln 8n
a2 ~ P 21 61 + p 22 S2 + .....
+ ? 2n Bn
a3 P3 I
+ p 3n Sn
+ p 32 B2 + .....
111.
a la matriz
/ ? 11
? 21 ....
?nl\
?12
Pp2 ....
?n2
P lp
P 23 ....
?n3
P =
i
u
? 2n
(P j )
1
1
Observacifir 2
La matriz P = (pj) es matriz n-singular.
efecto la independencia lineal de los vectores a
En
implica
tenemos: Y* = PX.
Dm
Por hiptesis tenemos que:
" X 1 1 + *2 2 + .... .+ xn n
" Y 1 S1 + y 2 82 + .....+
6n
i - 1,2,
n,
112.
luego:
n
A.
i-1
*1 i
n
(
( i=i
2
i=l
J.
*i <J, ? ij
a =
x i1 p 1J
i i 5 3 ^i =
^
1=1
Yi3 3 3i
De donde?
n
y .=
T p .. x .
Y3
pi3
l
j = 1,2,3
,n
0 sea:
*1= pn
X 1 + P 21 X 2
*2 = p12 X 1 + p22 X 2
yn = pln X 1 + p 2n X 2
+
+
n2
bien
/ p ll P 21
/ M
*2
pnl\
p 12 p 22
X,
pn2
\r j
ip in p 2n
pnn /
/ x"'
-
$ = P X
Corolario 1
Si P es la matriz de paso de la base {a^ } a la
base {$j}/ la matriz de paso de {3^ } a {ou} es P 1 .
113.
->
En efecto, tenemos: Y =
P Xy
-1
=
X
singular, existe P
Entonces
-+
-1 ->
Y.
Corolario 2
Si P es la matriz de paso de {a^} a (3^) y Q
es la matriz de paso de {6^} a Vj), la matriz de paso
de
ep:
En efecto, de inmediato tenemos:
Y = PX
Ejemplo 9.7
En el espacio P
{6t , t, 4}.
+ 5t - 8, corres-
a = (-8 5 3)/ t \
= -8 + 5t + 3t2
114.
a = (1/2 , 5 , - 2 )
t)
3t
+ 5t - 8
De acuerdo
a ella tenemos:
3 - t2 - I ei + 0 B2 + 0 S 3
de donde resulta que la matriz de paso bscada es;
/ O
P =
1/6 \
1 0
k 1/4
De inmediato tene
mos :
PX =
1/6
\ 1/4 0
0 /
/ -8 \
/ 1/2 '
-
= Y
3 /
1-2
TEOREMA 9.20
Dm
Supongamos primero que la base|/?>_.| tambin es ortonormal.
(a^|a^) = (0^IB^
tenemos:
\ *
+ pjn Sn!'
o sea:
<5.
ij
? il ? jl + p i2 pj2 +
+ P in
P j-n
(pj) es ortogonal.
6, = P12
i + p 2 i 2 + + p ni1 O n
+ p,,
22 a,2 + . . . . + p'n2 an
Asi la base{|j}
es ortonormal.
Corolario 1
Si el espacio V se toma sobre el cuerpo C de los
complejos, la matriz de paso P es unitaria.
Corolacio 2
El producto interior
(ajfl) es invariante a un
B, entonces:
(Pa | P0)
(a|P*PB) =
(a|3).
Ejemplo 9.8
En el espacio P
mal e s :
a1 =
(1,0,0)
a 2 = (0,1,0)
(1/^2, l//?,0)
a 3 (0,0,1)
y
=
P3 =
P2 =
l//2,0)
(0,0,1)
1//2
-1//I
1//2
1//2
= I.
/
Entonces el vector
a3 ^
1//?
1//7
(2 2 \
\3 '
bt =
| -1//2
1//?
1/\5 1
~/2 1
V
x 5
Es decir tenemos:
(3.1.5) = u = 2/2 Bx - /2 B1 + 5 83
( 3 . 1 . 5 ) = o = 2 / ? ^7 5 * 7 ? ' ^
(3.1.5) = w =
(2,2,0) +
/ 7 ( '75'/ 7 7 / ^ + 5 ( 0 , 0 , 1 )
TEOREMA 9.21
Sea T G Hom(V,W) que referido a las bases {a^}n ,
para V y {B^} m , para W, se expresa por la matriz A y refe
rido a las base a^}11, para V y
la matriz B.
de
lT ) a 3.) , se tiene:
B = Q
-1
AP.
Dm
Sea 5 un vector cualquiera de v y co = T().
tor coordenada de en la base
y X^ su vector coorde
en la base
r "
Sea X el vec
= PX.
Sea Y el vector
{i
x,
T
A
Y,
UJ = T ( E )
UJ = T ( 0
Corolario 1
Sea T 6 Hom{V,V) que referido a la base {ct^}11,
se expresa por A y referido a la b a s e ^ O ^ y 11, se expresa por
B.
119.
Corol&rio 2
Dos matrices A y B son similares sii, represen
tan un mismo homomorfismo T 6 Hom(V,V), en dos bases orde
nadas diferentes
Ejemplo 9.9
Sea T una transformacin lineal del espacio P
1
= p'( t ) .
Sean
a {a^}
De inmediato tenemos:
T(t2) = 2t = 2t + 0.1
T (t)
= 1
= O.t + 1.1
T (1)
= 0
= 0 ot + 0.1
As: A = ( 2
b) Determinacin de B.
T (1)
= 0
= 0 . (t + 1) + 0.(t - 1)
120.
B = ( q l{)2 \)
(t - 1)
Entonces:
= O.t2 +
l.t
. ( i : :)
+ 0.1
V 1 o
1 0
o/
0
anterior,
t + 1 = l.t + 1.1
- G -1)
t - 1 = l.t - 1.1
e) Verificacin de : B =
f l
= 1vi
l\
,)
A P.
se encuentra
-1
1/2
1/2
= l
\ 1/2
-1/2/
Entonces:
-
1 1/2
/1/2
1/2 \ ( 2
1/2
Vl/2
I
-1/2 / \ 0
-1/2
A P =
Q'1 A P
/ 1
\l
0 \ (0
11 0
0 /\1
0
1
0
1/2
\0
-1/2
1/2
1/2
1 0
0I
1 \
0 )
0/
PEF 9.10
Un escalar t es valor propio de T
Hom(V,V)
si y
121
Ejemplo 9.10
2
2
Sea T 6 Hom (R , R ) definido por: T(x,y) = (yfx ) .
Entonces para cada a jt 0, tenemos que:
T ( a fa) = (a,a) = l(a,a)
igualdad que nos muestra que 1 es valor propio de T y (a,a)
es vector propio.
Tambin:
T(a,-a) = (-a,a) = (-1)
y entonces
(af-a)
(a,-a)
vector propio de T.
TEOREMA 9.22
Sea T e Hom(V,V) y A la matriz de T en una ba
se {otj}n ,.
Llamando X al vector-coordenada
sii
Y = tx
resulta:
sii
A$ = TX
Ademas el isomorfismo de V y K
pues a
6o
Corolario
Un vector a
Ejemplo 9 o11
Para la aplicacin T de P
a P , definida por:
se
Solucin
Primero buscaremos la matreiz A de T en una base,
tomaremos la base {1 ,t,t 2}-, entonces tenemos:
T (1) = t2 + 2t + 4 = 4 o1 + 2t + l.t2
T (t) = t2 - 3t + 0 = 0.1 - 3.t + l.t2
T(t2)= 2t2 + Ot + 0 = 0.1 + 0 ot + 2 ot 2
luego:
A =
u
0 '
-3
= -3; t^ = 2.
Sea a = at
+ bt + c
el
asi
a = 9t2 + 4t + 14.
De anloga manera se obtiene para
propio 6 = -t
tj = -3, el vector
DEF 9.11
Sea V espacio n-dimensional.
Un T 6 Hom(V,V)
es
TEOREMA 9.23
Sea V espacio n-dimensional.
El homomorfismo
124.
Dm
Supongamos primero que T es diagonalizable, entonces exis
te Una base {a^)n , para V, tal que T se expresa por una ma
tifiz diagonal: D = (a^
... an ) .
Llamando X^ el vec-
de (Xj en la base (a
/ al
0
DXj =
V C w t>U J- c t
0
a2
lo
0 ___
0^
0 .... 0 \
1
0
0 ___ a /
n
) = a . a ., resultado
J 3
la base {cu}n , son
Considerando que
TC^)
T(a3) = 0 al
T(V
= 0
al
+ 0
+ 0
a2
a2
t 30t3
+ 0
a3
+ ... + Oa
n
+ ... + t a
n n
1 2 t^ .... tn ) .
As T es diagonalizable.
125,
Ejemplo 9.12
Sea T una transformacin lineal de R
3
a R . de
finida por;
T(xlfx 2 ,x3) = (2x^ -- x 3 ,
+ x 2 - x 3 , x3)
Solucin
Por el teorema precedente, la transformacin T se3
r diagonalizable sii, V = R tiene una base formada por
vectores propios de T.
rsticos.
Tomando para V = R , la base usual {(1,0,0),(0,1,0),
(0,0,1)}, la transfomacin T se expresa por la matriz:
(1-t)(1-t)
tj = 1 y tj = 2.
= (1,0,1) y
= (0,1,0).
Adems
(1,0,1)
T ( a 2) T(0,1,0) = (0,1,0) =
T ( a 3) = T (1,1,0) = (2,2,0) =
B =
/1
L0
EJERCICIOS
1
= t p(t) + 1
OX.
127
a R , definida por:
(2,0)
to a las bases: A; A y B; B y A; B,
Determine T(2,3)
Se
base A.
2
2
6.- Sea I la transformacin identidad de R a R
2
sidera en R. las bases A = { (1,0),(0,1)} y
B { (1,-1) , (2,3) }.
Determinar la expresin
Se con
matricial c(e.
Se considera adems la
Se pide
a R 2 , siendo R 2
Dor:
128.
L(X) = AX -XA
con A
x e
r;
-ic : u :
T J
Uo
9.-
:u :
1
o /,
:k i
o
:n
,01 /O
o j, V 1
Se considera la ap licacin l in e a l L de R3 a R3 d e f in i
da por:
i1
/ x l^
X2
\ X 3 j
\2
1 \
/X l\
X2
/
\ x 3 /
12?
3
a R , tal
a R, tal que:
Determine
L(a,b,c).
14.- Determine una transformacin lineal T de R
3
a R , cuya
con A
2j
y X 6 R2
2
a R , definidos por:
L(x,y,z) = (x + y + z, x + y)
S(x,y,z) = (zx + z, x + y)
T(x,y,z) = (zy,x)
Demostrar que ellos son linealmente independientes.
Determine:
ST, TS, S
y T2.
18.- Sea V espacio vectorial de dimensin finita y T un ope
2
rador lineal en V, tal que: rango (T ) = rang(T).
De
muestre que:
(KerT)
(ImT) = { }
Determine si T
130.
11
i\ iH \
1 ''X
a R
por
i X3 /
determine si ella admite una inversa S
-1
En caso afir
mativo, encuentrela,
21.- Sea a un escalar no nulo.
Deter
a R , definidp como
2 2
0,
0
l0
1\
(
0 i, 11
o),
por:
-1
4 \
\
2 '
V 0
2 /
/ 1
131.
a P
definido por
Determine si S es diagonalizable o
n6,
26.- Sea T un operador lineal en Rn tal que T 2 = I.
tre que T es diagonalizable y que sus
Demues^
valores propios
son + 1.
27.- Determine la naturaleza de las cuadricas
a) 13x2 + 12y2 + 10z2 - 8xy + 4xz - 4yz = 12
b)
5x2 + 4xy
c)
2x
+ 2y
+ 4xz
+ 20z
2 (p (t) - p(a))
b) Mostrar que
a 2 = e3t cosbto
= eatsenbt
132.
B I B L I O G R A F I A
1) CULLEN CHARLES:
4) FRIEDMAN, B . ,
WEAVER* Jr. W .,
7) LANCASTER, P . ,
8) PIPES, L.A., "Matrix Methods for Engineers", PrenticeHall, Englewood Cliffs, New Jersey - 1963
9) SCHNEIDER, H. and
BARKER, G . P . , "Matrices and Linear Algebra", Holt, New
York - 1968
10) STEIN, F. M . , "Introduction to Matrices and Deterrainants",
Wadsworth, Belmont, California - 1967
133.
I N D I C E
PAG.
1.- Matrices
3.- Ejercicios
5.- Ejercicios
16
19
7.- Ejercicios
24
28
9.- Ejercicios
39
41
45
12.- Ejercicios
57
60
79
15.- Ejercicios
82
87
110
18.- Ejercicios
126
19.- Bibliografa
132
20.- Indice
133