Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Subespacios Vectoriales
Un subespacio vectorial de 𝑅 𝑛 es cualquier conjunto de H en 𝑅 𝑛 que tenga tres
propiedades:
a. El vector cero está en H (subespacio).
b. Para todo u y v en H, la suma u + v también esta en H.
c. Para todo u en H y cada escalar en K el vector ku
esta en H.
𝑢1 𝑘𝑢
𝑘 [𝑢 ] = [ 1 ]
2 𝑘𝑢2
Ejercicio
H = Subespacio
𝟎 𝟐 −𝟔
[ ] − 𝟑[ ] = [ ]
𝟎 𝟑 −𝟗
Con un escalar negativo el vector no esta en el
conjunto H.
Espacio de Columnas y Espacio Nulo de una Matriz
ESPACIO COLUMNA
El espacio columna de una matriz A es el conjunto de combinaciones de las
columnas de A y se representa por Col A.
𝐴 = [𝑚𝑥𝑛] 𝐴 = [𝑎1 𝑎2 𝑎3 … 𝑎𝑛 ]
𝐶𝑜𝑙 𝐴 = 𝐺𝑒𝑛 {𝑎1 𝑎2 𝑎3 … 𝑎𝑛 }
El espacio columna de una matriz mxn es un subespacio de 𝑅 𝑚 .
1 5 −1 −5 0 1 0
[2 6 −2 −6 0 1 0]
3 7 −3 −7 1 1 1
La matriz es de 4 x 7 entonces es un subespacio de 𝑅 4 .
𝐴𝑥 = 𝑏
El vector b es una combinación de las columnas de A si y solo si la ecuación Ax
= b tiene una solución.
Ejercicio 1
𝟏 −𝟑 −𝟒 𝟑
𝑨=[ 𝟒 𝟔 −𝟐] 𝒃=[ 𝟑 ]
−𝟑 𝟕 𝟔 −𝟒
1 −3 −4 3
1 −3 −4 3 1 −3 −4 3 7 1
[4 6 −2 3 ] ~ [0 18 14 −9] ~ [0 1 − ]
−3 7 6 −4 0 −2 −6 −5 9 2
0 −2 −6 −5
1 −3 −4 3 1 −3 −4 3 1 −3 −4 3
~ [0 1 7/9 −1/2] ~ [0 1 7/9 −1/2] ~ [0 1 7/9 −1/2 ]
0 0 −40/9 5 0 0 −40 36 0 0 1 −36/40
La matriz tiene solución por lo que las columnas son espacio columna de la
matriz A
3
[ 3 ] este vector es un subespacio columna
−4
Ejercicio 2
Determine si w está en el subespacio de 𝑅 3 generado por v1 y v2.
1 −2 −3
𝑣1 = [ 3 ] 𝑣2 = [−2] 𝑤 = [−3]
−4 7 10
1 −2 −3 1 −2 −3 1 −2 −3 1 −2 −3
[ 3 −3 −3] ~ [0 3 6 ] ~ [0 3 6 ] ~ [0 1 2]
−4 7 10 0 −1 −2 0 1 2 0 3 6
1 −2 −3
~ [0 1 2]
0 0 2
Tiene solución, por lo tanto, w si esta en el subespacio de 𝑅 3 generado por v1 y
v2.
Ejercicio 3
Sea
2 −3 −4 6
𝑣1 = [−8] 𝑣2 = [ 8 ] 𝑣3 = [ 6 ] 𝑝 = [−10]
6 −7 −7 11
¿Está p en Col A?
2 −3 −4 6 1 −3/2 −2 3
[𝐴 𝑝] = [−8 8 6 −10] ~ [−8 8 6 −10]
6 −7 −7 11 6 −7 −7 11
Ejercicio 1
Determine si p esta en Nul A
2 −3 −4 6
𝐴 = [−8 8 6] 𝑝 = [−10]
6 −7 7 11
Ejercicio 2
Determine si p está en Nul A
−2 −2 0 −5
𝐴=[ 0 3 −5] 𝑝= [5]
6 3 5 3
(−2)(−5) + (−2)(5) + 0 10 − 10 0
[ 0 + (3)(5) + (−5)(3) ] = [ 15 − 15 ] = [0 ]
(6)(−5) + (3)(5) + (5)(3) −30 + 15 + 15 0
𝑥1 − 𝑥3 + 𝑥4 = 0
𝑥2 + 2𝑥3 − 4𝑥4 = 0
La solución es:
𝑥1 = 𝑥3 − 𝑥4
𝑥2 = −2𝑥3 + 4𝑥4
En donde 𝑥3 y 𝑥4 son variables libres.
1
𝑣 = [−2] 𝑒𝑛 𝑁𝑢𝑙 𝐴
1
0
−3 6 −1 1 −7 0 1 −2 2 3 −1 0 1 −2 2 3 −1 0
[ 1 −2 2 3 −1 0] ~ [−3 6 −1 1 −7 0] ~ [0 0 5 10 −10 0]
2 −4 5 8 4 0 2 −4 5 8 4 0 0 0 1 2 6 0
1 −2 2 3 −1 0 1 −2 2 3 −1 0 1 −2 0 −1 3 0
~ [0 0 1 2 −2 0] ~ [0 0 1 2 −2 0] ~ [0 0 1 2 −2 0]
0 0 1 2 6 0 0 0 0 0 0 0 0 0 0 0 0 0
𝑥1 − 2𝑥2 − 𝑥4 + 3𝑥5 = 0
𝑥3 + 2𝑥4 − 2𝑥5 = 0
𝑥1 2 1 −3
𝑥2 1 0 0
𝑥3 = 𝑥2 0 + 𝑥4 −2 + 𝑥5 2
𝑥4 0 1 0
[ 𝑥 5] [0] [0] [1]
La dimensión de un subespacio
El Rango
El rango de una matriz A, que se denota como rango de A, es la dimensión del
espacio columna de A.
El Teorema del Rango
Si una matriz A tiene n columnas, entonces rango A + dim Nul A = n
Ejercicio 1
1 2 −4 3 −2 6 0
𝐴 = [0 0 0 1 0 −3 7 ]
0 0 0 0 1 4 −2
0 0 0 0 0 0 1
Ejercicio 1:
Para cada subespacio encuentre una base para el subespacio e indique la
dimensión.
2𝑎
{[−4𝑏 ] ∶ 𝑎, 𝑏 𝑒𝑛 𝑅}
−2𝑎
2 0
𝑣1 (𝑎) = [ 0 ] 𝑣2 (𝑏) = [−4]
−2 0
dim 𝐻 = 2
Ejercicio 2:
Para cada subespacio encuentre una base para el subespacio e indique la
dimensión.
𝑝 + 2𝑞
−𝑝
{[ ] ∶ 𝑝, 𝑞 𝑒𝑛 𝑅}
3𝑝 − 𝑞
𝑝+𝑞
1 2
−1
𝑣1 (𝑝) = [ ] 𝑣2 (𝑞) = [ 0 ]
3 −1
1 1
dim 𝐻 = 2
Ejercicio 3:
Para cada subespacio encuentre una base para el subespacio e indique la
dimensión.
3𝑎 − 𝑐
{[ −𝑏 − 3𝑐 ] ∶ 𝑎, 𝑏, 𝑐 𝑒𝑛 𝑅}
−7𝑎 + 6𝑏 + 5𝑐
−3𝑎 + 𝑐
3 0 −1
𝑣1 (𝑎) = [ 0 ] −1
𝑣2 (𝑏) = [ ] 𝑣3 (𝑐) = [−3]
−7 6 5
−3 0 1
dim 𝐻 = 3
Ejemplo:
Suponga que la matriz A es equivalente por filas a B, sin hacer cálculos liste
rango de A y dim Nul A. luego, encuentre las bases para Col A, Fila A y Nul A.
1 3 5 −1 2 1 3 4 −1 2
𝐴 = [2 6 6 0 −3] 𝐵 = [0 0 1 −1 1 ]
3 9 3 6 −3 0 0 0 0 −5
3 9 0 9 0 0 0 0 0 0
dim 𝐶𝑜𝑙 𝐴 = 3
dim 𝑁𝑢𝑙 𝐴 = 2
rango 𝐴 = 3
1 4 2
2 6 −3
𝐵𝑎𝑠𝑒 𝑝𝑎𝑟𝑎 𝐶𝑜𝑙 𝐴 = {[ ] , [ ] , [ ]}
3 3 −3
3 0 0
1
𝑥1 − 𝑥2 − 3𝑥3 = 0
2
Como no se obtuvo la solución trivial el 2 si es un eigen valor de la matriz A.
𝑥1 1 1
𝑥2 + 3𝑥3 3
[ 𝑥2 ] = [ 2 𝑥 ] = 𝑥2 [ 2] + 𝑥 [ 0]
3
𝑥3 2 1
𝑥3 1
0
1
3
𝐵𝑎𝑠𝑒 𝑁𝑢𝑙 𝐴 = 𝑒𝑖𝑔𝑒𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 = {[ 2] , [ 0]}
1
1
0
La ecuación característica
Información útil acerca de los valores propios de una matriz cuadrada A está
codificada en una ecuación escalar especial llamada ecuación característica de
A.
(𝑨 − 𝝀𝑰)𝒙 = 𝟎, no tiene que ser invertible. Lo que quiere decir es que el
determinante 𝑑𝑒𝑡(𝑨 − 𝝀𝑰) = 0.
Con un ejemplo se demostrará claramente estas condiciones.
Similitud
Si las matrices A y B de n x n son similares, entonces tienen el mismo
polinomio característico y, por lo tanto, los mismos valores propios (con las
mismas multiplicidades)
El teorema de la matriz invertible (continuación)
Sea A una matriz de n _ n. Entonces, A es invertible si y solo si:
a) El número 0 no es un valor propio de A.
b) El determinante de A no es cero.
Propiedades de los determinantes
Sean A y B matrices de n x n.
a) A es invertible si y solo si det 𝐴 ≠ 0.
b) det (𝐴𝐵) = (det 𝐴) (det 𝐵).
c) det 𝐴𝑇 = det 𝐴.
d) Si A es triangular, entonces det 𝐴 es el producto de las entradas sobre la
diagonal
principal de A.
e) La operación de remplazo de filas sobre A no cambia el determinante. Un
intercambio de filas cambia el signo del determinante. Un escalamiento de filas
también escala al determinante por el mismo factor de escala.
𝐴𝑥 = 𝜆𝑥
(𝐴 − 𝜆𝐼)𝑥 = 0
Ejercicio 1
2 3
𝐴= [ ]
3 −6
2 3 1 0
([ ]− 𝜆[ ]) 𝑥 = 0
3 −6 0 1
2−𝜆 3
[ ]𝑥 = 0
3 −6 − 𝜆
2−𝜆 3
| |
3 −6 − 𝜆
(2 − 𝜆)(−6 − 𝜆) − (9) = 0
−12 − 2𝜆 + 6𝜆 + 𝜆2 − 9 = 0
𝜆2 + 4𝜆 − 21 = 0 → 𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 𝐶𝑎𝑟𝑎𝑐𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑐𝑎
(𝜆 + 7)(𝜆 − 3) = 0
𝜆+7=0 𝜆−3 =0
𝜆 = −7 𝜆 = 3 → 𝐸𝑖𝑔𝑒𝑛 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴
Ejercicio 2
5 2 6 1
0 3 8 0
A
0 0 5 4
0 0 0 1
(𝑨 − 𝝀𝑰)𝒙 = 𝟎
5 2 6 1 1 0 0 0
0 3 8 0 0 1 0 0
x0
0 0 5 4 0 0 1 0
0 0 0 1 0 0 0 1
5 2 6 1 0 0 0
0 3 8 0 0 0 0
x0
0 0 5 4 0 0 0
0 0 0 1 0 0 0
5 2 6 1
0 3 8 0 0
𝑑𝑒𝑡(𝑨 − 𝝀𝑰)
0 0 5 4
0 0 0 1
Diagonalización
Ejemplo 1
Diagonalice la siguiente matriz si es posible.
1 3 3
A 3 5 3
3 3 1
Esto es, encuentre una matriz invertible P y una matriz diagonal D tales que
𝐴 = 𝑃𝐷𝑃−1 .
Se requiere cuatro pasos para resolver según la teoría.
Paso 1. Encontrar los valores propios de A. cuando la matriz es mayor de 2
x 2 es necesario de una computadora con los recursos necesarios como el
software pertinente.
En el presente caso, resulta que la ecuación característica contiene un
polinomio cubico al cual se puede factorizar:
0 = det(𝐴 − 𝜆𝐼) = −𝜆3 − 3𝜆2 + 4
0 = −(𝜆 − 1)(𝜆 + 2)2
Los eigen valores son 𝜆1 = 1, 𝜆2 = −2
Paso 2. Encontrar tres vectores propios de A linealmente independientes.
Se necesitan tres vectores porque A es una matriz de 3 x 3. Este es el paso
crítico. Si falla, entonces no se puede diagonalizar.
1
Base para 𝜆 = 1 v1 1
1
1 1
Base para 𝜆 = −2 v2 1 y v3 0
0 1
1 0 0
D 0 2 0
0 0 2
1 3 3 1 1 1 1 2 2
AP 3 5 3 * 1 1 0 1 2 0
3 3 1 1 0 1 1 0 2
1 1 1 1 0 0 1 2 2
PD 1 1 0 * 0 2 0 1 2 0
1 0 1 0 0 2 1 0 2
2 4 3
A 4 6 3
3 3 1
2 4 3
3
4 6
det(𝐴 − 𝜆𝐼)=
3 3 1
4 3 2 3 2 4
det(𝐴 − 𝜆𝐼)= 3* 3* (1 )*
6 3 4 3 4 6
det(𝐴 − 𝜆𝐼) = 3[−12 − (3(−6 − 𝜆)] − 3[−3(2 − 𝜆) + 12] + (1
− 𝜆)[(2 − 𝜆)(−6 − 𝜆) + 16]
1
Base para 𝜆 = 1 v1 1
1
1
Base para 𝜆 = −2 v2 1
0