Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebra Lineal PDF
Algebra Lineal PDF
Universidad de Córdoba
Facultad de Ciencias Básicas e Ingenierı́as
Departamento de Matemáticas
Índice general
Prólogo III
2. Matrices 13
2.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. Producto por escalar . . . . . . . . . . . . . . . . . . . . . . . 15
2.4. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.1. Producto de matrices . . . . . . . . . . . . . . . . . . . 17
2.4.2. Operaciones elementales de fila y producto de matrices 21
2.5. Traspuesta y traza de una matriz . . . . . . . . . . . . . . . . 23
2.5.1. Traspuesta de una matriz . . . . . . . . . . . . . . . . 23
2.5.2. Traza de una matriz . . . . . . . . . . . . . . . . . . . 23
2.6. Determinante de una matriz . . . . . . . . . . . . . . . . . . . 24
2.6.1. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.2. Determinante de una matriz . . . . . . . . . . . . . . . 25
2.7. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . 30
2.8. Sistemas de ecuaciones lineales y matrices . . . . . . . . . . . 34
2.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3. Espacios vectoriales 40
3.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . 44
ii
ÍNDICE GENERAL iii
4. Transformaciones lineales 54
4.1. Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . 54
4.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5. Ortogonalidad 62
5.1. Espacios con productos interiores . . . . . . . . . . . . . . . . 62
5.2. Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . 63
5.3. Vectores ortogonales . . . . . . . . . . . . . . . . . . . . . . . 67
5.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Bibliografı́a 90
Prólogo
Lo especial de este módulo es que en él se realiza un estudio del Álgebra Lineal
con un énfasis en Teorı́a de Matrices. Esto se hace porque las Matrices son
los entes matemáticos más útiles para los que se dedican al estudio de las
Ciencias Computacionales.
En este trabajo se realiza un estudio de los más importantes temas que com-
ponen normalmente un primer curso de Álgebra Lı́neal. Estos temas son:
Sistemas de Ecuaciones Lineales, Matrices, Espacios Vectoriales, Transfor-
maciones Lineales, Ortogonalidad y Valores y vectores Propios.
Mayo 22 de 2006.
iv
ÍNDICE GENERAL v
Capı́tulo 1
El elemento
a1
..
.
an
1
2 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES (S.E.L)
a1 x1 + a2 x2 + · · · + an xn = b,
a1 x1 + a2 x2 + · · · + an xn = b,
tal que a1 c1 + a2 c2 + · · · + an cn = b.
1.1. SISTEMAS DE ECUACIONES LINEALES 3
Ejemplos.
2x1 + 3x2 − 2x3 = 1 2x1 + 3x2 − 2x3 = 1
3x1 + 2x2 + 2x3 = 1 E2 ←→ E3 4x1 + 4x2 − 3x3 = 2 ,
4x1 + 4x2 − 3x3 = 2 3x1 + 2x2 + 2x3 = 1
2x1 + 3x2 − 2x3 = 1 6x1 + 9x2 − 6x3 = 3
3x1 + 2x2 + 2x3 = 1 E1 −→ 3E1 3x1 + 2x2 + 2x3 = 1 ,
4x1 + 4x2 − 3x3 = 2 4x1 + 4x2 − 3x3 = 2
2x1 + 3x2 − 2x3 = 1 2x1 + 3x2 − 2x3 = 1
3x1 + 2x2 + 2x3 = 1 E3 −→ −2E1 + E3 3x1 + 2x2 + 2x3 = 1 .
4x1 + 4x2 − 3x3 = 2 −2x2 + x3 = 0
Demostración. Ejercicio. ♦
En efecto,
2x1 + x2 + x3 = 1
x1 + 3x2 − 3x3 = 2
x1 + 2x2 + 4x3 = 3
x1 + 3x2 − 3x3 = 2
E1 ←→ E2 2x1 + x2 + x3 = 1
x1 + 2x2 + 4x3 = 3
x1 + 3x2 − 3x3 = 2
E2 −→ −2E1 + E2
− 5x2 + 7x3 = −3
E3 −→ −E1 + E3
− x2 + 7x3 = 1
x1 + 3x2 − 3x3 = 2
E2 ←→ E3 − x2 + 7x3 = 1
− 5x2 + 7x3 = −3
x1 + 3x2 − 3x3 = 2
E3 −→ −5E2 + E3 − x2 + 7x3 = 1 .
− 28x3 = −8
2 2
Entonces x3 = , x2 = 7x3 − 1 = 7( ) − 1 = 1 y
7 7
2 1
x1 = −3x2 + 3x3 + 2 = −3(1) + 3( ) + 2 = − .
7 7
Ası́, la solución del sistema es
−1/7
1 . ♦
2/7
1.2. SOLUCIÓN DE S.E.L 7
En efecto,
−x1 + 2x2 + 0x3 = 0
2x1 + 0x2 + 4x3 = 0
2x1 + 2x2 + 6x3 = 0
3x1 + x2 + 7x3 = 0
x1 − x2 + x3 = 0
−x1 + 2x2 + 0x3 = 0
E2 −→ 2E1 + E2
4x2 + 4x3 = 0
E3 −→ 2E1 + E3
6x2 + 6x3 = 0
E4 −→ 3E1 + E4
7x2 + 7x3 = 0
E5 −→ E1 + E5
x2 + x3 = 0
−x1 + 2x2 + 0x3 = 0
x2 + x3 = 0
E2 −→ 14 E2 6x2 + 6x3 = 0
7x2 + 7x3 = 0
x2 + x3 = 0
−x1 + 2x2 + 0x3 = 0
E3 −→ −6E2 + E3 x2 + x3 = 0
E4 −→ −7E2 + E4 0 = 0 .
E5 −→ −E2 + E5
0 = 0
0 = 0
x1 + x2 + x3 + x4 + x5 + x6 = 1
−x1 − x2 + x3 − 3x4 + 0x5 − 4x6 = 1 .
x1 + x2 + 3x3 − x4 + 3x5 − 3x6 = 5
En efecto,
x1 + x 2 + x3 + x4 + x5 + x6 = 1
−x1 − x2 + x3 − 3x4 + 0x5 − 4x6 = 1
x1 + x2 + 3x3 − x4 + 3x5 − 3x6 = 5
x1 + x2 + x3 + x4 + x5 + x6 = 1
E2 −→ E1 + E2
2x3 − 2x4 + x5 − 3x6 = 2
E3 −→ −E1 + E2
2x3 − 2x4 + 2x5 − 4x6 = 4
x1 + x2 + x 3 + x4 + x5 + x6 = 1
E3 −→ −E2 + E3 2x3 − 2x4 + x5 − 3x6 = 2 .
x5 − x6 = 2
De donde, x6 = x6 , x5 = x6 + 2, x4 = x4 ,
x2 = x2 y
x1 = −x2 − x3 − x4 − x5 − x6 + 1
= −x2 − (x4 + x6 ) − x4 − (x6 + 2) − x6 + 1
= −x2 − 2x4 − 3x6 − 1.
−x2 − 2x4 − 3x6 − 1
x2
x4 + x6 : x2 , x 4 , x 6 ∈ R
x4
x6 + 2
x6
−1 −2 −3 −1
1 0 0 0
0 1 1 0
= x2 + x + x + : x , x , x ∈ R .
0
4 1
6 0 0
2 4 6
0 0 1 2
0 0 1 0
Para hallar una solución particular del sistema tenemos que dar valores es-
pecı́ficos a x2 , x4 y x6 . Por ejemplo, si x2 = 1, x4 = −1 y x6 = 2, tenemos
entonces que
−1 −2 −3 −1 −6
1 0 0 0 1
0 1 1 0 1
− + 2 + =
0 1 0 0 −1
0 0 1 2 4
0 0 1 0 2
x1 − x2 − 5x3 = 0
2x1 + 2x2 − 2x3 = 1 .
3x1 + 4x2 − x3 = 1
10 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES (S.E.L)
En efecto,
x1 − x2 − 5x3 = 0
2x1 + 2x2 − 2x3 = 1
3x1 + 4x2 − x3 = 1
x1 − x2 − 5x3 = 0
E2 −→ −2E1 + E2
4x2 + 8x3 = 1
E3 −→ −3E1 + E3
7x2 + 14x3 = 1
x1 − x2 − 5x3 = 0
E3 −→ (−7/4)E2 + E3 4x2 + 8x3 = 1 .
0 = −3/4
1.3. Ejercicios
1. Resolver los siguientes sistemas de ecuaciones lineales:
3x1 + 2x2 − 2x3 + 5x4 = 1
2x1 − 4x2 − 3x3 = 0
.
2x1 + 6x2 = 3
4x1 = 8
x1 − 4x2 + 5x3 − 7x4 = 7
x2 + 2x3 + 3x4 = 2
.
3x3 − 3x4 = 4
5x4 = 2
3x1 + x2 + 7x3 + 3x4 + 2x5 = 1
x1 + 4x2 − 5x3 − 10x4 − 3x5 = 2 .
2x1 + 2x2 + 2x3 − 2x4 + 0x5 = 5
donde no todos los aii son cero, es llamado triangular superior. Construya
un algoritmo que calcule la solución única de este tipo de sistemas.
6. Considere el sistema
2x1 − x2 + 3x3 = a
3x1 + x2 − 5x3 = b .
−5x1 − 5x2 + 21x3 = c
7. Considere el sistema
2x1 + 3x2 − x3 = a
x1 − x2 + 3x3 = b .
3x1 + 7x2 − 5x3 = c
8. Considere el sistema
2x1 − 3x2 + 5x3 = 0
−x1 + 7x2 − x3 = 0 .
4x1 − 11x2 + kx3 = 0
Matrices
2.1. Matrices
Las matrices son una herramienta fundamental para la sistematización de
algunos cálculos laboriosos y almacenamiento de datos. Además, facilitan la
modelación de fenómenos complicados existentes en matemáticas y en otras
áreas del conocimiento.
13
14 CAPÍTULO 2. MATRICES
Ejemplo. Si
1 −1 2
0 5 6
A=
−3
4 −2
5 −5 8
entonces, el tamaño de
£ A es 4 × 3,¤la componente 2, 3 de A es A2 3 = 6, la
fila 3 de A es A3∗ = −3 4 −2 y la columna 2 de A es
−1
5
A∗2 =
4 . ♦
−5
Definición. Dos matrices A, B ∈ Rm×n son iguales si Aij = Bij para toda
i = 1, ..., m y j = 1, ..., n.
Ejemplo.
1 −4 1 3 2 −1
0 4 + −5 4 = −5 8 . ♦
2 3 1 6 3 9
1. (A + B) + C = A + (B + C).
2. A + B = B + A.
3. Existe una única matriz 0 ∈ Rm×n tal que A+0 = A para toda A ∈ Rm×n .
4. Para cada matriz A ∈ Rm×n existe una única matriz −A ∈ Rm×n tal que
A + (−A) = 0.
Demostración. Ejercicio. ♦
(cA)ij = cAij
Ejemplo.
0 3 2 0 9 6
3 1/2 5 6 = 3/2 15 18 . ♦
6 −3 8 18 −9 24
1. (ab)A = a(bA).
16 CAPÍTULO 2. MATRICES
2. a(A + B) = aA + aB.
3. (a + b)A = aA + bA.
4. 1A = A.
5. (−1)A = −A.
6. 0A = 0.
7. a0 = 0.
Demostración. Ejercicio. ♦
Ejemplo. Si
1 2 0 0 1 1
A = −1 0 , B = 1 1 , C = 1 1 ∈ R3×2 ,
−3 1 2 2 1 1
entonces
3 6 0 0 −1 −1
3A + 2B − C = −3 0 + 2 2 + −1 −1
−9 3 4 4 −1 −1
2 5
= −2 1 . ♦
−6 6
2.4. PRODUCTO DE MATRICES 17
Ejemplo. Si
· ¸ −2 3 4 1
1 2 3
A= yB= 5 1 0 3 ,
4 5 6
7 5 2 −2
entonces
£ ¤ 1
A2∗ B4∗ = 4 5 6 3 = (4)(1) + (5)(3) + (6)(−2) = 7. ♦
−2
Ejemplo.
−1 −2
4 2 0 −1 4 −11
3 0
2 3 1 1
5 = 10 0 . ♦
1
2 5 3 6 16 17
−2 3
Nótese que para que el producto AB tenga sentido se requiere que el número
de columnas de A sea igual al número de filas de B. En el evento en que esta
condición no se de, el producto de A por B no se puede realizar.
18 CAPÍTULO 2. MATRICES
A(B + C) = AB + AC.
2.4. PRODUCTO DE MATRICES 19
Demostración.
(A(B + C))ij = Ai∗ (B + C)∗j = Ai∗ (B∗j + C∗j ) = Ai∗ B∗j + Ai∗ B∗j
(A + B)C = AC + BC.
Demostración. Ejercicio. ♦
A(BC) = (AB)C.
Demostración.
(A(BC))ij = Ai∗ (BC)∗j = Ai∗ (C1j B∗1 + · · · + Cnj B∗n )
= C1j Ai∗ B∗1 + · · · + Cnj Ai∗ B∗n = C1j (AB)i1 + · · · + Cnj (AB)in
AIn = A e Im A = A.
Demostración. Ejercicio. ♦
20 CAPÍTULO 2. MATRICES
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Ejemplo. Sea
1 2 3 4
A = −1 0 3 2 ∈ R3×4 .
2 2 0 −3
Entonces
1 2 3 4 2 2 0 −3
−1 0 3 2 F1 ←→ F3 −1 0 3 2 ,
2 2 0 −3 1 2 3 4
1 2 3 4 1 2 3 4
−1 0 3 2 F2 −→ 3F2 −3 0 9 6 ,
2 2 0 −3 2 2 0 −3
1 2 3 4 1 2 3 4
−1 0 3 2 F3 −→ F3 + (−2)F2 −1 0 3 2 . ♦
2 2 0 −3 4 2 −6 −7
22 CAPÍTULO 2. MATRICES
Ejemplo. La matriz
1 0 0
E = 0 1 0 ∈ R3×3
0 3 1
es elemental, ya que
I3 F3 −→ F3 + 3F2 E.♦
Im Fi ←→ Fj E1 ,
Im Fi −→ cFi E2 ,
Im Fi −→ Fi + cFj E3 .
Entonces
1. A Fi ←→ Fj E1 A.
2. A Fi −→ cFi E2 A.
3. A Fi −→ Fi + cFj E3 A.
Demostración. Ejercicio. ♦
Ejemplo. Si
1 2 2
A = 3 1 2 ∈ R3×3 ,
2 3 1
entonces
7 4 6 1 2 0
A F1 −→ F1 + 2F2 3 1 2 = 0 1 0 A.
2 3 1 0 3 1
2.5. TRASPUESTA Y TRAZA DE UNA MATRIZ 23
Donde
1 2 0
I3 F1 −→ F1 + 2F2 0 1 0 . ♦
0 3 1
Ejemplo. Si
1 2 · ¸
1 3 7
A = 3 5 ∈ R , entonces A =
3×2 T
∈ R2×3 . ♦
2 5 9
7 9
1. (AT )T = A.
2. (A + B)T = AT + BT .
3. (cA)T = cAT .
Demostración. Ejercicio. ♦
2. tr(cA) = c tr(A).
3. tr(AB) = tr(BA).
4. tr(A) = tr(AT ).
Demostración. Ejercicico. ♦
2.6.1. Permutaciones
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
En particular, si
1 2 3
A= 4 5 6
7 8 9
tenemos que
−(3)(5)(7) = 45 + 84 + 96 − 48 − 72 − 105 = 0. ♦
Teorema 2.12. Sea A ∈ Rn×n tal que A tiene una fila o una columna nula.
Entonces det(A) = 0.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Como un caso especial tenemos, que por ser In una matriz triangular,
det(In ) = 1 · · · 1 = 1.
es igual a
(T)11 (T)22 (T)33 = (−1)(2)(4) = −8. ♦
Demostración. Ejercicio. ♦
det(A) = −det(B).
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Teorema 2.18. Sea A ∈ Rn×n tal que su fila i es igual a su fila j. Entonces
det(A) = 0.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Una combinación de los Teoremas 2.13, 2.15, 2.16 y 2.17, nos permitirá cal-
cular el determinante de cualquier matriz de una manera bastante sencilla.
En el siguiente ejemplo damos una pequeña muestra de este hecho.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración.
Puesto que una matriz A ∈ Rn×n puede tener a lo más una inversa, es
conveniente tener un sı́mbolo para representar la inversa de A cuando exista,
el sı́mbolo que usaremos será A−1 .
AC = ABA − AIn + AB = A − A + In = In .
Demostración.
Además,
El teorema que sigue da una condición suficiente y necesaria para que una
matriz sea invertible.
Demostración. Ejercicio. ♦
det(A−1 ) = (det(A))−1 .
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Teorema 2.28. Sea A ∈ Rn×n tal que A tiene una columna nula. Entonces
A no es invertible.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
A = E1 · · · Ep .
Pero
−1
A = E1 · · · Ep =⇒ E−1
p · · · E1 A = In
−1
=⇒ A−1 = E−1
p · · · E1
−1
=⇒ A−1 = E−1
p · · · E 1 In
En efecto,
1 0 0 1 0 0 1 0 0 1 0 0
−1 2 0 0 1 0 F2 −→ F2 + F1 0 2 0 1 1 0
3 0 1 0 0 1 3 0 1 0 0 1
1 0 0 1 0 0
F3 −→ F3 − 3F1 0 2 0 1 1 0
0 0 1 −3 0 1
1 0 0 1 0 0
1
F2 −→ F2 0 1 0 1
2
1
2
0 .
2
0 0 1 −3 0 1
Ası́,
1 0 0
A−1 = 21 12 0 . ♦
−3 0 1
Ax = b,
2.9. EJERCICIOS 35
donde
a11 · · · a1n x1 b1
.. ∈ Rm×n , x = .. ∈ Rn y x = .. ∈ Rm .
A = ... ..
. . . .
am1 · · · amn xn bm
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
2.9. Ejercicios
1. Calcule
1 −2 3 2 −3 1
−4 5 −6 + 0 3 −2
7 −8 9 −5 2 6
3. Calcule · ¸
2 −3 4
3 .
1 0 −5
5. Calcule
· ¸ −1 5 0 2
2 3 −3 3 −7 6 −1 .
8 1 −5
6 0 2 −4
36 CAPÍTULO 2. MATRICES
14. Si
3 6 7
A = 0 2 0 ,
1 1 2
−2 5/2 7
verifique que A−1 = 0 1/2 0 .
1 −3/2 −3
16. Demuestre que si A ∈ Rn×n es tal que tiene una fila nula, entonces A es
no invertible.
19. Halle A y B matrices invertibles en R3×3 tales que A+B no sea invertible.
AB − BA = In .
AT = A−1 .
son ortogonales.
33. Sea A ∈ Rn×n . Demuestre que A es ortogonal si, y sólo si, AT es orto-
gonal.
Capı́tulo 3
Espacios vectoriales
40
3.1. ESPACIOS VECTORIALES 41
· : R × Rm×n −→ Rm×n
(c, A) 7−→ cA
es un espacio vectorial.
f + g : S −→ R
.
s 7−→ f (s) + g(s)
Si f ∈ V y c ∈ R se define cf como
cf : S −→ R
.
s 7−→ cf (s)
+ : V ×V −→ V
(f, g) 7−→ f + g
y
· : R×V −→ V
,
(c, f ) 7−→ cf
es un espacio vectorial.
3.2. Subespacios
Definición. Sea W un subconjunto no vacı́o de un espacio vectorial V sobre
R. Si W es también un espacio vectorial sobre R con la suma de vectores y
multiplicación por escalar definidas en V y restringidas a W , entonces W
es llamado un subespacio de V .
cx + y ∈ W .
Demostración. Ejercicio. ♦
x = c1 x1 + · · · + cr xr ,
Demostración. Ejercicio. ♦
U + W = {x + y : x ∈ U y y ∈ W } .
U +W
es un subespacio de V .
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
44 CAPÍTULO 3. ESPACIOS VECTORIALES
a1 x1 + · · · + ar xr = 0
Ejemplo. El conjunto
1 1 0
1 , 0 , 0 ⊂ R3
1 0 1
es linealmente independiente.
Ejemplo. El conjunto
1 1 5
2 , 0 , 6 ⊂ R3
1 2 7
es linealmente dependiente.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
3.4. BASES Y DIMENSIÓN 45
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
sólo si, W = V .
Demostración. Ejercicio. ♦
x = a1 x1 + · · · + an xn
Demostración Ejercicio. ♦
Teorema 3.16. Sean β = {x1 , ..., xn } una base ordenada de un espacio vec-
torial R V y y1 , ..., yt vectores denV . Entonces o {y1 , ..., yt } es linealmente
independiente en V si, y sólo si, [y1 ]β , ..., [yt ]β es linealmente indepen-
diente en Rn .
Demostración. Ejercicio. ♦
P [x]β1 = [x]β2 ∀x ∈ V .
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
R(A) = {Ax : x ∈ Rn }
Demostración Ejercicio. ♦
3.5. ESPACIOS VECTORIALES Y MATRICES 49
Demostración Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración Ejercicio. ♦
Ejemplo.
1 3 2 1
rk( 2 0 1 5 ) = 2. ♦
1 1 1 2
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
rk(AB) ≤ rk(A).
Demostración. Ejercicio. ♦
rk(A) = rk(PA).
3.5. ESPACIOS VECTORIALES Y MATRICES 51
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
3.6. Ejercicios
1. Demuestre que
1 1 1 1
gen 2 , 0 , −2 , 4 = R3 .
1 −1 1 3
están en
−1 2 1
−1 −8
3
gen
5 , 0 , 5 .
2 1 3
10. Sea A ∈ Rn×n . Demuestre que A es invertible si, y sólo si, las columnas
de A forman un conjunto linealmente independiente.
Transformaciones lineales
T : V −→ W
.
x 7−→ 0
Estas transformaciones son llamadas transformación identidad y trans-
formación cero, respectivamente. ♦
54
4.1. TRANSFORMACIONES LINEALES 55
T : Rn −→ Rm
x 7−→ Ax
1. T (0) = 0.
2. T (−x) = −T (x).
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
4.1. TRANSFORMACIONES LINEALES 57
Demostración. Ejercicio. ♦
3. Si {x1 , ..., xn } es una base de V , entonces {T (x1 ), ..., T (xn )} es una base
de W .
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
[T ]β 0 ←β [x]β = [T (x)]β 0 .
de P3 ,
½· ¸ · ¸ · ¸
1 1 1 1 1 1 1 1 1
β2 = , , ,
1 1 1 1 1 0 1 0 0
· ¸ · ¸ · ¸¾
1 1 1 1 1 0 1 0 0
, ,
0 0 0 0 0 0 0 0 0
T : P3 −→ · R2×3 ¸
a0 0 a1
a0 + a1 x + a2 x2 + a3 x3 7−→
a2 0 a3
[S ◦ T ]β 00 ←β = [S]β 00 ←β 0 [T ]β 0 ←β .
Demostración. Ejercicio. ♦
[T ]β 0 ←β 0 = P−1 [T ]β←β P,
Demostración. Ejercicio. ♦
60 CAPÍTULO 4. TRANSFORMACIONES LINEALES
4.2. Ejercicios
1. Determine si
T : R3 −→ R3
x 1+x+y
y 7−→ 3x + 2z
z 5 − 2y − z
4. Sean · ¸
1 3 2
A=
0 2 −1
y
T : R3 −→ R2
.
x 7−→ Ax
Halle el espacio nulo, nulidad, imagen y rango de T .
Ortogonalidad
62
5.2. ESPACIOS NORMADOS 63
hx, yi = xT AT Ay
Ejemplo.
hA, Bi = tr(AT B)
es un producto interior en Rm×n y Rm×n . Este es el producto interior
canónico de matrices. Nótese que se reducen al productor interior canónico
en Rm cuando n = 1.
3. kx + yk ≤ kxk + kyk.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Teorema 5.3. Sean V sobre R un espacio con producto interior h∗, ∗i. En-
tonces
k∗k : V −→ p R
x 7−→ hx, xi
es una norma en V . Esta norma es la norma en V inducida por el
producto interior h∗, ∗i.
Demostración. Ejercicio. ♦
66 CAPÍTULO 5. ORTOGONALIDAD
Al realizar los cálculos para hallar el ángulo entre dos vectores, asegúrese de
que su calculadora esté en modo radianes.
En efecto,
¿2 32 3À
2 5 4 −7 5
µ ¶ 4 ,
hx, yi2 3 1
θ = cos −1
= cos−1
2 3
2
3
2
kxk2 kyk2
4
2 5
4 −7 5
3
2
1
2
µ ¶
−1 −11
= cos √ √ ≈ cos−1 (−0,431455497)
13 52
Demostración. Ejercicio. ♦
kuk2 = 1.
Demostración.
UT U = In =⇒ uT u = 1 =⇒ hu , ui2 = 1
=⇒ kuk22 = 1 =⇒ kuk2 = 1. ♦
Demostración.
Demostración. Ejercicio. ♦
68 CAPÍTULO 5. ORTOGONALIDAD
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Teorema 5.10. Todo espacio con producto interior de dimensión finita tiene
una base ortonormal.
Demostración. Ejercicio. ♦
kx − yk ≤ kx − wk
para todo w ∈ W .
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
5.4. Ejercicios
1. Calcule hx, yi2 si
1 3
x=
2 , y = 2 .
−1 2
70 CAPÍTULO 5. ORTOGONALIDAD
8. Halle W ⊥ si
1 0
1 0
W = gen
3 ,
.
1
1 1
para todo x ∈ Rn .
kUxk2 = kxk2 .
72
6.1. VALORES Y VECTORES PROPIOS 73
ya que
2 0 1 1 −2 1
5 −1 2 3 = −6 = −2 3 .
−3 2 −5/4 −4 8 −4
1
Además, 3 es un vector propio de A asociado al valor propio −2. ♦
−4
Teorema 6.1. Sea A ∈ Rn×n . Entonces ningún vector propio de A puede
estar asociado a valores propios distintos de A.
(λi − λj )x = λi x − λj x = Ax − Ax = 0.
Luego
(λi − λj )−1 (λi − λj )x = (λi − λj )−1 0 =⇒ x = 0,
lo cual es absurdo. Por tanto, ningún vector propio de A puede estar asociado
a valores propios distintos de A. ♦
p(A) = a0 In + a1 A + · · · + at At ,
Ejemplo. Sean · ¸
1 −1
A=
1 2
74 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
p(A)x = a0 x + a1 Ax + · · · + at At x,
pero
Aj x = Aj−1 Ax = Aj−1 λx = λAj−1 x = · · · = λj x
para todo j = 1,...,t. Luego
p(A)x = a0 x + a1 λx + · · · + at λt x
= (a0 + a1 λ + · · · + at λt )x = p(λ)x. ♦
es un subespacio del espacio de los vectores n×1 sobre los números complejos.
Nótese que EA (λ) es igual a {0} unido con el conjunto formado por todos
los vectores propios de A asociados al valor propio λ. Además, por Teorema
6.1 se tiene que si λi , λj son valores propios distintos de A, entonces
Demostración. Ejercicio. ♦
Teorema 6.5. Sea A ∈ Rn×n . Entonces A es invertible si, y sólo si, ningún
valor propio de A es cero.
de A asociado a λ
⇐⇒ Ax = λx
⇐⇒ A−1 Ax = A−1 λx
⇐⇒ A−1 x = λ−1 x
si, y sólo si, λ−1 es un valor propio de A−1 y x es un vector propio de A−1
asociado a λ−1 . ♦
σ(AB) = σ(BA).
Demostración. Ejercicio. ♦
Donde
¯ ¯ ¯ ¯
Rp (A) = |ap1 | + · · · + ¯ap(p−1) ¯ + ¯ap(p+1) ¯ + · · · + |apn | .
La región del plano complejo formada por la unión de esos n discos será lla-
mada región de Gershgorin y denotada por G(A).
Teorema 6.8. (De Gershgorin). Sea A ∈ Rn×n . Entonces σ(A) está con-
tenido en G(A).
Demostración. Ejercicio. ♦
Demostración.
λ valor propio de A ⇐⇒ ∃ x 6= 0 : A x = λx
⇐⇒ ∃ x 6= 0 : (λIn − A)x = 0
⇐⇒ (λIn − A) es no invertible
⇐⇒ det(λIn − A) = 0. ♦
En efecto,
x − 1 −2 −3
PA (x) = det(xI3 − A) = det −4 x − 5 −6
−7 −7 x − 9
= x3 − 15x2 − 18x.
Una simple inspección visual muestra que λ1 = 0 es una raı́z de PA (x). Con
esa información es fácil probar (con ayuda de la Fórmula
√ General
√ Cuadrática)
que las otras raı́ces de PA (x) son λ2 = 2 − 2 33 y λ3 = 2 33 + 15
15 3 3
. Ası́,
© 15 3 √ 3
√ 15
ª 2
σ(A) = 0, 2 − 2 33, 2 33 + 2 . ♦
Por lo general, es difı́cil o imposible hallar las raı́ces de PA (x). Sin embargo, si
PA (x) tiene coeficientes enteros, algunas veces es útil un resultado de Álgebra
elemental que dice: si p(x) es un polinomio con coeficientes enteros, entonces
toda raı́z entera de p(x) divide al término independiente de este.
Ejemplo. Hallemos los valores propios de una matriz A que tiene como
polinomio caracterı́stico a
PA (x) = x3 + 2x2 − 3x − 6.
Si PA (x) tiene una raı́z entera, esa raı́z debe ser un divisor del término
constante. Los divisores de 6 son: ±1, ±2, ±3, ±6. Si sustituimos x = −2 en
PA (x) se obtiene cero. De tal hecho podemos deducir que −2 es una raı́z de
PA (x) y que x + 2 divide exactamente a PA (x). Con ayuda de la Fórmula
General Cuadrática encontramos que
√ √
PA (x) = (x + 2)(x − 3)(x + 3).
√ √
Luego los valores propios de A son −2, 3 y − 3. ♦
6.6. CÁLCULO DE VALORES PROPIOS 79
Ejemplo. La matriz
1 0 0 0 0
0 −2 0 0 0
A=
1 0 −5 6 0
1 0 −3 4 0
0 0 0 0 2
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
ı́mplica que en la solución del sistema homogéneo (2I3 − A)x = 0 tiene que
x2 = 0 y las variables x1 , x3 están libres. Luego todo vector propio de A
asociado a λ1 = 2 es de la forma
x1 x1 1 0
x = x2 = 0 = x1 0 + x3 0 .
x3 x3 0 1
1 0
Luego EA (λ1 ) = gen 0 , 0 . ♦
0 1
Ejemplo. Hallemos los valores propios y los espacios propios de la matriz
1 0 0 0
0 1 5 −10
A= 1 0 2
.
0
1 0 0 3
= (x − 1)2 (x − 2)(x − 3) = 0.
y se reduce a la matriz
1 0 0 2
0 0 1 −2
.
0 0 0 0
0 0 0 0
6.8. INDEPENDENCIA LINEAL Y VECTORES PROPIOS 83
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Teorema 6.16. Los valores propios de una matriz simétrica son reales.
Demostración. Ejercicio. ♦
Luego |λ| = 1. ♦
|det(U)| = 1.
Teorema 6.19. Sea A ∈ Rn×n es tal que AAT = AT A, entonces para todo
valor propio λ de A, se tiene que
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
6.10. SEMEJANZA DE MATRICES 85
A = P−1 BP.
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
Demostración. Ejercicio. ♦
86 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
Demostración. Ejercicio. ♦
Ejemplo. La matriz
3 −1 0
A = −1 2 −1
0 −1 3
es diagonalizable, ya que la matriz
1 1 1
P= 2 0 −1
1 −1 1
es invertible y
1/6 2/6 1/6 3 −1 0 1 1 1
P−1 AP = 3/6 0/6 −3/6 −1 2 −1 2 0 −1
2/6 −2/6 2/6 0 −1 3 1 −1 1
= diag(1, 3, 4). ♦
Teorema 6.25. Sea A ∈ Rn×n tal que A tiene n valores propios distintos,
entonces A es diagonalizable.
Demostración. Ejercicio. ♦
1. A es diagonalizable.
6.11. EJERCICIOS 87
2. Existe una base para los vectores n × 1 formada por vectores propios de
A.
Demostración. Ejercicio. ♦
6.11. Ejercicios
1. Halle el espectro de una matriz diagonal de Rn×n .
σ(A) ⊆ {0, 1} .
11. Demuestre que las partes imaginarias de los valores propios de la matriz
3 1/3 2/3
1 −4 0
1/2 1/2 −1
13. Halle todos los valores propios y bases para los espacios propios de la
matriz
−3 2 2
A= 1 1 −1 .
0 −2 3
£ ¤T
Ayuda: x = 1 1 1 es un vector propio de A.
6.11. EJERCICIOS 89
14. Halle todos los valores propios y bases para los espacios propios de la
matriz
−1 2 0
A= 4 0 −2 .
0 −2 −1
Ayuda: 3 es un valor propio de A.
16. Demuestre que los valores propios de una matriz triangular son los ele-
mentos de su diagonal principal.
17. Si
18 2 12
A = −4 9 −6 ,
−3 −2 3
compruebe que PA (x) = x3 − 30x2 + 275x − 750 y σ(A) = {5, 10, 15}.
20. Demuestre que existen matrices no nulas en Rn×n cuyo polinomio carac-
terı́stico es xn .
[7] Meyer, C. (2000), Analysis and Applied Linear Algebra, Siam, Philadelp-
hia.
[9] Searle, S. (1986), Matrix Algebra Useful for Statistics, John Wiley and
Sons, U.S.A.
91