Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad de Córdoba
Facultad de Ciencias Básicas e Ingenierías
Departamento de Matemáticas
Índice general
Prólogo 4
2. Matrices 19
2.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3. Producto por escalar . . . . . . . . . . . . . . . . . . . . . . . 21
2.4. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.1. Producto de matrices . . . . . . . . . . . . . . . . . . . 23
2.4.2. Operaciones elementales de …la y producto de matrices 28
2.5. Traspuesta y traza de una matriz . . . . . . . . . . . . . . . . 30
2.5.1. Traspuesta de una matriz . . . . . . . . . . . . . . . . 30
2.5.2. Traza de una matriz . . . . . . . . . . . . . . . . . . . 31
2.6. Determinante de una matriz . . . . . . . . . . . . . . . . . . . 31
2.6.1. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . 32
2.6.2. Determinante de una matriz . . . . . . . . . . . . . . . 33
2.7. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . 38
2.8. Sistemas de ecuaciones lineales y matrices . . . . . . . . . . . 43
2.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3. Espacios vectoriales 49
3.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . 65
2
ÍNDICE GENERAL 3
4. Transformaciones lineales 76
4.1. Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . 76
4.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5. Ortogonalidad 103
5.1. Espacios con productos interiores . . . . . . . . . . . . . . . . 103
5.2. Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . 104
5.3. Vectores ortogonales . . . . . . . . . . . . . . . . . . . . . . . 108
5.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
Bibliografía 131
Prólogo
En este trabajo se realiza un estudio de los más importantes temas que com-
ponen normalmente un primer curso de Álgebra Líneal. Estos temas son:
Sistemas de Ecuaciones Lineales, Matrices, Espacios Vectoriales, Transfor-
maciones Lineales, Ortogonalidad y Valores y vectores Propios.
Mayo 22 de 2006.
4
Capítulo 1
1
2 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES (S.E.L)
como 2 3 2 3
a1 aa1
6 .. 7 6 .. 7
a 4 . 5 = 4 . 5 2 Rn ,
an aan
donde aai , para i = 1; :::; n, es el producto usual en R. La suma de dos
elementos 2 3 2 3
a1 b1
6 .. 7 6 .. 7
4.5 y 4.5
an bn
de Rn se de…ne como
2 3 2 3 2 3
a1 b1 a1 + b 1
6 .. 7 6 .. 7 6 .. 7
4 . 5 + 4 . 5 = 4 . 5,
an bn an + b n
De…niciones. una ecuación es una igualdad con una o más incógnitas. Una
ecuación lineal en R con n variables es una expresión de la forma
a1 x 1 + a2 x 2 + + an xn = b;
tal que
a1 c1 + a2 c2 + + an cn = b:
1.1. SISTEMAS DE ECUACIONES LINEALES 3
tales que x3 = 4.
Solución. 3x1 2x2 + 4x3 x4 = 0 y x3 = 4 implica 3x1 2x2 + 16 x4 =
0, lo cual equivale a que 3x1 2x2 x4 = 16. Si suponemos que x1 y
x2 son conocidas, entonces x4 = 3x1 2x2 + 16. Luego la solución general
2 la ecuación lineal
de 3 3x1 2x2 + 4x3 x4 = 0 sujeta a que x3 = 4 es
x1
6 x2 7
6 7 con x1 ; x2 2 R.
4 4 5
3x1 2x2 + 16
De…nición. Un sistema de ecuaciones lineales con m ecuaciones y n
incógnitas, es una expresión de la forma
8
>
> a11 x1 + a12 x2 + + a1n xn = b1
>
< a21 x1 + a22 x2 + + a2n xn = b2
.. (1.6)
>
> .
>
: a x +a x +
m1 1 m2 2 + amn xn = bm ,
c1
ya que si fuése una solución del sistema se tendría que
c2
2c1 + 3c2 = 0 y 4c1 + 6c2 = 2;
lo cual implica
2c1 + 3c2 = 0 y 2c1 + 3c2 = 1;
y de aquí 0 = 1, lo cual es contradictorio. De otro lado, debemos hacer notar
que los sistemas de ecuaciones lineales homogéneos siempre tienen solución,
ya que al menos tienen la solución trivial que consiste en dar el valor cero
a todas las variables del sistema. Existen también sistemas8de ecuaciones lin-
< 2x1 + 4x2 = 6
eales con exactamente una solución, por ejemplo el sistema 3x1 + 2x2 = 5 ,
:
2x1 4x2 = 2
1.2. SOLUCIÓN DE S.E.L 7
1
tiene como única solución a (dejamos al lector veri…car que lo a…rma-
1
do es correcto). Existen también sistemas de ecuaciones lineales con in…nitas
soluciones, como es el caso del sistema
Fin
Salida x1 ; x2 ; :::; xn .
Fin.
4 3x2 + x3 4 3( 2) + (2)
x1 = = = 6.
2 2
Luego la solución del sistema es
2 3
6
4 2 5.
2
Ejemplos.
8 8
< 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
8 8
< 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
8 8
< 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.
nueva aparece. Esta idea tan simple es la que permite resolver de manera sen-
cilla sistemas de ecuaciones lineales. Dado un sistema de ecuaciones lineales
cuya solución se busca, lo transformamos realizando operaciones elementales,
de manera inteligente, en un sistema equivalente más simple que podamos
resolver con facilidad.
En efecto,
8
< 2x1 + x2 + x3 = 1
x1 + 3x2 3x3 = 2
:
x1 + 2x2 + 4x3 = 3
8
< x1 + 3x2 3x3 = 2
E1 ! E2 2x1 + x2 + x3 = 1
:
x1 + 2x2 + 4x3 = 3
8
< x1 + 3x2 3x3 = 2
E2 ! 2E1 + E2
5x2 + 7x3 = 3
E3 ! E1 + E3 :
x2 + 7x3 = 1
8
< x1 + 3x2 3x3 = 2
E2 ! E3 x2 + 7x3 = 1
:
5x2 + 7x3 = 3
8
< 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
1.2. SOLUCIÓN DE S.E.L 11
En efecto,
8
>
> x1 + 2x2 + 0x3 = 0
>
>
< 2x1 + 0x2 + 4x3 = 0
2x1 + 2x2 + 6x3 = 0
>
>
>
> 3x1 + x2 + 7x3 = 0
:
x1 x2 + x3 = 0
8
>
> 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
8
>
> x1 + 2x2 + 0x3 = 0
>
>
< x2 + x3 = 0
E2 ! 41 E2 6x2 + 6x3 = 0
>
>
>
> 7x2 + 7x3 = 0
:
x2 + x3 = 0
8
>
> x1 + 2x2 + 0x3 = 0
>
>
E3 ! 6E2 + E3 < x2 + x3 = 0
E4 ! 7E2 + E4 0 = 0 .
>
>
E5 ! E2 + E5 >
> 0 = 0
:
0 = 0
12 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES (S.E.L)
Solución.
8
< x1 + x2 + x3 + x4 + x5 + x6 = 1
x1 x2 + x3 3x4 + 0x5 4x6 = 1
:
x1 + x2 + 3x3 x4 + 3x5 3x6 = 5
E2 ! E1 + E2
E3 ! E1 + E3
8
< x1 + x2 + x3 + x4 + x5 + x6 = 1
2x3 2x4 + x5 3x6 = 2
:
2x3 2x4 + 2x5 4x6 = 4
E3 ! E2 + E3
8
< x1 + x2 + x3 + x4 + x5 + x6 = 1
2x3 2x4 + x5 3x6 = 2 .
:
x5 x6 = 2
De donde, x6 = x6 , x5 = x6 + 2, x4 = x4 ,
x1 = x2 x3 x4 x5 x6 + 1
= x2 (x4 + x6 ) x4 (x6 + 2) x6 + 1
= x2 2x4 3x6 1.
1.2. SOLUCIÓN DE S.E.L 13
82 3 9
>
> x2 2x4 3x6 1 >
>
>
>6 7 >
>
>
> x2 >
<6
6
7
7
>
=
6 x4 + x6 7 : x 2 ; x4 ; x6 2 R
>6 x4 7 >
>
>6 7 >
>
>
>4 x6 + 2 5 >
>
>
: >
;
x6
8 2 3 2 3 2 3 2 3 9
>
> 1 2 3 1 >
>
>
> 6 7 6 7 6 7 6 7 >
>
>
> 1 0 0 0 >
< 6 6
7
7
6
6
7
7
6
6
7 6
7 6
7
7
>
=
0 1 1 0
= x2 6
6
7 + x4 6
7 6
7 + x6 6
7 6
7+6
7 6
7 : x 2 ; x 4 ; x6 2 R .
7
>
> 6 0 7 6 1 7 6 0 7 6 0 7 >
>
>
> 4 5 4 5 4 5 4 5 >
>
>
> 0 0 1 2 >
>
: ;
0 0 1 0
Para hallar una solución particular del sistema tenemos que dar valores es-
pecí…cos a x2 , x4 y x6 . Por ejemplo, si x2 = 1, x4 = 1 y x6 = 2, tenemos
entonces que
2 3 2 3 2 3 2 3 2 3
1 2 3 1 6
6 1 7 6 0 7 6 0 7 6 0 7 6 1 7
6 7 6 7 6 7 6 7 6 7
6 0 7 6 1 7 6 1 7 6 0 7 6 1 7
6 7 6 7 + 26 7+6 7=6 7
6 0 7 6 1 7 6 0 7 6 0 7 6 1 7
6 7 6 7 6 7 6 7 6 7
4 0 5 4 0 5 4 1 5 4 2 5 4 4 5
0 0 1 0 2
8
< x1 x2 5x3 = 0
2x1 + 2x2 2x3 = 1 .
:
3x1 + 4x2 x3 = 1
14 CAPÍTULO 1. SISTEMAS DE ECUACIONES LINEALES (S.E.L)
En efecto,
8
< x1 x2 5x3 = 0
2x1 + 2x2 2x3 = 1
:
3x1 + 4x2 x3 = 1
8
< x1 x2 5x3 = 0
E2 ! 2E1 + E2
4x2 + 8x3 = 1
E3 ! 3E1 + E3 :
7x2 + 14x3 = 1
8
< 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:
8
>
> 3x1 + 2x2 2x3 + 5x4 = 1
<
2x1 4x2 3x3 = 0
.
>
> 2x 1 + 6x 2 = 3
:
4x1 = 8
8
>
> x1 4x2 + 5x3 7x4 = 7
<
x2 + 2x3 + 3x4 = 2
.
>
> 3x3 3x4 = 4
:
5x4 = 2
8
>
> 2x3 x4 = 2
<
x1 x2 + 2x3 + 2x4 = 0
.
>
> 3x4 = 6
:
2x2 x3 + 5x4 = 2
8
< 5x1 + 2x2 + 2x3 + x4 + 2x5 + 3x6 = 0
x1 + 3x2 + x3 + 0x4 + x5 + x6 = 0 .
:
x1 + 2x2 + 4x3 + x4 + x5 + 4x6 = 0
8
< 3x1 + x2 + 7x3 + 3x4 + 2x5 = 1
x1 + 4x2 5x3 10x4 3x5 = 2 .
:
2x1 + 2x2 + 2x3 2x4 + 0x5 = 5
5. Considere el sistema
8
< 2x1 x2 + 3x3 = a
3x1 + x2 5x3 = b :
:
5x1 5x2 + 21x3 = c
6. Considere el sistema
8
< 2x1 + 3x2 x3 = a
x1 x2 + 3x3 = b .
:
3x1 + 7x2 5x3 = c
1.3. EJERCICIOS 17
7. Considere el sistema
8
< 2x1 3x2 + 5x3 = 0
x1 + 7x2 x3 = 0 .
:
4x1 11x2 + kx3 = 0
8. Considere el sistema
8
< x1 + 2x2 + x3 = 1
x1 + x2 = 1 :
:
2x1 + x2 + x3 = 2
a) no tiene solución.
b) tiene solución única.
c) tiene in…nitas soluciones.
10. Las edades de Carlos, Pedro y Juan suman el doble de la edad de Carlos,
la diferencia entre las edades de Juan y Pedro es cinco veces menor que la
edad de Carlos, y Pedro tiene seis años menos que Juan. Descubra las edades
de Carlos, Pedro y Juan.
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.
19
20 CAPÍTULO 2. MATRICES
Ejemplo. Si 2 3
1 1 2
6 0 5 6 7
A=6
4
7
3 4 2 5
5 5 8
entonces, el tamaño de A es 4 3, la componente 2; 3 de A es A2 3 = 6, la
…la 3 de A es A3 = 3 4 2 y la columna 2 de A es
2 3
1
6 5 7
A2=6 4 4 5.
7
Ejemplo. 2 3 2 3 2 3
1 4 1 3 2 1
4 0 4 5+4 5 4 5=4 5 8 5.
2 3 1 6 3 9
1. (A + B) + C = A + (B + C).
2. A + B = B + A.
Demostración. Ejercicio.
(cA)ij = cAij
Ejemplo. 2 3 2 3
0 3 2 0 9 6
3 4 1=2 5 6 5 = 4 3=2 15 18 5 .
6 3 8 18 9 24
1. (ab)A = a(bA).
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
2 3 2 3 2 3
1 2 0 0 1 1
A=4 1 0 5 , B = 4 1 1 5 , C = 4 1 1 5 2 R3 2 ,
3 1 2 2 1 1
entonces
2 3 2 3 2 3
3 6 0 0 1 1
3A + 2B C=4 3 0 5+4 2 2 5+4 1 1 5
9 3 4 4 1 1
2 3
2 5
=4 2 1 5.
6 6
2.4. PRODUCTO DE MATRICES 23
Ejemplo. Si
2 3
2 3 4 1
1 2 3
A= yB=4 5 1 0 3 5,
4 5 6
7 5 2 2
entonces
2 3
1
A2 B 4 = 4 5 6 4 3 5 = (4)(1) + (5)(3) + (6)( 2) = 7.
2
Ejemplo.
2 3
2 3 1 2 2 3
4 2 0 1 6 7 4 11
3 0 7 4
4 2 3 1 1 56
4 = 10 0 5.
5 1 5
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 …las de B. En el evento en que esta
condición no se de, el producto de A por B no se puede realizar.
24 CAPÍTULO 2. MATRICES
Si A 2 Rm n
y B 2 Rn p
tenemos:
Ai B = Ai1 B1 + + Ain Bn ,
AB j = B1j A 1 + + Bnj A n ,
AB = [AB 1 AB p ] ,
2 3
A 1B
6 .. 7
AB = 4 . 5
A mB
y
AB = A 1 B1 + + A n Bn .
La demostración y ejempli…cación de estas propiedades se deja como ejercicio.
A(B + C) = AB + AC.
2.4. PRODUCTO DE MATRICES 25
Demostración.
P
n
(A(B + C))ij = Ai (B + C) j = Ai (B j + C j ) = Aik (Bkj + Ckj )
k=1
P
n P
n P
n
= (Aik Bkj + Aik Ckj ) = Aik Bkj + Aik Ckj
k=1 k=1 k=1
(A + B)C = AC + BC.
Demostración. Ejercicio.
A(BC) = (AB)C.
Demostración.
(A(BC))ij = Ai (BC) j = Ai (BC j ) = Ai (C1j B 1 + + Cpj B p )
= (AB)i C j = ((AB)C)ij .
De…nición. La matriz In de Rn n
tal que
1 si i = j
(In )ij =
0 si i 6= j
AIn = A e Im A = A.
Demostración.
(AIn )ij = Ai (In ) j = (A)ij ,
así AIn = A. Además,
en consecuencia Im A = A.
A(In ) j = A j e (Im )i A = Ai .
de donde (Im )i A = Ai .
Ejemplo. Sean
2 3 2 3
1 4 7 0 0 1
A = 4 2 5 8 5 y P = 4 1 0 0 5.
3 6 9 0 1 0
Entonces
2 32 3 2 3
1 4 7 0 0 1 4 7 1
AP = 4 2 5 8 5 4 1 0 0 5 = 4 5 8 2 5 .
3 6 9 0 1 0 6 9 3
Ak = AA
| {z A} .
k veces
A5 = AAAAA = AA4 = A4 A = A2 A3 = A3 A2 .
Así, las leyes usuales de los exponentes son ciertas. Es decir, para enteros no
negativos r y s
Demostración. Ejercicio.
Ejemplo. Sea 2 3
1 2 3 4
A=4 1 0 3 2 5 2 R3 4 .
2 2 0 3
Entonces
2 3 2 3
1 2 3 4 2 2 0 3
4 1 0 3 2 5 F1 ! F3 4 1 0 3 2 5,
2 2 0 3 1 2 3 4
2 3 2 3
1 2 3 4 1 2 3 4
4 1 0 3 2 5 F2 ! 3F2 4 3 0 9 6 5,
2 2 0 3 2 2 0 3
2.4. PRODUCTO DE MATRICES 29
2 3 2 3
1 2 3 4 1 2 3 4
4 1 0 3 2 5 F3 ! F3 + ( 2)F2 4 1 0 3 2 5.
2 2 0 3 4 2 6 7
Ejemplo. La matriz 2 3
1 0 0
E = 4 0 1 0 5 2 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 2 3
1 2 2
A = 4 3 1 2 5 2 R3 3 ,
2 3 1
30 CAPÍTULO 2. MATRICES
entonces
2 3 2 3
7 4 6 1 2 0
A F1 ! F1 + 2F2 4 3 1 2 5 = 4 0 1 0 5 A.
2 3 1 0 0 1
Donde 2 3
1 2 0
I3 F1 ! F1 + 2F2 4 0 1 0 5.
0 0 1
Ejemplo. Si
2 3
1 2
1 3 7
A = 4 3 5 5 2 R3 2 , entonces AT = 2 R2 3 .
2 5 9
7 9
1. (AT )T = A.
2. (A + B)T = AT + BT .
3. (cA)T = cAT .
4. Si C 2 Rn p , entonces (AB)T = BT AT .
Demostración. Ejercicio.
2.6. DETERMINANTE DE UNA MATRIZ 31
De…nición. Sea A 2 Rn n
. La traza de A se de…ne como
2. tr(cA) = c tr(A).
3. tr(AB) = tr(BA).
4. tr(A) = tr(AT ).
Demostración. Ejercicico.
2.6.1. Permutaciones
1 2 n
=
(1) (2) (n)
para convertirla en
12 n
(3)(5)(7) = 45 + 84 + 96 48 72 105 = 0.
34 CAPÍTULO 2. MATRICES
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.
2.6. DETERMINANTE DE UNA MATRIZ 35
Demostración. Ejercicio.
det(A) = det(B).
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
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.
Luego
det(A) = (2)( 1)(1)(1)(2) = 4.
Entonces
2 3 2 3 2 3
A1 A1 A1
6 .. 7 6 .. 7 6 .. 7
6 . 7 6 . 7 6 . 7
6 7 6 7 6 7
det(A) = det(6 xT1 7) + det(6 xT2 7) + + det(6 xTk 7).
6 . 7 6 . 7 6 . 7
4 .. 5 4 .. 5 4 .. 5
An An An
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración.
Teorema 2.23. Si A; B 2 Rn n
son tales que AB = In . Entonces B = A 1 .
AC = ABA AIn + AB = A A + In = In .
Teorema 2.24. Si A; B 2 Rn n
son matrices invertibles, entonces AB es
también invertible.
Demostración.
AB(B 1 A 1 ) = A(BB 1 )A 1
= AIn A 1
= AA 1
= In .
Además,
(B 1 A 1 )AB = B 1 (A 1 A)B = B 1 In B = B 1 B = In .
1
Luego AB es invertible y (AB) = B 1A 1.
El teorema que sigue da una condición su…ciente y necesaria para que una
matriz sea invertible.
Demostración. Ejercicio.
40 CAPÍTULO 2. MATRICES
det(A 1 ) = (det(A)) 1 .
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
donde
2 3 2 3 2 3
1 0 0 1 0 0 1 0 0
E1 = 4 1 1 0 5 , E2 = 4 0 1 0 5 , E3 = 4 0 2 0 5
0 0 1 3 0 1 0 0 1
2 3 2 3 2 3
1 0 0 1 2 0 1 0 0
E4 = 4 0 1 0 5 , E5 = 4 0 1 0 5 , E6 = 4 0 1 0 5
11
0 5 1 0 0 1 0 0 2
2 3 2 3
1 0 2 1 0 0
4
E7 = 0 1 0 5 y E8 = 4 0 1 32 5 .
0 0 1 0 0 1
A = E1 Ep .
Pero
A = E1 Ep =) Ep 1 E1 1 A = In
=) A 1
= Ep 1 E1 1
=) A 1
= Ep 1 E1 1 In
En efecto,
2 3 2 3
1 0 0 1 0 0 1 0 0 1 0 0
4 1 2 0 0 1 0 5 F2 ! F2 + F1 4 0 2 0 1 1 0 5
3 0 1 0 0 1 3 0 1 0 0 1
2 3
1 0 0 1 0 0
F3 ! F3 3F1 4 0 2 0 1 1 0 5
0 0 1 3 0 1
2 3
1 0 0 1 0 0
F2 ! 12 F2 4 0 1 0 1 1
0 5.
2 2
0 0 1 3 0 1
Así,
2 3
1 0 0
A 1
=4 1
2
1
2
0 5.
3 0 1
Teorema Sea A 2 Rn n
invertible. Entonces AT es invertible y
(AT ) 1
= (A 1 )T .
Demostración. Ejercicio.
Teorema Sea A 2 Rn n
simétrica e invertible. Entonces A 1
es simétrica.
Demostración. Ejercicio.
Teorema Sea A 2 Rn n
antisimétrica e invertible. Entonces A 1
es anti-
simétrica.
Demostración. Ejercicio.
2.8. SISTEMAS DE ECUACIONES LINEALES Y MATRICES 43
Ax = b,
donde
2 3 2 3 2 3
a11 a1n x1 b1
6 .. .. 7 2 Rm 6 7 6 .. 7 2 Rm .
A=4 . ...
. 5
n
, x = 4 ... 5 2 Rn y b = 4 . 5
am1 amn xn bm
Demostración. Ejercicio.
Demostración. Ejercicio.
2.9. Ejercicios
1. Calcule 2 3 2 3
1 2 3 2 3 1
4 4 5 6 5+4 0 3 2 5
7 8 9 5 2 6
44 CAPÍTULO 2. MATRICES
3. Calcule
2 3 4
3 .
1 0 5
5. Calcule 2 3
1 5 0 2
2 3 3 4 3 7 6 1 5.
8 1 5
6 0 2 4
12. Sean A 2 Rn n
y c 2 R. Demuestre que det(cA) = cn det(A).
14. Si 2
3
3 6 7
A = 4 0 2 0 5,
1 1 2
2 3
2 5=2 7
veri…que que A 1
=4 0 1=2 0 5.
1 3=2 3
15. Halle la inversa de las matrices
2 3 2 3
1 2 3 4 3 4 2 1
6 1 1 0 0 7 6 2 3 5 1 7
A=6 4 2 3
7 y B=6 7.
1 2 5 4 0 4 7 0 5
0 2 0 3 1 4 2 2
22. Sean A; B 2 Rn n
matrices simétricas. Demuestre que A + B es también
simétrica.
24. Sea A 2 Rn n
. Demuestre que si A es antisimétrica, entonces Aii = 0
para toda i.
AB BA = In .
30. Sean A 2 Rn n
y P 2 Rn n
invertible. Demuestre que
AT = A 1 .
son ortogonales.
32. Sea A 2 Rn n
. Demuestre que A es ortogonal si y sólo si AT es ortogonal.
33. Sea A 2 Rm n
. Demuestre que A = 0 si y sólo si tr(AT A) = 0:
34. Sea A 2 Rm n
. Demuestre que A = 0 si y sólo si AT A = 0:
48 CAPÍTULO 2. MATRICES
35. Sean A 2 Rm n
y B,C 2 Rn p . Demuestre que AB = AC si y sólo si
AT AB = AT AC.
37. Sean A 2 Rm n
, B 2 Rn p
y C 2 Rp m
. Demuestre que
38. Sean A 2 Rm n
, B 2 Rn p
y C 2 Rp m
. Demuestre que
tr(ABC) = tr(BAC):
40. Sea A 2 Rn n
tal que AT A = A2 . Demuestre que
tr[(A AT )T (A AT )] = 0
y que A es simétrica.
Capítulo 3
Espacios vectoriales
49
50 CAPÍTULO 3. ESPACIOS VECTORIALES
n n
+ : 2 R 3 2R 3 ! 2 Rn 3
x1 y1 x1 + y1
6 .. 7 6 .. 7 6 .. 7
(4 . 5 ; 4 . 5) 7 ! 4 . 5
xn yn xn + yn
y
: R2 Rn3 ! 2 Rn 3
x1 cx1
6 .. 7 6 .. 7
(c; 4 . 5) 7 ! 4 . 5
xn cxn
(a)
2 3 2 3 2 3
x1 y1 x1 + y1
6 7 6 .. 7 = 6 7
x + y = 4 ... 5 + 4 . 5 4
..
. 5
xn yn xn + yn
2 3 2 3 2 3
y1 + x1 y1 x1
6 .. 7 6 .. 7 + 6 .. 7 = y + x.
= 4 . 5=4 . 5 4 . 5
yn + xn yn xn
3.1. ESPACIOS VECTORIALES 51
(b)
2 3 02 3 2 31 2 3 2 3
x1 y1 z1 x1 y1 + z1
6 7 B6 .. 7 + 6 .. 7C = 6 .. 7 + 6 7
x + (y + z) = 4 ... 5 + @4 . 5 4 . 5A 4 . 5 4
..
. 5
xn yn zn xn yn + zn
2 3 2 3
x1 + (y1 + z1 ) (x1 + y1 ) + z1
6 .. 7 6 .. 7
= 4 . 5=4 . 5
xn + (yn + zn ) (xn + yn ) + zn
2 3 2 3 02 3 2 31 2 3
x1 + y1 z1 x1 y1 z1
6 .. 7 6 .. 7 = B6 .. 7 + 6 .. 7C + 6 .. 7
= 4 . 5+4 . 5 @4 . 5 4 . 5A 4 . 5
xn + yn zn xn yn zn
= (x + y) + z.
2 3
0
6 .. 7
(c) Sea 0 = 4 . 5, entonces
0
2 3 2 3 2 3 2 3
x1 0 x1 + 0 x1
6 7 6 7 6 7 6 .. 7
x + 0 = 4 ... 5 + 4 ... 5 = 4 ..
. 5 = 4 . 5 = x.
xn 0 xn + 0 xn
2 3
x1
6 7
(d) Sea x = 4 ... 5, entonces
xn
2 3 2 3 2 3 2 3
x1 x1 x1 + ( x1 ) 0
6 .. 7 6 .. 7 6 .
.. 7 6 . 7
x + ( x) = 4 . 5 + 4 . 5 = 4 5 = 4 .. 5 = 0.
xn xn xn + ( xn ) 0
(e) 2 3 2 3 2 3
x1 1x1 x1
6 7 6 7 6 .. 7 = x.
1x = 1 4 ... 5 = 4 ... 5 = 4 . 5
xn 1xn xn
52 CAPÍTULO 3. ESPACIOS VECTORIALES
(f )
2 3 2 3 2 3
x1 (c1 c2 )x1 c1 (c2 x1 )
6 7 6 7 6 7
(c1 c2 )x = (c1 c2 ) 4 ... 5 = 4 ..
. 5=4
..
. 5
xn (c1 c2 )xn c1 (c2 xn )
2 3 0 2 31
c2 x1 x1
6 7 B 6 .. 7C = c (c x).
= c1 4 ... 5 = c1 @c2 4 . 5A 1 2
c2 xn xn
(g)
02 3 2 31 2 3 2 3
x1 y1 x1 + y1 c(x1 + y1 )
B6 7 6 .. 7C = c 6 7 6 7
c(x + y) = c @4 ... 5 + 4 . 5A 4
..
. 5=4
..
. 5
xn yn xn + yn c(xn + yn )
2 3 2 3 2 3 2 3 2 3
cx1 + cy1 cx1 cy1 x1 y1
6 .. 7 6 .. 7 6 .. 7 6 . 7 6 . 7
= 4 . 5 = 4 . 5 + 4 . 5 = c 4 .. 5 + c 4 .. 5
cxn + cyn cxn cyn xn yn
= cx + cy.
(h)
2 3 2 3 2 3
x1 (c1 + c2 )x1 c1 x1 + c2 x1
6 7 6 7 6 7
(c1 + c2 )x = (c1 + c2 ) 4 ... 5 = 4 ..
. 5=4
..
. 5
xn (c1 + c2 )xn c1 xn + c2 xn
2 3 2 3 2 3 2 3
c1 x1 c2 x1 x1 x1
6 7 6 7 6 .. 7 + c 6 .. 7 = c x + c x.
= 4 ... 5 + 4 ... 5 = c1 4 . 5 24 . 5 1 2
c1 xn c2 xn xn xn
f +g : S ! R
:
s 7 ! f (s) + g(s)
Si f 2 V y c 2 R se de…ne 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
De…nición. Sea W un subconjunto no vacío 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 de…nidas en V y restringidas a W , entonces W
es llamado un subespacio de V .
= r(0) + (0) = 0.
3.2. SUBESPACIOS 55
2 3 2 3
x1 x2
Luego, r 4 y1 5 + 4 y2 5 2 W . Por Teorema 3.2 W es subespacio de R3 .
z1 z2
El ejemplo anterior se puede generalizar. El lector no tendrá di…cultad en
veri…car, usando el Teorema 3.2, que dados a1 ; :::; an 2 R
82 3 9
>
< x1 >
=
6 .. 7
W = 4 . 5 : a1 x 1 + + an x n = 0
>
: x >
;
n
es un subespacio de Rn .
S = fx1 ; :::; xr g
x = c1 x1 + + cr xr ;
c1 c2 + 2c3 = 13
2c1 + c2 + c3 = 5 ,
3c1 + 2c2 + c3 = 4
Así, 2 3 2 3 2 3 2 3
1 1 2 13
54 2 5 64 1 5 + 14 1 5 = 4 5 5;
3 2 1 4
2 3
13
por tanto 4 5 5 si está en el generado de S. Nótese que al dar cualquier
4 2 3
13
otro valor a c3 obtenemos otra forma de escribir a 4 5 5 como combinación
4
lineal de los vectores de S. Es decir, que como consecuencia de que el sistema
de ecuaciones lineales asociado a esta primera parte del ejemplo tiene in…nitas
soluciones, no solo hemos encontrado que el vector x está en el generado de
S, sino que se puede expresar de in…nitas maneras como combinación lineal
de los vectores de S.
De otro lado, si suponemos ahora que existen números reales a1 ; a2 ; a3 tales
que 2 3 2 3 2 3 2 3
1 1 2 1
a1 4 2 5 + a2 4 1 5 + a3 4 1 5 = 4 2 5 , (3.1)
3 2 1 3
encontramos que esta igualdad es equivalente a tener el sistema de ecuaciones
lineales
a1 a2 + 2a3 = 1
2a1 + a2 + a3 = 2 .
3a1 + 2a2 + a3 = 3
Al reducir este sistema utilizando operaciones elementales, encontramos el
sistema de ecuaciones lineales
a1 a2 + 2a3 = 1
4
a2 a3 = ,
3
a2 a3 = 0
4
de donde se llega a que = 0, lo cual es absurdo. Esta contradicción
3
proviene de haber supuesto la existencia de números reales a1 ; a2 ; a3 tales
que (3.1) es posible. Concluimos entonces que y no es combinación lineal de
los vectores de S, o que y 2gen(S).
=
58 CAPÍTULO 3. ESPACIOS VECTORIALES
23
1
Ejemplo. Consideremos al vector 4 2 5 y al conjunto de vectores
19
82 3 2 3 2 39
< 3 2 1 =
S= 4 1 ; 2 ; 0 5 .
5 4 5 4
: ;
1 1 4
Si suponemos que existen números reales c1 ; c2 ; c3 tales que
2 3 2 3 2 3 2 3
3 2 1 1
c1 4 1 5 + c2 4 2 5 + c3 4 0 5 = 4 2 5 ,
1 1 4 19
entonces
3c1 + 2c2 + c3 = 1
c1 + 2c2 = 2 ,
c1 + c2 + 4c3 = 19
2 3
4
y este sistema tiene como única solución a 4 3 5. Dado que el sistema
5
tiene única solución, tenemos entonces que el vector en cuestión está en el
generado del conjunto de vectores dado y que además la única forma (salvo
orden) de escribir a dicho vector como combinación lineal de los del conjunto
es
2 3 2 3 2 3 2 3
3 2 1 1
44 1 5 + 34 2 5 + 54 0 5 = 4 2 5.
1 1 4 19
entonces
c1 + 2c2 + c3 = x
2c1 + c2 + 5c3 = y .
c1 + 2c2 + c3 = z
Al realizar operaciones elementales a este sistema encontramos el sistema
equivalente
c1 + 2c2 + c3 = x
3c2 3c3 = 2x + y .
0 = x+z
De este último sistema se deduce que para que tenga solución se requiere, en-
tre otras cosas, que x = z, lo que implica que el conjunto genera solo vectores
con primera y terceras conponentes iguales. Pero, no todos los vectores de R3
tienen esa propiedad, y por tanto el conjunto no puede generar a R3 . Para un
poco más de información, si tomas un vector de R3 cuyas primera y tercera
3.2. SUBESPACIOS 61
2 3
1
componenetes no son iguales, como el vector 4 2 5 y suponemos que se deja
0
escribir como conbinación lineal del conjunto en cuestión, encontraremos que
esa suposición nos conducirá a un absurdo, lo cual dirá que este vector no
está en el generado del conjunto.
Luego,
2 3 2 3 2 3 2 3 2 3
x 1 1 0 1
4 y 5 = (x y+z 2c4 ) 4 1 5+(y z+c4 ) 4 1 5+( x+y+c4 ) 4 1 5+c4 4 0 5 :
z 1 0 1 1
2 3
x
Esto muestra que 4 y 5 se puede expresar de in…nitas maneras como com-
z
binación
2 3 lineal de los vectores de S. A manera de ejemplo, tomando el vector
5
4 4 5de R3 ; elegido arbitrariamente, encontramos que
8
2 3 2 3 2 3 2 3 2 3
5 1 1 0 1
4 4 5 = (9 2c4 ) 4 1 5 + ( 4 + c4 ) 4 1 5 + ( 1 + c4 ) 4 1 5 + c4 4 0 5 ;
8 1 0 1 1
2 3
5
esto implica que 4 5 se deja expresar de in…nitas maneras como combi-
4
8
nación lineal de los vectores de S (por cada valor de c4 encontramos una
combinación lineal).
Demostración. Ejercicio.
a; b 2 R tales que
2 3 2 3 2 3
1 1 x
c1 4 2 5 + c2 4 4 5 = 4 y 5,
3 2 z
si y sólo si
c1 c2 = x
2c1 + 4c2 = y ;
3c1 + 2c2 = z
si y sólo si
c1 c2 = x
6c2 = 2x + y .
5c2 = 3x + z
Para encontrar una relación entre x; y y z despejamos de las ecuaciones dos
y tres a c2 e igualamos. Así,
2x + y 3x + z
= ,
6 5
de donde 8x + 5y 6z = 0 (Esta ecuación corresponde en R3 al plano que
pasa por los puntos (0; 0; 0), (1; 2; 3) y ( 1; 4; 2)). Luego,
82 3 2 39 82 3 9
< 1 1 = < x =
gen 4 5
2 ; 4 4 5 = 4 5 3
y 2 R : 8x + 5y 6z = 0 .
: ; : ;
3 2 z
U + W = fx + y : x 2 U y y 2 W g .
U +W
es un subespacio de V .
64 CAPÍTULO 3. ESPACIOS VECTORIALES
Demostración. Ejercicio.
x
W = :x2R
x
y
x
U= :x2R .
2x
1 1
Entonces y están en W [ U , pero
1 2
1 1 2
+ = 2
= W [ U,
1 2 3
Demostración. Ejercicio.
es un subespacio de Rn .
Demostración. Ejercicio.
3.3. INDEPENDENCIA LINEAL 65
a1 x1 + + ar xr = 0
Ejemplo. El conjunto
82 3 2 3 2 39
< 1 1 0 =
4 1 5;4 0 5;4 0 5 R3
: ;
1 0 1
es linealmente independiente.
Ejemplo. El conjunto
82 3 2 3 2 39
< 1 1 5 =
4 2 5;4 0 5;4 6 5 R3
: ;
1 2 7
es linealmente dependiente.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
x = a1 x1 + + an xn
Demostración Ejercicio.
3.5. ESPACIOS VECTORIALES Y MATRICES 69
Teorema 3.16. Sean = fx1 ; :::; xn g una base ordenada de un espacio vec-
torial V y y1 , ..., yt vectores de
n V . Entonces o
fy1 ; :::; yt g es linealmente inde-
pendiente en V si, y sólo si, [y1 ] ; :::; [yt ] es linealmente independiente
en Rn .
Demostración. Ejercicio.
P [x] 1
= [x] 2
8x 2 V .
1
Además, P es la única matriz con la propiedad
1
P [x] 2
= [x] 1
8x 2 V .
Demostración. Ejercicio.
Demostración. Ejercicio.
R(A) = fAx : x 2 Rn g
Demostración Ejercicio.
Demostración Ejercicio.
N (A) = fx 2 Rn : Ax = 0g
Demostración. Ejercicio.
Demostración Ejercicio.
Ejemplo. 2 3
1 3 2 1
rk(4 2 0 1 5 5) = 2.
1 1 1 2
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
72 CAPÍTULO 3. ESPACIOS VECTORIALES
rk(AB) rk(A).
Demostración. Ejercicio.
rk(A) = rk(PA).
Demostración. Ejercicio.
rk(A) = rk(AP).
Demostración. Ejercicio.
Demostración. Ejercicio.
A = BL
B = [A i1 A ir ] 2 Rm r ,
Luego
3.6. Ejercicios
1. Demuestre que
82 3 2 3 2 3 2 39
< 1 1 1 1 =
gen 4 2 5 ; 4 0 5;4 2 ; 4 5 = R3 .
5 4
: ;
1 1 1 3
están en 82 3 2 3 2 39
>
> 1 2 1 >>
<6 =
3 7 6 1 7 6 8 7
gen 6
4
7; 6 7; 6 7 .
>
> 5 5 4 0 5 4 5 5>
>
: ;
2 1 3
2; 3 + x; 2 x2
y también por
1; 2 + 2x; 1 x + x2 ; 2 x2 ;
pero no por
1 + x; x + x2 :
es linealmente dependiente en R3 .
3.6. EJERCICIOS 75
S = 1; 2 + 2x; 1 x + x2 ; 2 x2
10. Sea A 2 Rn n . Demuestre que A es invertible si, y sólo si, las columnas
de A forman un conjunto linealmente independiente.
Transformaciones lineales
T2 : V ! W
.
x 7 ! 0
Estas transformaciones son llamadas transformación identidad y trans-
formación cero, respectivamente.
76
4.1. TRANSFORMACIONES LINEALES 77
Ejemplos. Sea A 2 Rm n
. Entonces
T : Rn ! Rm
x 7 ! Ax
es una transformación lineal.
1. T (0) = 0.
2. T ( x) = T (x).
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
78 CAPÍTULO 4. TRANSFORMACIONES LINEALES
Demostración. Ejercicio.
Solución. 2 3 2 3 2 3 2 3
1 1 2 x
a4 1 5 + b4 1 5 + c4 1 5=4 y 5
2 1 1 z
implica
a + b 2c = x
a b + c = y :
2a + b c = z
Este sistema tiene como solución a (no seas ‡ojo resuelvelo en casa)
a = y z
b = x 5y 3z
c = x 3y 2z:
Luego,
2 3 2 3 2 3 2 3
1 1 2 x
( y z) 4 1 5 +( x 5y 3z) 4 1 5 +( x 3y 2z) 4 5 4
1 = y 5,
2 1 1 z
4.1. TRANSFORMACIONES LINEALES 79
por tanto
02 31 02 31 02 31
x 1 1
T @ 4 y 5A = ( y z)T @4 1 5A + ( x 5y 3z)T @4 1 5A
z 2 1
02 31
2
+( x 3y 2z)T @4 1 5A
1
2 3 2 3
1 2
= ( y z) 4 2 5 + ( x 5y 3z) 4 1 5
1 1
2 3
2
+( x 3y 2z) 4 1 5
1
2 3
4x 17y 11z
= 4 2x 10y 7z 5 .
2x + 9y + 6z
Luego,
3 2 2 3 2 3 2 3
2 1 1 x
3 1 1 4 5 3 3 1 1 1 3
( x y z) 1 +( y x+ z) 4 2 5+( x y+ z) 4 0 5 = 4 y 5 ,
5 5 5 5 10 10 10 5 10
0 1 3 z
por tanto
02 31 02 31 02 31
x 2 1
3 1 1 3 3 1
T @4 y 5A = ( x y z)T @4 1 5A + ( y x + z)T @4 2 5A
5 5 5 5 10 10
z 0 1
02 31
1
1 1 3
+( x y + z)T @4 0 5A
10 5 10
3
2 3 2 3
1 3
3 1 1 4 3 3 1
= ( x y z) 1 5+( y x + z) 4 2 5
5 5 5 5 10 10
2 0
2 3
4
1 1 3 4 5
+( x y + z) 1
10 5 10
2
2 1 4 13
3
10
x + 5 y + 10 z
= 4 11
x + 65 y + 107
z 5.
10
7 4 1
5
x 5y + 5z
x y+z
Solución.
2 3 2 3 2 3 2 3 2 3
1 1 2 3 x
6 1 7 6 2 7 6 1 7 6 2 7 6 y 7
a6
4
7 + b6 7 + c6 7 + d6 7=6 7
1 5 4 3 5 4 2 5 4 3 5 4 z 5
1 2 1 3 w
implica
a + b + 2c + 3d = x
a + 2b + c + 2d = y
:
a + 3b + 2c + 3d = z
a + 2b + c + 3d = w
1 1 1 1
a = x w+ y z
12 6 2 4
1 5 1 1
b = y x w+ z
2 12 6 4
5 5 1 3
c = x w y+ z
12 6 2 4
2 1 1
d = w+ x z:
3 6 2
Luego,
2 3 2 3 2 3
x 1 1
6 y 7 1 1 1 1 6 1 7 1 6 2 7
6 7 z) 6 7 + (1y 5 1
w + z) 6 7
4 z 5 = ( 12 x 6
w+ y
2 4 4 1 5 2 12
x
6 4 4 3 5
w 1 2
2 3 2 3
2 3
5 5 1 3 6 1 7
7 + (2w + 1x 1 6 2 7
+( x w y + z) 6 z) 6 7,
12 6 2 4 4 2 5 3 6 2 4 3 5
1 3
4.1. TRANSFORMACIONES LINEALES 83
por tanto
02 31 02 31
x 1
B6 y 7C B6 1 7 C
TB6 7C = ( 1 x 1 1
w+ y
1
z)T B 6 7C
@4 z 5A 12 6 2 4 @4 1 5A
w 1
02 31
1
1 5 1 1 B6 2 7C
+( y x w + z)T B
@4
6 7C
2 12 6 4 3 5A
2
02 31
2
5 5 1 3 B6 1 7C
+( x w y + z)T B
@4
6 7C
12 6 2 4 2 5A
1
02 31
3
2 1 1 B 6 7C
+( w + x z)T B 6 2 7C
3 6 2 @ 4 3 5A
3
2 3
1
1 1 1 1 6 0 7
= ( x w+ y z) 6
4
7
12 6 2 4 0 5
1
2 3
0
1 5 1 1 6 1 7
+( y x w + z) 6 7
2 12 6 4 4 1 5
0
2 3
1
5 5 1 3 6 0 7
+( x w y + z) 6 4
7
12 6 2 4 1 5
0
2 3
0
2 1 1 6 1 7
6
7
+( w + x z)
3 6 2 4 0 5
1
2 1 1
3
w + 2x + 2z
6 1w 1x + 1y 1z 7
= 6
4
2 4 2 4 7.
5
w+z
1 1 1 3
2
w + 4x + 2y 4z
84 CAPÍTULO 4. TRANSFORMACIONES LINEALES
Demostración. Ejercicio.
x + 2y + 4z = 0
2x y + 3z = 0 :
x + 3y + z = 0
Este sistema tiene como solución a
x = 2z
y = z
z = z:
Entonces 2 3
x
4 y 5 2 N(T )
z
si y sólo si 2 3 2 3 2 3
x 2z 2
4 y 5=4 z 5 = z4 1 5
z z 1
si y sólo si 2 3 82 39
x < 2 =
4 y 5 2 gen 4 1 5 .
: ;
z 1
4.1. TRANSFORMACIONES LINEALES 85
82 39
< 2 =
Así, una base para N(T ) es 4 1 5 .
: ;
1
(Para Im(T ))
2 3 2 3 2 3 2 3
x + 2y + 4z 1 2 4
4 2x y + 3z 5 = x 4 2 5+y4 1 + z 3 5:
5 4
x + 3y + z 1 3 1
Entonces 82 3 2 3 2 39
< 1 2 4 =
Im(T ) = gen 4 2 5;4 1 ; 3 5 :
5 4
: ;
1 3 1
Veamos la independencia o dependencia lineal de los vectores en cuestión:
2 3 2 3 2 3 2 3
1 2 4 0
a 4 5
2 +b 4 5 4
1 +c 3 = 0 5 5 4
1 3 1 0
implica
a + 2b + 4c = 0
2a b + 3c = 0 ;
a + 3b + c = 0
el cual tiene como solución a
a = 2c
b = c
c = c:
Luego, 2 3 2 3 2 3 2 3
1 2 4 0
( 2c) 4 2 5 + ( c) 4 1 + c 3 = 0 5,
5 4 5 4
1 3 1 0
en particular, si c = 1
2 3 2 3 2 3 2 3
1 2 4 0
( 2) 4 2 5 + ( 1) 4 5 4 5 4
1 + (1) 3 = 0 5 ,
1 3 1 0
86 CAPÍTULO 4. TRANSFORMACIONES LINEALES
es base de Im(T ).
0231
x 2 3
B6 y 7C x + 3y + 2z w
TB6 7C 4
@4 z 5A = x 2y + z 2w 5 :
2x + 2y + 3z w
w
02 31
x 2 3
B6 y 7C 0
B
Solución. (Para N(T )) T @46 7C 4
= 0 5 si y sólo si
z 5A
0
w
x + 3y + 2z w = 0
x 2y + z 2w = 0 :
2x + 2y + 3z w = 0
4.1. TRANSFORMACIONES LINEALES 87
Entonces 2 3
x
4 y 5 2 N(T )
z
si y sólo si 2 3 2 3 2 3
61 61
x 17
w 17
6 y 7 6 12
w 7 6 12 7
6 7 6 17 7 = w6 17 7
4 z 5=4 21
w 5 4 21 5
17 17
w w 1
si y sólo si 2 3 82 61 39
x >
> >
>
6 y 7 <6 1712 7=
6 7 2 gen 6 17 7
4 z 5 > 4 21 5> .
>
: 17 >
;
w 1
82 61 39
>
> >
>
<6 17 12 7=
6 17
Así, una base para N(T ) es 4 21 5 . 7
>
> 17 >
>
: ;
1
(Para Im(T ))
2 3 2 3 2 3 2 3 2 3
x + 3y + 2z w 1 3 2 1
4 x 2y + z 2w 5 = x 4 1 5 + y 4 2 5 + z 4 1 5 + w 4 2 5:
2x + 2y + 3z w 2 2 3 1
Entonces
82 3 2 3 2 3 2 39
< 1 3 2 1 =
Im(T ) = gen 4 1 5;4 2 ; 1 5;4
5 4 2 5 :
: ;
2 2 3 1
88 CAPÍTULO 4. TRANSFORMACIONES LINEALES
implica
a + 3b + 2c d = 0
a 2b + c 2d = 0 ;
2a + 2b + 3c d = 0
el cual tiene como solución a
11
a = d
17
12
b = d
17
21
c = d
17
d = d
Luego,
2 3 2 3 2 3 2 3 2 3
1 3 2 1 0
11 4 12 4 21
( d) 1 5+( d) 2 5 + ( d) 4 1 5 + (d) 4 2 5 = 4 0 5,
17 17 17
2 2 3 1 0
en particular, si d = 1
2 3 2 3 2 3 2 3 2 3
1 3 2 1 0
11 12 4 21
( )4 1 5 + ( ) 2 5 + ( ) 4 1 5 + (1) 4 2 = 0 5,
5 4
17 17 17
2 2 3 1 0
implica
a + 3b + 2c = 0
a 2b + c = 0 ;
2a + 2b + 3c = 0
el cual tiene como solución a
a = 0
b = 0
c = 0
Luego, el conjunto 82 3 2 3 2 39
< 1 3 2 =
4 1 5;4 5 4
2 ; 1 5
: ;
2 2 3
es linealmente independiente y genera a Im(T ), por tanto es base de Im(T ).
entonces 82 3 2 3 2 39
< 1 2 3 =
Im(T ) = gen 4 2 5 ; 4 1 5;4 4 5 :
: ;
3 1 2
90 CAPÍTULO 4. TRANSFORMACIONES LINEALES
entonces 82 3 2 3 2 39
< 1 2 5 =
Im(T ) = gen 4 1 5 ; 4 3 ; 0 5 :
5 4
: ;
1 2 1
Nos preguntamos si el conjunto anterior es linealmente independiente ó lineal-
mente dependiente. Para responder esa pregunta procedemos de la siguiente
manera: hacemos
2 3 2 3 2 3 2 3
1 2 5 0
4
a 1 +b 5 4 3 + c 0 = 0 5,
5 4 5 4
1 2 1 0
lo cual implica
a 2b + 5c = 0
a + 3b = 0 ,
a + 2b + c = 0
la solución de este sistema es a = 3c; b = c; c = c, por tanto el conjunto es
linealmente dependiente y por tanto debemos eliminar uno a más vectores
del conjunto, de tal manera que los restantes formen un conjunto lineal-
mente independiente que siga generando a Im(T ). Para tal hecho notamos
que tomando c = 1 obtenemos
2 3 2 3 2 3 2 3
1 2 5 0
( 3) 4 1 5 + (1) 4 3 5 + (1) 4 0 5 = 4 0 5 ,
1 2 1 0
igual a cero, en la cual ninguno de los escalares es cero, por tanto podemos
eliminar a cualquiera de los vectores que en esa combinación lineal esté acom-
pañedo de un escalar no nulo y los vectores restantes generarán lo mismo que
el conjunto inicial. El vector que hemos decidido eliminar es
2 3
5
4 0 5
1
92 CAPÍTULO 4. TRANSFORMACIONES LINEALES
entonces 82 3 2 3 2 3 2 39
>
> 1 3 2 6 >
>
<6 7=
1 7 6 3 7 6 1 7 6 3
Im(T ) = gen 6
4
7;6 7;6 7;6 7 :
>
> 1 5 4 1 5 4 1 5 4 3 5>
>
: ;
2 4 1 3
Nos preguntamos si el conjunto anterior es linealmente independiente ó lineal-
mente dependiente. Para responder esa pregunta procedemos de la siguiente
manera: hacemos
2 3 2 3 2 3 2 3 2 3
1 3 2 6 0
6 1 7 6 3 7 6 1 7 6 3 7 6 0 7
a6 7 6 7 6 7 6 7 6 7
4 1 5 + b4 1 5 + c4 1 5 + d4 3 5 = 4 0 5,
2 4 1 3 0
lo cual implica
a + 3b + 2c + 6d = 0
a + 3b + c + 3d = 0
a + b + c + 3d = 0
2a + 4b + c + 3d = 0
la solución de este sistema es
a = 12 c 3
2
d
b = 12 c 3
2
d
c=c
d=d
94 CAPÍTULO 4. TRANSFORMACIONES LINEALES
igual a cero, en la cual ninguno de los escalares es cero, por tanto podemos
eliminar a cualquiera de los vectores que en esa combinación lineal esté acom-
pañedo de un escalar no nulo y los vectores restantes generarán lo mismo que
el conjunto inicial. El vector que hemos decidido eliminar es
2 3
6
6 3 7
6 7:
4 3 5
3
Luego, el conjunto 82 3 2 3 2 39
>
> 1 3 2 >>
<6 7 6 7 6 1 7=
6 1 7 6 3 7;6 7
4 ;
>
> 1 5 4 1 5 4 1 5>
>
: ;
2 4 1
genera a Im(T ) y nos preguntamos si este nuevo conjunto es linealmente
independiente. Para resolver esta pregunta hacemos lo siguiente:
2 3 2 3 2 3 2 3
1 3 2 0
6 1 7 6 3 7 6 1 7 6 0 7
a6 7 6 7 6 7 6 7
4 1 5 + b4 1 5 + c4 1 5 = 4 0 5
2 4 1 0
4.1. TRANSFORMACIONES LINEALES 95
implica
a + 3b + 2c = 0
a + 3b + c = 0
:
a+b+c=0
2a + 4b + c = 0
Este sistema tiene como solución
a = 12 c
b = 12 c
c=c
por tanto el conjunto es linealmente dependiente y por tanto debemos elimi-
nar uno a más vectores del conjunto, de tal manera que los restantes formen
un conjunto linealmente independiente que siga generando a Im(T ). Para tal
hecho notamos que tomando c = 2 obtenemos
2 3 2 3 2 3
1 3 0
6 1 7 6 3 7 6 0 7
( 1) 6 7 6 7 6 7
4 1 5 + ( 1) 4 1 5 + (2) = 4 0 5 ,
2 4 0
tenemos entonces una combinación lineal de los vectores
82 3 2 3 2 39
>
> 1 3 2 > >
<6 7 6 7 6 7=
6 1 3
7 6 7 6 7 1
>4 1 5 ; 4 1 5 ; 4 1 5>
>
: >
;
2 4 1
igual a cero, en la cual ninguno de los escalares es cero, por tanto podemos
eliminar a cualquiera de los vectores que en esa combinación lineal esté acom-
pañedo de un escalar no nulo y los vectores restantes generarán lo mismo que
el conjunto inicial. El vector que hemos decidido eliminar es
2 3
2
6 1 7
6 7:
4 1 5
1
En consecuencia el conjunto
82 3 2 39
>
> 1 3 >
>
<6 7=
6 1 7 6 3
7;6 7
>4 1 5 4 1 5>
>
: >
;
2 4
96 CAPÍTULO 4. TRANSFORMACIONES LINEALES
sigue generando a Im(T ) y como estos dos vectores no son múltiplos forman
un conjunto linealmente independiente, por tanto son 2una base
3 para Im(T ).
x1
6 x2 7
Analicemos ahora la situación para N(T ): un vector 6 7 4
4 x3 5 de R está en
x4
N (T ) si y sólo si
02 31 2 3
x1 0
B6 x2 7C 6 0 7
TB 6 7C 6 7
@4 x3 5A = 4 0 5 ;
x4 0
si y sólo si
x1 + 3x2 + 2x3 + 6x4 = 0
x1 + 3x2 + x3 + 3x4 = 0
.
x1 + x2 + x3 + 3x4 = 0
2x1 + 4x2 + x3 + 3x4 = 0
, Solution is: x1 = 12 x3 32 x4 ; x2 = 1
x
2 3
3
x Pero este sistema tiene co-
2 4
mo
2 solución
3 a x1 = 12 x3 32 x4 ; x2 = 1
x
2 3
3
x , x3 = x3 , x4 = x4 . Luego,
2 4
x1
6 x2 7
6 7
4 x3 5 está en N(T ) si y sólo si
x4
2 3 2 1 3
3 2 1
3 2 3
3
x1 x
2 3
x
2 4 2 2
6 x2 7 6 1
x 3
x 7 6 1 7 6 3 7
6 7 6 2 3 2 4 7 = x3 6 2 7 + x4 6 2 7.
4 x3 5 = 4 x3 5 4 1 5 4 0 5
x4 x4 0 1
Demostración. Ejercicio.
Demostración. Ejercicio.
3. Si fx1 ; :::; xn g es una base de V , entonces fT (x1 ); :::; T (xn )g es una base
de W .
Demostración. Ejercicio.
Demostración. Ejercicio.
4.1. TRANSFORMACIONES LINEALES 99
es la única matriz de Rm n
tal que
Demostración. Ejercicio.
[T ] 0 [x] = [T (x)] 0 .
1 = 1, 1 x, 1 x2 , 1 x3
de P3 ,
1 1 1 1 1 1 1 1 1
2 = ; ; ;
1 1 1 1 1 0 1 0 0
1 1 1 1 1 0 1 0 0
; ;
0 0 0 0 0 0 0 0 0
de R2 3
y hallemos la matriz que representa a la transformación lineal
T : P3 ! R2 3
a0 0 a1
a0 + a1 x + a2 x 2 + a3 x 3 7 !
a2 0 a3
100 CAPÍTULO 4. TRANSFORMACIONES LINEALES
1 0 0 T
T (1) = =) [T (1)] = 0 0 0 0 0 1
0 0 0 2
1 0 1 T
T (1 x) = =) [T (1 x)] = 0 0 0 1 1 1
0 0 0 2
1 0 0 T
T (1 x2 ) = =) T (1 x2 ) = 0 0 1 1 0 1
1 0 0 2
1 0 0 T
T (1 x3 ) = =) T (1 x3 ) = 1 1 0 0 0 1 :
0 0 1 2
4 0 1 0 0 5 a3 4 a1 5
1 1 1 1 a0
[S T] 00 = [S] 00 0 [T ] 0 .
Demostración. Ejercicio.
4.2. EJERCICIOS 101
Demostración. Ejercicio.
4.2. Ejercicios
1. Determine si
T : 2 R3 3 ! 2 R3 3
x 1+x+y
4 y 5 7 ! 4 3x + 2z 5
z 5 2y z
4. Sean
1 3 2
A=
0 2 1
y
T : R 3 ! R2
.
x 7 ! Ax
102 CAPÍTULO 4. TRANSFORMACIONES LINEALES
5. Halle un isomor…smo de R2 2
en R4 y otro de R4 en R2 2 .
7. Sea A 2 Rn n
. Demuestre que A es invertible si y sólo si la transformación
lineal
T : Rn ! Rn
x 7 ! Ax
es biyectiva.
Ortogonalidad
103
104 CAPÍTULO 5. ORTOGONALIDAD
Ejemplo. Si A 2 Rn n
es invertible, entonces
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.
y 2 3 2 3 2 3
1 3 4
d(x; y) = 4 2 5 4 1 5 = 4 1 5
4 5 2
9 2
p p
= ( 4)2 + (1)2 + (9)2 = 7 2.
Demostración. Ejercicio.
Demostración. Ejercicio.
Demostración. Ejercicio.
5.2. ESPACIOS NORMADOS 107
Al realizar los cálculos para hallar el ángulo entre dos vectores, asegúrese de
que su calculadora esté en modo radianes.
2 7
y .
3 1
En efecto,
0 2 32 3 1
4
2 54 7 5
;
hx; yi2 B 3 1 C
= cos 1
= cos 1 B 2 3 2 3 2C
kxk2 kyk2 @ 2 5 4 7 5 A
4
3 2 1 2
1 11
= cos p p 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.
5.3. VECTORES ORTOGONALES 109
Demostración. Ejercicio.
hxj ; y1 i hxj ; yj 1 i
y1 = x1 y yj = xj ( y1 + + yj 1 ) para j = 2; :::; n.
hy1 ; y1 i hyj 1 ; yj 1 i
Demostración. Ejercicio.
Teorema 5.10. Todo espacio con producto interior de dimensión …nita tiene
una base ortonormal.
Demostración. Ejercicio.
kx yk kx wk
para todo w 2 W .
Demostración. Ejercicio.
Demostración. Ejercicio.
5.4. Ejercicios
1. Calcule hx; yi2 si 2 3 2 3
1 3
x=4 2 , y = 2 5.
5 4
1 2
5.4. EJERCICIOS 111
8. Halle W ? si 82 3 2 39
>
> 1 0 >>
<6 7 6 =
1 7 6 0 7
W = gen 6
4 3 5, 4
7 .
>
> 1 5>
>
: ;
1 1
9. Sean U 2 Rn n
ortogonal y x, y 2 Rn . Demuestre que
kAxk2 = AT x 2
para todo x 2 Rn .
11. Sea U 2 Rn n
tal que para todo x 2 Rn
kUxk2 = kxk2 .
113
114 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
ya que
2 32 3 2 3 2 3
2 0 1 1 2 1
4 5 1 2 54 3 5=4 6 5= 24 3 5.
3 2 5=4 4 8 4
2 3
1
Además, 4 3 5 es un vector propio de A asociado al valor propio 2.
4
Teorema 6.1. Sea A 2 Rn n : Entonces ningún vector propio de A puede
estar asociado a valores propios distintos de A.
( i j )x = ix jx = Ax Ax = 0.
Luego
1 1
( i j) ( i j )x =( i j) 0 =) x = 0,
lo cual es absurdo. Por tanto, ningún vector propio de A puede estar asociado
a valores propios distintos de A.
De…nición. Sea A 2 Rn n
, el espectro de A es
p(A) = a0 In + a1 A + + at At ,
Ejemplo. Sean
1 1
A=
1 2
6.2. SUBESPACIOS PROPIOS 115
1 0 1 1 1 1 1 1
p(A) = 1 3 +2
0 1 1 2 1 2 1 2
1 0 3 3 0 6 2 3
= + + = :
0 1 3 6 6 6 3 1
p(A)x = a0 x + a1 Ax + + at At x,
pero
j
Aj x = Aj 1 Ax = Aj 1
x = Aj 1 x = = x
para todo j = 1,...,t. Luego
p(A)x = a0 x + a1 x + + at t x
= (a0 + a1 + + at t )x = p( )x.
EA ( ) = fx vectores n 1 : Ax = xg
A(c x + y) = c Ax + Ay = c x + y = (c x + y),
Nótese que EA ( ) es igual a f0g unido con el conjunto formado por todos
los vectores propios de A asociados al valor propio . Además, por Teorema
6.1 se tiene que si i , j son valores propios distintos de A, entonces
EA ( i ) \ EA ( j ) = f0g .
dim(Rn ) = n dim(EA ( )) 1.
Demostración. Ejercicio.
de A asociado a
() Ax = x
() A 1 Ax = A 1
x
1
() A 1x = x
1 1 1
si, y sólo si, es un valor propio de A y x es un vector propio de A
1
asociado a .
(AB) = (BA).
Demostración. Ejercicio.
De…nición. Sea A 2 Rn n
. Los n discos de Gershgorin de A son:
Donde
La región del plano complejo formada por la unión de esos n discos será
llamada región de Gershgorin y denotada por G(A).
Demostración. Ejercicio.
Demostración.
valor propio de A () 9 x 6= 0 : A x = x
() 9 x 6= 0 : ( In A)x = 0
() ( In A) es no invertible
() det( In A) = 0.
De…nición. Sea A 2 Rn n
. El polinomio característico de A es el poli-
nomio de R [x] dado por
En efecto,
02 31
x 1 2 3
PA (x) = det(xI3 A) = det @4 4 x 5 6 5A
7 7 x 9
= x3 15x2 18x.
Una simple inspección visual muestra que 1 = 0 es una raíz de PA (x). Con
esa información es fácil probar (con ayuda de la Fórmula
p General
p Cuadrática)
15 3
que las otras raíces de PA (x) son 2 = 2 33 y 3 = 2 33 + 15
3
. Así,
15 3
p 3
p 15
2 2
(A) = 0, 2 2
33, 2 33 + 2 .
Por lo general, es difícil o imposible hallar las raíces de PA (x). Sin embargo, si
PA (x) tiene coe…cientes enteros, algunas veces es útil un resultado de Álgebra
elemental que dice: si p(x) es un polinomio con coe…cientes enteros, entonces
toda raíz entera de p(x) divide al término independiente de este.
Ejemplo. Hallemos los valores propios de una matriz A que tiene como
polinomio característico a
PA (x) = x3 + 2x2 3x 6.
Si PA (x) tiene una raíz entera, esa raíz 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 raíz de
PA (x) y que x + 2 divide exactamente a PA (x). Con ayuda de la Fórmula
General Cuadrática encontramos que
p p
PA (x) = (x + 2)(x 3)(x + 3).
p p
Luego los valores propios de A son 2, 3 y 3.
120 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
Ejemplo. La matriz
2 3
1 0 0 0 0
6 0 2 0 0 0 7
6 7
A=6
6 1 0 5 6 0 7
7
4 1 0 3 4 0 5
0 0 0 0 2
PA (x) = an xn + an 1 xn 1
+ an 2 x n 2
+ + a1 x + a0 ,
Demostración. Ejercicio.
Demostración. Ejercicio.
2 12
A= .
1 5
x1 4x2 4
x= = = x2 , x2 6= 0.
x2 x2 1
4
Luego EA ( 1 ) = gen . Para 2 = 2, la matriz de coe…cientes es
1
2 2 12 4 12
( 2)I2 A= = ,
1 2+5 1 3
x1 3x2 3
x= = = x2 , x2 6= 0.
x2 x2 1
3
Luego EA ( 2 ) = gen .
1
Ejemplo. Hallemos los valores propios y los espacios propios de la matriz
2 3
2 1 0
4
A= 0 2 0 5:
0 0 2
ímplica 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 1 = 2 es de la forma
2 3 2 3 2 3 2 3
x1 x1 1 0
x = 4 x2 5 = 4 0 5 = x1 4 0 5 + x3 4 0 5 .
x3 x3 0 1
82 3 2 39
< 1 0 =
Luego EA ( 1 ) = gen 4 0 5 , 4 0 5 .
: ;
0 1
Ejemplo. Hallemos los valores propios y los espacios propios de la matriz
2 3
1 0 0 0
6 0 1 5 10 7
A=6 4 1 0 2
7.
0 5
1 0 0 3
= (x 1)2 (x 2)(x 3) = 0:
y se reduce a la matriz 2 3
1 0 0 2
6 0 0 1 2 7
6 7.
4 0 0 0 0 5
0 0 0 0
124 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
Demostración. Ejercicio.
Demostración. Ejercicio.
Teorema 6.16. Los valores propios de una matriz simétrica son reales.
Demostración. Ejercicio.
Luego j j = 1.
jdet(U)j = 1.
jdet(U)j = j 1 nj =j 1 j j nj =1 1 = 1.
EA ( ) = EAT ( ).
Demostración. Ejercicio.
Demostración. Ejercicio.
126 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
A = P 1 BP.
Demostración. Ejercicio.
Demostración. Ejercicio.
EB ( ) = fPx : x 2 EA ( )g .
Demostración. Ejercicio.
6.10. SEMEJANZA DE MATRICES 127
Demostración. Ejercicio.
Ejemplo. La matriz 2 3
3 1 0
A=4 1 2 1 5
0 1 3
es diagonalizable, ya que la matriz
2 3
1 1 1
P=4 2 0 1 5
1 1 1
es invertible y
2 32 32 3
1=6 2=6 1=6 3 1 0 1 1 1
1
P AP = 4 3=6 0=6 3=6 5 4 1 2 1 5 4 2 0 1 5
2=6 2=6 2=6 0 1 3 1 1 1
= diag(1, 3, 4).
Demostración. Ejercicio.
1. A es diagonalizable.
128 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
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
.
3. Sean A 2 Rn n
y s 2 f1, ..., ng un número …jo. Demuestre que si ais = 0
para i = 1, ..., s 1, s + 1, ..., n, entonces ass es valor propio de A.
k
4. Sea A 2 Rn n . Demuestre que si 2 (A), entonces 2 (Ak ) para
todo k entero positivo.
6. Una matriz A 2 Rn n
es idempotente si A2 = A. Demuestre que
(A) f0; 1g .
7. Una matriz A 2 Rn n
es unipotente si A2 = In . Demuestre que
(A) f1; 1g .
satisfacen la desigualdad 1 j j 9.
11. Demuestre que las partes imaginarias de los valores propios de la matriz
2 3
3 1=3 2=3
4 1 4 0 5
1=2 1=2 1
13. Halle todos los valores propios y bases para los espacios propios de la
matriz 2 3
3 2 2
A=4 1 1 1 5.
0 2 3
T
Ayuda: x = 1 1 1 es un vector propio de A.
130 CAPÍTULO 6. VALORES Y VECTORES PROPIOS
14. Halle todos los valores propios y bases para los espacios propios de la
matriz 2 3
1 2 0
A=4 4 0 2 5.
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 2 3
18 2 12
A= 4 4 9 6 5,
3 2 3
compruebe que PA (x) = x3 30x2 + 275x 750 y (A) = f5, 10, 15g.
18.Demuestre que si A 2 Rn n
y (A) = f 1 , ..., n g, entonces para todo
c 2 R (cA) = fc 1 , ..., c n g.
19. Sean A 2 Rn n
y c 2 R. Demuestre que
EA ( ) = EcA (c ) 8 2 (A).
21. Sean A 2 Rn n
, 2 (A) y r 2 R+ . Demuestre que existe x 2 EA ( )
tal que kxk2 = r.
[7] Meyer, C. (2000), Analysis and Applied Linear Algebra, Siam, Philadel-
phia.
[9] Searle, S. (1986), Matrix Algebra Useful for Statistics, John Wiley and
Sons, U.S.A.
132