Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.- ∀ ⃗x , ⃗y ∈ Rn :⃗x + ⃗y ∈ R n
⃗
4.- en V existe una única n-upla ó n- tupla denotada por 0=(0,0 ,… , 0),hay n
6.- ∀ r ∈ R , ∀ ⃗x ∈ Rn :r ⃗x ∈ R n
8.- ∀ r ,t ∈ R , ∀ ⃗x ∈ Rn : ( r +t ) ⃗x =r ⃗x +t ⃗x
9.- ∀ r ,t ∈ R , ∀ ⃗x ∈ Rn : ( rt ) ⃗x =r ( t ⃗x ) =t( r ⃗x )
10.- ∀ ⃗x ∈ R n :1 ⃗x =⃗x
Ejercicio:
Sea el conjunto V =¿ . se define:
( a , b )+ ( a1 ,b 1 )=( a a1 ,b b 1 ) y p ( a , b )=( a p , b p ) , p ∈ R
Observación:
i) ( a , b )+ ( 1,1 ) =( a ( 1 ) ,b (1) ) =( a , b )
1 1
Como a> 0 y b> 0 entonces existe a , b ∈ R por lo tanto:
+¿¿
ii)
SUBESPACIOS
TEOREMA.-
1.- 0⃗ ∈W
∀ ⃗u , ⃗v ∈ W , u⃗ + ⃗v ∈ W
TEOREMA.-
i) 0⃗ ∈W
ii) ∀ a , b ∈ R y ∀ u⃗ , ⃗v ∈W : a u⃗ + b ⃗v ∈W
Ejemplo:
¿ S es un subespacio de R4 ?
Solución:
1.- ¿( 0,0,0,0 ) ∈ S ?
0−0=0
2 ( 0 ) +0=0
2.- Sea a , b ∈ R y ( x 1 , y 1 , z 1 , u1 ) , ( x 2 , y2 , z 2 , u2 ) ∈ S
a ( x 1 , y 1 , z1 , u1 ) +b ( x 2 , y 2 , z 2 ,u 2 ) ∈ S
a ( x 1 , y 1 , z1 , u1 ) +b ( x 2 , y 2 , z 2 ,u 2 )=¿
( a x 1 +b x 2 , a y 1 +b y 2 , a z 1 +b z 2 , a u1 +b u 2)
Como: ( x 1 , y 1 , z 1 , u1 ) ∈ S → x 1−u1=0 ,2 x 1+ y 1 =0
( x 2 , y 2 , z2 , u2 ) ∈ S → x 2−u2 =0 ,2 x 2+ y 2=0
Veamos:
Entonces se tiene:
( a x 1 +b x 2 , a y 1 +b y 2 , a z 1 +b z 2 , a u1 +b u 2) ∈ S
Ejemplo:
Solución:
0 0
Si: a=b=0 → 0 0 ∈ V ( )
m n p q
Sea los escalares α , β ∈ R y A= −n m , B= −q p ( ) ( )
¿αA + βB ∈V ?
Sea V = { ( a , b ) : a , b ∈ R } . se define:
( a , b )+ ( a1 ,b 1 )=( a a1 ,b b 1 ) y k ( a , b )=( ka , kb )
¿V es un espacio vectorial ?
COMBINACIONES LINEALES
v1 , ⃗
Sea V un espacio vectorial sobre R y ⃗ v n ∈ V . ∀ ⃗v ∈V de la forma:
v2 , … , ⃗
⃗v =a1 ⃗
v 1 +a 2 ⃗ v n ,donde a 1 , a2 , … , an ∈ R . se dice que el vector ⃗v es una
v 2 +…+ an ⃗
v1 , ⃗
combinación lineal de los vectores ⃗ v2 , … , ⃗
v n.
v1 , ⃗
Sea V un espacio vectorial sobre R . Se dice que los vectores ⃗ vn ∈ V
v2 , … , ⃗
a1⃗
v 1 +a 2 ⃗
v 2+ …+an ⃗
an =⃗0
v1 , ⃗
En caso contrario se dice que los vectores ⃗ v2 , … , ⃗
vn son linealmente
independientes
BASES Y DIMENSION
Definición.-
Sea S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } un subconjunto del espacio vectorial V , se dice que S es
i) u1 , u⃗2 , … , ⃗
⃗ un son linealmente independientes
ii) u1 , u⃗2 , … , ⃗
⃗ un generan el espacio vectorial V
Definición.-
Sea S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } un subconjunto del espacio vectorial V , se dice que S es
⃗v =a1 ⃗
u1 +a2 ⃗
u2 +…+a n ⃗
un
S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } con n elementos .
TEOREMA.-
NOTA.
1.- B1={ i⃗ =( 1,0,0 ) , ⃗j =( 0,1,0 ) , ⃗k =(0,0,1) } es base estándar o canonica del espacio
vectorial R3
B 2= 1 0 , 0 1 , 0 0 , 0 0
{[ ] [ ] [ ] [ ]} es la base canonica del espacio vectorial de las
0 0 0 0 1 0 0 1
matrices de orden 2
2.- sea B= { ⃗
v 1 ,⃗
v2, … , ⃗
v n } una base del espacio vectorial de V , para todo
⃗v =a1 ⃗
v 1 +a 2 ⃗
v 2 +…+ an ⃗
vn
NOTA:
1.- Determine cuales de los siguientes subconjuntos de M 2 X 2 sobre R son
espacios vectoriales:
Con la suma y la multiplicacion por un escalar
W 1= a 0 tal que a , b ∈ R
{[ ]
0 b }
W 2 = a 1 tal que a , b ∈ R
{[ ]
1 b }
W 3 = a b talque a=d=b+ c , a , b , c ,d ∈ R
{[ ]
c d }
Observacion:
Para: W 1
0 0
i) [ ]
Si: a=b=0 → 0 0 ∈ W 1
a1 0 a 0 a +a 0
ii ¿ A + B=
[ ][ ][
0 b1
+ 2
0 b2
= 1 2
0 b1 +b2 ]
→ A +B ∈ W 1
Para W 3
0 0
Sea a=b=c=d =0 → 0 0 ∈ W 3 [ ]
[ b+cc b
b+c ]
∈W 3
Ejemplo:
Determinar cual de los siguientes subconjuntos es un subespacio del
espacio vectorial indicado.
1.−W 1={( x1 , x2 ) ∈ R 2 tal que v 1=( 1 , x2 ) , x 2 ∈ R }
sol:
3 2 2 2
2.- W 2 ={( x 1 , x 2 , x 3 ) ∈ R / x 1 + x2 + x 3=k } k ∈ Z 0
+¿¿
SOL:
Debemos analizar dos casos :
Primer caso:
K entero positivo:
Sea x 1=x 2=x 3=0 → 02 +02 +02 ≠ k entonces W 2no es un subespacio.
Si k=0→ 02 +02 +02=k=0 es el subespacio trivial .
COORDENADAS
a1
[ ⃗v ]S =[ a1 , a2 ,.. , an ]
[]a
o’ [ ⃗v ]S = ⋮2
an
Ejemplo:
Solucion:
a+ b=2
a+ c=−1
b+ c=1
0
[ p(x) ]S= 2
−1[]
MATRIZ DE CAMBIO DE BASE
Bases del espacio vectorial V . Entonces por ser S una base ,cada vector de
S ' puede escribirse de forma unica como combinacion lineal de los
elementos de S .como:
v1 =a11 ⃗
⃗ u1 +a12 ⃗
u2+ …+a 1n ⃗
un
v n=an 1 ⃗
⃗ u1 + an 2 ⃗
u2+ …+a nn ⃗
un
a11 a 21 ⋯ an 1
⋮
(
P= a12 a 22
⋮
a 1n a2 n
⋯ an 2
⋮ ⋮
⋯ ann
)
Esta matriz P recibe el nombre de matriz de cambio de base (o’ matriz de
transicion) de S a S '
NOTA:
v1 , ⃗
Como los vectores ⃗ v2 , … , ⃗
v n son linealmente independientes la matriz P
es invertible.
TEOREMA:
P [ ⃗v ] S ' =[ ⃗v ] S
Ejemplo:
SOLUCION:
v1 =a ⃗
⃗ u1 +b ⃗
u2
v 2=c u⃗1+ d ⃗
⃗ u2
P= (ab dc )
v1 =( 1,3 )=a ( 1 ,−2 )+ b (3 ,−4 )=( a+3 b ,−2 a−4 b )
⃗
5 −13
Sumando se tiene: 2 b=5→ b= 2 en (i) a= 2
−13
( )
−18
2
Por lo tanto la matriz P=
5
7
2
−14 −36
Por lo tanto tenemos: Q= 5 13
=P
−1
( )
−13
( )(
−18
−14 −36 2 1 0
QP=
5 ( 13 5
7
= )
0 1 )
2
Hallando [ ⃗v ]S '
⃗v =(a , b)=x ⃗
v 1+ b ⃗
v 2=x (1,3 )+ y ( 3,8 ) =(x +3 y ,3 x +8 y)
x +3 y=a → 3 x +9 y =3 a …(i)
3 x+ 8 y=b …(ii)
−13
( )
−18
[ ⃗v ]S =P [ ⃗v ] S ' = 2 a+3 b
(−83 a−b )
5
7
2
Ejercicio:
Sean S= {⃗
u1=( 1,2,0 ) , ⃗
u2=( 1,3,2 ) , u⃗3=( 0,1,3 ) } y
S' = {⃗
v 1=( 1,1,1 ) , ⃗ v 3=( 1,0,0 ) }bases del espacio vectorial R3 .
v 2=( 1,1,0 ) , ⃗
Determine :
⃗v =( 1,2,3 )
Solución:
a+ b=1
2 a+3 b+ c=1
2 b+3 c=1
Matricialmente se tiene:
1 1 0 1 1 1 0 1 1 1 0 1
( 2 3 1 1
0 2 3 1
→
)(
0 1 1 −1
0 2 3 1
→ 0 1 1 −1
0 0 1 3 )( )
1 1 0 1 1 0 0 5
( )(
0 1 0 −4 → 0 1 0 −4 → a=5 , b=−4 , c=3
0 0 1 3 0 0 1 3 )
v 2=( 1,1,0 )=( a+ b , 2a+ 3 b+c ,2 b+ 3 c )
⃗
(ii) –(i)
b+ c=−1 →2 b+2 c=−2 …(iv)
(iii) – (iv)
c=2 en (iv)
b=−3 → a=4
(vi) – (v)
(vii)-(viii)
c=4 en (viii)
b=−6 en (v)
a=7
5 4 7
Se tiene:
(
P= −4 −3 −6
3 2 4 )
Hallando Q la matriz de cambio de base de S' a S
a+ b+c=1
a+ b=2
a=0
b=2 , c=−1
a+ b+c=1
a+ b=3
a=2
b=1 , c=−2
a+ b+c=0
a+ b=1
a=3
b=−2 →c =−1
0 2 3
La matriz Q= 2 1
(
−2
−1 −2 −1 )
5 4 7 0 2 3 1 0 0
3(
PQ= −4 −3 −6 2
2 )(
1 −2 = 0 1 0 =I
4 −1 −2 −1 0 0 1 )( )
TRANSFORMACIONES LINEALES
dos condiciones:
1. ∀ ⃗v , ⃗
w ∈V :T ( ⃗v + ⃗
w )=T ( ⃗v ) +T (⃗
w)
NOTA.
w ∈V
2.- para todo par de escalares a,b y para todo par de vectores u⃗ , ⃗
Se tiene:
T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T ( b ⃗
w )=aT ( ⃗v ) +bT (⃗
w)
3.- la condicion T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T ( b ⃗
w )=aT ( ⃗v ) +bT (⃗
w ) caracteriza
Ejemplo:
Ejemplo:
Solucion:
T ( A )=AM + MA
T ( B )=BM + MB
T ( A+ B ) =( A + B ) M + M ( A +B )= AM + BM + MA + MB
T ( kA ) =( kA ) M + M ( kA )=k ( AM + MA )=kT ( A)
Ejemplo:
⃗v + u⃗ =¿
TEOREMA:
v1 , ⃗
Sean V y U espacios vectoriales y { ⃗ v2 , … ⃗
v n } una base de V y ⃗
u1 , u⃗2 , … , ⃗
un
T (⃗
v 1 )=⃗
u1 , T ( ⃗
v 2) =⃗
u2 , … ,T ( ⃗
v n ) =⃗
un
Ejemplo:
Solucion:
Como los vectores ( 1,2 ) y (0,1) son L.I. entonces estos vectores constituyen
una base de R2 . Es decir { ( 1,2 ) ,(0,1) }. Para todo vector ⃗v ∈ R 2
Se expresa de forma única como una combinación lineal de los elementos de
la base . Es decir:
x=a …(i)
2 x+ y =b …(ii)
T ( a ,b )=T ¿
Ejercicio:
Definicion:
Sea T :V →U una transformacion lineal . La imagen de T , denotado por:
KerT ={ ⃗v ∈V :T ( ⃗v )=0⃗ }
TEOREMA:
De U y el núcleo de T es un subespacio de V
NOTA:
v1 , ⃗
Supongamos que ⃗ v2 , … , ⃗
v n generan un espacio vectorial V y que:
T :V →U es lineal
Entonces T ( ⃗
v 1 ) ,T ( ⃗
v 2 ) , … ,T (⃗
v n) generan la ImT
Observación:
TEOREMA.-
NOTA.-
Sea T :V →U una trnsformacion lineal . se define:
EJEMPLO:
Solucion:
S= {⃗
e 1=( 1,0,0,0 ) , ⃗
e2= ( 0,1,0,0 ) , ⃗
e 3=( 0,0,1,0 ) , ⃗
e 4 =(0,0,0,1) }
T (⃗
e1 ) =T ( 1,0,0,0 )=(1,1,1) Escriba aquí la ecuación .
T (⃗
e2 ) =T ( 0,1,0,0 )=(−1,0,1)
T (⃗
e3 ) =T ( 0,0,1,0 )=(1,2,3)
T (⃗
e4 )=T ( 0,0,0,1 )=(1 ,−1,−3)
Según la nota los vectores imagen generan ImT , es por ello construimos la
matriz cuyas filas son estos vectores imagen y la reducimos a su forma
escalonada
1 1 1 1 1 1 1 1 1
(
−1 0
1 2
1 → 0 1
3
1 −1 −3
0 1 2
0 −2 −4
)(
2 → 0 1
0 0
0 0
)( ) 2
0
0
De este modo los vectores ( 1,1,1 ) ,(0,1,2) costituyen una base de la ImT , es
decir: { ( 1,1,1 ) ,(0,1,2) } y dim ( ImT ) =2
T ( ⃗v )=0⃗ . Entonces:
x− y + s+t=0
x +2 s−t =0
x + y +3 s−3 t=0
)( ) ( )
1 −1 1 1 0
( 1 0 2 −1
1 1 3 −3
y =
s
t
0
0
1 −1 1 1 1 −1 1 1 1 −1 1 1
( )(
1 0 2 −1 → 0 1 1 −2 → 0 1 1 −2
1 1 3 −3 0 2 2 −4 0 0 0 0 )( )
Vemos que el rango es 2 , existen 2 variables libres , sean estas variables
libres s y t .
)( ) ( )
1 −1 1 1 0
( 0 1 1 −2
0 0 0 0
y =
s
t
0
0
dim ( kerT ) =2
Ejercicio:
S1 = { ⃗
v 1=( 1,1,1,1 ) , ⃗
v 2=( 0,1,1,1 ) , ⃗
v 3= ( 0,0,1,1 ) , ⃗
v 4=(0,0,0,1) }
Es una base de R4 .
Solución:
T (⃗
v 1 )=T (1,1,1,1 ) =( 2, 2 , 2 )
T (⃗
v 3 )=T ( 0,0,1,1 )=( 2 ,1 , 0 )
T (⃗
v 4 ) =T ( 0,0,0,1 )= (1 ,−1,−3 )
2 2 2 1 1 1 1 1 1
( 1 1
2 1) ( )
1 f xf
0 1 2
1 −1 −3
) ( 2 2
2 1
2 (−2 ) f + f
0
1 −1 −3
1 2
0 0
2 1
0
0
1 −1 −3
1 1 1 1 1 1
( ) ( )
(−2 ) f 1 + f 3 0 0 0 (−1 ) f +f
0 −1 −2
1 −1 −3
1 4
0 0 0 (−1 ) f
0 −1 −2
0 −2 −4
3
1 1 1 1 1 1 1 1 1
( ) ( ) ( )
0 0
0 1
0 (2) f + f
2
0 −2 −4
3 4
0
0
0
0
1
0
0 f xf
2 2 3
0
0
0
0
1
0
0
2
0
0
{ ( 1,1,1 ) , ( 0,1,2 ) }
Ejercicio:
1 2
Sea V el espacio vectorial de las matrices de orden 2 y M = 0 3 . ( )
Sea T :V →V una transformcion lineal definida por T ( A )=AM −MA
NOTA:
1 0 , 0 1 , 0 0 , 0 0
{( ) ( ) ( ) ( )} , es la base usual del espacio vectorial de las
0 0 0 0 1 0 0 1
matrices de orden 2
T :V →V
u1 →T (⃗
⃗ u1 )
u2 →T (⃗
⃗ u2 )
un →T (⃗
⃗ un )
T ( u⃗2 )=a 21 ⃗
u1 +a22 u⃗2+ …+a2 n ⃗
un
T ( u⃗n )=a n 1 ⃗
u1 +a n2 ⃗
u2 +…+ ann ⃗
un
Se le denota por:
a11 a21 ⋯ a n1
(
[ T ] S= a12 a22
⋮ ⋮
a1 n a2 n
⋯ a n2
⋮ ⋮
⋯ ann
)
[ T ] S= [ T ]
NOTA.
a11 a21 ⋯ a n1
(
[ T ] S= a12 a22
⋮ ⋮
a1 n a2 n
⋮ ⋮
⋯ ann
)
⋯ a n2 = T (⃗
([ u 1)] [ T (⃗
u2 ) ] ⋯ [ T (⃗
un) ])
[ T (⃗
u1) ] , [T (⃗
u2 ) ] , ⋯ [ T (⃗
un ) ]
TEOREMA.-
EJEMPLO:
dp (t)
D :V → V una transformacion lineal definido por D ( p ( t ) ) = , D es el
dt
S= { 1 ,t ,t 2 ,t 3 }
Solucion:
D :V → V
1 → D ( 1 )=0
t → D ( t )=1
t 2 → D ( t 2 )=2t
t 3 → D ( t 3 ) =3 t 2
a 34=0
a 44=0
0 1 0 0
(
[ D ] =[ D ] S= 0
0
0
0
0
0
2
0
0
0
3
0
)
Sea p ( t ) =2+ 3 t+t 2+ 2t 3.
¿¿
Determinemos [ p(t) ] S
Ejercicio:
df
Sea D :V → V una transformacion lineal definido por D ( f ) = dt , D , es el
Solución:
D :V → V
e 5 t → D ( e 5 t ) =5 e5 t
t e5 t → D ( t e5 t )=e 5 t +t ( 5 e5 t )=e 5 t +5 t e 5 t
t 2 e 5 t → D ( t 2 e5 t ) =2 t e 5t +t 2 ( 5 e 5 t )=2t e5 t +5 t 2 e5 t
1
()
[ f (t)]s= 2
3
¿¿
Ejercicio:
S= {⃗
u1=( 1,1,1 ) , u⃗2=( 1,1,0 ) , u⃗3=( 1,0,0) }
Solución:
T : R3 → R 3
u1 →T ( ⃗
⃗ u1 )=T ( 1,1,1 ) =( 3 ,−3 , 3 )
u2 →T ( ⃗
⃗ u2 )=T (1,1,0 )=( 2 ,−3 , 3 )
u3 →T ( ⃗
⃗ u3 )=T ( 1,0,0 )=( 0 , 1 ,3 )
a+ b+c=3
a+ b=−3
( 2 ,−3 , 3 )= ( a+b+ c , a+ b , a )
a+ b+c=2
a+ b=−3
a+ b+c=0
a+ b=1
3 3 3
(
[ T ] S= −6 −6 −2
−6 5 −1 )
TEOREMA.-
Sean S y S ' bases de un espacio vectorial V , sea P la matriz de cambio de
base de S a S ' entonces para toda transformacion lineal T :V →V se
cumple:
[ T ] S ' =P−1 [ T ] S P
B=P−1 AP
EJEMPLO:
T ( x , y , z )=( 2 y + z , x −4 y , 3 x) y
S '={⃗
u1=( 1,0,0 ) , ⃗
u2=( 0,1,0 ) , ⃗
u3=(0,0,1) }
S= {⃗
v 1= (1,1,1 ) , ⃗
v 2= (1,1,0 ) , ⃗
v 3 =(1,0,0) } bases de R3
SOLUCION:
v3 =( 1,0,0 )=(a , b , c)
⃗
La matriz de cambio de base de S' a S es :
1 1 1
P= 1 1 0
1 0 0 ( )
2.- Determinemos [ T ] S
T (⃗
v 1 )=T (1,1,1 ) =( 3 ,−3 , 3 )=a (1,1,1 ) +b ( 1,1,0 )+ c( 1,0,0)
T (⃗
v 2 )=T (1,1,0 )=( 2 ,−3,3 ) =(a+ b+c , a+b , a)
T (⃗
v 3 )=T (1,0,0 )=( 0,1,3 ) =(a+ b+c , a+b , a)
3 3 3
(
[ T ] S= −6 −6 −2
6 5 −1 )
PRUEBA
1 1 1 0 0 1 0 2 1
( ) (
P= 1 1 0 → P−1= 0 1 −1 ,[ T ] S = 1 −4 0
1 0 0 1 −1 0 3 0 0 ) ( '
)
0 0 1 0 2 1 1 1 1
(
P−1 [ T ] S P= 0 1 −1 1 −4 0 1 1 0
'
1 −1 0 3 0 0 1 0 0 )( )( )
3 0 0 1 1 1 3 3 3
−1
( )( ) (
P [ T ] S P= −2 −4 0 1 1 0 = −6 −6 −2 ¿ [ T ]S
'
−1 6 1 1 0 0 6 5 −1 )
E={ ⃗
v1 , ⃗
v 2 , … ,⃗
v m } , F= { ⃗
u1 , ⃗
u2 , … , u⃗n } bases de V y U . Si T :V →U es una
T :V →U
v1 →T (⃗
⃗ v 1)
v 2 →T (⃗
⃗ v 2)
⋮⋮
vm→ T ( ⃗
⃗ vm)
T (⃗
v 1 )=a11 ⃗
u1+ a12 ⃗
u2 +…+ a1 n u⃗n
T (⃗
v 2 )=a21 ⃗
u1 +a22 ⃗
u2+ …+a 2n ⃗
un
T (⃗
v m ) =am 1 ⃗
u1+ am 2 ⃗
u2+ …+a mn ⃗
un
A la transpuesta de la matriz de coeficientes del sistema se le llama La
Representacion Matricial de T relativa a las bases E y F ,se le denota:
a11 a21 ⋯ am 1
(
[ T ] E= a12 a22
F
⋮ ⋮
a 1n a2 n
⋯ am 2
⋮ ⋮
⋯ amn
)
TEOREMA.-
F
∀ ⃗v ∈V , [ T ] E [ ⃗v ] E= [ T ( ⃗v ) ] F
Ejemplo:
S= {⃗
v 1= (1,1,1 ) , ⃗
v 2= (1,1,0 ) , ⃗
v 3 =(1,0,0) }
Solucion:
T : R3 → R 2
v1 →T ( ⃗
⃗ v1 )
v 2 →T (⃗
⃗ v 2)
v3 → T (⃗
⃗ v 3)
1.- T ( ⃗
v 1 )=T (1,1,1 ) =( 1,−1 )=a ( 1,3 ) +b ( 2,5 )=( a+2 b , 3 a+5 b )
T (⃗
v 2 )=T (1,1,0 )=( 5 ,−4 ) =( a+2 b , 3 a+5 b ) → a=−33 ,b=19
T (⃗
v 3 )=T (1,0,0 )=( 3,1 )=( a+2 b ,3 a+ 5 b ) → a=−13 , b=8
'
−7 −33 −13
S
Por lo tanto [ T ] S = 4 19 (
8 )
a 11 a12 ⋯ a1 n
(
A= a21 a22
⋮ ⋮
an 1 an 2
⋯ a2 n
⋮ ⋮
⋯ a nn
)
La matriz tI −A ,donde I es la matriz identidad de orden n, t es un escalar , se
denomina la matriz caracteristica de A
(
tI −A= −a21 t−a 22
⋮ ⋮
−an 1 −a n2
⋯ −a2 n
⋮ ⋮
⋯ t−ann
)
El determinante de la matriz característica de A que es un polinomio en t es
llamado polinomio caracteristico de A . Es decir:
Ejemplo:
1 2
( )
Dada la matriz A= 3 2
Solución:
tI −A= t 0 − 1 2 = t−1 −2
( )( )( )
0 t 3 2 −3 t−2
1
A−1= ( A−3 I )
4
NOTA. -
polinomio característico.
TEOREMA. -
a a
11
21
12
(
Dada la matriz A= a a ,entonces:
22
)
p ( t ) =|tI− A|=t 2−( trazA ) t +| A|
(
Dada la matriz A= a21 a22 a 23 , entonces:
a31 a32 a 33 )
p ( t ) =|tI− A|=t 3−( trazA ) t 2 + ( A11 + A 22+ A 33) t−| A|
[ T ] ⃗v =λ ⃗v … (1)
A ⃗v =λ ⃗v
A ( k ⃗v ) =k ( A ⃗v )=k ( λ ⃗v )= λ(k ⃗v )
TEOREMA. -
p ( λ )=| λI − A|=0
Ejemplo:
−2 c 0
( )
Sea la matriz A= 1 2 d donde c y d son enteros y c +d=−3
d 3 2
Solución:
Como: 2 λ3 +a λ 2+ bλ+12=0
3 a λ 2 bλ
λ+ + + 6=0 ….(N)
2 2
−a
traz ( A ) = =2 →a=−4
2
A11 =(−1 )
1+1
|23 d2|=4−3 d
A22=(−1 )
2 +2
|−2d 02|=−4
A33=(−1 )
3 +3
|−21 c2|=−4−c
A11 + A 22+ A 33=4−3 d−4−4−c=−4−c−3 d
b
=−4−c−3 d ….(m)
2
−2 c 0
| |
| A|=−6= 1 2 d =−8+ c d 2−(2 c−6 d )
d 3 2
(ii) en (i)
d 3 +3 d 2−8 d −4=0
1 3 -8 -4
2 2 10 4
1 5 2 0
c=−5
b
=−4−c−3 d=−4−(−5 ) −3 ( 2 )=−5 →b=−10
2
En (N)
2
3 λ (−10 ) λ 3 2
λ + (−4 ) + +6=0 → λ −2 λ −5 λ +6=0
2 2
1 -2 -5 6
1 1 -1 -6
1 -1 -6 0
Nota:
Si los valores propios de una matriz A son diferentes entonces se dice que la
matriz es Diagonalizable.
Si los valores propios de una matriz A son diferentes entonces los vectores
propios pertenecientes a los valores propios son linealmente independientes
Hallando los vectores propios
A ⃗v =λ ⃗v → A ⃗v −λ ⃗v =0⃗
( A−λI ) ⃗v =⃗0
−2−λ −5 0 x 0
( 1
2
2−λ
3
2 y =0
2−λ z 0 )( ) ( )
Si λ=1
−3 −5 0 x 0
(1
2
1 2 y =0
3 1 z 0 )( ) ( )
−3 −5 0 1 1 2 1 1 2
(1
2 3 1 2) (
3 1 ) (
1 2 f 1 x f 2 −3 −5 0 ( 3 ) f 1+ f 2 0 −2 6
2 3 1 )
1 1 2 1 1 2
( 0 1 −3 ) (0 1 −3 )
(−2 ) f 1 + f 3 0 −2 6 ( 2 ) f 3 + f 2 0 0 0 f 2 x f 3
1 1 2
( )
0 1 −3 vemos que el rango es 2. Como hay 3 incógnitas entonces se tiene
0 0 0
1 1 2 x 0
( )( ) ( )
0 1 −3 y = 0 → x+ y+2 z=0 …(iii)
0 0 0 z 0
Si z=1 en (iv)
y=3
x +3+2=0→ x=−5
−5
⃗
()
v1 = 3
1
Si λ=3
−5 −5 0 x 0
(1 −1 2 y = 0
2 3 −1 z 0 )( ) ( )
−5 −5 0 1 −1 2 1 −1 2
(2 3 −1 ) (
2 3 −1 ) (
1 −1 2 f 1 x f 2 −5 −5 0 ( 5 ) f 1 + f 2 0 −10 10
2 3 −1 )
1 −1 2 1 −1 2
( 0 5 −5
10 )( ) (
0 5 −5 )
(−2 ) f 1 + f 3 0 −10 10 −1 f 2 0 1 −1 (−5 ) f 2 +f 3
1 −1 2
( 0 1 −1
0 0 0 ) vemos que el rango es 2. Como hay 3 incógnitas entonces se
1 −1 2 x 0
( 0 0 0 z )( ) ( )
0 1 −1 y = 0
0
x− y +2 z=0 …(v)
y−z =0 → y =z …(vi)
Sea z=1 → y =1 en (v)
x=−1
−1
v 2= 1
⃗
1()
Si λ=−2
0 −5 0 x 0
( 1 4 2 y =0
2 3 4 z 0)( ) ( )
0 −5 0 1 4 2 1 4 2
( f x
) (
f
1 4 2 1 2 0 −5 0
2 3 4 2 3 4
( −2 )
)
f 1 + f
( )
3 0 −5 0 ( −1 ) f 2 +f 3
0 −5 0
1 4 2 1 4 2
( 0 −5 0 (
0 0 0 ) (
−1
5 )
)f 2 0 1 0 vemos que hay una variable libre
0 0 0
1 4 2 x 0
( 0 1
0 0 )( ) ( )
0 y =0
0 z 0
y=0 (viii)
(viii) en (vii)
x=−2 z
Sea z=−1 → x =2
2
⃗
()
v3 = 0
−1
v1 , ⃗
Los vectores ⃗ v2 , ⃗
v 3 son linealmente independientes ya que .
−5 −1 2
|3
1
1 0 ≠0
1 −1 |
Nota:
Teorema:
Observación:
D=P−1 AP
−1
1 0 0 −5 −1 2 −2 −5 0 −5 −1 2
( 0 3 0
0 0 −2)(
= 3
1
1 0
1 −1 )( 1
2 )(
2 2 3
3 2 1
1 0
1 −1 )
De D=P−1 AP→ A=PD P−1
A2= AA=PD P−1 PD P−1 =P D2 P−1
A3 =P D 3 P−1
An =P D n P−1
Ejemplo:
4 a −a
Sea la matriz
(
A= −b 5 b
a a −b ) donde a , b ∈ R y los valores propios de A
satisfacen la ecuación:
Ejemplo:
0 −a c
Dada la matriz
(
A= 2 −c −c
−b a a ) , los valores propios de la matriz A
1
1 3
satisfacen la ecuación 2 λ −2 λ 2
−2 λ+8=0 , x
⃗ =t
()
−1 ,t ≠ 0 es un vector propio
1
Solución:
1
Además : x
⃗ =t
()
−1
1
es un vector propio de A ,entonces satisface:
0 −a c 1 1
( −b a a )( ) ( )
A ⃗x =λ ⃗x → 2 −c −c t −1 =λt −1
1 1
0 −a c 1 1
(
−b a a 1 )( ) ( )
2 −c −c −1 =λ −1
1
a+ c=λ …(2)
2+c−c=−λ → λ=−2
De (1) y (2)
a+ c=−2
a−c=4
0 −1 −3
La matriz A= 2
(
−2 1
3 3
1 )
Hallándo los valores propios de A
1 -4 -4 16
-2 -2 12 -16
1 -6 8 0
Nota: cuando los valores propios de una matriz A de orden n son todos
diferentes , se dice que la matriz A es Diagonalizable .
A ⃗v =λ ⃗v → A ⃗v −λ ⃗v =0⃗ → ( A−λI ) ⃗v = ⃗0
−2 −1 −3 x 0
(2 1 3 y
−2 1 −1 z
= 0
0 )( ) ( )
Llevando a su forma escalonada la matriz:
−2 −1 −3 0 0 0 0 0 0 2 1 3
(2 1
−2 1 −1
3 → 2 1 3
0 2 2 )(
→ 2 1 3
0 1 1
→ 0 1 1
0 0 0 )( )( )
2 1 3 x 0
( )( ) ( )
0 1 1 y =0
0 0 0 z 0
2 x+ y +3 z=0 (i)
(ii) en (i)
x −z 1
El vector v
⃗ =
z ()( ) ( )
y −z
=
z
=−z 1
−1
1
v
Podemos decir que el vector 1 1
⃗ =
−1 () es un vector propio de A asociado al
−4 −1 −3 x 0
( A−λI ) ⃗v =⃗0 →
( )( ) ( )
2 −1 3 y = 0
−2 1 −3 z 0
−4 −1 −3 0 −3 3 0 1 −1 2 −1 3
( −2 1 −3 0 0 0 )( 0 0 0)(
2 −1 3 → 2 −1 3 → 2 −1 3 → 0 1 −1
0 0 0 )( )
2 −1 3 x 0
( 0 0 0 z )( ) ( )
0 1 −1 y = 0
0
2 x− y +3 z=0 (iii)
y−z =0 → y =z (iv)
A ⃗v =λ ⃗v → ( A−λI ) ⃗v =0⃗
− λ −1 −3 x 0
(2 3−λ
−2 1
3 y =0
1−λ z 0 )( ) ( )
2 −1 −3 0 0 0 0 0 0
(2
−2 1
5
) ( )
3 ( 1 ) f 3 +f 1 2 5 3 ( 1 ) f 3+ f 2 0 6 6
3 −2 1 3 −2 1 3( )
0 0 0 −2 1 3
1
( ) ( )
( ) f 2 0 1 1 f 1 x f 3 0 1 1 vemos que hay una variable libre
6
−2 1 3 0 0 0
−2 1 3 x 0
( )( ) ( )
0 1 1 y = 0 →−2 x+ y +3 z =0 …(i)
0 0 0 z 0
y + z=0 → y=−z
−1
x=−1 → ⃗
v 3= 1
−1 ()
1 −1 −1
|1 1
−1 1 −1
1 ≠0
| entonces v1 , ⃗
los vectores ⃗ v2 , ⃗
v 3 son linealmente
independientes
Ejemplo:
4 1 −1
Dada la matriz
(
A= 2 5 −2
1 1 2 ) .hallar los valores y vectores propios de la
matriz A .
Solución:
A ⃗v =λ ⃗v → ( A−λI ) ⃗v =0⃗
4−λ 1 −1 x 0
( 2
1
5−λ −2 y = 0
1 2− λ z 0 )( ) ( )
Hallando los valores propios
4−λ 1 −1
| 2
1
3
| 2
5−λ −2 =0↔ λ −11 λ +39 λ−45=0
1 2− λ
Factorizando tenemos:
λ=3 ó λ=5
1.- Dada la matriz A de orden n, los valores propios de A son los mismos que
los valores propios de AT .
2.- Si los valores propios de la matriz A son los λ i ,entonces los valores
propios de kA son los k λ i
3.- Si los valores propios de la matriz A son los λ i entonces los valores propios
de Ak son los valores propios λ ki ,k entero positivo.
Los vectores propios de la matriz A son los mismos que los vectores propios
de la matriz A−1.
Los vectores propios de la matriz A son los mismos que los vectores propios
de la matriz f (A )
Ejemplo:
x
()(
T y = x+ y 3 y−2 z
z
− y −2 x + z ) y sean B1={ u⃗ 1 , ⃗u2 , u⃗ 3 } y
Solucion:
T : R3 → M 2 x2
0
u1 →T ( ⃗
⃗
( )(
u1 )=T 1 = 1
−1
5
−1 −1 )
1
u⃗2 →T ( ⃗
2 ()(
u2 )=T 0 = 1 −4
0 0 )
1
u3 →T ( ⃗
⃗
0() (
u3 )=T 1 = 2 3
−1 −2 )
Cada una de las matrices halladas lo expresamos como combianación lineal
de los elementos de la base B2
b+ c+ d=5 (ii)
c +d=−1 (iii)
d=−1 (iv)
(10 −4
0)(
=
a+b+ c+ d b+ c+ d
c +d d )
a+ b+c +d=1 (v)
b+ c+ d=−4 (vi)
c +d=0 (vii)
d=0 (viii)
b+ c+ d=3 (x)
c +d=−1 (xi)
d=−2 (xii)
−4 5 −1
B1
0(
[ T ] = 6 −4 4
B2
0 1
−1 0 −2
)
2) Hallemos el vector coordenado (−5,4 ,−2 ) con respecto a la base B1
y + z=−5
x + z=4
−x +2 y=−2
Resolviendo:
−5 16
1
() ( )
[ ⃗v ]B = 4
−2 B1
= 7
−12
−4 5 −1 −17
2
6
(
−4 4
16
)( ) ( )
20
[ T ( ⃗v ) ] B =[ T (−5,4 ,−2 ) ] B = 0 0 1 7 = −12
2
−1 0 −2
−12
8
Prueba:
−5
( )(
T 4 = −1 16 = a+b+ c+ d b+ c+ d
−2
−4 8 c +d d )( )
a+ b+c +d=−1 … (1)
b+ c+ d=16 …(2)
c +d=−4 …(3)
d=8 …(4)
−17
2 2
( ) 20
[ T ( ⃗v ) ] B =[ T (−5,4 ,−2 ) ] B = −12
8