Documentos de Académico
Documentos de Profesional
Documentos de Cultura
v
Índice
1 Preliminares 1
1.1 Aplicaciones entre conjuntos . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Raices de polinomios y su multiplicidad . . . . . . . . . . . . . . . . . 3
2 Aplicaciones Lineales 5
2.1 Definición de aplicación lineal . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Matriz asociada a una aplicación lineal . . . . . . . . . . . . . . . . . 7
2.3 Núcleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Operaciones con aplicaciones lineales . . . . . . . . . . . . . . . . . . 11
2.5 Matriz de cambio de coordenadas . . . . . . . . . . . . . . . . . . . . 13
2.6 Matrices equivalentes y semejantes . . . . . . . . . . . . . . . . . . . 14
2.7 Interpretación vectorial de un sistema de ecuaciones lineales . . . . . 17
3 Diagonalización 19
3.1 Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Valores y vectores propios de un endomorfismo . . . . . . . . . . . . . 20
3.3 Valores y vectores propios de una matriz
cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4 Polinomio caracterı́stico . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5 Multiplicidad de un valor propio . . . . . . . . . . . . . . . . . . . . . 24
3.6 Diagonalización de endomorfismos y matrices cuadradas . . . . . . . 26
4 Ejercicios Resueltos 29
vi
1
Preliminares
Equivalentemente,
1.2 Matrices
Sea K un cuerpo, se denota por Mm×n (K) al conjunto de las matrices de tamaño
m × n (m filas y n columnas) y elementos en K.
Se denota por In a la matriz identidad de tamaño n × n de Mn×n (K),
1 0 ... 0
0 1 ... 0
In = . . .. .
.. .. . . . .
0 0 ... 1
3
AA−1 = A−1 A = In .
(−1)i+j
cij = det(Aji ).
det(A)
p(x) = (x − λ)q(x).
Definición 1.3.2. Sea λ una raiz del polinomio p(x). Se llama multiplicidad de
λ al mayor número natural m tal que (x − λ)m divide a p(x), es decir
Si K = C entonces todo polinomio de grado mayor o igual que uno tiene todas
sus raices en C. Se dice que C es algebraicamente cerrado. Sin embargo, R no es
algebraicamente cerrado, existen polinomios en R[x] que no tienen raices en R. Por
ejemplo, x2 + 1 tiene coeficientes reales pero sólo tiene raices complejas.
1. Existe q(x) ∈ K[x] tal que p(x) = (x − λ1 )m1 · · · (x − λp )mp q(x) y ası́ m1 +
· · · + mp ≤ n.
Aplicaciones Lineales
es lineal.
6
con ai , bi , . . . , li ∈ R, i = 1, . . . , n.
Ejemplo 2.2.2. Sea f : R3 → M2×2 una aplicación lineal de la que se sabe que:
3 1 1 −1
f (1, 0, 0) = , f (0, 1, 0) = ,
2 4 −5 5
2 −2
f (0, 0, 1) = .
−3 4
Por la proposición anterior, existe una única aplicación lineal que cumple estas
condiciones. Dicha aplicación está definida por:
esto es, las coordenadas de f (vj ) en la base BW son (a1j , . . . , amj ). La expresión
8
Ker(f ) = {v ∈ V |f (v) = 0W }.
Ker(f ) = {0V }.
ó equivalentemente
2x1 + 2x2 − 3x3 = 0
Ecuaciones cartesianas de Ker(h)
3x + x − 2x = 0,
1 2 3
11
Se tiene que Im(h) = hh(1, 0, 0), h(0, 1, 0), h(0, 0, 1)i = h(2, 3), (2, 1), (−3, −2)i =
h(2, 3), (2, 1)i. Por tanto {(2, 3), (2, 1)} es una base de Im(h).
2. Producto por un escalar λf : V → W dada por (λf )(v) = λf (v) para todo
v ∈V.
Se verifica que
entonces Mf (BV , BW ) tiene determinante distinto de cero y por tanto es una matriz
invertible.
La aplicación inversa f −1 : W → V es también un isomorfismo cuya matriz
asociada es
Mf −1 (BW , BV ) = (Mf (BV , BW ))−1 .
M (B, B 0 ) = M (B 0 , B)−1
y ası́ −1
x01 a11 a12 . . . a1n x1
x02 a21 a22 . . . a2n x2
.. = .. .. . . .. .. .
. . . . . .
x0n an1 an2 . . . ann xn
Mf (BV0 , BW
0 0
) = M (BW , BW )Mf (BV , BW )M (BV0 , BV ).
A0 = Q−1 AP.
Ejemplo 2.6.3. Sea f : R3 → R2 una aplicación lineal con matriz asociada en las
bases canónicas B3 de R3 y B2 de R2
3 0 −2
Mf (B3 , B2 ) = .
−1 4 5
Se consideran las bases B30 = {(1, 3, 0), (1, 0, 2), (0, 4, −2)} de R3 y B20 = {(2, 1), (4, 3)}
de R2 . Se calcula a continuación Mf (B30 , B20 ).
Para ello se utiliza la proposición 2.6.1. Tenemos que
esto es
−1 1 1 0
2 4 3 0 −2
Mf (B30 , B20 ) =
3 0 4
1 3 −1 4 5
0 2 −2
−35/2 −39/2 −6
= .
19/2 19/2 4
16
Definición 2.6.5. Dos matrices A, A0 ∈ Mn×n (K) son semejantes si existe una
matriz invertible P ∈ Mn×n (K) tal que
A0 = P −1 AP.
esto es
1/2 1/2 −1/2 2 0 1 1 1 0
0
Mf (B ) = 1/2 −1/2 1/2 0 1 1 1 0 1
−1/2 1/2 1/2 −1 1 3 0 1 1
3/2 1 −1/2
= 1/2 2 3/2 .
−1/2 0 5/2
17
ciones lineales
con A ∈ Mm×n (K) y b ∈ Mm×1 (K), una solución (s1 , . . . , sn ) del sistema verifica
a11 a12 a1n b1
a21 a22 a2n b2
s1 . + s2 . + · · · + sn . = . .
.. .. .. ..
am1 am2 amn bm
f −1 (b1 , . . . , bm ) = S + Ker(f )
Los vectores originales de v = (1, −1) ∈ R2 son los vectores del conjunto f −1 (v), es
decir, las soluciones de
x1
2 0 −1 2 x 1
2
= ,
1 −3 2 1 x3 −1
x4
esto es
(0, −1/3, −1, 0) + h(3, 5, 6, 0), (0, 5, 6, 3)i
siendo (0, −1/3, −1, 0) un vector de f −1 (v) y Ker(f ) = h(3, 5, 6, 0), (0, 5, 6, 3)i.
19
Diagonalización
3.1 Motivación
La matriz cuadrada
1 3 3
A = −3 −5 −3
3 3 1
es semejante a la matriz diagonal
1 0 0
D = 0 −2 0
0 0 −2
ya que
1 −1 −1
−1
D=P AP siendo P = −1 1 0 .
1 0 1
Sea V un espacio vectorial sobre el cuerpo K. Si f : V → V es un endomor-
fismo cuya matriz asociada D en cierta base de V es diagonal, muchos problemas
relacionados con f se simplifican notablemente. Algunos ejemplos son: clasificar f ;
obtener sus subespacios invariantes; calcular f n , n ∈ N. Dada una matriz cuadrada
20
fismo
f (v) = λv.
Vλ = {v ∈ V | f (v) = λv}
cuadrada
AX = λX.
det(A − λIn ) = 0.
1 ≤ dimVλ ≤ m.
p ≤ d1 + · · · + dp ≤ m1 + · · · + mp ≤ n.
d1 = dimVλ1 = 3 − rango(A − λ1 I3 ) = 1,
d2 = dimVλ2 = 3 − rango(A − λ2 I3 ) = 2.
cuadradas
f es diagonalizable ⇔ A es diagonalizable.
27
2. Si D = P −1 AP es la diagonalización de A entonces
m1 + . . . + mp = n.
Además,
−2 0 0
D = P −1 AP = Mf (B 0 ) = 0 −1 0
0 0 −1
siendo
−2 −5 −1
P = −2 0 1 .
1 1 0
Ejercicios Resueltos
Hallar la matriz asociada a h en la base de R3 , B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}.
Solución
de donde
α =1
1
α1 + α2 = 3
α1 + α2 + α3 = 7.
30
B1 = {(1, 0, 1), (0, 1, 1), (1, 1, 0)}, B2 = {(1, 2, 1), (1, 1, 1), (0, 0, 1)}.
Se pide:
Solución
Resolviendo
α + α2 = 0
1
2α1 + α2 = 1
α1 + α2 + α3 = 1
31
Resolviendo
α + α2 = 1
1
2α1 + α2 = 1
α1 + α2 + α3 = 0
obtenemos las coordenadas (0, 1, −1)B2 de (0, 1, 1).
Hallar la matriz asociada a h es las siguientes bases de M2×2 (R) y M2×3 (R):
1 1 0 1 0 0 1 0
0
BM = , , ,
2×2
0 0 1 0 1 1 0 0
1 1 0 0 1 1 0 0 1 0 0 0
0
BM = , , , ,
2×3
0 0 0 0 0 0 1 0 0 1 1 0
0 0 0 1 0 0
,
0 1 1 0 0 0
32
Solución
0 0 0
Mf (BM 2×2
, BM 2×3
) = M (BM 2×2
, BM2×2 )−1 Mf (BM2×2 , BM2×3 )M (BM
0
2×3
, BM2×3 )
siendo
1 0 0 1
1 1 0 0
0
M (BM2×2 , BM2×2 ) =
0 1 1
0
0 0 1 0
y
1 0 0 0 0 1
1 1 0 0 0 0
0 1 1 0 0 0
0
M (BM2×3 , BM2×3 ) = ,
0 0 1 1 0 0
0 0 0 1 1 0
0 0 0 0 1 0
33
se tiene que
−1 0 2 −1
1 0 −1 1
0 2 2 −1
0 0
Mf (BM2×2 , BM2×3 ) = .
0 0 0 1
1 1 1 0
3 1 −2 2
(b) Para aquellos valores de m para los cuales hm no sea automorfismo deter-
minar las ecuaciones paramétricas de Ker(hm ) y la dimensión de Im(hm ).
Solución
Para que rango(Mhm (B)) = 3 el determinante de Mhm (B) tiene que ser
no nulo.
¯ ¯
¯ ¯
¯ 1 m 1 ¯
¯ ¯
¯ ¯
¯ 2m 2 1 ¯ = 7m − 3 − 4m3 = −(m − 1)(2m + 3)(2m − 1).
¯ ¯
¯ ¯
¯ 1 1 2m ¯
34
(b) Sea m = 1, para obtener las ecuaciones paramétricas del núcleo resolve-
mos la ecuación matricial
1 1 1 x1 0
2 2 1 x2 = 0 .
1 1 2 x3 0
Sea m = −3/2, para obtener las ecuaciones paramétricas del núcleo re-
solvemos la ecuación matricial
1 −3/2 1 x 0
1
−3 2 1 x2 = 0 .
1 1 −3 x3 0
Sea m = 1/2, para obtener las ecuaciones paramétricas del núcleo re-
solvemos la ecuación matricial
1 1/2 1 x1 0
1 2 1 x2 = 0 .
1 1 1 x3 0
Ası́ dim(Ker(h1/2 )) = 1 y
Solución
El rango de A es tres y por tanto los vectores columna de A son una base de
Im(h). Para que w pertenezca a Im(h) el sistema con expresión matricial
2 2 2
1
x1
0 2 0 a
x2 =
−1 1
0
−a
x3
1 −1 −1 0
Solución
Solución
= λm−1 AX = λm X
⇒ λm es valor propio de Am .
Solución
37
Solución
y su polinomio caracterı́stico es
√ √
Los valores propios de f son 1,a, a2 − 1 y − a2 − 1. Para que todos los
valores propios de f sean reales es necesario que a2 − 1 ≥ 0, es decir | a |≥ 1.
d1 = dimVλ1 = 4 − rango(A − λ1 I4 ) = 4 − 3 = 1
38
siendo
1 1 0 0
0 1 0 0
A − λ1 I4 = .
0 0 1 1
0 0 −1 −1
Por tanto d1 6= m1 y f no es diagonalizable para a = 1. Análogamente
se demuestra que f no es diagonalizable para a = −1 ya que tiene valores
propios λ1 = 0 con multiplicidad m1 = 2, λ2 = 1 con multiplicidad m2 = 1 y
λ3 = −1 con multiplicidad m3 = 1, pero d1 = 1 6= m1 .
√ √
Si a = 2, los valores propios son λ1 = 1 con multiplicidad m1 = 2, λ2 = 2
con multiplicidad m2 = 1 y λ3 = −1 con multiplicidad m3 = 1. Además,
d1 = dimVλ1 = 4 − rango(A − λ1 I4 ) = 4 − 2 = 2
siendo
√
0 2 0 0
√
0 2−1 0 0
A − λ1 I4 = √ .
0 0 2−1 1
√
0 0 −1 − 2−1
Por tanto d1 = m1 = 2, d2 = m2 = 1 y d3 = m3 = 1. En efecto, f es diago-
√
nalizable para a = 2. Análogamente se demuestra que f es diagonalizable
√
para a = − 2.
Ker(h) = {(x, y, z) ∈ R3 | x − y + z = 0}
Solución
tenemos la base B 0 = {(1, 1, 0), (−1, 0, 1), (1, 1, 1)} de R3 . Las coordenadas de
h(1, 1, 1) en la base B 0 son (5, 3, −2)B 0 y ası́
0 0 5
Mh (B 0 ) = 0 0 3 .
0 0 −2
El vector v = (0, 3, 1) tiene coordenadas (5, 3, −2)B 0 y por tanto {v} es una
base de Vλ2 .
40
(a) Una base del núcleo de f está formada por los vectores u = (1, 1, 0) y
v = (1, 0, 1).
Solución
cuyo polinomio caracterı́stico es λ2 (−1 − λ). Ası́, los valores propios de f son
µ1 = 0 con multiplicidad m1 = 2 y µ2 = −1 con multiplicidad m2 = 1. El
ejercicio 6 nos permite afirmar que los valores propios de h = f + idR3 son
41
Solución
y
1 1 1
rango(A − (a − 1)I3 ) = rango 1 1 1 =1
1 1 1
se tiene que d1 = 3 − 2 = 1 y d2 = 3 − 1 = 2. Por tanto ha es diagonalizable
para todo valor de a.
43
Bibliografı́a
[3] D.C. Lay, Linear Algebra and Its Applications, 3a edición. Addison Wesley,
2003.