Академический Документы
Профессиональный Документы
Культура Документы
CUADERNO DE TECNOLOGA N 4
ISBN 968-5441-05-7
ALGEBRA LINEAL
DIRECTORIO
H. Junta Directiva del Tecnolgico de Estudios Superiores de Ecatepec
DR. ISIDRO MUOZ RIVERA
Secretario de Educacin del Gobierno del Estado de Mxico Presidente de la Junta Directiva
Cuaderno de Tecnologa N 4
Tecnolgico de Estudios Superiores de Ecatepec, Mxico, 2006
ISBN 968-5441-05-7
Editores: Hctor M. Poggi-Varaldo (CINVESTAV), Ma. Eugenia Btiz y Solrzano (TESE),
Jos Alfredo Pineda-Cruz (TESE), Sergio Caffarel-Mndez (TESE)
Cuaderno de Tecnologa N 5
Tecnolgico de Estudios Superiores de Ecatepec, Mxico, 2006
ISBN 968-5441-05-7
Editores: Hctor M. Poggi-Varaldo (CINVESTAV), Ma. Eugenia Btiz y Solrzano (TESE),
Jos Alfredo Pineda-Cruz (TESE), Sergio Caffarel-Mndez (TESE)
LGEBRA LINEAL
Econmico Administrativas
PRLOGO
La intencin de este libro de lgebra Lineal es que sirva como texto a estudiantes
de nivel licenciatura que, por primera vez se enfrentan ante este tema de gran
importancia tanto por su contenido terico as como por la gran cantidad de
aplicaciones que tiene en las diferentes disciplinas del conocimiento humano.
El capitulo 2 trata sobre una breve introduccin al concepto de vector y sobre todo
a su generalizacin, analizando con detalle las propiedades de espacio y
subespacio vectorial. Tambin son tratados los conceptos de base y dimensin,
as mismo se estudia tambin el proceso para construir bases ortonormales y para
finalizar este capitulo se trata el tema de cambio de base.
INDICE
Pagina
8
10
10
Capitulo 1
1.1
Prologo
Matrices y Determinantes
Matrices
1.2
1.3
Determinantes
Sistemas de ecuaciones lineales
32
42
Capitulo 2
2.1
2.2
Espacios Vectoriales
Vectores en dos y tres dimensiones
Espacios Vectoriales
59
59
69
Capitulo 3
3.1
3.2
3.3
Transformaciones Lineales
Transformaciones lineales
Valores y vectores propios
Matrices semejantes y diagonalizacin
97
97
109
114
Bibliografa
119
a11 x1 a12 x 2 b1
a 21 x1 a 22 x 2 b2
1.1
1.1 se sabe que cada ecuacin representa a una lnea recta, por lo tanto dadas
un par de lneas rectas la orientacin relativa que estas pueden tomar es la
siguiente: que las rectas sean diferentes y por lo tanto se intersecan en un solo
punto, en este caso se dice que el sistema tiene solucin nica. Que las lneas
rectas sean paralelas y diferentes, por lo cual ests no se intersecan, en cuyo
caso el sistema no tiene solucin. Por ltimo cuando las lneas son paralelas pero
una est sobrepuesta en la otra, en cuyo caso las rectas coinciden en todos sus
puntos y por lo tanto se dice que el sistema tiene una infinidad de soluciones.
Con el fin de ilustrar el comentario anterior resolveremos el sistema anterior de
manera general (por ejemplo usando el mtodo de Cramer) se llega a la siguiente
10
Solucin
x1
a 22 b1 a12 b2
a11a 22 a12 a 21
1.2
Para qu 1.1 tenga solucin nica debe cumplirse que a11 a 22 a12 a 21 debe
ser
diferente
de
cero
(determinante
del
sistema).
Que
pasara
si
a11a22 a12a21 0 ?
La respuesta es: el sistema no tiene solucin tiene un nmero infinito de
soluciones, esto es las rectas son paralelas y distintas, o estas coinciden en todos
sus puntos, para saber cual es el caso se debe analizar cada problema en
particular.
Por ejemplo:
xy 7
2x 2 y 14
1.3
En 1.3 tenemos nicamente una recta o bien una esta sobre la otra, por lo tanto
coinciden en todos sus puntos, esto es 1.3 tiene un nmero infinito de
soluciones, es decir la solucin de un sistema de ecuaciones se interpreta como el
punto de interseccin de las rectas por lo tanto si dos rectas coinciden en todos
sus puntos ese sistema tiene un nmero infinito de soluciones.
Ahora analicemos el siguiente sistema:
xy 7
2x 2 y 13
1.4
En 1.4 podemos notar que se tienen dos rectas paralelas y distintas, por lo tanto
no tienen ningn punto en comn, y de acuerdo al comentario anterior este
11
x ,
1
x 2 , ... x n
x1
x2
.
.
xn
12
a1
b1
a 2 b2
B) SUMA DE VECTORES: Sean a , b vectores de n componentes.
.
.
an
bn
Se define la suma:
a1 b1 a1 b1
a 2 b2 a 2 b2
ab
.
.
.
a n bn a n bn
Es decir la suma de dos vectores, es otro vector en el cul sus componentes son
la suma de sus componentes respectivas de cada vector.
a1
a2
MULTIPLICACIN DE UN VECTOR POR UN ESCALAR: Sea a . ,
an
Y es un escalar, entonces el producto a a se define como:
13
a1
a2
a
. .
an
Existen otros tipos de operaciones con vectores, pero por el momento estas
resultan ser las ms importantes para manejar el concepto de Espacio Vectorial,
tema de estudio de este curso.
1) a 0 a
( 0 vector cero )
2) 0a 0
3) a b b a ( la suma de vectores es conmutativa )
4) a b c a b c
( la suma es asociativa )
5) a b a b
( el producto por un escalar es distributivo )
6) a a a
7) a a
a11
a 21
A
.
a m1
a12
a 22
.
a m2
. a1n
. a 2n
.
.
.
. a mn
14
, B bi j
a11 b11
a 21 b21
A B
a m1 bm1
a12 b12
a 22 b22
a m 2 bm 2
a1n
a 2n
a mn
b1n
b2 n
bmn
una
a22 a2n
a
A 21
a
m1 am 2 amn
15
2) 0A = O
3) A+B = B+A
conmutativa
6) 1 A = A
a1
b1
a 2 b2
PRODUCTO ESCALAR DE VECTORES: Sean a . , b .
an
bn
dos
vectores de n componentes.
Nota: Para efectuar el producto interno de dos vectores, estos deben tener el
mismo nmero de componentes, adems deben tener la siguiente disposicin:
vector rengln x vector columna.
a2
b1
n
b2
a n a i bi
i 1
bn
16
1)
2)
3)
a 0 0
a b b a
a b c a b a c
4) a b a b
una matriz m x n,
B bi j una
AB C ci j ai k bk j
k 1
1) A ( B+C ) = AB+AC
.
17
2) ( A+B )C = AC+BC
3) A( BC ) = ( AB )C
4) AB BA
en general
5) AB=O
6) AB = AC
o B=O
1 0 0
0
1
I
0 0
0 0 1 nxn
a ij 0 para i>j se le llama matriz triangular superior, es decir todos los elementos
abajo de la diagonal principal son igual a cero
18
a11
0
A
a1n
a 2n
a nn
a12
a 22
0
0
ai j 0 para i < j se le llama matriz triangular inferior, es decir todos los elementos
arriba de la diagonal principal son iguales a cero
a11
a 21
A
a n1
0
a 22
0
0
a ii
0
a nn
MATRIZ INVERSA: Sean A, B dos matrices cuadradas del mismo tamao de tal
forma que: AB = BA = I, entonces se dice que B es la inversa de A o A es la
inversa de B. La inversa la denotaremos por A 1 , usando esta notacin se tiene:
AA 1 A 1 A .
19
Con la definicin anterior surgen de manera natural las siguientes preguntas, las
cuales iremos respondiendo conforme avancemos en nuestro estudio del lgebra
lineal: todas las matrices tienen inversa?, sino es as entonces que condiciones
debe tener una matriz para tener inversa, si una matriz tiene inversa o es
inversible, est ser nica?, existe algn mtodo para calcularla?
TEOREMA: Sean A, B matrices cuadradas del mismo tamao, A 1 , B 1 sus
inversas respectivamente, entonces:
AB 1 B 1 A 1
Demostracin: Tenemos que demostrar que
AB 1 AB AB AB 1 I
Tomando el lado izquierdo
AB 1 AB B 1 A 1 AB B 1 A 1 A B B 1 B I
Ahora el otro producto
AB AB 1 AB B 1 A 1 A BB 1 A 1 AA 1 I
Ambos productos son igual a la matriz identidad, por lo cual dicho teorema queda
demostrado.
20
1.5
AB = BA = I
multiplicando la ecuacin 1.5 por la izquierda por C se tiene
CAB = CI = C
(CA) B = C
1 2 3
A
4 5 6
a ji
1 4
3 6
t
ai j
de A, es el elemento
de la transpuesta.
t
t
1) Sean A; B matrices k escalar A , B sus transpuestas. Entonces:
a)
At t
t
b) kA kA
t
21
A B t A t B t
3) La transpuesta de un producto es el producto de las transpuestas en orden
contrario
AB t B t A t
MATRIZ SIMETRICA: Una matriz cuadrada A tal que A A t se le llama simtrica
es decir cuando ai j a ji , y una matriz A tal que
A A t se le llama
Ahora
se
tienen
los
siguientes teoremas
sobre
matrices
simtricas
antisimtricas.
22
2.- Demostrar
a)
A 1 1 A
1
, b) kA
1 1
A , c)
k
A p 1 A 1 p
Solucin:
AA 1 I
1.6
23
AA 1 1 I 1
aplicando del lado izquierdo de est ecuacin la inversa de un producto de
matrices se tiene
A 1 1 A 1 I
multiplicando por la derecha ambos lados por A, se tiene
1 1
A 1 A IA
entonces: A 1
1
b) Para esta demostracin partamos nuevamente del hecho: kA kA I ,
otro lado
A kA
1
I
k
A 1 A kA
1 1
A I
k
kA 1
1 1
A . Es decir la operacin de
k
24
Demostracin.
di j bi k ck j
1.7
k 1
fi j ail dl j ail bl k ck j
l 1
l 1
k 1
Es decir
m
fi j ail bl k ck j
l 1 k 1
1.8
el
a
k 1
ik
25
gi j eil cl j ai k bk l cl j
l 1
l 1 k 1
1.9
Comparando 1.8 y 1.9 notamos que estos son iguales. Por lo tanto queda
demostrada la propiedad asociativa para el producto de matrices.
26
EJERCICIOS PROPUESTOS.
A B 2 A 2 2 AB B 2
2.- Suponga que A es una matriz cuadrada (inversible) que satisface
A 2 3A I O . Demuestre que A 1 3I A.
3.- Demuestre: A t
A 1
A 3 , b)
A 3 , c)
A2 2A I
7.- Demuestre que el determinante del sistema es cero si y solo si las rectas son
paralelas.
8.- Suponga que A y B son matrices de tamao 4 x 5 y que C, D y E son matrices
de tamaos 5 x 2, 4 x 2 y 5 x 4, respectivamente. Determine
cuales de las
siguientes expresiones matriciales estn definidas, para las que estn definidas d
el tamao de la matriz resultante.
a) BA
b) AC + D
c) AE + B
d) AB + B
e) E (A + B)
27
3 0
A 1 2
1 1
4 1
B
0 2
1 4 2
C
3 1 5
1 5 2
D 1 0 1
3 2 4
6 1 3
E 1 1 2
3 2 4
Calcule
a) AB
b) D+E
c) D-E
d) DE
11.- Se dice que una matriz cuadrada es una matriz diagonal, si todos los
elementos que no estn en la diagonal principal son ceros. Demuestre que el
producto de matrices diagonales tambin es una matriz diagonal. Enuncie una
regla para multiplicar matrices diagonales.
Encuentre la matriz A
cos
sen
sen
cos
28
14.- Suponga que A y B son matrices de tamao 4x5 y que C, D y E son matrices
de 5x2, 4x2 y 5x4 respectivamente. Determine cuales de las siguientes
expresiones matriciales estn definidas. Para las que estn definidas, d el
tamao de la matriz resultante.
a) BA
b) AC+D
c) AE+B
d) AB+B
e) E(AC)
15.- Se dice que una matriz cuadrada es una matriz diagonal, si todos los
elementos que no estn en la diagonal principal son ceros. Demuestre que el
producto de matrices diagonales tambin es una matriz diagonal. Enuncie una
regla para multiplicar matrices diagonales.
2
16.- Sean A y B matrices cuadradas del mismo tamao, Es AB A 2 B 2 una
17.- Sean
2 4 7
A
1 3 0
5 1 3
B
10 9 4
2 3 5
C
8 1
0
Determine:
a) A+B
b) A+C
c) A-B
d) 3A+2B
e) 4-3B+2C
18.- Sean
1 4 2
A 3 8 5
2 0 1
4
6 1
B 2 1 4
6
3 0
0 0 1
C 4 3 2
1 6 2
Hallar:
29
a) A+C
b) C+B
c) 2A+3B
d) 5A-2C
e) A-B-2C
si A es de tamao 2 x 4 y
aij i j
aij 1
i j
4 1 2 0 4 6
8 7 1
2
a) 0 5
6 3 2 5 12 4
1 6 8
11 5 7
4 9 12
b)
6 0 1
16 5 0
3 11
20 5 0 1
c) 13 5
2 4 8 3
0 2
13 8 6 4 2 31
d)
4 1 1 9 1 18
22.- En los siguientes ejercicios exprese cada ecuacin matricial como un sistema
de ecuaciones lineales:
x
4 2 8 0
a)
y
3 7 12 3
z
5 1 0 x 1 5
3 6 x 2 7
b) 0
12 4 18 x 3 2
11 21 x 1 4
c)
13 15 x 2 8
x
1 8 7 2 3
y
d) 0 3 6 1 2
z
0 3 9 18 1
w
30
23.- Sea A una matriz n x n, use la ley distributiva para probar que:
a) A 2 I A I A I
b) A 3 I A I A 2 A I
A*B
1
AB BA . Determine si el producto es:
2
a) conmutativo
b) asociativo
c) distributivo.
25.- Una matriz de probabilidad es una matriz cuadrada que tiene dos
propiedades: i) cada una de sus componentes es no negativa (mayor o igual a
cero) y ii) la suma de los elementos de cada rengln es exactamente igual a uno.
Las siguientes son matrices de probabilidad
1
3
P 14
1
1
2
0
1
3
1
4
1
6
y Q 0
1
5
6
1
1
5
2
3
0
3
5
31
1.2 Determinantes
Para poder definir a los determinantes es necesario hablar primero de las
permutaciones de un conjunto de nmeros, por ejemplo, consideremos el conjunto
Ahora en una permutacin dada se dice que existe una inversin cuando un
entero precede a otro entero menor que el. Si no hay inversin en el orden natural
de estos nmeros entonces se dice que la permutacin es par. Si el nmero de
inversiones es par, entonces la permutacin se llama par, si el nmero de
inversiones es impar, entonces la permutacin es impar.
Por ejemplo
123 par
132 impar
j1 j 2 j 3.... jn
Entonces
1 si la permutacion es par
1 si la permutacion es impar
j1 j 2 j 3.... jn
a11 a1n
a n1 a nn
32
1.10
En 1.10 hemos tomado por comodidad que los primeros subndices sigan su
orden natural 1,2,3,n, y la sucesin que forman los segundos subndices
1.11
1.12
enteros 1,2,3,n.
a11
Ejemplo: A
a 21
a12
, se tienen 2! trminos 12,21 entonces la ec. 1.12 se
a 22
escribe como:
33
a ij .
a ij
a el
ci j 1
i j
1.13
det A i, j
1 i j .
1.14
Este desarrollo se puede realizar con respecto a cualquier rengln o columna del
determinante, generalmente se recomienda hacerlo con respecto al rengln o la
columna que contenga la mayor cantidad de ceros.
34
PROPIEDADES:
1.- Si todos los elementos de un rengln o columna son iguales a cero, entonces
det A = 0.
2.- Si A es una matriz y A t su transpuesta, entonces det A det A t , es decir que
para todo teorema relativo a renglones existe uno similar para columnas.
an1 an 2 ann
an1 an 2 ann
det B 1 det A
p
35
Ri Ri kR j
Ci Ci kC j
a11
a 21
a 31
a 41
0
a 22
a 32
a 42
0
0
a 33
a 43
0
0
a11 a 22 a 33 a 44
0
a 44
c ij
asociado al
ai j , es decir
36
c11
c 21
cof A
c n1
c12
c 22
cn2
c1n
c2n
c nn
adjA cof A
A 1
adj A
det A
EJERCICIOS
1 3
1.- Sea A
, calcular det( 2 A )
5 7
2.-
Demostrar
que
si
es
una
matriz
cuadrada
de
n,
1 2 3
7 8 9
37
1 3 1
a) 2 1 1
1 0 1
b)
1 1 1 1
2 0 1 1
1 1 0 0
1 1 1 1
c)
1
0
1
2
1
2 3 1 2
1 2
4
1
0 1 3 2
0 1
0
1
1 1 2
2
5.- Si A es una matriz n x n con n impar tal que aij a ji probar que detA = 0.
a)
2 3
4 7
3 8 0
e) 2 1 5
1 3 0
b)
3 4
0 6
1 1 1
f) 3 4 2
0 5 0
c)
5 2
8 1
4 1 1
g) 2 6 9
2 7 10
d)
1 1
4 8
2 1
3
5
h) 1 2
0 1 3
1 0 0
a) 0 2 0
0 0 4
5 0 0
b) 0 0 0
0 0 12
1 4 8
c) 0 12 3
0 0 6
1
1
1
1
d) 1 1 x
1
1
1 y
8.- En los siguientes ejercicios encuentre la matriz adjunta de las matrices dadas:
1 3
a)
1 6
0 2
b)
4 8
4 6
c)
2 7
1 5
d)
0 3
38
1 3 7
e) 4 9 2
0 5 0
0 1 0
f) 11 1 1
8 4 2
1 3 1
g) 4 0 1
0 1 1
a11
a 21
a 31
a 31
a) a 21
a11
a 32
a 22
a12
3a11
d) 2a 21
5a 31
a 33
a 23
a13
3a12
2a 22
5a 32
a 31
b) a11
a 21
3a13
2a 23
5a 33
a12
a 22
a 32
a 32
a12
a 22
a13
a 23 8
a 33
a 33
a13
a 23
2a11 3a 21
a 31
e)
a 21
a11
c) 2a 21
a 31
2a12 3a 22
a 32
a 22
a12
2a 22
a 32
a13
2a 23
a 33
2a13 3a 23
a 33
a 23
1 x1
x2
x1
1 x2
x1
x2
x1
x2
x3
x3
1 x3
x3
xn
xn
x n 1 x1 x 2 x n
1 xn
39
n
n 2 n 4
n1 n 3 n5
n 6 n 8 n 10
16.- Aplique la reduccin en los renglones y/o columnas para demostrar que:
1
a
a2
1
b
b2
1
c b a c a c b
c2
a) det 3A
1
b) det 2 A
c) det 2A
40
41
Resolver una ecuacin lineal, significa encontrar el o los valores de las variables
a m1 x1 a m2 x 2 a m3 x 3 a mn x n bm
1.15
Resolver el sistema 1.15 , significa encontrar el o los valores de las incgnitas tal
que al sustituir en cada una de las ecuaciones se obtiene una identidad. Como se
menciono en el captulo 1, un sistema de ecuaciones tiene las siguientes
alternativas de solucin: nica, infinidad y ninguna, es decir.
42
Solucin nica
Consistente
Sistema de ecuaciones
lineales
Infinidad soluciones
No tiene solucin
Inconsistente
El problema que queremos resolver ahora es como saber que tipo de solucin
tiene un sistema de ecuaciones, desde el punto de vista algebraico?
43
a11 a12
a21 a22
a31 a32
a13
a23
a33
a11 a12
a21 a22
a31 a32
a13 b1
a23 b2
a33 b1
3) El primer uno del rengln inferior se encuentra ms hacia la derecha del primer
uno del rengln superior.
44
Nota. Si una matriz cumple con las tres primeras condiciones se dice que se
encuentra en su forma escalonada y cuando cumple con las cuatro se dice
entonces que se encuentra en su forma escalonada reducida.
1 1 1 2
0 0 1 3
0 0 0 1
1 2 3
0 1 6
0 0 1
1 2 5 7
0 1 4 1
0 0 0 1
Sistema de
ecuaciones
Mtodo de
Gauss
Matriz
aumentada
Matriz forma
escalonada
reducida
Mtodo de
GaussJordan
45
x1 x2 x3 8
1 1 1 8
R R 6R
2
1
6 5 3 5 2
R R3 7R1
7 6 4 63 3
R3 R3 R2
1 1 1 8
3 43
0 1
3
7
0 1
1 1 1 8
3 43
0 1
0
50
0 0
Del ltimo rengln podemos observar una inconsistencia es decir 0= 50. Por lo
tanto cuando en la matriz en su forma escalonada se presente una situacin
similar es decir del lado izquierdo de la lnea vertical ceros y del lado derecho
46
cualquier cantidad distinta de cero, esto nos indicar que el sistema no tiene
solucin.
x1 5x2 3x3 11
7 x1 29 x2 283 21
8x 42 x 20x 134
2
3
1
Aplicando el mtodo de Gauss, se tiene:
1 5 3 11
7 29 28 21
8 42 20 134
1 5 3 11
0 6 7 98
2 23
0 1
R2 R2 7R1
R3 R3 8R1
R3 R2 6R3
1 5 3 11
0 6 7 98
4 46
0 2
R3
R3
2
1 5 3 11
98
0 6 7
0 0 19 236
19 x3 236
x3
236
19
De la segunda ecuacin
47
236
98 7
19
236
6 x2 7 x3 98 6 x2 7
98 x2
19
6
De la primer ecuacin
x1 5 x 2 3 x 3 11 x1 11 3 x 3 5 x 2
236
98 7
19
236
x1 11 3
5
6
19
3x1 2 x2 x3 4
6x1 4 x2 2 x3 8
15x 10x 5x 20
1
2
3
3
3 2 1 4
2
1
4
R2 R2 2R1
4
2
8
6
0 0 0 0
R3 R3 5R1
15 10 5 20
0 0 0 0
48
se les llama variables libres, el nmero de variables libres que tiene un sistema
de ecuaciones con infinidad de soluciones es;
Para este sistema la variable principal es x1 y las variables libres son x2, x3. La
solucin general consiste en expresar la(s) variable(s) principales en trminos de
la(s) variable(s) libres.
3x1 2 x2 x3 4
x1
2 x2 x3 4
3
x1
x2
x3
2x2 x3 4
3
libre
libre
2x 2 x 3 4
x1
3
2x 2 x 3 4
S x 2 x1
x2
3
x
x3
3
49
x1 x2 x3 xn 0
Es una solucin del sistema, a esta se le llama la solucin nula o trivial ( cero ), por
lo tanto lo nico que tenemos que distinguir es si un sistema tiene solucin nica
en cuyo caso ser la trivial o infinidad de soluciones en tal caso tendr como
solucin a la trivial ms soluciones distintas a la trivial.
nica
Trivial
Sistema
Homogneo
Infinidad de
Soluciones
Trivial + distintas a la
trivial
50
Regla de Cramer.
Ahora analizaremos otra forma de resolver sistemas de ecuaciones lineales,
usando fundamentalmente determinantes y aunque el proceso es simple veremos
que es muy restrictivo. A este mtodo se le llama la Regla de Cramer.
1.16
a11 a12
a21 a22
a31 a32
a13
a23
a33
x1
b1
b2
b3
a12
a22
a32
a13
a23
a33
51
a111 b1
a21 b2
a31 b3
x2
a13
a23
a33
a111 a12 b1
a21 a22 b2
a31 a32 b3
x3
x
1 2
Sea A
, ahora busquemos una matriz
z
3 4
y
tal que
w
1 2 x y 1 0
3 4 z w 0 1
52
x 2z y 2w 1 0
Al igualar estas matrices tenemos
3x 4z 3y 4w 0 1
x 2z 1
3x 4 z 0
y 2w 0
3 y 4 w 1
Ahora, antes de resolver este sistema de cuatro ecuaciones con cuatro incgnitas,
observamos un situacin muy especial que es la que este sistema esta
desacoplado es decir lo podemos separar en dos sistemas, y resolverlos
independientemente
x 2z 1
3x 4 z 0
1.17
y 2w 0
3y 4 w 1
1.18
1
1 2 1
1 2
R2 R2 3R1
3 4 0
0 2 3
1
1 2 0
1 2
R2 R2 3R1
3 4 1
0 2 3
De las matrices anteriores para ambos sistemas observamos que ambos tienen
exactamente la misma matriz de coeficientes y adems esta es igual a la matriz a
la que queremos calcular la inversa. De este comentario por lo tanto para llevar
53
1 2 1 0
3 4 0 1
R2 R2 3R1
R1 R1 R2
3 4 0 1
0 2 3 1
0 2 3 1
R2
R2 1 0 2 1
3
1
2 0 1
2
2
Resumiendo: para calcular la inversa de una matriz formemos una matriz tal que la
matriz del lado izquierdo de la lnea vertical es la matriz a la que se le calcular la
inversa y del lado derecho de esa lnea vertical se colocar la matriz identidad, y si
es posible que la matriz del lado izquierdo se lleve a la matriz identidad a travs de
las operaciones elementales por rengln entonces la matriz que aparece del lado
derecho es la matriz inversa, y si no es posible obtener la matriz identidad del lado
izquierdo, entonces esto indica que la matriz dada no tiene inversa.
54
EJERCICIOS PROPUESTOS
1.- Determine si las siguientes matrices estn en su forma escalonada, escalonada
reducida o ninguna de ellas.
1 4 3
a) 0 0 1
0 1 3
1
0
d)
0
0
1
0
0
0
0
1
0
1 2 5 7
b) 0 1 4 1
0 0 0 1
0
0
0
1
2
3
5
4
2
3
12 1 0 4
c) 0 1 0 0
0 0 0 1
x 1 2x 2 1
a) 3x 1 5x 2 30
5x x 28
2
1
6x 1 5x 2 3x 3 5
b) x 1 x 2 x 3 8
7x 6x 4x 63
2
3
1
55
7x 1 29x 2 28x 3 21
x 1 7x 2 4x 3 33
d) 6x 1 46x 2 4x 3 86
9x 74x 16x 7
2
3
1
2x 1 6x 2 2x 3 10
e) 2x 1 5x 2 6x 3 8
14x 2x 30x 62
2
3
1
4x 1 12x 2 8x 3 4
f) x 1 10x 3 14
6x 18x 12x 6
2
3
1
6x 2 18x 3 24
g) x 1 2x 2 3x 3 6
2x 3x 9x 8
2
3
1
3x 1 9x 2 6x 3 15
h) 6x 1 11x 2 5x 3 86
3x 5x 8x 127
1
2
3
8x 1 3x 2 5x 3 1
i) 24x 1 9x 2 15x 3 3
40x 15x 25x 5
1
2
3
3x 1 2x 2 x 3 4
j) 6x 1 4x 2 2x 3 8
15x 10x 5x 20
1
2
3
x 1 3x 2 5x 3 1
k) 2x 1 10x 2 40x 3 4
4x 7x 41x 31
1
2
3
3x 1 3x 2 12x 3 3x 4 6
3x 2x 12x 8x 4
1
2
3
4
m)
x 1 4x 3 2x 4 10
9x 1 4x 2 36x 3 14x 4 58
x 1 4x 2 x 3 3x 4 10
2x 2x 14x 44
1
2
3
l)
x 1 8x 2 4x 3 8x 4 3
5x 1 17x 2 5x 3 13x 4 44
x 1 2x 2 3x 3 4x 4 1
4x 10x 6x 28x 2
1
2
3
4
n)
3x 1 3x 2 20x 3 4x 4 8
x 1 x 2 7x 3 3x 4 3
56
x 1 3x 2 x 3 1
2x 1 x 2 x 3 1
5x 1 8x 2 a 2 2 x 3 a
Tenga:
3x 1 2x 2 4x 3 a
4x 1 x 2 x 3 b
7x 1 12x 2 22x 3 c
3x ay 0
a 2 x 5y 0
Tiene:
a.- solucin nica
b.- infinidad de soluciones
6.- Demuestre que el sistema homogneo de ecuaciones lineales
ax by 0
cx d y 0
Tiene un nmero infinito de soluciones si y slo si ad bc = 0
57
x 1 2x 2 3x 3 a
2x 1 x 2 x 3 b
2x 1 4x 2 6x 3 2 a 2
x 2 y 3z 4
3x y 5z 2
4x y a 2 14 z a 2
58
Bajo este contexto si nos dan la magnitud, la direccin y el sentido, el vector est
completamente definido, cuando se dan estos parmetros se dice que el vector
est expresado en coordenadas polares.
Polo
Eje Polar
59
Entonces con esta convencin cualquier punto del plano nos representa un vector.
V X 1, X 2
x2
x1
Las ecuaciones de transformacin para pasar un vector de coordenadas
cartesianas a polares y viceversa, son las siguientes:
x2
x1
v x12 x22
tan1
x v cos
y v sen
60
pero la direccin de este vector esta especificada por los ngulos que forma ste
con los ejes coordenados (con la parte positiva), y que se denotan por , , . La
forma de calcularlos es a travs de los cosenos directores
x
cos 0
v
y
cos 0
v
z
cos 0
v
decir v 1.
u , entonces
u
u
u
j 0,1
u u1 , u2 u1 i u2 j
Para R 3 los vectores unitarios cartesianos son: i 1,0,0,
j 0,1,0, k 0,0,1 y
61
u u1 , u2 , u3 u1i u2 j u3k
e1 1,0,0 ,0
e2 0,1,0.0
en 0,0 ,0,1
Las operaciones que trataremos con vectores son; suma y producto por un
escalar, cuyas definiciones estn dadas por:
uv
62
Sean u u1 , u2 , , un , v v1 , v2 , , vn , entonces:
u v u1 v1 u2 v 2 un v n ui v i
i 1
Este producto no esta restringido a que los vectores tengan que ser diferentes, es
decir se puede efectuar este producto de un vector consigo mismo
u u u12 u22 un2
pero el lado derecho de est expresin es la norma del vector al cuadrado, es
decir
u u u
u u u
relacin muy importante, porque el producto interno induce una norma (distancia)
en un espacio vectorial, sin la cual no podramos efectuar mediciones y es
precisamente el concepto de distancia la que nos permite obtener una gran
riqueza de resultados de un espacio vectorial.
63
u u 0,
y u u 0 si y solo si
u0
u v v u
2) u v w u v u w
1)
Teorema. Sean u y v dos vectores distintos de cero. Si es el ngulo entre ellos,
entonces
u v
cos
u v
Demostracin
vu
64
2
2 2
v u v u 2 v u cos
2.1
Pero
2
v u v u v u
v v 2u v u u
2
v 2u v u
2.2
u v
cos
u v
Usando el teorema anterior, dos vectores son paralelos si el ngulo entre ellos es
de 0 o radianes, y por otro lado dos vectores distintos de cero son ortogonales
si y slo si u v 0 .
Sean u u1 , u2 , , un , v v1 , v2 , , vn
como:
i j
u x v u1 u2
v1 v2
k
u3
v3
65
u x v v x u
Es necesario comentar que la geometra puede desarrollarse desde un punto de
vista vectorial (adems de tener innumerables aplicaciones en otras disciplinas).
Por ejemplo, queremos encontrar la ecuacin de la recta que pasa por los puntos
P x1 , y1 y Q x2 , y2 en forma vectorial.
P x1 , y1
R x , y
Q x2 , y2
O
PQ OQ OP
2.3
PR t PQ
2.4
66
PR OR OP
2.5
OR OP t PQ
Entonces
OR t PQ OP
2.6
OR t OQ OP OP
Entonces
OR t OQ 1 t OP
2.7
67
EJERCICIOS PROPUESTOS:
1.- u i j , v i j
2.- u 2 i 5 j , v 5 i 2 j
3.- u 3 i 4 j , v 2 i 7 j
4.- u 4 i 5 j , v 5 i 4 j
u i j y v i j , son ortogonales.
a) u y v sean ortogonales.
b) u y v tengan un ngulo de
rad
4
c) u y v sean paralelos
d) u y v tengan un ngulo de
rad.
3
9.- Los vrtices de un tringulo son (1,3), (4,2) y (-3,6). Halle el valor de sus
ngulos interiores.
a.- v i j k
d.- v 3 i 3 j 8 k
b.- v i j k
c.- v 2 i 5 j 7 k
e.- v 2 i 3 j 4 k
68
11.- Sean P=(2,1,4) y Q=(3,-2,8). Halle un vector unitario con la direccin PQ .
12.- Sean P=(-3,1,7) y Q=(8,1,7). Halle un vector unitario cuya direccin sea
opuesta a la de PQ .
c) a b c a b c .
Propiedad asociativa
a 0 0 a a , a V
e) a V a V tal que: a a 0 , existe el inverso aditivo
f) Sea c R , entonces a V ; ca V
Propiedad de la cerradura
g) 1a a , a V
h) c1 , c2 R, c1c2 a c1 c2 a .
i) c a b ca cb
j)
c c a c a c a
1
Propiedad asociativa
Propiedad distributiva
Propiedad distributiva
69
Sea el conjunto de vectores del plano con las operaciones usuales de suma y
producto por un escalar, es decir:
x1 , y1 x2 , y2 x1 x2 , y1 y2
k x1 , y1 kx1 , ky1
Rn ,
por un escalar.
Sea V 0 con la suma y producto por un escalar usuales, es fcil demostrar que
Sea V
puntos que estn sobre la recta y mx , que pasa por el origen y tiene pendiente
m.
70
x , y x , y x , mx x , mx x x , mx mx x x , mx x
1
Sea V
x, y y 0
x, y y 2x 1, x R
x, y x, y R es un espacio
71
I.- Si x , y H , entonces x y H . Es decir es cerrado bajo la suma.
un escalar.
0
a12 b12 a1n b1n
0 a12 a1n 0 b12 b1n
am1 am 2 amn bm1 bm2 bmn am1 bm1 am2 bm2 amn bmn
Es decir la matriz resultante tiene como primer componente cero, por lo tanto
pertenece a H.
72
A H , entonces
a12 a1n
0 a12 a1n 0
v , v , , v
1
c1v1 c2 v2 cn vn 0
2.8
73
c1v1 c2 v2 cn vn 0
2.9
Se satisface si: c1 c2 cn 0 .
Ac 0 , donde las columnas de la
1 1
Sean v1 , v2 , entonces formamos el siguiente sistema de ecuaciones
2
3
e investiguemos el tipo de solucin que tiene
c1v1 c2 v2 0
74
R1 2R1 R2
2 3 0
0 1 0
si n > m.
R n contiene a
lo sumo n vectores.
Teorema: Sea A una matriz n x n. Entonces det A 0 si y slo si las columnas
son linealmente independientes.
a1v1 a2v2 an vn
75
combinacin lineal de ellos. Esto es: Para todo vector v V existen escalares
a1 , a2 , , an tales que
v a1v1 a2v2 an vn
1
0
Por ejemplo, demostrar que los vectores i , j generan
0
1
R2 .
2
v a1 i a2 j con v R vector arbitrario, es decir v con x, y fijos. Entonces
y
x
1
0 a1
a1 a2
y
0
1 a2
x a1
entonces esto nos lleva a resolver el
y a2
a1 x
a2 y
Por lo tanto las constantes a1 , a2 existen (debido a que el sistema tiene solucin),
entonces se tiene finalmente que cualquier vector de este espacio se puede
escribir como una combinacin lineal de los vectores dados, es decir
76
x
1
x y
y
0
0
1
R3
n
Rn .
Demostracin.
x1
a11
a12
a1n
a
a
a
x2
21 22
2n
v
,
v
Sean 1
,
y
sea
2
xn
a n1
an 2
ann
Entonces debemos demostrar que existen escalares c1 , c2 , , cn tales que
v c1v1 c2v2 cn vn
Sustituyendo y haciendo las operaciones correspondientes, se obtiene el siguiente
sistema de ecuaciones lineales
an1c1 an 2 c2 ann cn xn
A c v donde A es la matriz que se
obtiene al sustituir sus columnas por los vectores dados. Pero ya se demostr que
si los vectores (columnas) de una matriz son independientes entonces det A 0 .
77
v1 , v2 , , vn . Esto es:
gen v1 , v2 , , vn v v a1v1 a2 v2 an vn
v1 , v2 , , vn , vn 1
tambin generan V.
Ejemplos
78
det A
1 3
4 6 2 0
2 4
a1 2a2 5a3 x
a1 2a2 5a3 y
con x, y fijos. Resolviendo este sistema de ecuaciones se obtiene
x
1 2 5 x
1 2 5
R2 R1 R2
1 2 5 y
0 0 0 y x
79
La respuesta es muy simple, hay que forzar a que el sistema se vuelva consistente
es decir
y-x = 0, el subconjunto que generan son aquellos vectores tales que x = y , esto
es:
x
H x y o dicho de otra forma H el conjunto de vectores dados
y
x
generan un subconjunto de vectores tal que su primera y segunda componente
son iguales.
BASE Y DIMENSIN
a)
v , v , , v es linealmente independiente
1
b) v1 , v2 , , vn generan V.
Rn ,
podemos
que:
concluir
independientes en
En
Rn
Rn
generan a
Todo
Rn .
conjunto
de
vectores
linealmente
R n .
se define
80
1
0
0
0
1
0
e1 0 , e2 0 , , en 0 , son linealmente independientes y de acuerdo a la
0
0
1
n
nota anterior, ellos generan a R , por lo tanto forman una base. A una base como
x , x , x, 1 forma
3
una base para el espacio de polinomios de grado menor o igual a 3 (P3 ). A est
base se le llama la base cannica para P3.
El primer tipo de problemas que el lector debe ejercitar es: Dado un conjunto de
vectores verificar si constituyen una base para tal espacio, para ello basta
demostrar que se cumple que son linealmente independientes y que generan a tal
espacio.
El segundo tipo de problemas que se deben atacar son del tipo: Dado un espacio
vectorial construirle una base.
2x y z 0
81
x
H y R 3
z
2 x z
1
Sean x=1 y z=0 entonces v1 2
0
Al tomar los vectores de esta forma se garantiza la generacin del espacio, como
se muestra enseguida.
Este conjunto constituyen una base para este espacio vectorial. En efecto:
a) v1 , v2 son linealmente independientes.
82
b) v1 , v2 generan a este espacio, pues se tiene
x
1
0
2 x z = x 2 z 1 .
z
0
1
1 0
Por lo tanto de a y b se concluye el conjunto de vectores 2 , 1 forman una
0 1
3
base en R para el plano 2x-y-z = 0.
Teorema. Si
u , u , , u y v , v , , v
1
Teorema.
Ejemplos: Sea
m n.
llama espacio solucin del sistema homogneo A x 0 . Tambin recibe el nombre
de ncleo o Kernel de A.
83
Ejemplo: Obtenga una base y la dimensin del espacio solucin del sistema
homogneo
xy 0
2x 2 y 0
R2 R2 2R1
Este sistema es equivalente a x-y = 0 es
2 2 0
0 0 0
x
x x
x y 0 .
y y
x
Caracterizado el espacio vectorial, ahora le construiremos una base y el nmero
de vectores en la base como mencionamos anteriormente lo asociamos al nmero
de variables libres, que para este caso es una, por lo tanto si x = 1 tenemos
1
1
es una base para el espacio solucin del sistema homogneo, y este tiene
dimensin uno es decir dim S 1 .
84
Bases Ortonormales
u y v , un
a) u , v v , u
b)
u v , w u, w v , w
c) c u , v c u , v
d) u , u 0, y u , u 0 si y solo si u 0 .
v , v , relacin
85
u1
Paso 1.- v1
u1
v2 u2 u2 , v1 v1
v2
v2
v2
Paso 4.- Construimos ahora un vector ortogonal a los dos anteriores de la
siguiente forma
v3 u3 u3 , v2 v2 u3 , v1 v1
v3
v3
v3
Paso 6.- Construimos un vector ortogonal a los tres anteriores, de manera similar
es decir
86
v4 u4 u4 , v3 v3 u4 , v2 v2 u4 , v1 v1
v4
v4
v4
El proceso continua de una manera similar hasta llegar al ltimo vector. Este
algoritmo para ortonormalizar una base dada se le conoce como el proceso de
Gram - Schmidt.
Corolario. Todo espacio vectorial con producto interno de dimensin finita tiene
una base ortonormal.
87
Cambio de base
Ahora intentaremos resolver un problema de gran inters y sobre todo de amplia
aplicacin en disciplinas tales como la fsica, que es el cambio de coordenadas o
cambio de base, es decir como ven dos observadores un mismo fenmeno desde
distintos marcos de referencia, dicho problema dio origen como es sabido a la
teora especial y general de la Relatividad, claro esta que con hiptesis adicionales
pero el problema fundamental es el mencionado.
Sabemos que un espacio vectorial tiene una cantidad enorme de bases, as que
un vector arbitrario de ese espacio se puede describir perfectamente en cualquiera
de esas bases, pero nosotros intuimos que dada la descripcin (coordenadas)
de un vector en una base es posible dar la descripcin (coordenadas) de ese
mismo vector en otra base. A este problema se le conoce como cambio de base.
Antes de resolver formalmente este problema definamos primero cual es el
significado de coordenadas de un vector.
v c1v1 c2 v2
Donde los escalares c1 y c 2 existen debido a que B es una base. Entonces a
88
v B 1
c2
Cuando no se indique respecto a que base se estn tomando las coordenadas de
un vector se sobreentiende que estas son respecto a la base cannica.
Cambio de base.
simplicidad tomemos a R2 como espacio vectorial y sean
B u1 , u2 , B v1 , v2 dos bases de este espacio. Ahora expresaremos a los
Por
u1 a v1 b v2
2.10
1 B
a
b
2.11
u2 c v1 d v2
2 B
c
d
2.12
2.13
w e u1 f u2
2.14
89
w B
f
2.15
que son las coordenadas de este vector en la base B. Sustituyendo en 2.14 las
expresiones 2.10 y 2.12 tenemos
w e a v1 b v2 f c v1 d v2
Reagrupando:
w e a f c v1 e b f d v2
en la base
B , es decir
e a f c
w B
e b f d
Dada la forma de este vector pensamos que este se puede escribir como el
producto de una matriz por un vector
wB
a c e
b d f
w B
90
w B
w B
b d
A esta ltima expresin se le conoce como el problema del cambio de base, es
decir dadas las coordenadas de un vector en una base, se pueden conocer las
coordenadas del mismo vector en otra base y para esto basta multiplicarlas por
una matriz numrica llamada la matriz de transicin.
w B P w B
2.16
B .
a
b
c
d
u u
1 B
2 B
w B P 1 w B
2.17
91
EJERCICIOS
1.- El conjunto de todas las ternas de nmeros reales (x,y,z) con las operaciones
(x,y,z) + (x,y,z) = (x+x, y+y, z+z) y k(x,y,z) = (kx,y,z).
2.- El conjunto de todas las ternas de nmeros reales (x,y,z) con las operaciones
(x,y,z) + (x,y,z) = (x+x,y+y,z+z) y k(x,y,z) = (0,0,0)
3.- El conjunto de todas las parejas de nmeros reales (x,y) con las operaciones
(x,y) + (x,y) = (x+x,y+y) y k(x,y) = (2kx,2ky).
4.- El conjunto de todos los nmeros reales positivos x con las operaciones x+x=
xxy kx x k .
a 1
1 b
0 b
92
b
a b
93
1- V R2 ; H x , y y 0
x, y x y
; H x, y x y 1
2.- V R 2 ; H
3.- V R2
a b
4.- V M 22 ; H A M 22 A
b c
a 1 a
5.- V M 22 ; H A M 22 A
0
0
0 a
b 0
7.- V P4 ; H p P4 p 0 0
8.- V Pn ; H p Pn p 0 1
11.-
V C a , b ,
a b; H f Ca, b
donde
a,
son
nmeros
reales
f
x
dx
94
f x dx 1
13.- Sea A una matriz de tamao n x m y sea H x Rm Ax 0 . Muestre que H
1 1 1
1 1 1
V1 , , , v2 , , , v3 , ,
2
2 2
2 2
2
95
2 1
4 0
1 0
,
3 1
1 1
,
1 2
3 2
,
2 1
6.- Utilice el wroskiano para demostrar que los siguientes conjuntos de vectores
son linealmente independientes
a ) 1, x , ex
c) ex , xex , x 2 ex
d ) 1 , x , x2
96
u en V y
cualquier escalar, T u T u
T u
W
V
97
Dada una funcin de un espacio V hacia otro espacio W, para que est sea una
transformacin lineal deber satisfacer las dos propiedades mencionadas
anteriormente, es necesario comentar que existen varias formas de representar a
una transformacin, por ejemplo a travs de una regla de correspondencia
explcita, otra es conociendo la accin de la transformacin sobre los vectores de
alguna base de ese espacio vectorial y otra muy til para atacar el problema de
valores y vectores propios es su representacin matricial, iremos analizando cada
una de estas a lo largo de este captulo.
Ejemplo. Demostrar si la funcin T: R2 R2 , definida por
T x , y 2 x , y
Demostracin
T u v T u T v
3.1
T x1 , y1 x2 , y2 T x1 x2 , y1 y2 2 x1 x2 , y1 y2
3.2
98
T x1 , y1 T x2 , y2 2 x1 , y1 2 x2 , y2 2 x1 x2 , y1 y2
3.3
Comparando las ecuaciones 3.2 y 3.3 observamos que estas son iguales por lo
tanto se cumple la propiedad para la suma.
T u T u
3.4
T x1 , y1 T x1 , y1 2 x1 , y1
3.5
T x1 , y1 2x1 , y1 2 x1 , y1
3.6
Comparando 3.5 y 3.6 , observamos que son iguales por lo tanto la ec. 3.4 se
cumple, entonces de
3.1
transformacin lineal.
Ejemplo. Sea la funcin T: R2 R2 definida por
T x , y x 1, y
99
T x1 , y1 x2 , y2 T x1 x2 , y1 y2 x1 x2 1, y1 y2
3.7
T x1 , y1 T x2 , y2 x1 1, y1 x2 1, y2
x x 2, y y
1
3.8
Comparando 3.7 y 3.8 se tiene que estas son distintas, por lo tanto la funcin
dada no es una transformacin lineal. No es necesario verificar la propiedad del
producto por un escalar.
T: Rn Rm definida por
T x A x
T x y A x y Ax Ay T x T y
T x A x Ax T x
encontrar T 4,6
Solucin:
T 4,6 T 4i 6 j 4Ti 6T j
Este ejercicio tiene como objeto mostrar otra manera de representar a una
transformacin lineal, que es si conocemos la accin de la transformacin sobre
alguna base de ese espacio, entonces podemos conocer la accin de la
transformacin sobre cualquier vector de ese espacio, en este caso no es
necesario conocer la regla de correspondencia explcitamente. Tambin como
comentamos anteriormente una transformacin se puede representar por medio
de una matriz numrica (fija), para ello por ejemplo si la transformacin es
1 3
A
2 2
Ti
T j
Es decir T x Ax
4 1 3 4 22
T
6 2 2 6 4
a.- El conjunto de todos los vectores v V tales que T v 0 se llama ncleo o
kernel de la transformacin. De manera simblica
Ker T v V T v 0
b.- El conjunto de todos los w W tales que existe por lo menos un elemento
Im g T w W T v w,para a lg un
v V
102
V
W
T:V W
0
Ker (T)
Img (T)
Ejemplo. Sea T: R 3 R2 una transformacin lineal, definida por
T x ,y , z x 2 y , y 3z
a.- Encontrar Ker (T)
b.- Determinar Img (T)
103
Solucin.
a.- Para determinar el Ker (T) se encuentra una base para el espacio solucin del
siguiente sistema homogneo
T x, y , z x 2 y, y 3z 0, 0
Es decir
x 2y 0
y 3z 0
Encontramos que est tiene infinidad de soluciones, cuya solucin general es:
6z
sistema homogneo
6
Ker ( T ) 3
1
dimKer T T 1.
b.- Para obtener el conjunto imagen de T, se determinan todos los vectores a , b
tales que existe un vector x , y , z con la propiedad de que
104
T x , y , z x 2 y , y 3z a , b
T x , y , z x 2 y , y 3z x , 0 2 y , y 0, 3z
x 1, 0 y 2, 1 z 0, 3
img T 1, 0, 2, 1, 0, 3 R2
Y a la dimensin de la imagen se le llama rango de T, y se le denota por T
dim img T T 2 .
Nota: Una forma simple de encontrar una base y la dimensin del conjunto
imagen es que est es el espacio columna de la matriz estndar, pero como
nosotros slo sabemos operar por renglones, entonces una base para la imagen
es el espacio rengln de la transpuesta de la matriz estndar de la transformacin.
105
Ejercicios.
En los siguientes ejercicios, determine si la funcin dada es o no una
transformacin lineal. Justifique su respuesta.
1.- T: R 2 R 2 , T x, y 3x 2 y, x
2.- T: R 2 R 2 , T x, y x 2 ,0
x 1 3 x
5.- T: R 2 R 2 , T
y 4 2 y
6.- T: P2 P2 , T ax 2 bx c ax 2 bx c 1
7-. T: P2 P2 , T ax 2 bx c 3ax 2 2bx
8.- T: P2 P2 , T ax 2 bx c a b x 2 b 3c x a b
b) T 1,0,2
,,
c) T 111
106
11.- T: R 2 R 2 , T x, y 2 x, x y
12.- T: R 2 R 3 , T x, y x 3y,2 x 3y,5x y
13.- T: R 3 R 2 , T x, y, z x 2 y,0
14.- T: R 3 R 3 , T x, y, z 2 x y z, x 4 y 2z,4 x 5z
a b a b b c
15.- T: M 22 M 22 ; T
c d c d a d
a b 2a b d
16.- T: M 22 M 22 ; T
c d a d
2a 2b c 5d
2c 3d
17.- T: R 2 R 2 , T x, y x y, y
T x, y, z x y, y z
18.- T: R 2 R 3 , T x, y 2 x y, y, x y
19.- T: R 3 R 2 ,
107
20.- T: R 2 R 3 , T x, y x y,3x,2 y
21.- T: R 2 R 2 , T x, y 5x y, x 2 y
108
tambin
conocido
como
eigenvalores
eigenvectores
(valores
caractersticos).
n
n
Definicin. Sea T:R R una transformacin lineal. Un vector v R es un
vector propio de T si existe un escalar real llamado valor propio, tal que
Tv v.
Nota: De acuerdo a los comentarios de la seccin anterior toda transformacin
lineal puede expresarse por medio de una matriz y para este tipo de
transformaciones la matriz es de tamao n x n, de tal forma que el problema de
valores y vectores propios se expresa como:
109
Av v .
Si v 0 y Av v , entonces Av I v
I Av 0
El cual es un sistema homogneo, y como se pide que la solucin sea la no trivial
es decir v 0 , entonces dicho sistema tiene solucin no trivial si y slo si
det I A 0
3.9
1
det I A det
2 1 0
1
110
2 5
Ejemplo. Obtener los valores propios de la matriz A
.
2 1
1 0 2 5
2
5
det
detI A det
1
0 1 2 1
2
2 1 10 2 12 0
4 y 3 .
Dado que el problema de valores propios I Av 0 es un sistema homogneo
de ecuaciones entonces sus soluciones forman un subespacio vectorial como se
menciona en el siguiente teorema.
Teorema. Sea un valor propio de una matriz A de tamao n x n. El conjunto E
n
n
de todos los vectores v R , tales que A v v es un subespacio de R .
111
Para
obtener
los
vectores
propios
asociados
los
valores
propios
2.- Se encuentra el espacio solucin de i I Av 0 , con i = 1, 2, , n.
9 12
Ejemplo. Calcular los valores y vectores propios de la matriz A
.
7 11
3I A v
112
6 12
1 2
1 2
1 2
7 14
7 14
1 2
0 0
2y
x 2 y 0 , es decir x=2y, tomando y=1, tenemos entonces que el espacio
y
2
E3 s
1
solucin es:
12 x 14 12 x 0
5 9
5 11 y 7 6 y 0
7
5I A v
7 6
7 6
0 0
6 y
Por lo tanto la solucin general es: 7 tomando y = 1, se tiene que el
y
113
3.3
114
A C1BC .
Corolario. Dos matrices son semejantes si y slo si representan la misma
transformacin lineal relativa a diferentes bases.
Para diagonalizar una matriz (si esto es posible) se sugiere el siguiente algoritmo.
D C 1 AC .
115
9 12
Ejemplo. Determinar si la matriz A
es diagonalizable o no. En caso
7 11
Solucin.
Para
esta
matriz
se
encontr
anteriormente
que
sus
valores
propios
son: 3 y 5 . Por un corolario anterior se tiene que esta matriz tiene dos
vectores propios linealmente independientes y por lo tanto la matriz A es
diagonalizable, y la matriz C que diagonaliza a A se forma con los vectores propios
correspondientes.
2 6
C
1 7
1 7 6
Entonces C 1
8 1 2
Por lo tanto
1 7 6 9 12 2 6 3 0
C 1 A C
8 1 2 7 11 1 7 0 5
116
T B C1 T B C
donde C es la matriz de transicin.
Ejercicios
Para las siguientes matrices determine si son o no diagonalizables, si es as
calcule la matriz C que diagonaliza a la matriz dada.
3 2
1.-
1 0
6 12
2.-
1 1
1 1 0
3.- 0 1 0
0 0 1
1 2 4
4.- 0 1 4
0
0 0
3 1 1
5.- 2 6 2
3 3 5
1
1 1
4
0
6.- 0
1 1 1
1 1
1
7.- 0 1 1
3
0 4
1 4 1
3
1
8.- 0
0 2 0
3 1 1
1
9.- 1 2
1 1 1
7 2 4
10.- 3 0 2
6 2 3
117
4
6
6
11.- 1
3
2
1 5 2
1
4
3
2
12.-
2 1
2 1
2 2
5 1
13.-
0
0
0
0
3 7 5
14.- 2
4
3
2
2
1
0 0
0 0
2 1
5 2
0 1
0 1
2 3
0 5
118
BIBLIOGRAFA
1.- Anton, Howard. Introduccin al Algebra Lineal. Tercer edicin, Mxico. Noriega
editores. 1988.
2.- Grossman, Stanley. Algebra Lineal con aplicaciones. Cuarta edicin, Mxico.
Mc Graw Hill, 1992.
3.- Gerber, Harvey. Algebra Lineal. Primer edicin, Mxico, Iberoamrica, 1992.
4.- Perry, William. Algebra Lineal con aplicaciones. Primer edicin, Mxico, Mc
graw Hill, 1990.
5.- Carre Carbo, Ramn. Algebra matricial y lineal. Segunda edicin, Mxico. Mc
Graw Hill, 1987.
119