Академический Документы
Профессиональный Документы
Культура Документы
LINEAL
NOTAS DE CLASE
1
NOTAS DE CLASE - ALGEBRA LINEAL
INTEGRANTES:
BARRANQUILLA-ATLANTICO
2017-1
ndice general
Captulos P
aginas
3. ALGEBRA DE MATRICES 14
3.1. Suma de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2. Producto por un escalar . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3. Propiedades de la suma de matrices . . . . . . . . . . . . . . . . . . . . 15
3.4. Propiedades del producto de una matriz por un escalar . . . . . . . . . 15
3.5. Multiplicacion de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.6. Transpuesta de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7. Propiedades de la transpuesta . . . . . . . . . . . . . . . . . . . . . . . 17
3.8. Matriz identidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.9. Propiedades de la multiplicacion de matrices . . . . . . . . . . . . . . . 17
3.10. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2
7. VECTORES EN EL PLANO 26
7.1. Operaciones con vectores: . . . . . . . . . . . . . . . . . . . . . . . . . 26
8. ESPACIO VECTORIAL 27
8.1. Producto escalar: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.2. Combinacion lineal: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.3. Norma de un vector en Rn . . . . . . . . . . . . . . . . . . . . . . . . . 28
9. PARALELISMO Y PERPENDICULARIDAD 29
9.1. Propiedades del producto punto . . . . . . . . . . . . . . . . . . . . . . 29
9.2. Propiedades de la norma de un vector . . . . . . . . . . . . . . . . . . . 30
10.ESTRUCTURAS ALGEBRAICAS 31
10.1. Espacio vectorial finitamente Generado . . . . . . . . . . . . . . . . . . 32
10.2. Base de espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . 32
10.3. Dimensiones de un espacio vectorial . . . . . . . . . . . . . . . . . . . . 32
11.SUBESPACIO VECTORIAL 34
12.TRANSFORMACION LINEAL 34
12.1. Determinantes basicas . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
13.AUTOVALORES Y AUTOVECTORES 37
BIBLIOGRAFIA 41
3
Prlogo
El lgebra lineal es una rama de las matemticas que estudia los espacios vectoriales y
las transformaciones lineales. Estos conceptos han contribuido notablemente en el desarrollo
del conocimiento dentro de las matemticas y tambin en otras ciencias, especialmente en las
ciencias bsicas, la economa, la informtica, la ingeniera y las ciencias sociales. Por eso se
justifica el estudio del lgebra lineal en la mayora de las carreras universitarias.
El material contenido en estas notas tiene como objetivo iniciar al estudiante en los conceptos
bsicos del lgebra lineal. Se trata de un curso dirigido a estudiantes de segundo ao de las
carreras de matemtica, fsica e ingeniera, que han estudiado previamente nociones bsicas de
clculo diferencial e integral y lgebra.
1. INTRODUCCION DE LOS SISTEMAS DE ECUACIONES
LINEALES
t11 t12 t13 t14 t15 t11 t12 t13 t14 t15
t21 t22 t23 t24 t25 t21 t22 t23 t24 t25
t31 t32 t33 t34 t35 t31 t32 t33 t34 t35 Filas
t41 t42 t43 t44 t45 t41 t42 t43 t44 t45
t51 t52 t53 t54 t55 t51 t52 t53 t54 t55
| {z }
Columnas
a11 a12 a13 a14 a15
a21 a22 a23 a24 a25
a ij R
a31 a32 a33 a34 a35
a41 a42 a43 a44 a45
a51 a52 a53 a54 a55
a11 = 1
1
a21 =
4
a12 = 2
a22 = 1
a13 = 3
a23 = 5
a1,1 a1,2 a1,n
a2,1 a2,2 a2,n
A = .. .. A Mmn ( R )
.. ..
. . . .
am,1 am,2 am,n
4
M1 1 = a R
M1 2 = a11 a12 R Vector fila
M1 n = a11 a12 ...a1n
a11
M2 1 =
a21
Vector columna
a11
Mm 1 = a21
am1
Igual n
umero de filas y columnas, y sus componentes sean iguales.
1. A Mmn ( R ) A = aij = 0
0 0 0
0 0 0
2. A Mmn ( R )
1 0 0 ...
0 1 0 0
0 0 1 0
0 0 0 1
Se denomina matriz identidad.
5
3. Cuando los componentes de entrada de una matriz n n por encima de la diago-
nal son ceros se denomina triangular inferior, y si las entradas por debajo de la
diagonal son ceros, se denomina triangular superior.
Ejemplo:
3 0 0 1 2 5
A = 1 2 0 T riangula inf erior B = 0 1 3 T riangular superior
2 1 14 0 0 1
Es triangular superior siempre que aij = 0 , para i > j
Es triangular inf erior siempre que aij = 0 , para i < j
A B Mmn
A B si B se obtiene de una operaci
on f ila de A
1.3.1. Propiedades
1. A A T oda matriz es equivalente consigo misma (Ref lexiva)
2. A B B A (Sim
etrica)
3. A B1 B C A C (T ransitiva)
x y z
c a2,n
.. Nos permite dar solucion a un sistema de ecuaciones lineales
0 c .
0 0 c
6
Para que podamos verificar equivalencias entre dos matrices se pueden realizar las
siguientes operaciones:
1. Intercambio de filas.
Ejemplo:
1 1
1 2 2
1 2 2
5
3 2 4 f2 f2 3f1 3 2 6 2
0 1 5 0 1 5
a11 x a12 y = b1
a21 x + a22 y = b2
donde aij i, j = 1, 2 son valores reales y cada ecuacion representa una lnea recta.
Una solucion al sistema (1) sera la pareja (x, y) que satisfaga (1). Tendra una, in-
finitas o ninguna solucion?
Hecho A: Si a = b c = d a + b+ = b + d
Hecho B: Si a = b c R ca = cb
En el primer hecho podemos sumar dos ecuaciones para una tercera y en el segun-
do hecho podemos multiplicar por un n
umero de ambos lados de una una ecuacion
constante diferente a cero.
Ejemplo:
xy =7 y =5x
1. x y = 7
(2) Si se suman 1 y 2 x + y = 5 y =56
2. x + y = 5
x=6 y = 1
on : (6, 1)
Soluci
7
2.1. Teorema
a11 x a12 y = b1
a21 x + a22 y = b2
El sistema (1) de dos ecuaciones con dos incognitas (x, y) tiene solucion u
nica, no tiene
solucio o tiene infinitas soluciones.
2.2. Eliminaci
on Gaussiana
Este metodo se utiliza para resolver sistemas lineales de la forma Ax = B. Consiste en
escalonar la matriz aumentada (A : B) del sistema para obtener un sistema
equivalente.
2 3 5 1 7 4 1 7 4
f1 f2 f2 f2 2f1
1 7 4 2 3 5 0 17 3
1 1 7 4
f2 f2
17
3
0 1 17
21
x = 4
17
68 21
x =
17
47
x =
17
8
2.3. Igualdad de matrices
Igualdad de polinomios
Pn (x) = (an an 1 . . . a1 a0 )
Pm (x) = (am am 1 . . . a1 a0 )
Pm (x) = Pn (x)
(am = an )
am 1 = an 1
..
.
a0 a0
(1 2a + b 3a b) = (1 5 1)
1 = 1
2a + b = 5
3a b = 1
9
La matriz ampliada del sistema sera:
1 5 1 5
2 1 5 1 1
1 2 2 2 2
f1 f1 f2 f2 + 3f1
2 1 13
3 1 1 3 1 1 0 2 2
1 5
1 1 0 4
f1 f1 1 f2
2 2
f2 2 f2
2
0 1 13 0 1 13
a = 4
b = 13
Ejercicio: Soluci
on u
nica
2x + 3y + z = 1
3x 2y 4z = 3
5x y z = 4
3 1 1 3 1 1
2 3 1 1 1 2 2 2
1 2 2 2
1
3 2 4 3 f1 f1 3 2 4
13 11 9
3 2 2
0 2
f f 3f 1
2 2
2
5 1 1 4 5 1 1 4 5 1 1 4
3 1 1 3 1 1
1 2 2 2
1 2 2 2
13 11 9
f3 f3 5f1 0 f2 2f2 0 13 11 9 3 2f3
2 2 2 f
17 7
0 2 2
3
2
0 17
2
7
2
3
2
3 1 1 3 1 1 3 1 1
1 2 2 2
1 2 2 2
1 2 2 2
0 13 11 9
f2 1 11 9
f3 f3 + 17f2 0 11 9
f2 0 1 13 13 1 13 13
13
96 192
0 17 7 3 0 17 7 3 0 0 13 13
10
3 1 1 3 1 1
1 2 2 2
1 2 2 2
13 11
9 11 1
f3 f3 0 1 13 13
f 2 f 2 f 3
0 1 0 1
f1 f1 2 f3
96 13
0 0 1 2 0 0 1 2
3
0 12
1 2
1 0 0 1
3
0 1 0 1 f1 f1 f3 0 1 0 1
2
0 0 1 2 0 0 1 2
x = 1
y = 1
z = 2
3x 2y + 3z = 5
2x + 4y z = 2
2 5 2 5
3 2 3 5 1 1 1 1
f1 1 f1
3 3 3 3
f2 f2 2f1
3 16 4
2 4 1 2 2 4 1 2 0 3
3 3
2 5 5 3
1 1 1 0
3 3 3
f1 f1 + 2 f2
8 2
f2 f2
16
0 1 9
16
1
4
3
0 1 9
16
1
4
5 3
x+ z =
8 2
9 1
y z =
167 4
11
8 3
z = x
5 2
16 1
z = y
9 4
z = t tR
3 5
x = t
2 8
1 9
y = + t
4 16
z = t
Ejemplo: t=0
z = 0
3
x =
2
1
y =
4
12
Ejercicio: Sistema sin soluci
on
x + 8y 5z = 3
3x 2y + 3z = 1
2x + 3y z = 4
1 8 5 3 1 8 5 3
3 2 3 1 f2 f2 3f1 0 26 18 8 3 f3 2f1
f
2 3 1 4 2 3 1 4
1 8 5 3 1 8 5 3
0 26 18 8 f2 f2 2f3 0 0 0 4
0 13 9 2 0 13 9 2
13
3. ALGEBRA DE MATRICES
A = aij con i = 1m j = 1, , n
Mmn (R) = El conjunto de las matrices m n con entrada o componentes reales.
Si tenemos dos matrices A = aij y B = bij en Mmn (R), la suma de ellas seran:
a1,1 a1,n b1,1 b1,n a1,1 + b1,1 a1,n + b1,n
a2,1 a2,n b2,1
b2,n a2,1 + b2,1
a2,n + b2,n
.. + .. .. =
.. ... ... .. ... ..
. . . . . .
am,1 am,n bm,1 bm,n am,1 + bm,1 am,n + bm,n
14
3.3. Propiedades de la suma de matrices
1. Distributiva: r(A+B) = rA + rB
0 0 0
0 0 0
0 = ..
.. . . ..
. . . .
0 0 0
15
3.5. Multiplicaci
on de matrices
Ejemplo:
1 2 3 6 5
1 2 0
0 2 2 5
A=
4
y B= 1 4 AB =
1
3 2 0
2 1
0 1 2 5 2
Ejemplo:
2 0
= T 2 1 2
A 1 4 A =
0 4 1
2 1
16
3.7. Propiedades de la transpuesta
1. (AT )T = A
2. (A + B)T = AT + B T
3. (AB)T = B T . AT
4. (AB)T 6= AT . B T
AI = A
P ara A Mmn (R)
1 0 0
0 1 0
I = ..
.. . . ..
. . . .
0 0 1
1. (AB)C = A(BC)
2. A(B+C)= AB + AC
17
3. (A+B)C = AC +BC
5. IA= AI = A
1
..
~ = . = Rn = Mn1 (R)
n
a1,1 a1,2 a1,n .. .. .. .. .. ..
a2,1 a2,2 a2,n
. . . . . .
.. b1 b2 bk Ab1 Ab2 Ab~k
~ ~ ~ ~ ~
AB = .. =
.. ..
. . . . .. .. .. .. .. ..
am,1 am,2 am,n . . . . . .
donde los vectores {b~1 , b~2 , . . . , b~k } son los vectores columna de la matriz B.
Ejemplo:
1 0 1 2 1 2 3 6
A= B= = AB = mientras que BA =
2 3 3 0 11 4 3 0
AB 6= BA
18
3.10. Inversa de una matriz
AC = DA = I
DAC = D(AC) = DI = D
DAC = (DA)C = IC = C
Luego D = C
AA1 = A1 A = I
a b
Sea A = A1 =?
c d
1 x y
Supongamos A =
z w
1 ax by ay bw 1 0
AA = =
zc dw cy dw 0 1
ax + bz = 1
ay + bw = 0
cx + dz = 0
cy + dw = 1
19
0 ab 0 a1 0 ab 0 a1
a 0 b 0 1 1 1
0
a 0 b f1 1 f1
0 0 a 0 b 0 f2 1 f2
0 1 0 ab 0
c 0 d 0 0 c 0 d 0 0 c 0 d 0 0
a a
0 c 0 d 1 0 c 0 d 1 0 c 0 d 1
b 1
1 0 a
0 a
0 b
1 0 0
f3 f3 cf1 adbc
a
0 0 a
0 0
0 c 0 d 1
20
4. SISTEMAS DE N-ECUACIONES LINEALES CON
N-INCOGNITAS
A1 A~x = A1~b
~x = A1~b
Resumen: Sea una matriz n n, entonces las siguientes afirmaciones son equivalentes:
1. La matriz A es invertible.
Ejercicios:
1 2 3 2
Sea A = B=
1 3 2 2
A.B = ?
(AB)1 = ?
B 1 A1 = ?
4.1. Teorema:
A y B son matrices invertibles del mismo tama
no, entonces:
1. A.B es invertible
2. (A.B)1 = B 1 A1
An = A.A.A
| {z . .}.
n veces f actores
Si A es invertible se cumple
An = (A1 )n = A1 1 1
| .A {z.A . .}.
n veces
21
4.2. Propiedades:
Si A es invertible, entonces:
1. A1 es invertible (A1 )1 = A
2. An es invertible (An )1 = (A1 )n
1
3. Si K es un escalar K 6= 0, KA es invertible (K.A)1 = (A1 )
k
4. Si r y s son enteros positivos se cumple las propiedades de potencia.
Ejemplo: Antisimetrica
0 5 1 4
5 0 3 2
A=
1 3 0
1
4 2 1 0
Los elementos de la diagonal son iguales y los elementos fila - columna respectiva son
iguales pero opuestos.
Ejercicio:
(A AT )T = (A AT )
T = A AT T T = T
(A AT )T = AT (AT )T = AT A
= (A AT ) = T
T = A AT es antisimetrica.
22
5. DETERMINANTE DE UNA MATRIZ CUADRADA
2. Orden 2:
a b
A= det|A| = ad bc donde ad bc 6= 0
c d
a a
A = 11 12 det|A| = a11 a22 a12 a21
a21 a22
3. Orden 3: Aplicamos otras reglas que facilitan los calculos. Por ejemplo, Sarrus.
+ + +
a11 a12 a13 a11 a12
Nota: Escogemos la fila o columna que contenga mas ceros, este caso f2
1 4 2 4 2 1
det(A) = 0 3 0 2 3 1
+ 0
1 0
0
> >0
2 4
1 4 2 1
det(A) = 0 +0 2
1 0 3 0 3 1
23
2 1
det(A) = 2
3 1
det(A) = 2 2(1) 3(1)
det(A) = 2 1
det(A) = 2
5.2. C
alculo de determinante de matrices de cualquier orden
1 1 2 0
2 1 3 1
Sea A =
3 1 4 3
2 1 7 0
Nota: Tomamos la fila o columna con mayor cantidad de ceros, en este caso la co-
lumna 4.
2 1 3 1 1 2 1 1 2 1 1 2
det(A) = 0 3 1 4 + 1 3 1 4 3 2 1 3 + 0 2 1 3
2 1 7 2 1 7 2 1 7 3 1 4
0 0
>
2 1 3 1 1 2 1 1 2 1 1 2
det(A) = 0 3 1 4 + 1 3 1 4 3 2 1 3 +0 2 1 3
2 1 7 2 1 7 2 1 7 3 1 4
1 1 2 1 1 2
det(A) = 3 1 4 3 2 1 3
2 1 7 2 1 7
1 1 2 1 1 1 1 2 1 1
det(A) = 2 1 4 3 1 3 2 1 3 2 1
2 1 7 2 1 2 1 7 2 1
det(A) = 5 (13) 3 5 (7)
det(A) = 18
24
5.3. Propiedades del determinante de una matriz n x n
1. det(A)=det(AT )
2. Si una matriz tiene una fila o una columna nula rightarrowdet(A) = 0
3. Si una matriz A, tiene dos filas o columnas iguales det(A) = 0
4. Si una matriz A con dos filas o columnas proporcionales entre si det(A) = 0
5. Si se intercambian dos filas o columnas de una matriz A el de (A) cambia de
signo.
6. Si multiplicamos todos los elementos de una fila o columna de una matriz A, el
determinante de A queda multiplicado por dicho n umero.
7. det(A) = det(A1 ) + det(A2 )
8. Si los elementos de una fila o columna le sumamos otra fila o columna multipli-
umero el determinante no vara.
cativa por un n
2 1 1 0 1 2
. . . a31 a a
3 2 32 1 2 33 0 3
17 4 6 17 11 1
Cof (A) = 11 7 3 ddj(A) = 4 7 2
1 2 3 6 3 3
25
7. VECTORES EN EL PLANO
~
odulo: Es la longitud del vector y se representa |AB|.
M
Direcci
on: Es la direccion de la recta que contiene. Si dos vectores son paralelos tienen
la misma direccion.
Vectores equivalentes: Son los vectores que tienen el mismo modulo, direccion y
sentido.
El producto de un n
umero por un vector es otro vector representado por ~u
26
8. ESPACIO VECTORIAL
Es un conjunto real, donde sus objetos o elementos son llamados vectores y ademas
tiene dos operaciones: suma y multiplicacion de escalar, y lo notamos (v,t,) sobre un
campo K(R) que satisface las propiedades o axiomas dados en el teorema anterior.
V = 0 si es espacio vectorial.
V = 1 No es un espacio vectorial.
y1 = (x1 , 2x1 + 1)
y2 = (x2 , 2x2 + 1)
(x, 2x + 2) N o es
(v, t) N o es
Si u, v Rns
u = (u1 , u2 . . . , un )
v = (v1 , v2 . . . , vn )
u v = (u1 v1 + u2 v2 + + un vn )
Ejemplo:
u = (1, 2, 3)
v = (2, 3, 5)
u v = (2 6 + 15)
u + v = (3, 1, 8)
27
8.2. Combinaci
on lineal:
v = r1 v1 + r2 v2 + + rn vn
donde r1 . . . rn son escalares.
Ejemplo:
v1 = (1, 2, 4)
v2 = (5, 3, 1)
1 5
= r1 2 + r2 3
4 1
= 2 5 = 7
4+3 = 7
81 = 7
En general, dos vetores en Rn conforman un plano que pasa por el origen cuando no
son paralelos (cuando uno no es m
ultiplo escalar de otro). Ademas, cada vector de ese
plano se puede escribir como combinacion lineal de esos dos vectores.
28
Ejemplo:
u = (1, 2, 3)
p
||u|| = (1)2 + (2)2 + (3)2
= 14
Relacion entre la suma y el producto escalar de un vector.
v = (v1 , v2 , . . . , vn )
v v = v1 v1 + v2 v2 + + vn vn
v v = v12 + v22 + + vn2
1
||v|| = v v = (v v) 2
9. PARALELISMO Y PERPENDICULARIDAD
29
9.2. Propiedades de la norma de un vector
Ejemplo:
Sea u = (1, 1) v = (0, 1) w = (1, 3)
Conmutativa:
u v = 1
u u = 1
u w = 2
Distributiva
Homogeneidad
(uw) = 4
u = (2, 2)
30
10. ESTRUCTURAS ALGEBRAICAS
A A
a, b a b
4: AA
a, b a 4 b
Semigrupo: Es la estructura algebraica que solo cumple la propiedad asociativa
Ejemplo: (N, +)
x, y N x + y N O.B.Int
Asociativa:
a + (b + c) = (a + b) + c
trico.
Grupo: Es un monoide que ademas tiene el inverso o simA c
Asociativa
Neutro
Inverso
Si el grupo ademas tiene la propiedad conmutativa entonces se llamara Grupo Abe-
liano.
31
y(G, ) es un semigrupo
(G, ) Se llama anillo
Si (G, ) es ademas de semigrupo, conmutativo, entonces (G, , ).
S = {v~1 , ..., v~n } tal que < v~1 , ..., v~n >= V
Generar el espacio
Ejemplo: eu v = R2
S = {(1, 0), (0, 1)}
(3, 2) R2 = 3(1, 0) + 2(0, 1)
Cuando 1 = 2 = ... = n = 0
Teorema: En un K-e.v.f.g todo conjunto finito de vectores que generan el espacio con-
tiene un subconjunto que es base.
o nica en un k-e.v.f.g.
Corolario: La existencia de la base no A
32
Llamamos dimension de v al cardinal de B.
|B| = Cardinal de B
dimv = N
Propiedades
Ejemplo: comprobar si los vectores L = {(1, 1), (0, 1)} es una base de R2
i). L es conjunto LI
Tomamos y
(1, 1) + (0, 1) = (0, 0)
( ) + (0, ) = (0, 0)
+0=0=0
+ = 0 0 + = 0 = 0
(i) L genera a R2 (, y) R2
(x + y) = (1, 1) + (0, 1)
L es una base de R2
dimv = 2
33
11. SUBESPACIO VECTORIAL
1. Si x, y H x + y H
2. Si x H R = x H
Ejemplo:
w = (x, y, z) R : 2x + y = 0
(0, 0, 0) = 2(0) + 0 = 0
1. w1 = (x1 , 2x1 , z1 )
w2 = (x2 , 2x2 , z2 )
2. R w1 = (x1 2x1 , z1 )
w1 = (x1 , 2x1 , z1 ) EW
H es un subespacio vectorial de R3 .
1. T (V~ + W
~ ) = T (V~ + T (W
~)
~ ) = T (W
2. T (W ~
34
Ejemplo: T : R3 R2 T (x, y, z) = (x + y, y z)
~v = (v1 , v2 , v3 )
w
~ = (w1 , w2 , w3 )
~v + w
~ = (v1 w1 , v2 w2 , v3 w3 )
T (~v + w)
~ = T (v1 + w1 )(v2 + w2 , v3 , w3 )
= (v1 + w1 + v2 + w2 , v2 + w2 , v2 + w2 (v3 + w3 ) . . .
. . . (v1 + v2 + w1 w2 , v2 v3 + w2 w3 )
= T (~v ) + T (w)
~
T (w)
~ = T (w)
~
w
~ = (w1 , w2 , w3 )
|{z} |{z} |{z}
x y z
~ = T (w1 , w2 , w3 ) = (w1 , w2 , w2 w3 )
T (w)
12.1. Determinantes b
asicas
El rango es el n
umero de vectores LI de la dimension de la matriz, se calcula re-
duciendola por Gauss e igualada a cero.
35
El rango es el n
umero de unos que tenga la diagonal principal
Ejemplo: T : R3 R3
3x 2y + 5z
T (x, y, z) = 4x + 5y 3z
7x + 3y + 2z
Bc de R3
3 2 5
T (1, 0, 0) = 4
T (0, 1, 0) = 5 T (0, 0, 1) = 3
7 3 2
3 2 5 0
A = 2 5 3 0
7 3 2 0
19
1 0 23
0
29
0 1 23
Aplicando Gauss A = 0
0 0 0 0
Ran(A) = 2
N u(A) = 1
DimR3 = 3
Dim(v) = Ran(A) + N u(A)
36
13. AUTOVALORES Y AUTOVECTORES
Notaci
on:
A = Matriz n x n
I = Matriz identica
= Valor propio
a
a
= V ector , b , etc
b
c
F
ormula:
1. det|A I| = 0
2. Av = v
Sea A una matriz n n diremos que un escalar K(R o %) es un autovalor de A si
un vector v Rn V 6= 0 tal que Av = v en cuyo caso se dice que v es el autovalor.
det(A I) = 0
2 12 1 0
det =0
1 5 0 1
2 12 0
det
=0
1 5 0
2 12
det =0
1 5
(2 )(5 ) + 12 = 0
10 2 + 52 + 12 = 0
37
2 + 3 + 2 = 0 Polinomio cartesiano
( + 2)( + 1) = 0
1 = 2
2 = 1
Av = v
2 12 x x
=
1 5 y y
2x 12y x
=0
x 5y y
2x x 12y
=0
x y 5y
x(2 ) 12y
=0
x y(5 + )
1 = 2
x(2 + 2) 12y = 0
x y(5 2) = 0
4x 12y = 0
x = 3y
3y 3
V1 = = y
y 1
38
2 = 1
x(2 + 1) 12y = 0
3x 12y = 0
x = 4y
4y 4
V2 = =y
y 1
3 4
Vectores propios y
1 1
39
BIBLIOGRAFIA
[1] Algebra lineal por Grossman, Stanley I. Edicin: 3a. ed. Editor: Mxico: McGraw-Hill
[2] lgebra lineal por Kolman, Bernard; Hill, David R. Edicin: 8a. ed. Editor: Mxico:
Pearson
[3] Algebra lineal por Johnson, Richard E. Edicin: 1a. ed. Editor: Mxico: Continental
[4] Algebra lineal por Kolman, Bernard. Edicin: 8a. ed. Editor: Mxico: Pearson