Documente Academic
Documente Profesional
Documente Cultură
Apuntes de teora y
ejercicios resueltos
lgebra Lineal
Apuntes de teora y
ejercicios resueltos
SERVICIO DE PUBLICACIONES
3
PRLOGO
El presente libro intenta ser una gua prctica para los alumnos de primer
curso de carreras cientcas en su estudio del lgebra Lineal. Para ello se
han incluido resmenes tericos y una gran cantidad de ejercicios resueltos.
Esta obra resulta especialmente recomendable como material de apoyo en
la resolucin de problemas, pudiendo emplearse tambin como texto bsico,
sin olvidar que la parte terica, aunque completa, apenas incluye demostraciones, cuya consulta se deja al criterio del lector en cualquier texto estndar.
Los contenidos quedan estructurados de la siguiente manera: cada captulo comienza con un resumen terico de la materia a tratar, seguido de una
serie de problemas propuestos para el alumno. El ltimo captulo se dedica
a la resolucin de dichos problemas.
En el captulo 1 se presentan los objetos y las herramientas bsicas que
sern de utilidad a lo largo del libro: matrices, determinantes, clculo de
rangos, sistemas de ecuaciones lineales, mtodo de Gauss...
Los captulos 2 y 3 desarrollan el ncleo de la asignatura: las estructuras con las que trabajar, los espacios vectoriales, y las aplicaciones lineales
denidas en ellos.
El captulo 4 estudia los endomorsmos y sus representaciones matriciales
ms sencillas, las formas cannicas de Jordan. Una aplicacin directa de estos
resultados se encuentra en el captulo 5 en el que se analizan los sistemas de
ecuaciones diferenciales lineales de primer orden de coecientes constantes.
El captulo 6 introduce el concepto de producto escalar en un espacio
vectorial con el n de dotar al mismo de longitudes y ngulos entre vectores. Como aplicacin de estas ideas se inicia al alumno en el estudio de los
desarrollos de Fourier.
El captulo 7 contiene las soluciones de la mayor parte de los problemas
propuestos a lo largo del libro.
NDICE
ndice
1. PRELIMINARES
. 7
. 8
. 9
. 9
. 10
. 10
. 11
2. ESPACIOS VECTORIALES
3. APLICACIONES LINEALES
AUTOVALORES Y AUTOVECTORES . .
ENDOMORFISMOS DIAGONALIZABLES
ALGORITMO DE DIAGONALIZACIN .
FORMAS CANNICAS DE JORDAN . . .
4.4.1. Forma de Jordan de matrices de
4.4.2. Forma de Jordan de matrices de
4.5. EJERCICIOS . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
orden 2 .
orden 3 .
. . . . . . .
13
13
14
16
16
17
18
21
27
. . . 27
. . .
DE
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
28
28
31
33
37
37
38
39
40
43
45
51
NDICE
ESPACIOS VECTORIALES . . . . . . . . . . . .
APLICACIONES LINEALES . . . . . . . . . . . .
DIAGONALIZACIN Y FORMAS CANNICAS
SISTEMAS DE ECUACIONES DIFERENCIALES
PRODUCTO ESCALAR. ESPACIO EUCLDEO .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
58
58
62
66
69
69
71
72
75
77
77
102
118
138
149
7
1.
PRELIMINARES
1.1.
1. Todas las las nulas, si las hay, estn en la parte inferior de la matriz.
2. El nmero de ceros al comienzo de una la no nula es estrictamente
menor que el nmero de ceros al comienzo de la la inferior.
El primer elemento no nulo de cada la (en caso de tenerlo) se llama
cabecera de la la.
Un ejemplo de matriz escalonada es
3 1 4 0
0 2 2 0
0 0 0 1
0 0 0 0
1
0
0
0
0
1
0
0
4
2
0
0
0
1 3 0 5
0
0 0 1 2
1
0 0 0 0
0
1
0
0
0
0
1
0
0
4
2
0
0
1
0
1
0
Algoritmo. Dada una matriz A, reduzcmosla mediante operaciones elementales sobre las las a forma escalonada y a forma escalonada reducida.
PRELIMINARES
Denicin 2. Sea
A Mn (R). Se llama menor de orden r de A al determinante de la matriz formada por la interseccin de r las y r columnas de
A. El rango de A es r si existe un menor de orden r de A no nulo y todos
los menores de orden mayor que r son nulos.
..
.
b1
A las matrices
a11
...
a1n
am1 . . .
amn
..
.
...
..
.
x1
..
. =
xn
b1
..
.
bm
1.2
A=
a11
..
.
...
...
am1 . . .
a1n
..
.
amn
A =
a11
..
.
...
...
am1 . . .
a1n
..
.
b1
..
.
amn bm
10
PRELIMINARES
Det(b, A2 , . . . , An )
,
Det(A)
...
, xn =
Det(A1 , . . . , An1 , b)
,
Det(A)
2. Si una matriz cuadrada A tiene dos las (columnas) iguales o proporcionales, entonces det(A) = 0.
A y dada la matriz B obtenida de intercambiar en A la posicin de dos las (columnas), entonces det(B) =
det(A).
plicar los elementos de una la (columna) de A por un escalar k, entonces det(B) = k det(A). Esto implica que si A tiene una la (columna) de ceros, entonces det(A) = 0.
1.4
1.4.
EJERCICIOS
EJERCICIOS
11
13
2.
2.1.
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES. SUBESPACIOS
VECTORIALES
3. Si au = 0, entonces a = 0 u = 0,
14
ESPACIOS VECTORIALES
Observacin 3.
W.
Sea V un K-espacio vectorial y sean v1 . . . , vm V . Se dice que la familia de vectores S = {v1 , . . . , vm } es linealmente dependiente si existen
a1 , . . . , am K, no todos nulos, tales que:
a1 v1 + a2 v2 + + am vm = 0
Observacin 4.
v1 6= 0.
2.2
15
tambin es l.d..
3. Si {v1 , . . . , vm , vm+1 , . . . , vm+r } es l.i., entonces {v1 , . . . , vm } es l.i..
Propiedades.
1. Si S = {v1 , . . . , vm } es un sistema de generadores de V , con vi combinacin lineal de los restantes vectores, entonces {v1 , . . . , vi1 , vi+1 , . . . , vm }
es tambin un sistema de generadores de V .
2. Si {v1 , . . . , vm } son l.i., entonces cualquier sistema de generadores de
V tendr, al menos, m elementos.
Denicin 9. (Base)
16
2.3.
ESPACIOS VECTORIALES
...
, Am = (am1 , . . . , amn )
pueden verse como vectores de Kn y, por tanto, podemos decir que generan
un subespacio de Kn llamado espacio la de A y que denotamos por F (A),
esto es:
F (A) = L(A1 , . . . , Am ).
Propiedades.
1. Si al realizar operaciones elementales sobre las las de A obtenemos
una nueva matriz B , entonces F (A) = F (B).
2. Si E es una matriz escalonada asociada a A, entonces los vectores la
no nulos de E son base de F (A) = F (E).
3. Para saber si dos subespacios engendrados por dos familias de vectores
de Kn son iguales, basta ver si las dos matrices cuyas las son las
coordenadas de los vectores de las dos familias dan lugar a la misma
matriz escalonada reducida.
4. El rango de una matriz A Mmn (K) coincide con el nmero mximo
de vectores la l.i. (la dimensin de F (A)), y con el nmero mximo
de vectores columna l.i..
2.4.
Propiedades.
2.5
17
x1
..
.
Propiedades.
1. U W es un subespacio vectorial de V . En general, tendremos que
la
T interseccin de cualquier familia de subespacios vectoriales de V ,
i Ui , es un subespacio vectorial de V .
2. Si U y W son subespacios vectoriales de Kn , las ecuaciones cartesianas
de U W sern las ecuaciones resultantes de unir las de U y las de W .
Propiedades.
1. U + W es un subespacio vectorial de V que contiene al conjunto U W .
De hecho, es el menor subespacio vectorial que contiene a U W , esto
es, U + W = L(U W ).
2. De manera anloga se puede denir la suma
de cualquier
familia de
P
S
subespacios vectoriales {Ui } de V como i Ui = L( i Ui ).
3. (Frmula de las dimensiones) Si V es de dimensin nita y U, W
son subespacios vectoriales suyos, entonces dim(U + W ) = dim(U ) +
dim(W ) dim(U W ).
18
ESPACIOS VECTORIALES
2.6
19
..
.
Entonces
x1 e1 + + xn en = x01 (a11 e1 + + an1 en ) + + x0n (a1n e1 + + ann en )
De modo que:
x1
..
.
P =
a1n
an1
ann
a11
..
.
...
..
.
x1
a11
.. ..
...
. = .
xn
an1
a1n
x01
.. ..
. .
ann
x0n
Decimos que sta es la ecuacin matricial del cambio de base. A la matriz P se la llama matriz de cambio de base de B 0 a B o matriz de paso,
escribindose P = M (B 0 , B), y nos permite determinar las coordenadas de
20
ESPACIOS VECTORIALES
2.7
2.7.
21
EJERCICIOS
EJERCICIOS
A = {(2x, x, 7x)/x R}
A = {(x, y, z)/xy = 1}
A = {(x, y, z)/x = y x = z}
A = {(x, y, z)/x + y + z = 0 y x y z = 0}
..
.
= 0
..
.
..
.
am1 x1 + + amn xn = 0
22
ESPACIOS VECTORIALES
1 0
0 0
0 1
0 0
0 0
,
,
,
0 0
1 0
0 1
2.7
23
EJERCICIOS
12. Sea
W = L({(1, 2, 1, 3, 4), (2, 4, 2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)})
W = {(0, 0, c)/c R}
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
En qu casos es directa la suma?
16. Sean los subespacios vectoriales de R4 siguientes:
U = L({(1, 1, 0, 1), (1, 2, 3, 0), (2, 3, 3, 1)})
Hallar:
24
ESPACIOS VECTORIALES
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U V ) y ecuaciones de U V .
17. Sean los subespacios vectoriales de R4 siguientes:
W1 = {(x, y, z, t) R4 /x z = 0, y + t = 0}
W2 = L({(0, 0, 0, 1), (1, 1, 1, 1)})
Calcular :
a) dim(W1 ) y dim(W2 ).
b) dim(W1 W2 ) y ecuaciones de W1 W2 . Es R4 = W1 W2 ?
c) dim(W1 + W2 ).
18. En R4 se consideran los subespacios vectoriales
W1 = {(x, y, z, t) R4 /x y = 0, z + t = 0}
W2 = L({(1, 1, 2, 2), (1, 0, 1, 0)}).
a b
c d
M22 (R)/a + b + c + d = 0
W2 = L
1 1
1 1
0 0
,
0 1
2.7
EJERCICIOS
25
21. Dada la base de R3 , B = {v1 = (1, 1, 1), v2 = (1, 1, 2), v3 = (1, 2, 3)},
hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determinando previamente la matriz de cambio de base P = M (Bc , B) de la
base cannica Bc en la base B .
22. En R3 se consideran las bases
B1 = {(1, 0, 1), (1, 1, 1), (1, 1, 0)} y B2 = {(2, 1, 1), (1, 1, 1), (1, 1, 1)}
27
3.
APLICACIONES LINEALES
Dada una aplicacin f : V V 0 con V, V 0 K-espacios vectoriales, decimos que f es lineal si satisface las condiciones:
i) f (u + v) = f (u) + f (v) u, v V .
ii) f (au) = af (u) a K y u V .
Estas dos condiciones se pueden resumir en una escribiendo:
iii) f (au + bv) = af (u) + bf (v) u, v V y a, b K.
A las aplicaciones lineales tambin se les llama homomorsmos de espacios vectoriales.
Propiedades.
Propiedades.
1. El conjunto Ker(f ) es un subespacio vectorial de V .
2. Si W es subespacio vectorial de V , W = L({v1 , . . . , vm }), entonces
f (W ) = L({f (v1 ), . . . , f (vm )}. Se desprende de esto que f (W ) es un
subespacio vectorial de V 0 . En particular, para W = V se tiene que
Im(f ) = f (V ) es subespacio vectorial de V 0 . Llamaremos rango de la
aplicacin lineal f a la dimensin de la imagen, r(f ) = dim(Im(f )).
28
3.2.
APLICACIONES LINEALES
MONOMORFISMOS, EPIMORFISMOS E
ISOMORFISMOS
Propiedades. Sea f
3.3.
3.3
29
..
.
y1
= a11 x1 + + a1n xn
..
.
ym = am1 x1 + + amn xn
o, escrito matricialmente,
y1
a11
.. ..
...
. = .
ym
am1
a1n
..
.
amn
x1
..
.
xn
F =
a11
..
.
...
am1
a1n
..
.
amn
Propiedades. Sea
Entonces:
30
APLICACIONES LINEALES
xB2 = P xB1
yB20 = G xB2
V 0
F
xB1 yB10
P
Q
xB2
yB20
3.4
31
Proposicin 1.
3.4.
De las dos primeras propiedades se deduce que el conjunto de las aplicaciones lineales de V en V 0 , denotado por Hom(V, V 0 ), tiene estructura de
K-espacio vectorial con las operaciones suma y producto por un escalar.
y dadas dos bases B, B 0 jadas para cada uno de ellos, se tiene que existe un
homomorsmo M entre los espacios vectoriales Hom(V, V 0 ) y Mmn (K),
32
APLICACIONES LINEALES
3.5
3.5.
33
EJERCICIOS
EJERCICIOS
f
f
f
f
f
f
f
: R2 R3 , f (x, y) = (x + y, y, x 2y).
: R2 R, f (x, y) = xy .
: R2 R3 , f (x, y) = (x + 1, 2y, x + y).
: R3 R2 , f (x, y, z) = (z, y + x).
: R2 R, f (x, y) = |x y|.
: R3 R2 [t], f (x, y, z) = (y + z)t2 + (x + y)t + z .
: Mnn (R) Mnn (R), f (A) = AT .
1 1 0 0
1 0 1 2
1 1 1 2
0
A = 1 1 0
0
0
1 2
34
APLICACIONES LINEALES
7. Sea la aplicacin f : E F , con E y F de dimensiones 3 y 4 respectivamente, denida de la siguiente forma: f (e2 ) = e01 + e02 e04 ,
f (e3 ) = e01 + e02 e03 + e04 y e1 Ker(f ). Hallar dimensin y una base
para Ker(f ) y para Im(f ).
8. Sea la aplicacin f : R2 R4 denida de la siguiente forma: f (2, 1) =
(1, 0, 1, 3) y f (4, 1) = (2, 2, 3, 1). Calcular:
a) La matriz asociada respecto de las bases cannicas.
b) Las ecuaciones de Im(f ).
9. Sea la aplicacin f : R3 R3 denida de la siguiente forma: f (x1 e1 +
x2 e2 + x3 e3 ) = (x2 + x3 )e1 + (x1 + x3 )e2 + (x2 x1 )e3 .
a)
b)
c)
d)
e)
1
0
F =
2
1
0
1
2
1
1
1
4
a
Se pide :
a) Calcular "a" para que f sea inyectiva.
b) Si f no es inyectiva, hallar f (L1 ), siendo L1 el subespacio de
ecuaciones 2x1 x3 = 0.
c) Sea L2 el subespacio de ecuaciones x1 + x2 x4 = 0, 3x1 + 3x2
x3 x4 = 0 y f no inyectiva. Hallar una base de L2 f (L1 ) y de
L2 + f (L1 ).
3.5
35
EJERCICIOS
bases de R4 .
a) Qu vector de R3 tiene, respecto a la base B1 , coordenadas
(1, 2, 1) y cules son stas respecto a B10 ?
b) Calcular las matrices de cambio de base de B1 en B10 y de Bc en
B2 .
c) Siendo f el homomorsmo caracterizado por f (1, 1, 0) = (1, 1, 0, 0),
f (1, 0, 1) = (1, 0, 1, 0) y f (0, 1, 1) = (0, 0, 1, 1), hallar la matriz de
f respecto de B1 y Bc , respecto de B1 y B2 , respecto de B10 y Bc
y respecto de B10 y B2 .
14. Sea la aplicacin f : M22 (R) R3 denida por
f
a b
c d
= (a, a + b + c, 0)
37
4.
B = {e1 , . . . , en }
xB
xB 0
V
M (f,B)
M (f,B 0 )
yB
yB 0
AUTOVALORES Y AUTOVECTORES
38
Sea f End(V ) y sea A = M (f, B) una matriz asociada al endomorsmo f para cierta base B de V . Llamamos polinomio caracterstico asociado
a A al polinomio de grado n P () = Det(A Id). A la ecuacin P () = 0
se le llama ecuacin caracterstica asociada a A.
Propiedades.
1. Sea A Mn (K). Se tiene
P () = (1)n n + (1)n1 T r(A)n1 + + Det(A)
2. Dos matrices semejantes tienen siempre el mismo polinomio caracterstico. En particular, tendrn el mismo determinante y la misma traza.
3. Asignamos a f un nico polinomio caracterstico, P (), que ser el
de cualquiera de sus matrices asociadas A = M (f, B) (todas ellas son
semejantes).
4. Los autovalores asociados a f sern las races i K de P () = 0.
5. Dado V un subespacio propio de f , dim(V ) = n r(A Id) para
cualquier matriz A asociada a f .
6. Si {v1 , . . . , vr } son vectores propios asociados a autovalores distintos
de f , entonces {v1 , . . . , vr } son l.i..
propios asociados a autovalores distin7. Si V1 , . . . , Vr son subespacios
P
tos de f , entonces Vi ( j6=i Vj ) = 0.
4.2.
ENDOMORFISMOS DIAGONALIZABLES
4.3
39
ALGORITMO DE DIAGONALIZACIN
Propiedades.
Aunque el siguiente teorema es vlido en cualquier cuerpo K, lo enunciaremos para el caso en que K = R.
Teorema 4. Sea V un R-espacio vectorial con dim(V ) = n y sea f
End(V ). Sean 1 , . . . , r R los autovalores de f de multiplicidades algebraicas 1 , . . . , r . Entonces f es diagonalizable si y slo si:
i) 1 + + r = n (todas las raices de P () son reales).
ii) Para cada autovalor i se tiene que dim(Vi ) = i .
Corolario 1. i) Si dim(V ) = n y f End(V ) tiene n autovalores distintos, entonces f es diagonalizable.
ii) Si f End(V ) es diagonalizable con autovalores 1 , . . . , r , entonces
se tiene la
Psuma directa V = V1 Vr , esto es, V = V1 + +Vr
y Vi ( j6=i Vj ) = 0 para todo i {1, . . . , r}.
4.3.
ALGORITMO DE DIAGONALIZACIN
xB
xB0
yB
yB0
40
Algoritmo de diagonalizacin
Paso 1. Hallar el polinomio caracterstico P () de f y determinar sus races
para obtener los valores propios 1 , . . . , r de f . Si alguna raz es compleja, f no es diagonalizable.
Paso 2. Supuesto que todas las races de P (), 1 , . . . , r , son reales, f ser
diagonalizable si y slo si dim(Vi ) = i para todo i {1, . . . , r}.
Paso 3. Supuesto que dim(Vi ) = i para todo i {1, . . . , r}, entonces calculamos una base B(Vi ) = {vi,1 , . . . , vi,i } para cada subespacio Vi .
(Los vectores de estas bases son vectores propios asociados a i ).
Paso 4. Considerar la coleccin de todos los vectores de todas las bases obtenidas
B = {v1,1 , . . . , v1,1 , . . . , vr,1 , . . . , vr,r }
D = M (f, B) =
...
1
...
r
...
r
Sea f : V V un endomorsmo con V un K-espacio vectorial de dimensin n. A lo largo de toda la seccin supondremos que K = R o K = C.
Sabemos que f no siempre es diagonalizable. Por ejemplo, el endomorsmo
f de V = R2 (con K = R) determinado por la matriz
A=
0 2
2 4
4.4
41
Jk () =
... ...
...
1
Proposicin 2. Sea
E2 () = Ker(f Id)2
42
J1 (i )
J(i ) =
...
J1 (i )
...
Jp (i )
...
Jp (i )
..
.
J(1 )
J =
...
J(s )
Proposicin 3. En las condiciones de la ltima proposicin, dado un autovalor , existe una base B() de M () tal que la matriz asociada a f |M () :
M () M () respecto de ella es una matriz de Jordan del tipo
J() =
J1 ()
...
J1 ()
...
Jp ()
...
Jp ()
4.4
43
2. Se toman a continuacin
jp1 = dp1 dp2 jp vectores linealmente independientes de Ep1 () \ Ep2 () y que sean independientes
de la familia Bp (). Denotamos a esta nueva familia por Fp1 =
{w1 , . . . , wjp1 }. Consideramos los vectores
Bp1 () = {(f Id)p2 w1 , . . . , (f Id)w1 , w1 , . . .
, (f Id)p2 wjp1 , . . . , (f Id)wjp1 , wjp1 }
Id)n
= 0.
0
0
1
0
44
con , C. La primera de las matrices se obtiene cuando los dos autovalores son distintos, pudiendo ser complejos conjugados. La segunda matriz
se obtiene cuando existe un nico autovalor (descartamos la situacin trivial
en que A = Id). En ambos casos existe una matriz regular P M2 (C) tal
que J = P 1 AP .
Si A M2 (R) y se buscan J, P M2 (R), en el primero de los dos tipos,
la matriz J puede no ser real (si los dos autovalores son complejos conjugados
=
/ M2 (R)). En ese caso la matriz
+ i, =
i, se tiene que J
J0 =
Existir una matriz regular Q M2 (R) (cuyas columnas son las partes real
e imaginaria respectivamente de las columnas de P ) tal que Q1 AQ = J 0 .
Veamos algunos ejemplos.
Ejemplo 1
Sea f el endomorsmo de R2 cuya expresin matricial respecto de la base
cannica es
A=
0 2
2 4
Ejemplo 2
3
2
Sea A =
M2 (R). El polinomio caracterstico es p() =
4 1
((1+2i))((12i)) (dos autovalores complejos conjugados). Calculemos
la forma cannica de Jordan J y una matriz de paso P M2 (C) as como
la forma cannicareal J 0 y una matriz
de paso Q M2 (C).
1 + 2i
0
Se tiene J =
. Para determinar P procedemos como
0
1 2i
sigue:
4.4
45
Se tiene el sistema
(2 2i)x1 + 2x2
= 0
4x1 + (2 2i)x2 = 0
1
1 + i
=
1
1
+i
0
1
C2
1
1 i
=
1
1
i
0
1
C2
esto es, P =
1
1
1 + i 1 i
J = P 1 AP .
1 2
M2 (R), mientras que la
La forma cannica real es
=
2 1
matriz de paso Q se obtiene de la matriz P eligiendo los vectores
Re(~x
) y
1
0
1 0
0 0
0 0
1 0
0 1
0 0
46
0 0
0 0
0 0
1 0
0 0
0 0
1 0 0
J = 0 2 0 , o bien hay dos autovalores complejos conjuga0 0 3
0 0
dos = +i, = i y uno real , en cuyo caso J = 0 0
0 0
0 de A, tenno es una matriz
real.
Si
buscamos
la
forma
cannica
real
J
0
0
Ejemplo 3
Determinar la forma cannica de Jordan y la matriz de paso de
0
3
1
A = 2 1 1
2 1 1
4.4
47
con dim(E2 (2)) = 2. De modo que M (2) = E2 (2). Buscamos una base
adecuada de vectores de M (2), B(2), de modo que la matriz asociada a
nuestra aplicacin lineal con respecto a la base B = B(2) B(2) sea una
forma cannica de Jordan J .
Construyamos la familia de vectores B(2). Elegimos una familia de
dim(E2 (2)) dim(E1 (2)) = 1 vectores que estn en E2 (2) \ E1 (2);
por ejemplo, u3 = (0, 0, 1). A continuacin consideramos el vector
u2 = (A + 2Id)u3 = (1, 1, 1)
De este modo conseguimos una base B(2) = {u2 , u3 } tal que, unida a
B(2), nos da B = B(2) B(2) = {u1 , u2 , u3 }, una base de R3 . Obsrvese
que
Au1 = 2u1 ,
Au2 = 2u2 ,
Au3 = u2 2u3
2 0
0
J = 0 2 1
0 0 2
1
1 0
P = 1 1 0
1 1 1
2 1
son matrices elemenLas matrices J(2) = (2) y J(2) =
0 2
tales de Jordan asociadas a los autovalores 2 y 2. Cada una representa la
expresin matricial de la aplicacin lineal en los subespacios M (2) y M (2)
respecto de las bases B(2) y B(2).
Se comprueba fcilmente que P 1 AP = J .
Ejemplo 4
Determinar la forma cannica de Jordan y la matriz de paso de
2 1 1
A = 1 1 0
0
1 3
48
E3 (2) = R3
u1 = (A + 2Id)u2 = (1, 1, 1)
Au2 = u1 2u2 ,
Au3 = u2 2u3
2 1
0
J = 0 2 1
0
0 2
1 0 1
P = 1 1 0
1 0 0
Ejemplo 5
Determinar la forma cannica de Jordan y la matriz de paso de
2 0 1
A = 0 1 0
1 0 0
4.4
49
E2 (1) = R3
Tenemos los vectores {u2 , u3 }. Al faltar un vector para conseguir una base
de R3 , se escoge un vector de E1 (1) que sea independiente de la familia
{u2 , u3 }, por ejemplo u1 = (0, 1, 0). De este modo, conseguimos una base de
R3 , B(1) = {u1 , u2 , u3 }, tal que
Au1 = u1 ,
Au2 = u2 ,
Au3 = u2 u3
1 0
0
J = 0 1 1
0
0 1
0 1 1
P = 1 0 0
0 1 0
Ejemplo 6
Determinar la forma cannica de Jordan y la matriz de paso de
1 1 0
0
A= 5 3
2 0 4
50
2 + 2i
0
0
2 2i 0
J = 0
0
0
4
3+i
3i
0
P = 1 7i 1 + 7i 0
1
1
1
2 2 0
J 0 = 2 2 0
0 0 4
3
1 0
Q = 1 7 0
1
0 1
Naturalmente, J 0 = Q1 AQ.
4.5
4.5.
51
EJERCICIOS
EJERCICIOS
1. Se considera la matriz:
A=
2 3
4 13
a b
c d
B=
a b
b a
1 0 0
A= a 1 0
1 b c
5 6 6
4
2
F = 1
3 6 4
1
0
A=
0
a
0
1
0
0
0
0
a
0
0
0
0
2
52
a)
b)
c)
d)
1
1
1
1
1
1 1 1
A=
1 1
1 1
1 1 1
1
1 3 3
A = 3 5 3
6 6 4
Determinar:
a ) Autovalores y autovectores de f .
4.5
53
EJERCICIOS
1 1 1
A= a b c
d e f
2 1
1 0
Calcular A15 .
15. Calcular la forma de Jordan y la matriz de paso de
0 4
0
1
1 0 1
0 1 0
0 2
0
0
0 1 0
1 0 1 , C =
A=
,B =
0 0
0
0
1 1 1
1 1 1
4 8 12 4
16. Encontrar la forma de Jordan real y una matriz de paso real de:
A=
1 2
3 1
0 1 1
B= 0 1 0
3 1 0
55
5.
5.1.
dx1
dt
dxn
dt
..
.
se denomina sistema lineal de primer orden. Las funciones aij (t), fi (t) se
supondrn continuas en un intervalo dado I = (a, b). Si fi (t) = 0 para todo
i = 1, . . . , n, se dice que el sistema es homogneo.
La expresin del sistema anterior se suele hacer en forma matricial
X 0 = AX + F
(1)
siendo
X = X(t) =
x1 (t)
..
.
A = A(t) =
a11 (t)
..
.
...
an1 (t)
xn (t)
f1 (t)
..
.
F = F (t) =
a1n (t)
..
.
ann (t)
fn (t)
X =
x1 (t)
..
.
es solucin de (1)
xn (t)
x01
Dado t0 I y dado X0 =
x0n
56
X 0 = AX + F
X(t0 ) = X0
Dados X1 , X2 , . . . , Xm un conjunto de vectores solucin del sistema homogneo X 0 = AX en un intervalo I , la combinacin lineal
X = c1 X1 + + cm Xm
Dados X1 , . . . , Xm un conjunto de vectores solucin del sistema homogneo X 0 = AX en un intervalo I , se dice que el conjunto es linealmente
dependiente en I si existen constantes c1 , . . . , cm , no todas cero, tales que
c1 X1 + + cm Xm = 0
X 0 = AX
5.1
57
c1
.
donde (t) es una matriz fundamental y C =
.. es un vector formado
cn
por constantes.
Si buscamos la solucin del problema de valor inicial
X 0 = AX
X(t0 ) = X0
obtenemos X = (t)(t0 )1 X0
Dado el sistema no homogneo X 0 = AX + F y dada una solucin particular Xp del mismo en el intervalo I , la solucin general ser
X = Xh + Xp
cer una solucin particular del mismo. Pero, cmo encontrarla? Se aplica el
mtodo de variacin de las constantes, esto es, se conjetura la existencia de
una solucin particular del sistema no homogneo, Xp (t) = (t)C(t), donde
las constantes del vector C pasan a ser funciones
C(t) =
c1 (t)
..
.
cn (t)
58
Z
Xp = (t)
1 (t)F (t)dt
5.2.
1 (t)F (t)dt
5.2
59
Caso 1. Si la matriz
1 0
0 2
J=
y10
y20
=
1 0
0 2
y1
y2
y1 (t)
y2 (t)
e1 t
0
= c1
+ c2
=
e 2 t
e1 t
0
0 e 2t
c1
c2
x1 (t)
x2 (t)
=P
1 t
= c1 e
siendo
p11
p21
p12
p22
p11
p21
e 1 t
0
0 e 2 t
p12
p22
+ c2 e
2 t
c1
c2
=
e1 t
0
0 e 2t
Caso 2. Si la matriz
entonces
J=
1
0
60
y1 (t)
y2 (t)
= c1
et
0
tet
et
+ c2
et tet
0 et
p11
p21
=
c1
c2
et tet
0 et
La matriz (t) = P
c1
c2
=e
et tet
0 et
(c1 + c2 t)
+ c2
p12
p22
Caso 3. Si la matriz
0
0
M2 (C)
y1 (t)
y2 (t)
=
e(a+ib)t
0
0
e(aib)t
c1
c2
c1
c2
x1 (t)
x2 (t)
=P
e(a+ib)t
0
(aib)t
0
e
5.2
61
= c1 e(a+ib)t P 1 + c2 e(aib)t P 1
soluciones reales de X 0 = AX . Si P 1 =
solucin compleja
u1
u2
+i
v1
v2
=
u1
v1
=e
cos bt
sen bt
+
u2
v2
at
+ie
at
sen bt
u1
u2
+ cos bt
v1
v2
como
u1
v1
X2 (t) = e
sen bt
+ cos bt
u2
v2
at
u1 v1
u2 v2
c1
c2
u1 v1
u2 v2
= Re(P 1 ) Im(P 1 )
Q1 AQ
J 0,
siendo
J0
a b
b a
la
62
i = 1, 2
x1 (t)
x2 (t)
del sistema X 0 = AX .
x = x1
x0 = x2
x01 = x2
x02 = a2 x1 a1 x2
El polinomio caracterstico de A =
x01
x02
=
0
1
a2 a1
0
1
a2 a1
x1
x2
es p() = 2 + a1 +
segundo orden.
Utilizando lo hecho en los sistemas planos, y teniendo en cuenta que slo
nos interesa x1 (t), se concluye que:
Caso 1. Si los dos autovalores 1 , 2 son reales (y distintos, ya que de ser iguales
la matriz A debera ser diagonal), entonces x(t) = x1 (t) = k1 e1 t +
k2 e2 t , siendo k1 y k2 constantes arbitrarias.
tet ,
x(t) = x1 (t) = k1 et +
x(t) = x1 (t) =
k1 eat cos bt + k2 eat sen bt, siendo k1 y k2 constantes arbitrarias.
dx
dt
dy
dt
= f1 (x, y)
= f2 (x, y)
5.2
63
x0
y0
64
I
ma
g
e
nt
o
ma
d
ad
e[
5
]
,
p
g
.
1
9
1
.
5.2
65
I
ma
ge
nt
oma
dade[
5]
,p
g.192.
66
5.3.
EJERCICIOS
siendo A =
2 1
1 2
u0
v0
=A
Nota.
Utilcese el hecho de que, al ser
u
v
u
v
A diagonalizable, dado x
=
, se tiene x0 = A
x, lo que equivale a escribir x
0 = P DP 1 x
.
Llamando y = P 1 x, se obtiene y0 = D
y , un sistema de resolucin
elemental.
2. Determnese la solucin general del sistema de ecuaciones
x01 = x1 + 3x2
x02 = 2x1 + 2x2
= u, u0 = v , v 0 =
y0
0 1 0
y
u0 = 0 0 1 u
v0
0 2 3
v
4 1
1 2
5.3
67
EJERCICIOS
3
2
4 1
10 10 14
b) A = 3 5 5
7 8 10
3 1 0
c) A = 0 3 0
0 2 3
6 8 10
d) A = 2 2 3
5 6 8
X =
3 2
2 2
X+
t
0
69
6.
Muchos de los fenmenos que se investigan en la geometra utilizan nociones como las de longitud de un vector y ngulo entre vectores. Para introducir estos dos conceptos en los R-espacios vectoriales se dene el producto
escalar. Un R-espacio vectorial al que se asigna un producto escalar se denomina espacio vectorial eucldeo. En este captulo trabajaremos, principalmente, con R-espacios vectoriales eucldeos de dimensin nita.
6.1.
a11
a1i
aii
Ai = ...
ai1
...
..
.
70
Propiedades.
a) hv, 0i = 0 para todo v V .
b) hu + v, wi = hu, wi + hv, wi para todo u, v, w V , , R.
c) hv, vi = 0 si y slo si v = 0.
p
hv, vi
Propiedades.
1. kvk 0 y kvk = 0 si y slo si v = 0.
2. kvk = ||kvk para todo R y para todo v V .
3. Para todo u, v V , ku + vk kuk + kvk. Esta propiedad se conoce
como desigualdad triangular o de Minkowski.
v
4. Dado v 6= 0, kvk
es un vector unitario.
5. Para todo u, v V , |hu, vi| kukkvk. Esta propiedad se conoce como
desigualdad de Cauchy-Schwarz.
6.2
71
Propiedades.
1. Si {u1 , . . . , uk } son vectores no nulos de V , ortogonales entre s, entonces son linealmente independientes.
2. Si B = {u1 , . . . , un } es una base ortogonal de V , entonces B 0 =
{ kuu11 k , . . . , kuunn k } es una base ortonormal de V .
hx, e1 i
hx, en i
e1 + +
en
2
ke1 k
ken k2
ii
. A las coordenadas xi se les llama
esto es, xB = (x1 , . . . , xn ) con xi = hx,e
kei k2
coecientes de Fourier de x con respecto a la base ortogonal B .
6.2.
B = {u1 , . . . , un } de un espacio vectorial eucldeo V , existe una base ortogonal B 0 = {e1 , . . . , en } tal
que L(u1 , . . . , ur ) = L(e1 , . . . , er ) para todo r = 1, . . . , n. Los vectores de la
base B 0 sern:
e1
e2
= u1
= u2
hu2 ,e1 i
e
ke1 k2 1
en = un
hun ,e1 i
e
ke1 k2 1
..
.
hun ,en1 i
e
ken1 k2 n1
72
hv, w1 i
hv, wr i
w1 + +
wr
kw1 k2
kwr k2
hf, gi =
f (x)g(x) dx
6.3
73
12 dx = 2
k1k = h1, 1i =
sen2 (kx) dx =
k = 1, 2, . . .
cos2 (kx) dx =
k = 1, 2, . . .
74
resulta
kf f1 k kf f2 k kf f3 k kf fn k
De hecho, kf fn k 0 cuando n .
para todo x (, ).
6.4
75
EJERCICIOS
6.4.
EJERCICIOS
y
W2 = L{(1, 1, 2, 2), (1, 0, 1, 0)}
Hallar:
a) Las ecuaciones de W1 y una base ortonormal de W1 .
b) Las ecuaciones del complemento ortogonal W2 y una base ortogonal para W2 .
2. Dada la forma bilineal simtrica sobre R3 , F (x, y) = xt Ay , siendo
a 0
0
A = 0 2 1
0 1 2
a 1
1 1
,
determinar los valores de "a" para los que F dene un producto escalar.
4. Sea Q : R4 R la forma cuadrtica denida en la base cannica por
la matriz:
2
0
A=
1
0
0
2
0
1
1
0
2
0
0
1
0
2
Se pide:
a) Determinar si Q da lugar a un producto escalar.
b) En el espacio eucldeo real (R4 , h , i) que dene Q se pide:
76
Se pide:
a) Hallar una base ortonormal de U .
b) Hallar las proyecciones sobre U y sobre U del vector v = (1, 2, 3, 4).
7. En R4 , con el producto escalar usual, utilizar el mtodo de GramSchmidt para calcular una base ortonormal a partir de los vectores
{(1, 1, 1, 1), (1, 1, 0, 0), (1, 1, 1, 0), (1, 0, 0, 0)}
+ x x < 0
x 0x
1 1 1 1
= 1 + + .
4
3 5 7 9
77
7.
7.1.
ESPACIOS VECTORIALES
78
con lo que p A.
3. Analizar cules de los siguientes conjuntos son subespacios vectoriales
de Mnn (R).
a) A = {M Mnn (R)/det(M ) = 0}.
El conjunto A no es subespacio vectorial de Mnn (R). Basta considerar las matrices diagonales
M1 =
...
M2 =
...
0
1
7.1
79
ESPACIOS VECTORIALES
..
.
= 0
..
.
..
.
am1 x1 + + amn xn = 0
r1
.
Sean r =
.. ,
s1
A=
a11
..
.
...
am1
a1n
..
.
amn
1 0 3
A = 2 1 4
4 1 8
80
1 0
3
1 0
3
r(A) = r 0 1 2 = r 0 1 2 = 3,
0 1 4
0 0 6
2 1 4 0
Sea A = 0 3 1 5 . Se tiene, escalonando
4 1 7 5
2 1 4
0
2 1 4
5 = r 0 3 1
r(A) = r 0 3 1
0 3 1 5
0 0 0
la matriz,
0
5 = 2,
0
1 1 1 0
1 0
1 1
. Al escalonar la matriz se obtiene
Sea A =
0
3 1 1
6
1
2 0
1 1 1
1 1 1 0
0 1 2
0 1 2 1
r(A) = r
0 3 1 1 = r 0 0
5
0 0 10
0 7 4 0
0
1
=
4
7
1 1 1 0
0 1 2 1
= r
0 0 5 4 = 4,
0 0 0 1
1 1 1 3
1 1 1 3
r 2 3 1 8 = r 0 1 1 2 = 2,
1 2 0 5
0 1 1 2
7.1
ESPACIOS VECTORIALES
81
8. Determinar si las siguientes familias de vectores son sistemas de generadores de R3 . En los casos armativos, obtener una base.
a) {(1, 1, 0), (2, 3, 8)}
No es sistema de generadores (deben ser al menos 3 vectores).
b) {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
1 1 1
Como r 2 2 0 = 3, se tiene que los tres vectores son sis3 0 0
tema de generadores (y base) de R3 .
2 1 3
2 1 3
Como r 4 1 2 = r 0 3 4 = 2, se tiene que
8 1 8
0 3 4
los tres vectores no son sistema de generadores de R3 .
1 1 1
6
1 1 1 6
r 3 3 4 2 = r 0 0 1 16 =
0 1 0 17
3 4 3 1
1 1 1
6
= r 0 1 0 17 = 3,
0 0 1 16
82
La nica posibilidad de que esto sea cierto para todo valor de t es que
a0 = a1 = = an = 0.
10. En el espacio vectorial M22 (R) de las matrices de orden 2 2 sobre
el cuerpo R se considera el conjunto de vectores
B=
1 0
0 0
0 1
0 0
0 0
,
,
,
0 1
0 0
1 0
a b
, es claro que A se puede escribir en la forma
c d
1 0
0 0
0 0
0 1
+d
+c
A=a
+b
0 1
1 0
0 0
0 0
1 0
0 0
+b
0 1
0 0
+c
0 0
1 0
+d
0 0
0 1
=
0 0
0 0
,
entonces a = b = c = d = 0.
11. Determinar la dimensin y una base del subespacio vectorial de R4
engendrado por los vectores
{(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)}
Escalonamos la matriz
2 1 4 0
2 1 4
0
2 1 4 0
5 0 3 1 5
A = 0 3 1 5 0 3 1
4 1 7 5
0 3 1 5
0 0 0 0
7.1
83
ESPACIOS VECTORIALES
La dimensin es 2 y una base es la formada por cualesquiera dos vectores linealmente independientes de la familia que nos dan o por la
familia de vectores no nulos que aparecen en la matriz obtenida de
escalonar A. En este caso escogemos como base
B = {(2, 1, 4, 0), (0, 3, 1, 5)}.
12. Sea
W = L{(1, 2, 1, 3, 4), (2, 4, 2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)}
A=
1
2 1 1
2
4 3 4
1 2 2 5
3
6 2 1
4
8 6 8
2
7
3
3
9
1
0
0
0
0
2
0
0
0
0
1
1
0
0
0
1 2
2 3
0 4
0 0
0 0
84
1 1 0 1
1 1 0 1
dim(W1 ) = r 1 0 1 0 = r 0 1 1 1 = 2
1 2 1 2
0 1 1 1
x1
x2
W1
x
3
x4
=
=
=
=
W1 . Entonces se tiene
1
1
0
1
1 1 0 1
=
1
1
1
2 = r 0 1 1 1 = r 0
0 x2 + x1 x3 x4 x1
x1 x2 x3 x4
1 1
0
1
1
1
= r 0 1
0 0 x1 + x2 + x3 x2 + x4
De manera que, al permanecer invariante el valor del rango, debe ocurrir x1 + x2 + x3 = 0 y x2 + x4 = 0. stas son las ecuaciones cartesianas
de W1 . Escribimos
W1
x1 + x2 + x3 = 0
x2 + x4
= 0
1 1 0 1
2 = r 0 1 1 1
x1 x2 x3 x4
Los menores de orden 3 son todos nulos y dan lugar a las ecuaciones
cartesianas de W1 . Sin embargo, no todas sern independientes. Basta
7.1
85
ESPACIOS VECTORIALES
=0
1 1 1
0 1 1
x1 x2 x4
=0
x1 + x2 + x3 = 0
x2 + x4
= 0
Por otro lado, resulta claro que dim(W2 ) = 2, y una base suya es
BW2 = {(1, 2, 1, 2), (0, 1, 1, 1)}.
Adems, como W1 + W2 = L({BW1 BW2 }), se tiene que
1 1 0 1
1 1 0 1
dim(W1 + W2 ) = r 0 1 1 1 = r 0 1 1 1 = 2
1 2 1 2
0 1 1 1
86
1
0
r
0
0
0
1
0
0
1 1
1
0
2 1
= r
0
1 2
0
2 1
0
1
0
0
1 1
2 1
= 4,
1 2
0 3
1 0
1
0
1 0
1
0
0 1 1 1
0 1 1 1
= r
r
0 1 1 0
2 1
1
0
0 1 1 1
1 1 2 1
1
0
= r
0
0
0 1
0
1 1 1
= 3,
0 0 1
0 0
0
1 2 1
0
2 = r 2 1 0 1
x1 x2 x3 x4
=0
1 2
0
2 1 1 = 0
x1 x2 x4
x1 + 2x2 3x3 = 0
2x1 + x2 3x4 = 0
7.1
87
ESPACIOS VECTORIALES
x1
x2
V1 = V1 V2
x3
x4
=
=
=
=
+ 2
2 +
1 0
1
0
0 1 1 1
3 = r
0 0
0 1
x1 x2 x3 x4
dim(V1 + V3 ) = r
1
2
1
0
0
2 1
0
1 0 1
0 1
0
1 1 1
0 0 1
=4
x1 + 2x2 3x3 = 0
2x1 + x2 3x4 = 0
V1 V3
x1 + x2 + x3
= 0
1 2 3 0
1 2 3 0
2 1 0 3 0 1 2 1
1 1 1
0
0 1 4
0
88
1 2 3 0
0 1 2 1 ,
0
0
2
1
x1 + 2x2 3x3 = 0
x2 + 2x3 x4 = 0
V1 V3
2x3 + x4
= 0
x1
x2
V1 V3
x
3
x4
=
=
=
=
52
2
12
x1
x2
V1 + V2 = V2 + V3 = V1 + V3 = R4
x3
x4
=
=
=
=
1
2
3
4
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
W = {(0, 0, c)/c R}
7.1
89
ESPACIOS VECTORIALES
1 1 1
1 0 1
a = 0
b = 0
de modo que
1 1 1
dim(U W ) = 3 r 1 0 0 = 0
0 1 0
1 0 1
dim(V W ) = 3 r 1 0 0 = 0
0 1 0
Hallar:
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U V ) y ecuaciones de U V .
90
Resolvamos el apartado a). Como en el apartado b) necesitaremos calcular bases para U y para V , las obtenemos ahora.
1 1 0 1
1 1 0 1
dim(U ) = r 1 2 3 0 = r 0 1 3 1
2 3 3 1
0 1 3 1
1 2 2 2
1 2
2 2
dim(V ) = r 2 3 2 3 = r 0 1 2 1
1 3 4 3
0 1
2 1
1 1
0 1
1 1
0 1
0 1
3
1
3
1
=
= r 0 1
dim(U + V ) = r
1 2
0 1
2 1
2 2
0 1 2 1
0 1 2 1
1
0
= r
0
0
1 0 1
1 3
1
=3
0 1 2
0 0
0
x1
x2
U +V
x
3
x4
=
=
=
=
1
1 + 2
32 + 3
1 + 2 + 23
7.1
ESPACIOS VECTORIALES
91
1 1 0 1
0 1 3
1
3 = r
0 0 1
2
x1 x2 x3 x4
1 1 0 1
1 = 3,
r 0 1 3
x1 x2 x3 x4
3x1 3x2 + x3 = 0
2x1 x2 + x4 = 0
1
2
2 2
r 0 1 2 1 = 3,
x1 x2 x3 x4
2
0 1
, y extendindolo a todos los menores de orden 3
que sea posible, se obtienen las ecuaciones cartesianas de V :
92
V
2x1 + 2x2 x3 = 0
x2 + x4
= 0
2x1 + 2x2 x3
x2 + x4
U V
3x1 3x2 + x3
2x1 x2 + x4
=
=
=
=
0
0
0
0
2 2 1 0
0
1
0 1
3 3 1 0
2 1 0 1
2
0
0
0
2 1 0
1 0 1
0 1 0
1 1 1
2
0
0
0
2
2 1 0
0
1 0 1
0
0 1 0
0
0 1 0
2 1 0
1 0 1
,
0 1 0
0 0 0
2x1 + 2x2 x3 = 0
x2 + x4
= 0
U V
x3
= 0
x1
x2
U V
x
3
x4
=
=
=
=
Calcular :
a) dim(W1 ) y dim(W2 ).
7.1
93
ESPACIOS VECTORIALES
b) dim(W1 W2 ) y ecuaciones de W1 W2 . Es R4 = W1 W2 ?
c) Hallar dim(W1 + W2 ).
Resolvamos el caso a). Se tiene
dim(W1 ) = 4 r
dim(W2 ) = r
1 0 1 0
0 1 0 1
1 1 1 1
0 0 0 1
=2
=2
1 1 1 1
2 = r 0 0 0 1
x y z t
lo
lugar, si escogemos el menor no nulo de orden mximo
cual da
1 1
y lo extendemos a todos los menores de orden 3 que po
0
W2
xz = 0
yz = 0
xz = 0
y+t = 0
W1 W2
yz = 0
xz = 0
y+t = 0
W1 W2
z+t = 0
y
W1 W2
z
=
=
=
=
94
W2 y W1 + W2 . Es R4 = W1 W2 ?
Las ecuaciones implcitas de W1 vienen dadas en el enunciado del ejercicio. Las paramtricas son
y
W1
z
=
=
=
=
y
W2
z
=
=
=
=
2
2
1 1 2 2
2 = r 1 0 1 0
x y z t
1 1
Al escoger el menor no nulo de orden mximo
1 0
x+y+z = 0
2y t
= 0
y extenderlo a
7.1
95
ESPACIOS VECTORIALES
xy
z+t
W1 W2
x+y+z
2y t
=
=
=
=
0
0
0
0
1 1 0 0
0 0 1 1
1 1 1 0
0 2 0 1
1 1 0 0
0 2 1 0
0 0 1 1
0 0 0 0
Entonces
xy = 0
2y + z = 0
W1 W2
z+t
= 0
y
W1 W2
z
=
=
=
=
2
2
y
W1 + W2
z
=
=
=
=
1 + 3
1
2 3
2
96
1
0
3 = r
1
x
1 0 0
0 1 1
.
0 1 0
y z t
y
W2
z
=
=
=
=
3
1
2
3
Una base para W2 es BW2 = {(0, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1)}.
Resolvamos el apartado b). En primer lugar, encontremos una base de
W1 +W2 = L({(1, 0, 0, 1), (0, 1, 1, 1), (0, 1, 1, 0), (0, 1, 0, 0), (0, 0, 1, 0)})
1 0
0 1
0 1 1 1
0
1 1 0
0
1
0 0
0
0
1 0
1 0
0 1
0 1 1 1
0
0 2 1
0
0 1 1
0
0
1 0
1 0
0
1
0 1 1 1
0
0 2 1
0
0
0 1
0
0
0
1
7.1
97
ESPACIOS VECTORIALES
1 0
0 1
0 1 1 1
,
3 = r
0
1 1 0
x
y
z t
2x + y + z + 2t = 0
x+t
= 0
2x + y + z + 2t = 0
y+z
= 0
y
W1 W2
z
=
=
=
=
2
1
1
2
de manera que una base ser BW1 W2 = {(0, 1, 1, 0), (1, 0, 0, 1)}.
20. En el espacio vectorial real M22 (R) se consideran los subespacios vectoriales
W1 =
a b
c d
M22 (R)/a + b + c + d = 0
W2 = L
1 1
1 1
0 0
,
0 1
1 0
0 0
0 1
0 0
0 0
,
,
,
0 0
1 0
0 1
98
Los vectores
1), (0, 0,
0, 1) representan las coordenadas de las
(1, 1,1,
1 1
0 0
matrices
,
respecto de la base Bc . De este modo,
1 1
0 1
y
W1
z
1 2 3
1
2
3
=
=
=
=
Una base de W1 es
BW1 = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)} con coordenadas respecto de Bc
De modo que
BW1 =
1 1
0 0
1 0
1 0
,
,
0 1
1 0
Una base de W2 es
BW2 =
1 1
1 1
0 0
,
0 1
Las coordenadas de estas matrices respecto de Bc son (1, 1, 1, 1), (0, 0, 0, 1),
de modo que las ecuaciones paramtricas de W2 son
y
W2
z
=
=
=
=
1
1
1
1 + 2
1 1 1 1
2 = r 0 0 0 1
x y z t
x y
z t
1 1
Escogiendo un menor no nulo de orden mximo, por ejemplo
0 1
7.1
99
ESPACIOS VECTORIALES
W2
xz = 0
yz = 0
1
1
1
1
0
1
0
0
1
0
0
1
0
1
0
0
0
1
1
1
=4
y
W1 + W2
z
=
=
=
=
1
2
3
4
x+y+z+t = 0
xz
= 0
W1 W2
yz
= 0
En este caso no es necesario escalonar el sistema para pasar a paramtricas ya que resulta trivial. Al tener un solo parmetro, podemos suponer
que es x = y obtenemos:
x =
y =
W1 W2
z =
t =
1
Una base de W1 W2 es BW1 W2 =
1
3
1
3
100
21. Dada la base de R3 , B = {v1 = (1, 1, 1), v2 = (1, 1, 2), v3 = (1, 2, 3)},
hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determinando previamente la matriz de cambio de base P = M (Bc , B) de la
base cannica Bc en la base B .
Resulta
1
1 1 1
1
1 1
= 1 1 2 = 1 2 1
1 2 3
1 1
0
P = M (Bc , B) = M (B, Bc )1
1
6
1
1 1
XB = 1 2 1 9 = 2
3
14
1 1
0
7.1
101
ESPACIOS VECTORIALES
Es claro que
2 1 1
M (B2 , Bc ) = 1 1 1
1 1 1
y
1
1 1 1
1
1 0
= 0 1 1 = 1 1 1
1 1
0
1 2 1
M (Bc , B1 ) = M (B1 , Bc )1
Por consiguiente,
1
1 0
2 1 1
3
2 0
M (B2 , B1 ) = 1 1 1 1 1 1 = 2 1 1
1 2 1
1 1 1
3 2 2
XB1
3
2 0
3
5
= 2 1 1 2 = 2
3 2 2
2
1
102
7.2.
APLICACIONES LINEALES
x1 = 0
x2 = 0
Ker(f )
x1 + x2 x3 = 0
7.2
103
APLICACIONES LINEALES
Ker(f ) =
= 0
2x1
x1 + x2 = 0
3x3
= 0
2x1 + x2 = 0
x1 2x2 = 0
Ker(f )
x2
= 0
con lo que dim(Im(f )) = 2 y una base suya es BIm(f ) = {(2, 1, 0), (1, 2, 1)}
c) f (x1 , x2 , x3 ) = (x1 , x2 , x1 + x2 x3 ).
Se tiene
Ker(f ) =
x1 = 0
x2 = 0
x1 + x2 x3 = 0
x1 x2 = 0
2x3 + x4 = 0
104
x1
x2
Ker(f )
x3
x4
=
=
=
= 2
1 1 0 0
1 0 1 2
esto es,
f 1 (W ) = {(x, y, z, t) R4 : (x y, x + z + 2t) W } =
= {(x, y, z, t) R4 : x y (x + z + 2t) = 0}
1 1 1 2
0
A = 1 1 0
0
0
1 2
7.2
105
APLICACIONES LINEALES
Tngase en cuenta que f (W ) = L(f (BW )), siendo BW una base del
subespacio W . El primer paso ser obtener BW .
W
x1 x2 = 0
x1 + x2 + x4 = 0
x1 x2 = 0
2x2 + x4 = 0
Al pasar a paramtricas,
x1 = 21
x2 = 12
x3 =
x4 =
y1 =
y2 = 0
f (W )
y3 =
1 0 1
y1 y2 y3
y1 + y3 = 0
y2 = 0
106
1 2 1
1 0 2
y1
y2
=
1 2 1
1 0 2
x1
x2
x3
y1 = x1 + 2x2 + x3
y2 = x1 2x3
Por otro lado, dado que las columnas de la matriz A son las coordenadas de un sistema de generadores de Im(f ) , entonces dim(Im(f )) =
r(A) = 2. En consecuencia, Im(f ) = R2 . Por la frmula de las dimensiones para aplicaciones lineales, dim(Ker(f )) = 3 2 = 1. El homomorsmo f es un epimorsmo y no es un monomorsmo ni, por tanto,
un isomorsmo.
7. Sea la aplicacin f : E F , con E y F de dimensiones 3 y 4 respectivamente, denida de la siguiente forma: f (e2 ) = e01 + e02 e04 ,
f (e3 ) = e01 + e02 e03 + e04 y e1 Ker(f ). Hallar dimensin y una base
para Ker(f ) y para Im(f ).
Calculemos la matriz A = M (f, B, B 0 ), siendo B = {e1 , e2 , e3 } y B 0 =
{e01 , e02 , e03 , e04 } bases de E y F respectivamente.
0 1 1
0 1
1
A=
0 0 1
0 1 1
Entonces
dim(Im(f )) = r(A) = 2
dim(Ker(f )) = dim(E)dim(Im(f )) = 1
7.2
107
APLICACIONES LINEALES
x2 + x3
x2 + x3
Ker(f )
x
3
x2 + x3
=
=
=
=
0
0
0
0
Pasando a paramtricas
x1 =
x2 = 0
Ker(f )
x3 = 0
1
((2, 1) + (4, 1))
6
1
= f ((2, 1) + (4, 1))
6
1
1
(f (2, 1) + f (4, 1)) = ((1, 0, 1, 3) + (2, 2, 3, 1)) =
6
6
1 1 1 2
=
,
, ,
2 3 3 3
1
(2(2, 1) + (4, 1))
3
1
= f (2(2, 1) + (4, 1))
3
1
1
(2f (2, 1) + f (4, 1)) = (2(1, 0, 1, 3) + (2, 2, 3, 1)) =
3
3
2 5 5
= 0,
, ,
3 3 3
108
1/2
0
1/3 2/3
A=
1/3
5/3
2/3 5/3
1
2
0 2
M (f, B, Bc0 ) =
1 3
3
1
y
M (Bc , B) = M (B, Bc )1 =
2 4
1 1
1
=
1/6 2/3
1/6 1/3
1/2
0
1/3 2/3
y1
y2
Im(f )
y
3
y4
= + 2
= 2
= + 3
= 3 +
1
0 1 3
1
2 = r 2 2 3
y1 y2 y3 y4
7.2
109
APLICACIONES LINEALES
0 1 1
A= 1 0 1
1 1 0
La expresin analtica es
y1 = x2 + x3
y2 = x1 + x3
y3 = x1 + x2
x1 = x2 + x3
x1 x2 x3 = 0
x2 = x1 + x3
x1 x2 + x3 = 0
Invar(f )
x3 = x1 + x2
x1 + x2 x3 = 0
x1 x2 x3 = 0
x3 = 0
= 0
x1 + x3
x1 + x3 = 0
x2 + x3
= 0
Ker(f )
x2 + x3 = 0
x1 + x2 = 0
110
x1 =
x2 =
Ker(f )
x3 =
Es claro que BIm(f ) = {(0, 1, 1), (1, 0, 1)}, de modo que las ecuaciones
paramtricas son
Im(f )
y1 =
y2 =
y3 = +
1
2 = r 0
y1
0
1
1 1
y2 y3
0 1 1
M = 0 1 0
0 2
1
La expresin analtica es
y1 = x2 x3
y2 = x2
y3 = 2x2 + x3
7.2
111
APLICACIONES LINEALES
De modo que, si Bc y Bc0 son las bases cannicas de R3 y R2 respectivamente, la matriz A = M (f, Bc , Bc0 ) es
A=
1 0 1
2 3 1
1 1 0
0 1 1
1 0 1
2 3 1
x1 x3
= 0
2x1 3x2 x3 = 0
112
1
0
F =
2
1
0
1
2
1
1
1
4
a
Se pide :
a) Calcular "a" para que f sea inyectiva.
b) Si f no es inyectiva, hallar f (L1 ), siendo L1 el subespacio de
ecuaciones 2x1 x3 = 0.
c) Sea L2 el subespacio de ecuaciones x1 + x2 x4 = 0, 3x1 + 3x2
x3 x4 = 0 y f no inyectiva. Hallar una base de L2 f (L1 ) y de
L2 + f (L1 ).
Resolvamos a). Se tiene
f inyectiva dim(Ker(f )) = 0 dim(Im(f )) = r(F ) = 3
1 0 2 1
1 0 2
1
1
r(F ) = r 0 1 2 1 0 1 2
1 1 4 a
0 0 0 a2
2x1 2x2 + x3 = 0
x1 + x2 x3
= 0
x1 + x2 x4 = 0
x3 + 2x4
= 0
7.2
113
APLICACIONES LINEALES
x1 + x2 x4
x3 + 2x4
L2 f (L1 )
2x1 2x2 + x3
x1 + x2 x3
=
=
=
=
0
x1 + x2 x4 = 0
0
x3 + 2x4
= 0
x4
= 0
0
Pasando a paramtricas,
x1
x2
L2 f (L1 )
x3
x4
=
=
=0
=0
Escalonando la matriz
1
1
0
3
0 2
1 0
1 2
2 10
1
1 0
0
0 1
0 1
1
5
0 2
2
2
2
4
1
1
1
2
se tiene una base de L2 + f (L1 ), BL2 +f (L1 ) = {(1, 0, 2, 1), (0, 1, 2, 1)}.
12. Sea la aplicacin f : R2 [x] R2 [x], denida por f (p(x)) = p0 (x).
Hallar la matriz asociada (con respecto a la base B = {1, x, x2 }), ecuaciones, Ker(f ), Im(f ) . Determinar si es un monomorsmo, epimorsmo, isomorsmo.
Como
f (1) = 0 = 0 1 + 0 x + 0 x2
f (x) = 1 = 1 1 + 0 x + 0 x2
f (x2 ) = 2x = 0 1 + 2 x + 0 x2 ,
la matriz F = M (f, B, B) es
0 1 0
F = 0 0 2
0 0 0
y1
0 1 0
x1
y2 = 0 0 2 x2
y3
0 0 0
x3
114
Como r(F ) = 2, se tiene que dim(Im(f )) = 2, de modo que f no es epimorsmo. Por otro lado, dim(Ker(f )) = dim(R2 [x]) dim(Im(f )) =
3 2 = 1, con lo que f tampoco es un monomorsmo.
Ker(f )
x2 = 0
2x3 = 0
y1 =
y2 = 2
Im(f )
y3 = 0
y las implcitas
Im(f ) {y3 = 0}
13. Sean
B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B10 = {(1, 1, 1), (1, 1, 1), (1, 1, 1)}
bases de R4 .
a) Qu vector de R3 tiene, respecto a la base B1 , coordenadas
(1, 2, 1) y cules son stas respecto a B10 ?
b) Calcular las matrices de cambio de base de B1 en B10 y de Bc en
B2 .
c) Siendo f el homomorsmo caracterizado por f (1, 1, 0) = (1, 1, 0, 0),
f (1, 0, 1) = (1, 0, 1, 0) y f (0, 1, 1) = (0, 0, 1, 1), hallar la matriz de
f respecto de B1 y Bc , respecto de B1 y B2 , respecto de B10 y Bc
y respecto de B10 y B2 .
Resolvamos el apartado a). Buscamos un vector x tal que sus coordenadas respecto de la base B1 sean XB1 = (1, 2, 1). Esto quiere decir
que
x
= 1(1, 1, 0) + 2(1, 0, 1) 1(0, 1, 1) = (3, 0, 1)
7.2
115
APLICACIONES LINEALES
1
1/2 0 1/2
1 1 1
1 = 0 1/2 1/2
= 1 1
1/2 1/2 0
1
1 1
M (B10 , Bc0 )1
En consecuencia,
XB10
1/2 0 1/2
3
2
= 0 1/2 1/2 0 = 1/2
1/2 1/2 0
1
3/2
1 1 0
1/2 0 1/2
M (B1 , Bc0 ) = 1 0 1 y M (Bc0 , B10 ) = 0 1/2 1/2
0 1 1
1/2 1/2 0
se tiene que
1/2 0 1/2
1 1 0
1/2 1 1/2
P = M (B1 , B10 ) = 0 1/2 1/2 1 0 1 = 1/2 1/2 1
1/2 1/2 0
0 1 1
1 1/2 1/2
Q = M (Bc , B2 ) = M (B2 , Bc )1
1
0
=
1
1
0
1
1
1
1
1
0
1
1
1
1
=
1
0
=
1/3
1/3 2/3 1/3
1/3
1/3
1/3 2/3
1
1
F = M (f, B1 , Bc ) =
0
0
1
0
1
0
0
0
1
1
116
1/3 2/3
2/3
1/3 1/3 2/3
G = M (Bc , B2 )M (f, B1 , Bc ) = QF =
2/3 1/3 1/3
2/3
2/3 1/3
1
1
1
1/2 1/2 3/2
H=
1
1
1
1/2 3/2 1/2
5/6
5/6 7/6
2/3 4/3 2/3
I=
2/3 2/3 4/3
5/6 7/6 5/6
a b
c d
= (a, a + b + c, 0)
1 0 0 0
F = 1 1 1 0
0 0 0 0
y
dim(Ker(f )) = dim(M22 (R)) dim(Im(f )) = 4 2 = 2
7.2
117
APLICACIONES LINEALES
La ecuacin implcita es
Im(f ) {y3 = 0}
x1
= 0
x1 + x2 + x3 = 0
x1
= 0
x2 + x3 = 0
118
7.3.
1. Se considera la matriz:
2 3
4 13
A=
La ecuacin cartesiana de V1 es
V1 {x + 3y = 0}
Al pasar a paramtricas,
V1
x = 3
y=
por lo que una base del subespacio propio V1 es BV1 = {(3, 1)}.
El vector (3, 1) es un autovector asociado al autovalor = 1. Esto
signica que
A
3
1
3
1
Al pasar a paramtricas,
V14
x=
y = 4
7.3
119
por lo que una base de V14 es BV14 = {(1, 4)}. El vector (1, 4) es un
autovector asociado al autovalor = 14. Esto signica que
A
1
4
= 14
1
4
1 0
0 14
3 1
1 4
Se tiene la igualdad P 1 AP = D.
Calculemos An . Se tiene A = P DP 1 . En consecuencia,
An = P DP 1 P DP 1 P DP 1 P DP 1 = P Dn P 1 =
12+14n
3+314n
13
13
4/13 1/13
1 0
3 1
=
=
1/13 3/13
0 14n
1 4
4+414n
1+1214n
13
13
2. Determinar los valores de a, b, c, d para los cuales cada una de las siguientes matrices reales es diagonalizable:
A=
a b
c d
B=
a b
b a
(a + d)
p
(a + d)2 4(ad bc)
2
120
1 0 0
A= a 1 0
1 b c
0 0
0
1
a 0
0
=
dim(V1 ) = 3 r(A I) = 3 r
2
1 b c1
si
si
a 6= 0
a=0
0 0 0
dim(V1 ) = 3 r(A I) = 3 r a 0 0 < 3
1 b 0
5 6 6
4
2
F = 1
3 6 4
7.3
121
4 6 6
1 3
2
1 3 2
1 3
2 2 3 3 0 3 1
3 6 5
3 6 5
0 3 1
Resulta
V1
x + 3y + 2z = 0
3y + z
= 0
x = 3
y =
V1
z = 3
de modo
una base
que
deV1 es BV1 = {(3, 1, 3)}. Esto quiere decir
3
3 6 6
1 2
2
3 6 6
x = 2 + 2
y=
V1
z=
122
Una base de V2 es BV2 = {(2, 1, 0), (2, 0, 1)}. Tenemos una base de R3
formada por autovectores
B = {BV1 , BV2 } = {(3, 1, 3), (2, 1, 0), (2, 0, 1)}
1 0 0
M (f, B) = 0 2 0
0 0 2
6. Sea E4 un espacio vectorial real. B = {~e1 , ~e2 , ~e3 , ~e4 } una base de E4 .
Sea f End(E4 ), cuya matriz respecto a B es:
1
0
A=
0
a
0
1
0
0
0
0
a
0
0
0
0
2
7.3
123
de modo que los dos autovalores son reales y las multiplicidades algebraica y geomtrica coinciden para los dos. El endomorsmo del caso
2 es, por tanto, diagonalizable.
Caso 3. Sea a 6= {1, 2}. Entonces los autovalores son = 1 con m(1) =
2, = 2 con m(2) = 1 = dim(V2 ) y = a con m(a) = 1 = dim(Va ).
Adems, dim(V1 ) = 4 r(A I) = 4 2 = 2 = m(1), de manera que
f es diagonalizable tambin para el caso 3.
Resolvamos el apartado b.1). El polinomio caracterstico es p() =
( 1)3 ( 2). Los subespacios propios tienen ecuaciones cartesianas:
V1 {x + t = 0}
x = 0
y = 0
V2
z = 0
x = 3
y = 1
V1
z = 2
t = 3
x=0
y=0
V2
z=0
t=
1
0
D=
0
0
0
1
0
0
0
0
1
0
0
0
0
2
0
1
P =
0
0
0 1 0
0 0 0
1 0 0
0 1 1
x+z = 0
x+z = 0
x
= 0
z
= 0
W
y 3t = 0
y 3t = 0
124
1 0 1
0
y dim(W ) = 4 r 0 1 0 3 = 4 3 = 1.
0 0 1 0
y 3t
V2 W
z
=
=
=
=
0
x
0
y
0
z
0
t
=
=
=
=
0
0
0
0
y
V2 + W
z
=
=
=
=
0
32
0
1 + 2
Resolvamos el apartado b.3). El endomorsmo f tiene matriz asociada A con a = 1, de modo que dim(Im(f )) = r(A) = 4 = dim(E4 ).
Por consiguiente, Im(f ) = E4 y f es suprayectivo. Por otro lado,
dim(Ker(f )) = dim(E4 ) dim(Im(f )) = 4 4 = 0, con lo que
Ker(f ) = {0}, siendo f un monomorsmo (homomorsmo inyectivo).
7. Sea la matriz:
1
1
1
1
1
1 1 1
A=
1 1
1 1
1 1 1
1
7.3
125
1
1
1
1
1
1 1
1
1
1 1
2 2 (2 + )
1
2
0
2 +
= 2
= (2) (2+) 1
0
0
2
2 +
(2 + )
2 +
2 +
1
1
0 1 =
1 1
= (2 )3 ( 2)
V2 {x + y + z + t = 0}
V2 = {
x R4 : (A + 2I)
x = 0}
1 1 1 3
3 1
1
1
A + 2I
1 3 1 1
1 1 3 1
1 1 1 3
0 1
1 2
0 0 1 1
0 0
0
0
En consecuencia,
V2
x y z + 3t = 0
y + z 2t
= 0
z + t
= 0
126
1
1
P =
0
0
1
0
1
0
1 1
0 1
0 1
1 1
2
0
D = M (f, B) =
0
0
0
2
0
0
0 0
0 0
2 0
0 2
0
D2 =
0
0
0
4
0
0
0
0
4
0
0
0
0
4
D1
1/2 0
0
0
0 1/2 0
0
=
0
0 1/2
0
0
0
0 1/2
y la matriz de paso es P .
Resolvamos el apartado d). Si n es par, n = 2m, entonces
An = (A2 )m = (22 I)m = 2n I.
Si n es impar, n = 2m + 1, entonces
An = A2m A = 22m IA = 2n1 A.
7.3
127
1 0 3
A= 3 2 3
3 0 1
1 1 1
A= 0 2 1
0 2 3
1 1
0
1
A= 0 1
0 2 1
0
0
A = M (f, Bc ) =
0
1
0
0
1
0
0
1
0
0
1
0
0
0
128
El polinomio caracterstico es
p() =
0
0
1
0 1
0
0
1 0
1
0
0
0 0
0 1 2
0 1
0
0 1
0
1 0
0
Los autovalores son = 1, m(1) = 2 y = 1, m(1) = 2. Determinemos los subespacios propios. Al escribir V1 con coordenadas
respecto de Bc se tiene
V1 = {
x R4 : (A I)
x = 0}
x + t = 0
y + z = 0
x+t = 0
y+z = 0
7.3
129
1 0 1 0
0 1 0 1
P =
0
1 0 1
1
0 1 0
1 0 0 0
0 1 0 0
D=
0
0 1 0
0
0 0 1
1 3 3
A = 3 5 3
6 6 4
Determinar:
a ) Autovalores y autovectores de f .
b ) Hallar una base que permita la diagonalizacin.
Resolvamos el apartado a). El polinomio caracterstico es p() = (4
)( + 2)2 . Los autovalores son = 4 con m(4) = 1 y = 2 con
m(2) = 2. Determinemos los subespacios propios asociados.
V4 {
x R4 : (A 4I)
x = 0}
1 1 1
1 1 1
A 4I 1 3 1 0 4 2
1 1 0
0 2 1
x y + z = 0
2y + z
= 0
2 0 0
0 2 0
D=
0
0 4
130
1 1 1
A= a b c
d e f
3
a+b+c
d+e+f
0
ac
df
2
a b
d e
=
=
=
=
=
=
=
=
=
1
a+b+c
d+e+f
ac
0
df
a b
3
d e
3
0
=
=
=
=
=
=
3
a=1
3
b=1
0
c=1
0
d = 3
2
e
=9
0
f = 3
0
0
A = M (f, Bc ) =
0
0
1
0
0
0
0
2
0
0
0
0
3
0
x=
y=0
V0
z=0
t=0
7.3
131
esto es,
a12 + a13 = 0
a22 + a23 = 0
a32 + a33 = 0
0 2 2
A = 1 1 1 ,
1 1 1
xyz = 0
z
= 0
V2
x+yz = 0
y
= 0
Las bases respectivas son BV2 = {(1, 1, 0)}, BV2 = {(1, 0, 1)}. La base
pedida de autovectores de R3 es
B = {(1, 0, 1), (0, 1, 1), (1, 0, 1)}
2 0 0
D = M (f, B) = 0 0 0
0 0 2
132
2 1
1 0
A=
Calcular A15 .
Se tiene p() = 2 2 + 1 = ( 1)2 . Se tiene que 1 es un autovalor
doble. Sin embargo, dim(V1 ) = 1 con V1 = E1 (1) = L{(1, 1)}. De
manera que A no es diagonalizable. La matriz cannica de Jordan es
J=
1 1
0 1
1 1
1 0
y que J = P 1 AP .
Falta calcular A15 . Tngase en cuenta que A = P JP 1 , con lo que
A15 = P JP 1 P JP 1 P JP 1 = P J 15 P 1
15
=
1 15
0 1
=
0 1
1 1
De manera que
A
15
15
= PJ P
=
16 15
15 14
1 0 1
A= 0 1 0
1 1 1
0 1 0
B = 1 0 1
1 1 1
7.3
133
0 4
0
1
0 2
0
0
C=
0 0
0
0
4 8 12 4
tovalores reales, uno simple (el 1) y otro doble (el 0). Es claro que
dim(V1 ) = 1. Se comprueba que dim(V0 ) = 1 con V0 = E1 (0) =
L{(1, 0, 1)}. Por consiguiente, A no es diagonalizable y J es
1 0 0
J = 0 0 1
0 0 0
1 1 0
P = 1 0 0
0 1 1
cumplindose P 1 AP = J .
134
Estudiemos la matriz
diagonalizable. Resulta
1 0 0
J = 0 0 1 ,
0 0 0
B(0) = {v1 , v2 }
1 1 0
P = 1 0 1
2 1 0
7.3
135
0
0
J =
0
0
0
2
0
0
3 1 0 2
0 0 0 1
P =
1 0 0 0
0 2 1 0
0
0
,
0
2
0
1
2
0
16. Encontrar la forma de Jordan real y una matriz de paso real de:
A=
0 1 1
B= 0 1 0
3 1 0
1 2
3 1
0
1 + 6i
.
0
1 6i
J =
6
.
1
6i) = E1 (1 +
6i) = V1+6i
)
6
=L (
i, 1)
3
136
M (1
6i) = E1 (1
6
=L (
i, 1)
3
(
6i) = V16i
6
3 i
6
3 i
. Buscamos la matriz
1
1
de paso real Q M2 (R) tal que Q AQ = J 0 . Las columnas de la
matriz Q se obtienen a partir de las partes real e imaginaria de una de
las columnas de P , esto es,
Q=
0
1
6
3
1 0
0
3i
0 ,
J = 0
0
0
3i
1
0
0
0
3
J0 = 0
0 3 0
Adems,
La base B es
7.3
0
1
1
,
0
P = 1
0
1 3i
3i
0 1
0
0
Q= 1 0
1 0 3
137
138
7.4.
siendo A =
2 1
1 2
u0
v0
=A
Nota.
Utilcese el hecho de que, al ser
u
v
u
v
A diagonalizable, dado x
=
, se tiene x0 = A
x, lo que equivale a escribir x
0 = P DP 1 x
.
Llamando y = P 1 x, se obtiene y0 = D
y , un sistema de resolucin
elemental.
El polinomio caracterstico es p() = 2 + 4 + 3 = ( + 3)( + 1). La
matriz A es, por tanto, diagonalizable. Los subespacios propios son
V3 = L{(1, 1)}
V1 = L{(1, 1)}
Se tiene A =
P DP 1 ,
3 0
0 1
P =
de modo que
x
0
1 1
1 1
P DP 1 x
para x =
u
v
o, de modo equivalente,
y0 = D
y
Resolvamos el sistema y0 = D
y . Queda
y10 (t) = 3y1 (t)
y20 (t) = y2 (t)
De modo que
y1 (t) = c1 e3t ,
y2 (t) = c2 et
u(t)
v(t)
=
1 1
1 1
c1 e3t
c2 et
=
1 1
1 1
e3t 0
0
et
c1
c2
7.4
139
u(t) = c1 e3t + c2 et
v(t) = c1 e3t + c2 et
u(t)
v(t)
3t
= c1 e
1
1
1
t
+c2 e
1
x01 = x1 + 3x2
x02 = 2x1 + 2x2
1 3
2 2
V1 = L{(3, 2)}
1 0
0 4
,
P =
3 1
2 1
De modo que
y1 (t) = c1 et ,
y2 (t) = c2 e4t
140
x1 (t)
x2 (t)
=
3 1
2 1
c1 et
c2 e4t
=
3 1
2 1
et 0
0 e4t
c1
c2
x1 (t)
x2 (t)
= c1 et
3
2
+c2 e4t
0 = 3c1 + c2
5 = 2c1 + c2
x1 (t)
x2 (t)
=e
3
2
1
4t
+3e
1
3v 2u o, lo que es equivalente,
= u, u0 = v , v 0 =
0 1 0
y
y0
u0 = 0 0 1 u
v0
0 2 3
v
Resolvemos el sistema x0 = A
x con
y
x
= u
v
0 1 0
A= 0 0 1
0 2 3
1
1
7.4
V0 = L{(1, 0, 0)},
V1 = L{(1, 1, 1)},
141
V2 = L{(1, 2, 4)}
0 0 0
D = 0 1 0 ,
0 0 2
1 1 1
P = 0 1 2
0 1 4
De modo que
y1 (t) = c1 ,
y2 (t) = c2 et ,
y3 (t) = c3 e2t
c1
1 1 1
y(t)
u(t) = 0 1 2 c2 et =
0 1 4
c3 e2t
v(t)
1 1 1
1 0 0
c1
= 0 1 2 0 et 0 c2
0 1 4
0 0 e2t
c3
4 1
1 2
142
es 1
y la geomtrica
2, de modo que A no es diagonalizable. Resulta
3 1
J=
. Calculemos la matriz de paso P . Se tiene
0 3
E2 (3) = R2
x1 (t)
x2 (t)
=
1 1
1 0
e3t te3t
0 e3t
c1
c2
x1 (t)
x2 (t)
= (c1 + c2 t)e3t
1
1
+ c2 e3t
1
0
1 = c1 + c2
1 = c1
3
2
4 1
3 1 0
c) A = 0 3 0
0 2 3
10 10 14
b) A = 3 5 5
7 8 10
6 8 10
d) A = 2 2 3
5 6 8
7.4
143
1 + 2i
0
0
1 2i
,
J =
1 2
2 1
1
1
1 + i 1 i
M2 (C)
La matriz de paso Q M2 (R), cuyas columnas dan lugar a las soluciones del sistema, es
Q=
1 0
1 1
,
x1 (t)
x2 (t)
=
1 0
1 1
et cos 2t et sen 2t
et sen 2t et cos 2t
c1
c2
diagonalizable. Resulta
1 0 0
J = 0 2 1
0 0 2
144
Como
4 2 6
(A 2Id)2 = 2 1 3 ,
4 2 6
2 12 1
2
P = 1 3
2 9
0
c1
e
0
0
2 12 1
x1 (t)
x2 (t) = 1 3
2 0 e2t te2t c2
0 0 e2t
2 9
0
c3
x3 (t)
Caso c). Se tiene p() = (3)3 y dim(V3 ) = 2 con V3 = L{(1, 0, 0), (0, 0, 1)}.
De modo que A no es diagonalizable. La matriz de Jordan es
3 0 0
J = 0 3 1
0 0 3
Adems,
7.4
145
(1, 0, 2) E1 (3) y se elige u1 E1 (3) independiente de u2 ; por ejemplo, u1 = (1, 0, 0). Se tiene la base
B = {(1, 0, 0), (1, 0, 2), (0, 1, 0)}
1 1 0
P = 0 0 1
0 2 0
x1 (t)
1 1 0
e
0
0
c1
x2 (t) = 0 0 1 0 e3t te3t c2
x3 (t)
0 2 0
0
0 e3t
c3
E3 (0) = R3
0 1 0
J = 0 0 1
0 0 0
Para conseguir la base B se eligen dim(E3 (0)) dim(E2 (0)) = 1 vectores de E3 (0) \ E2 (0); por ejemplo, u3 = (0, 0, 1). Ser u2 = Au3 =
(10, 3, 8) E2 (0) \ E1 (0) y u1 = A2 u3 = Au2 = (4, 2, 4)
E1 (0). Entonces
B = {(4, 2, 4), (10, 3, 8), (0, 0, 1)}
La matriz de paso es
4 10 0
P = 2 3 0
4 8 1
146
y10 = y2 ,
y20 = y3 ,
y30 = 0
Entonces,
y3 = c3
y2 = c3 t + c2
2
y1 = c3 t2 + c2 t + c1
c1
t c2
c3
1
x1 (t)
4 10 0
1 t
x2 (t) = 2 3 0 0 1
x3 (t)
4 8 1
0 0
3 2
2 2
t
0
X+
1 2
2 1
et 0
0 e2t
c1
c2
= c1 et
1
2
+ c2 e2t
2
1
Xp = c1 (t)e
Al derivar, resulta
1
2
2t
+ c2 (t)e
2
1
7.4
147
Xp0
[c01 (t)et
1
2
c1 (t)e ]
[c02 (t)e2t
2t
+ 2c2 (t)e ]
2
1
1
2
c1 (t)e ]
3 2
2 2
+
[c02 (t)e2t
2t
+ 2c2 (t)e ]
2
1
=
2
t
1
2t
t
+
+ c2 (t)e
c1 (t)e
1
0
2
Simplicando, resulta
c01 (t)et + 2c02 (t)e2t = t
2c01 (t)et + c02 (t)e2t = 0
Despejando, se tiene
1 t
te ,
3
c01 (t) =
2
c02 (t) = te2t
3
Integrando,
1 t
c1 (t) =
e (t 1),
3
2t
c2 (t) = e
t 1
3
6
La solucin particular Xp es
1
Xp (t) =
(t 1)
3
1
2
+
t 1
3
6
2
1
=
t
t +
1
2
X = Xh + Xp = c1 e
1
2
+ c2 e
2t
2
1
+
t
t +
1
2
148
7.5
7.5.
149
y
W2 = L{(1, 1, 2, 2), (1, 0, 1, 0)}
Hallar:
a) Las ecuaciones de W1 y una base ortonormal de W1 .
b) Las ecuaciones del complemento ortogonal W2 y una base ortogonal para W2 .
Resolvamos a). Buscamos las ecuaciones de W1 . En primer lugar, se
determina una base de W1 pasando a paramtricas:
y
W1
z
=
=
=
=
x+y = 0
z + t = 0
W1
=
=
=
=
y una base ser BW1 = {(1, 1, 0, 0), (0, 0, 1, 1)}. Obsrvese que esta
base ya es ortogonal con respecto al producto escalar usual. Buscamos
que sea ortonormal. Basta dividir cada vector entre su mdulo. As
0
BW
=
1
1
1
(1, 1, 0, 0), (0, 0, 1, 1)
2
2
150
x + y 2z + 2t = 0
xz
= 0
a 0
0
A = 0 2 1
0 1 2
1 0
0
2
h(1, 1, 1), (2, 1, 1)i = (1, 1, 1) 0 2 1 1 = 0
0 1 2
1
a 1
1 1
,
7.5
151
determinar los valores de "a" para los que F dene un producto escalar.
Por el criterio de Sylvester, debe ocurrir
1 = a > 0, 2 = a 1 > 0
2
0
A=
1
0
0
2
0
1
1
0
2
0
0
1
0
2
Se pide:
a) Determinar si Q da lugar a un producto escalar.
b) En el espacio eucldeo real (R4 , h , i) que dene Q se pide:
b.1) Calcular la distancia y ngulo entre los vectores u = (1, 1, 1, 1)
y v = (1, 1, 0, 0).
b.2) Obtener las ecuaciones implcitas del complemento ortogonal
al subespacio vectorial U = L{(1, 1, 0, 0), (1, 1, 1, 0)}.
b.3) Determinar una base ortonormal del subespacio vectorial V =
L{(1, 1, 1, 1), (1, 0, 0, 1)}.
Resolvamos a). Aplicamos el criterio de Sylvester.
1 = 2 > 0, 2 = 4 > 0, 3 = 6 > 0, 4 = 9 > 0
1
1
1
1
u=
1 yv= 0
1
0
es
v
u
0
u
u
p
u
0
152
3
hu, vi
3
ut Av
6
cos() =
=
= = =
t
t
kukkvk
2
12 4
2 3
u Au v Av
En consecuencia, = arccos(
3
2 )
= 6 .
2x + 2y + z + t = 0
3x + 2y + 4z
= 0
1
1
1
0
u1 =
1 y u2 = 0
1
1
son base de V pero no son ortogonales, ya que ut1 Au2 = 6 6= 0. Escogemos e1 = (1, 1, 1, 1). Para obtener e2 perpendicular a e1 , e2 V ,
aplicamos Gram-Schmidt.
e2 = u2
hu2 , e1 i
1
e1 = (1, 0, 0, 1) (1, 1, 1, 1) = (1/2, 1/2, 1/2, 1/2)
2
ke1 k
2
=
1
1
(1, 1, 1, 1), (1, 1, 1, 1)
2
2 3
es la base buscada.
5. Dado R3 con el producto escalar usual, calcular:
a) La proyeccin del vector (1, 0, 0) sobre el subespacio
U {x + y = 0}.
7.5
153
PU (x) =
hx, u1 i
hx, u2 i
1
u1 +
u2 = (1, 1, 0)+0(0, 0, 1) = (1/2, 1/2, 0)
2
2
ku1 k
ku2 k
2
hx, w1 i
w1 = (2, 0, 2)
kw1 k2
Se pide:
a) Hallar una base ortonormal de U .
b) Hallar las proyecciones sobre U y sobre U del vector v = (1, 2, 3, 4).
Resolvamos a). Aplicamos Gram-Schmidt:
e1 = (0, 1, 1, 1)
2 ,e1 i
e2 = u2 hu
e = 13 (0, 1, 1, 2)
ke1 k2 1
e3 = u3
hu3 ,e1 i
e
ke1 k2 1
hu3 ,e2 i
e
ke2 k2 2
= 12 (0, 1, 1, 0)
1
1
1
(0, 1, 1, 1), (0, 1, 1, 2), (0, 1, 1, 0)
3
6
2
7. En R4 , con el producto escalar usual, utilizar el mtodo de GramSchmidt para calcular una base ortonormal a partir de los vectores
Se tiene:
154
e1
e2
= (1, 1, 1, 1)
2 ,e1 i
e = 12 (1, 1, 1, 1)
= u2 hu
ke1 k2 1
e3
= u3
e4 = = u4
hu3 ,e1 i
e
ke1 k2 1
hu4 ,e1 i
e
ke1 k2 1
hu3 ,e2 i
e
ke2 k2 2
hu4 ,e2 i
e
ke2 k2 2
= 12 (0, 0, 1, 1)
hu4 ,e3 i
e
ke3 k2 3
= 12 (1, 1, 0, 0)
+ x x < 0
x 0x
a0 =
ak =
=
=
R
R
1
1
f
(x)
dx
=
2
0 (
R
1
f (x) cos(kx) dx =
x) dx =
i
x2
2 0
i
R
(
x)
cos(kx)
dx
=
(
+
x)
cos(kx)
dx
+
0
(
0
si k es par
2
(1 cos(k)) =
k2
4
si k es impar
k2
1
hR
0
4
4
4
+ cos(x) + 2 cos(3x) + 2 cos(5x)
2
3
5
La serie de Fourier es
f (x) =
cos x +
4
(2k+1)2
4
32
cos(3x) +
4
52
cos(5x)+
cos((2k + 1)x) +
7.5
155
4 X cos((2k + 1)x)
f (x) = +
2
(2k + 1)2
k=0
1
4
1
1
= +
1 + 2 + 2 + 2
2
3
5
7
De manera que
X
1
1
1
1
2
= 1 + 2 + 2 + 2 + =
8
3
5
7
(2k + 1)2
k=0
1 1 1 1
= 1 + + .
4
3 5 7 9
x sen(kx) dx =
2
(1)k+1
k
1
1
1
1
1
= 2 sen x sen(2x) + sen(3x) sen(4x) + sen(5x) sen(6x)
2
3
4
5
6
156
X
(1)k+1 sen(kx)
k=1
Si se escoge x = 2 , resulta
1 1 1
= 2 1 + +
2
3 5 7
En consecuencia,
X (1)k
1 1 1
= 1 + + =
4
3 5 7
2k + 1
k=0
REFERENCIAS
157
Referencias