Académique Documents
Professionnel Documents
Culture Documents
Apuntes de teora y
ejercicios resueltos
lgebra Lineal Jos Manuel Salazar
Apuntes de teora y
ejercicios resueltos
SERVICIO DE PUBLICACIONES
El contenido de este libro no podr ser reproducido,
ni total ni parcialmente, sin el previo permiso escrito del editor.
Todos los derechos reservados.
Universidad de Alcal
Servicio de Publicaciones
Plaza de San Diego, s/n
28801 Alcal de Henares
www.uah.es
ISBN: 978-84-8138-893-0
Depsito Legal: M-48205-2010
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 demostra-
ciones, cuya consulta se deja al criterio del lector en cualquier texto estndar.
Los contenidos quedan estructurados de la siguiente manera: cada cap-
tulo 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 estruc-
turas 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 vec-
tores. 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 5
ndice
1. PRELIMINARES 7
1.1. CLCULO DEL RANGO POR EL MTODO DE GAUSS . 7
1.2. SISTEMAS DE ECUACIONES LINEALES . . . . . . . . . . 8
1.2.1. Mtodo de eliminacin de Gauss . . . . . . . . . 9
1.2.2. Discusin de sistemas de ecuaciones lineales . . 9
1.2.3. Regla de Cramer . . . . . . . . . . . . . . . . . . . . 10
1.3. PROPIEDADES DE LOS DETERMINANTES . . . . . . . . 10
1.4. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. ESPACIOS VECTORIALES 13
2.1. ESPACIOS VECTORIALES. SUBESPACIOS
VECTORIALES . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. DEPENDENCIA E INDEPENDENCIA LINEAL. BASES . . 14
2.3. SUBESPACIO GENERADO POR LAS FILAS DE UNA MA-
TRIZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4. ECUACIONES CARTESIANAS Y PARAMTRICAS DE UN
SUBESPACIO . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5. SUMA E INTERSECCIN DE SUBESPACIOS. SUMA DI-
RECTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6. COORDENADAS Y CAMBIO DE BASE . . . . . . . . . . . 18
2.7. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3. APLICACIONES LINEALES 27
3.1. PRIMERAS DEFINICIONES Y PROPIEDADES . . . . . . . 27
3.2. MONOMORFISMOS, EPIMORFISMOS E
ISOMORFISMOS . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3. MATRICES Y APLICACIONES LINEALES. CAMBIO DE
BASE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4. OPERACIONES CON APLICACIONES LINEALES . . . . . 31
3.5. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1. PRELIMINARES
a11 ... a1n a11 ... a1n b1
.. ... .. .. ... .. ..
A= . . A = . . .
am1 . . . amn am1 . . . amn bm
se las llama matriz de coecientes y matriz ampliada de coecientes de (I).
1.4. EJERCICIOS
13
2. ESPACIOS VECTORIALES
(S1) Asociativa: (u + v) + w = u + (v + w) u, v, w V .
(S2) Conmutativa: u + v = v + u u, v V .
(S3) Existencia de elemento neutro: 0 V tal que 0+v = v + 0 = v v V
(S4) Existencia de elemento opuesto: v V existe otro vector v V tal
que v + (v) = 0.
a1 v1 + a2 v2 + + am vm = 0
o, dicho de otro modo, si existe un vector vi S que se puede poner como
combinacin lineal del resto.
Se dice que el conjunto de vectores S = {v1 , . . . , vm } es linealmente inde-
pendiente si no es linealmente dependiente, esto es, de ser cierta la igualdad
a1 v1 + a2 v2 + + am vm = 0,
entonces a1 = = am = 0. Esto equivale a decir que ningn vector de S se
puede poner como combinacin lineal del resto.
tambin es l.d..
3. Si {v1 , . . . , vm , vm+1 , . . . , vm+r } es l.i., entonces {v1 , . . . , vm } es l.i..
Denicin 9. (Base)
Una familia de vectores B V es una base del espacio vectorial V si es
linealmente independiente y sistema de generadores de V .
Si V admite una base nita B = {v1 , . . . , vn } de n vectores, lo llamaremos
espacio vectorial de dimensin nita. Diremos que la dimensin de V es n,
dim(V ) = n.
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).
.
xn = an1 1 + an2 2 + + anm m
U W = {v V tal que v U y v W }
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 .
U + W = {u + w tal que u U, w 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
subespacios vectoriales {Ui } de V como i Ui = L( i Ui ).
P S
x = x1 e 1 + + xn e n
Llamaremos a (x1 , . . . , xn ) Kn coordenadas de x respecto de la base B
y lo representaremos por xB = (x1 , . . . , xn ).
1. [x + y]B = (x1 + y1 , . . . , xn + yn ).
2. [ax]B = (ax1 , . . . , axn ).
3. Dado un conjunto de vectores S = {v1 , . . . , vr } de V , tendremos que
S es l.i., l.d., sistema de generadores o base de V si y slo si lo son sus
vectores de coordenadas respecto de B en Kn .
x1 e1 + + xn en = (a11 x01 + + a1n x0n )e1 + + (an1 x01 + + ann x0n )en .
De modo que:
an1 ann
entonces tenemos que xB = P xB 0 , esto es,
x01
x1 a11 a1n
.. .. ... .. ..
. = . . .
xn an1 ann x0n
Decimos que sta es la ecuacin matricial del cambio de base. A la ma-
triz 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 2 ESPACIOS VECTORIALES
2.7. EJERCICIOS
a) A = {(2x, x, 7x)/x R}
b) A = {(x, y, z)/xy = 1}
c) A = {(x, y, z)/x = y x = z}
d) A = {(x, y, z)/x + y + z = 0 y x y z = 0}
B = {1, t, t2 , ..., tn }
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)})
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U V ) y ecuaciones de U V .
Calcular :
a) dim(W1 ) y dim(W2 ).
b) dim(W1 W2 ) y ecuaciones de W1 W2 . Es R4 = W1 W2 ?
c) dim(W1 + W2 ).
W1 = {(x, y, z, t) R4 /x y = 0, z + t = 0}
19. Sean
W2 = {(x, y, z, t) R4 /x + t = 0}.
20. En el espacio vectorial real M22 (R) se consideran los subespacios vec-
toriales
a b
W1 = M22 (R)/a + b + c + d = 0
c d
1 1 0 0
W2 = L ,
1 1 0 1
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, determi-
nando 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)}
3. APLICACIONES LINEALES
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 APLICACIONES LINEALES
.
ym = am1 x1 + + amn xn
o, escrito matricialmente,
y1 a11 a1n x1
.. .. ... .. ..
. = . . .
ym am1 amn xn
Esta es la llamada ecuacin matricial de f respecto de las bases B y B 0 .
La matriz
a11 a1n
.. ... ..
F = . .
am1 amn
tiene m las y n columnas y se denomina matriz asociada a f respecto de las
bases B y B 0 . Adems, F tiene por columnas las coordenadas respecto de B 0
de los vectores f (e1 ), . . . , f (en ). Escribiremos F = M (f, B, B 0 ). La ecuacin
matricial de f se escribe abreviadamente como
yB 0 = M (f, B, B 0 )xB
F
xB1 yB10
P Q
G
xB2 yB20
Se tiene entonces que la relacin entre las expresiones matriciales F y
G asociadas a f viene dada por la igualdad F = Q1 GP o, dicho de otro
modo,
3.5. EJERCICIOS
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 EJERCICIOS 35
B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B10 = {(1, 1, 1), (1, 1, 1), (1, 1, 1)}
bases de R4 .
M (f,B)
xB yB
P P
M (f,B 0 )
xB 0 yB 0
As, M (f, B) = P 1 M (f, B 0 )P , de modo que las matrices M (f, B) y
M (f, B 0 ) son semejantes (recurdese que dos matrices A, C Mn (R) son
semejantes si C = P 1 AP con P Mn (R) regular).
Podemos preguntarnos si es posible encontrar una base B respecto de la
cual la matriz asociada a f , M (f, B), sea diagonal. El inters por encontrar
una matriz tan sencilla radica en que permite estudiar ms fcilmente el
comportamiento de la aplicacin lineal.
Desafortunadamente, no siempre existir una tal matriz diagonal aso-
ciada a f . En este captulo veremos cules son las situaciones en que la
aplicacin f admite estas representaciones matriciales y, en caso de no ser
as, aprenderemos a determinar la representacin ms sencilla posible, a la
que llamaremos forma cannica de Jordan.
1 dim(V )
D
xB yB
P P
A
xB0 yB0
40 4 DIAGONALIZACIN Y FORMAS CANNICAS
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 com-
pleja, 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 cal-
culamos 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
V = M (1 ) M (s )
J1 (i )
...
J1 (i )
...
J(i ) =
Jp (i )
...
Jp (i )
jp = dp dp1
jp1 + jp = dp1 dp2
jp2 + jp1 + jp = dp2 dp3
..
.
La familia de vectores B = B(1 ) B(s ) ser una base de V y
la matriz asociada a f con respecto a dicha base ser la forma cannica de
Jordan
J(1 )
J =
...
J(s )
La matriz de paso P se obtendr de escribir las coordenadas de estos
vectores en forma de columnas.
Proposicin 3. En las condiciones de la ltima proposicin, dado un auto-
valor , 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
J1 ()
...
J1 ()
...
J() =
Jp ()
...
Jp ()
El algoritmo que permite construir B() es el siguiente:
4.4 FORMAS CANNICAS DE JORDAN 43
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 FORMAS CANNICAS DE JORDAN 45
0
dremos J = 0 M3 (R). Existe tambin una matriz de
0
0 0
paso Q M3 (R) tal que J 0 = Q1 AQ.
Ejemplo 3
Determinar la forma cannica de Jordan y la matriz de paso de
0 3 1
A = 2 1 1
2 1 1
Se tiene p() = ( 2)( + 2)2 . Adems E1 (2) = Ker(A 2Id) =
L{(1, 1, 1)} y E1 (2) = Ker(A + 2Id) = L{(1, 1, 1)}. Esto implica que
A no es diagonalizable al no coincidir las multiplicidades algebraica y geo-
mtrica para = 2. Sin embargo, hemos obtenido ya dos autovectores, uno
por cada autovalor.
Calculemos la matriz de paso P . Como la multiplicidad algebraica de
= 2 es r = 1, se tiene M (2) = E1 (2). Una base asociada a M (2) es B(2) =
{u1 = (1, 1, 1)}. Por otro lado, la multiplicidad algebraica de = 2 es
r = 2, mientras que dim(E1 (2)) = 1. Se tiene
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
Ejemplo 4
Determinar la forma cannica de Jordan y la matriz de paso de
2 1 1
A = 1 1 0
0 1 3
Ocurre que p() = ( + 2)3 . Adems E1 (2) = Ker(A + 2Id) =
L{(1, 1, 1)}. Esto implica que A no es diagonalizable al no coincidir las
multiplicidades algebraica y geomtrica para = 2. Sin embargo, hemos
obtenido ya un autovector.
Se tiene
48 4 DIAGONALIZACIN Y FORMAS CANNICAS
Ejemplo 5
Determinar la forma cannica de Jordan y la matriz de paso de
2 0 1
A = 0 1 0
1 0 0
Se tiene p() = ( + 1)3 . Adems,
u2 = (A + Id)u3 = (1, 0, 1)
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
Ejemplo 6
Determinar la forma cannica de Jordan y la matriz de paso de
1 1 0
A= 5 3 0
2 0 4
Se tiene p() = (4)(2 4+8)2 = (4)((2+2i))((22i)).
Obenemos un autovalor real y dos complejos conjugados.
Entonces
4.5. EJERCICIOS
1. Se considera la matriz:
2 3
A=
4 13
2. Determinar los valores de a, b, c, d para los cuales cada una de las si-
guientes matrices reales es diagonalizable:
a b a b
A= con la condicin bc > 0 y B=
c d b a
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 0 0
0 1 0 0
A=
0
0 a 0
a 0 0 2
52 4 DIAGONALIZACIN Y FORMAS CANNICAS
7. Sea la matriz:
1 1 1 1
1 1 1 1
A=
1 1
1 1
1 1 1 1
Determinar:
a ) Autovalores y autovectores de f .
4.5 EJERCICIOS 53
Calcular A15 .
0 4 0 1
1 0 1 0 1 0 0 2 0 0
A= 0 1 0 ,B = 1 0 1 , C =
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:
0 1 1
1 2
A= B= 0 1 0
3 1
3 1 0
55
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
(1) X 0 = AX + F
siendo
x1 (t) a11 (t) a1n (t)
.. .. ... ..
X = X(t) = . A = A(t) = . .
xn (t) an1 (t) ann (t)
f1 (t)
..
F = F (t) = .
fn (t)
Si el sistema es homogneo, se escribe X 0 = AX .
x1 (t)
Denicin 23. Diremos que el vector ..
X = . es solucin de (1)
xn (t)
en un intervalo I si sus elementos son funciones diferenciables que satisfacen
(1) en dicho intervalo.
Denicin 24. Problema del
valor inicial.
x01
Dado t0 I y dado X0 = .. un vector cuyas entradas son cons-
.
x0n
tantes dadas, el problema de resolver
X 0 = AX + F
sujeto a la condicin X(t0 ) = X0 se denomina problema de valor inicial en
el intervalo I .
56 5 SISTEMAS DE ECUACIONES DIFERENCIALES
X = c1 X1 + + cm Xm
es tambin solucin de X 0 = AX en el intervalo I .
Denicin 25. Dependencia e independencia lineal de soluciones.
Dados X1 , . . . , Xm un conjunto de vectores solucin del sistema homog-
neo 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
para todo t I . Si el conjunto de vectores no es linealmente dependiente, se
dice que es linealmente independiente.
Teorema 9. Sean X1 , . . . , Xn n vectores solucin del sistema homogneo de
n ecuaciones y de primer orden
X 0 = AX
en un intervalo I . El conjunto de vectores es linealmente independiente en I
si y slo si el wronskiano
W (X1 , . . . , Xn ) = |X1 . . . Xn | 6= 0
Se puede probar que, si X1 , . . . , Xn son soluciones de X 0 = AX , entonces
W (X1 , . . . , Xn ) 6= 0 para todo t I o bien W (X1 , . . . , Xn ) = 0 para todo
t I . De modo que, si existe un t0 tal que W 6= 0 en t0 , entonces W 6= 0
para todo t I , con lo que las soluciones son linealmente independientes en
I.
X = c1 X1 + + cn Xn
donde c1 , . . . , cn son constantes arbitrarias. Dicho de modo eqivalente:
X = (t)C
c1
.
.. es un vector formado
donde (t) es una matriz fundamental y C =
cn
por constantes.
Si buscamos la solucin del problema de valor inicial
X 0 = AX
X(t0 ) = X0
obtenemos X = (t)(t0 )1 X0
Teorema 11. Solucin general de un sistema no homogneo.
Dado el sistema no homogneo X 0 = AX + F y dada una solucin par-
ticular Xp del mismo en el intervalo I , la solucin general ser
X = Xh + Xp
siendo Xh la solucin general del sistema homogneo asociado X 0 = AX .
Escrito de modo equivalente,
X = (t)C + Xp
cn (t)
58 5 SISTEMAS DE ECUACIONES DIFERENCIALES
de manera que (t)C 0 (t) = F (t), lo cual implica que C 0 (t) = 1 (t)F (t) y,
Z
Xp = (t) 1 (t)F (t)dt
Y 0 = JY
y10
1 0 y1
=
y20 0 2 y2
e1 t e1 t
y1 (t) 0 0 c1
Y = = c1 + c2 =
y2 (t) 0 e 2 t 0 e 2t
c2
e 1 t
x1 (t) 0 c1
X= =P =
x2 (t) 0 e 2 t c2
1 t p11 2 t p12
= c1 e + c2 e
p21 p22
p11 p12
siendo y las columnas de P , esto es, los autovectores
p21 p22
asociados a los autovalores 1 y 2 respectivamente. Obsrvese que la
matriz
e1 t
0
(t) = P
0 e 2t
y2 (t) = c2 et
60 5 SISTEMAS DE ECUACIONES DIFERENCIALES
y1 (t) = c1 et + c2 tet
et tet et tet
y1 (t) c1
Y = = c1 + c2 =
y2 (t) 0 et 0 et c2
et tet
c1 t p11 p12
X=P =e (c1 + c2 t) + c2
0 et c2 p21 p22
et tet
La matriz (t) = P es una matriz fundamental.
0 et
Caso 3. Si la matriz A tiene dos autovalores complejos conjugados = a +
ib, = a ib, la forma cannica de Jordan es la matriz
0
J= M2 (C)
0
Y 0 = JY
e(a+ib)t
y1 (t) 0 c1
Y = =
y2 (t) 0 e(aib)t c2
e(a+ib)t
x1 (t) 0 c1
X= =P (aib)t =
x2 (t) 0 e c2
5.2 SISTEMAS LINEALES HOMOGNEOS 61
= c1 e(a+ib)t P 1 + c2 e(aib)t P 1
lm xi (t) = 0, i = 1, 2
t
x1 (t)
para cualquier solucin X = del sistema X 0 = AX .
x2 (t)
x01 = x2 x01
0 1 x1
(1) =
x02 = a2 x1 a1 x2 x02 a2 a1 x2
0 1
El polinomio caracterstico de A = es p() = 2 + a1 +
a2 a1
a2 . Obsrvese la relacin existente entre el polinomio p() y la ecuacin de
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.
I
mage
ntoma
dade[
5],p
g.191
.
5.2 SISTEMAS LINEALES HOMOGNEOS 65
I
mage
ntoma
dade[
5],p
g.192.
66 5 SISTEMAS DE ECUACIONES DIFERENCIALES
5.3. EJERCICIOS
u0
u
=A
v0 v
2 1
siendo A = .
1 2
Nota.
Utilcese el hecho de que, al ser A diagonalizable, dado x =
u
, se tiene x0 = Ax, lo que equivale a escribir x0 = P DP 1 x.
v
Llamando y = P 1 x, se obtiene y 0 = Dy , un sistema de resolucin
elemental.
x01 = x1 + 3x2
y 000 3y 00 + 2y 0 = 0
y0
0 1 0 y
u0 = 0 0 1 u
v0 0 2 3 v
ai1 aii
Entonces A es denida positiva si y slo si i > 0 para todo i = 1, . . . , n.
70 6 PRODUCTO ESCALAR. ESPACIO EUCLDEO
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.
hx, yi = x1 y1 + x2 y2 + + xn yn .
d(u, v) = ku vk
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.
4. Dado v 6= 0, kvk
v
es un vector unitario.
5. Para todo u, v V , |hu, vi| kukkvk. Esta propiedad se conoce como
desigualdad de Cauchy-Schwarz.
Propiedades.
1. Si {u1 , . . . , uk } son vectores no nulos de V , ortogonales entre s, en-
tonces 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 .
hsen(mx), sen(nx)i = 0 si m 6= n
hcos(mx), cos(nx)i = 0 si m 6= n
Z
2
k1k = h1, 1i = 12 dx = 2
Z
k sen(kx)k2 = hsen(kx), sen(kx)i = sen2 (kx) dx = k = 1, 2, . . .
Z
2
k cos(kx)k = hcos(kx), cos(kx)i = cos2 (kx) dx = k = 1, 2, . . .
+ an cos(nx) + bn sen(nx)
es una funcin perteneciente a
Wn = L{1, sen x, cos x, sen(2x), cos(2x), . . . , sen(nx), cos(nx)}.
W1 W2 W3 Wn
resulta
kf f1 k kf f2 k kf f3 k kf fn k
De hecho, kf fn k 0 cuando n .
Teorema 16. Dada f C[, ], se tiene que fn (x) f (x) cuando n
para todo x (, ).
6.4 EJERCICIOS 75
6.4. EJERCICIOS
W1 = {(x, y, z, t) R4 : x y = 0, z + t = 0}
Hallar:
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 1 0
0 2 0 1
A=
1
0 2 0
0 1 0 2
Se pide:
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 Gram-
Schmidt para calcular una base ortonormal a partir de los vectores
2 1 1 1 1
= 1 + + 2 + 2 + 2 +
8 2 3 5 7
9. Hallar la aproximacin de Fourier de orden 6 y el desarrollo en serie
de Fourier de la funcin f (x) = x en el intervalo [, ]. Utilizando el
resultado, obtener la igualdad siguiente:
1 1 1 1
= 1 + + .
4 3 5 7 9
77
a) A = {(2x, x, 7x)/x R}
El conjunto A es una recta vectorial escrita en forma paramtrica.
Se deja al alumno comprobar que A es subespacio vectorial de
R3 . Debe demostrarse que, para cualesquiera dos vectores u =
(2x1 , x1 , 7x1 ) A, v = (2x2 , x2 , 7x2 ) A y un escalar R,
se cumple que u + v A y que u A.
b) A = {(x, y, z)/xy = 1}
El conjunto A no es subespacio vectorial de R3 . Basta comprobar
que el elemento neutro 0 = (0, 0, 0) no est en A.
c) A = {(x, y, z)/x = y x = z}
El conjunto A es la unin de dos planos vectoriales y no es subes-
pacio vectorial de R3 . Para ello, basta elegir dos vectores que
estn en A y cuya suma no permanezca en A. Por ejemplo, sean
u = (1, 1, 0) A y v = (1, 2, 1) A. Es claro que u + v
/ A.
d) A = {(x, y, z)/x + y + z = 0 y x y z = 0}
El conjunto A es una recta vectorial (interseccin de dos planos
vectoriales) y s es un subespacio vectorial de R3 . Se deja al alum-
no comprobarlo (vase el ejercicio 5 para una demostracin de
este resultado en un mbito ms general).
1 0
... ...
M1 = , M2 =
1 0
0 1
rn sn
tiene que Ar = 0 y As = 0, siendo A la matriz de coecientes
a11 a1n
.. ... ..
A= . .
am1 amn
0 0 0 1
con lo que los vectores son linealmente independientes.
7. En R3 se consideran los vectores u = (1, 2, 1), v = (1, 3, 2), x = (1, 1, 0), y =
(3, 8, 5). Demostrar que L({x, y}) = L({u, v}).
Sean W1 = L({x, y}) y W2 = L({u, v}). Es claro que dim(W1 ) =
dim(W2 ) = 2. Ser suciente ver que
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
esto es, el mximo nmero de columnas linealmente independientes es
2, lo que implica que ambos planos, W1 y W2 , son el mismo plano.
7.1 ESPACIOS VECTORIALES 81
B = {1, t, t2 , ..., tn }
a0 + a1 t + + an tn = 0
La nica posibilidad de que esto sea cierto para todo valor de t es que
a0 = a1 = = an = 0.
1 0 0 1 0 0 0 0 0 0
a +b +c +d = ,
0 0 0 0 1 0 0 1 0 0
entonces a = b = c = d = 0.
11. Determinar la dimensin y una base del subespacio vectorial de R4
engendrado por los vectores
Escalonamos la matriz
2 1 4 0 2 1 4 0 2 1 4 0
A = 0 3 1 5 0 3 1 5 0 3 1 5
4 1 7 5 0 3 1 5 0 0 0 0
7.1 ESPACIOS VECTORIALES 83
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)}
Hallar un subconjunto de los vectores que sea base de W .
Se nos pide que elijamos, de entre los vectores que nos dan, una fa-
milia que sea base de la envolvente. Existen varios procedimientos. Se
podran escribir los vectores en forma de las de una matriz, escalonar
la misma y, estudiando las operaciones elementales realizadas, obtener
los vectores que dan lugar a la base.
Otra tcnica alternativa, que seguiremos ahora, es la siguiente: calcu-
lamos la dimensin escribiendo los vectores en forma de columnas de
una matriz que escalonaremos. Las posiciones de las columnas asocia-
das a las cabeceras de la matriz escalonada sern las posiciones de las
columnas de la matriz inicial que dan lugar a la base buscada.
1 2 1 1 2 1 2 1 1 2
2 4 3 4 7
0 0 1 2 3
A=
1 2 2 5 3
0 0 0 0 4
3 6 2 1 3 0 0 0 0 0
4 8 6 8 9 0 0 0 0 0
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
1 1 0 1 1 1 0 1
2 = r 0 1 1 1 = r 0 1 1 1 =
x1 x2 x3 x4 0 x2 + x1 x3 x4 x1
1 1 0 1
= r 0 1 1 1
0 0 x1 + x2 + x3 x2 + 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 ESPACIOS VECTORIALES 85
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
14. Determinar, en cada caso, si los vectores que se dan son una base de
R4 .
1 0 1 0
0 1 1 1
= r = 3,
0 0 0 1
0 0 0 0
x1 = + 2
x2 = 2 +
V1 = V1 V2
x3
=
x4 =
V2 V3 = V3 {x1 + x2 + x3 = 0}
1 2 3 0
0 1 2 1 ,
0 0 2 1
52
x1 =
x2 = 2
V1 V3
x = 12
3
x4 =
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
7.1 ESPACIOS VECTORIALES 89
a = 0
W
b = 0
de modo que
1 1 1
dim(U W ) = 3 r 1 0 0 = 0
0 1 0
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U V ) y ecuaciones de U V .
90 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1 0 1 1 1 0 1
0 1 3 1
= r 0 1 3 1
dim(U + V ) = r =
1 2 2 2 0 1 2 1
0 1 2 1 0 1 2 1
1 1 0 1
0 1 3 1
= r =3
0 0 1 2
0 0 0 0
1 1 0 1
0 1 3 1
3 = r
0 0 1
2
x1 x2 x3 x4
2x1 + 2x2 x3 = 0
V
x2 + x4 = 0
Calcular :
a) dim(W1 ) y dim(W2 ).
7.1 ESPACIOS VECTORIALES 93
b) dim(W1 W2 ) y ecuaciones de W1 W2 . Es R4 = W1 W2 ?
c) Hallar dim(W1 + W2 ).
lo
cual da
lugar, si escogemos el menor no nulo de orden mximo
1 1
y lo extendemos a todos los menores de orden 3 que po-
0 1
damos, a las ecuaciones
xz = 0
W2
yz = 0
W1 = {(x, y, z, t) R4 /x y = 0, z + t = 0}
xy = 0
z+t = 0
W1 W2
x+y+z
= 0
2y t = 0
Entonces
xy = 0
W1 W2 2y + z = 0
z+t = 0
1 1 0 0
0 0 1 1
3 = r .
1 0 1 0
x y z t
W2 = {(x, y, z, t) R4 /x + t = 0}.
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 1 0 0 1 1 0 0 1
0 1 1 1
0 1 1 1
0 1 1 1
0 1 1 0
0 0 2 1
0 0 2 1
0 1 0 0 0 0 1 1 0 0 0 1
0 0 1 0 0 0 1 0 0 0 0 1
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 vec-
toriales
a b
W1 = M22 (R)/a + b + c + d = 0
c d
1 1 0 0
W2 = L ,
1 1 0 1
Calcular una base, ecuaciones implcitas y paramtricas de W1 , W2 ,
W1 + W2 y W1 W2 .
Si jamos la base cannica de M22 (R),
1 0 0 1 0 0 0 0
Bc = , , ,
0 0 0 0 1 0 0 1
Los vectores
(1, 1,1, 0, 1) representan las coordenadas de las
1), (0, 0,
1 1 0 0
matrices , respecto de la base Bc . De este modo,
1 1 0 1
trabajando con las coordenadas, manipulamos vectores de R4 en vez
de matrices.
Las ecuaciones paramtricas de W1 son
x = 1 2 3
y = 1
W1
z = 2
t = 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
1 1 1 0 1 0
BW1 = , ,
0 0 1 0 0 1
Una base de W2 es
1 1 0 0
BW2 = ,
1 1 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
x = 1
y = 1
W2
z = 1
t = 1 + 2
x y
Determinemos ahora las ecuaciones cartesianas de W2 . Sea A =
z t
W2 . Entonces, trabajando con coordenadas,
1 1 1 1
2 = r 0 0 0 1
x y z t
1 1
Escogiendo un menor no nulo de orden mximo, por ejemplo ,
0 1
y extendindolo a todos los menores de orden 3 posibles, se tienen las
ecuaciones cartesianas de W2 ,
7.1 ESPACIOS VECTORIALES 99
xz = 0
W2
yz = 0
1 1
Una base de W1 W2 es BW1 W2 =
1 3
100 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
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, determi-
nando 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
P = M (Bc , B) = M (B, Bc )1 = 1 1 2 = 1 2 1
1 2 3 1 1 0
Es claro que
2 1 1
M (B2 , Bc ) = 1 1 1
1 1 1
y
1
1 1 1 1 1 0
M (Bc , B1 ) = M (B1 , Bc )1 = 0 1 1 = 1 1 1
1 1 0 1 2 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
Ker(f ) = {x R3 : f (x) = 0} =
= {(x1 , x2 , x3 ) : x1 = 0, x2 = 0, x1 + x2 x3 = 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
x1 = 0
Ker(f ) = x2 = 0
x1 + x2 x3 = 0
f 1 (W ) = {x = (x, y, z, t) R4 : f (x) W } = {x R4 : Ax W },
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}
f 1 (W ) {y + z + 2t = 0}
Tngase en cuenta que f (W ) = L(f (BW )), siendo BW una base del
subespacio W . El primer paso ser obtener BW .
x1 x2 = 0 x1 x2 = 0
W
x1 + x2 + x4 = 0 2x2 + x4 = 0
Al pasar a paramtricas,
x1 = 21
x2 = 12
W
x3 =
x4 =
Por otro lado, dado que las columnas de la matriz A son las coorde-
nadas 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 dimen-
siones para aplicaciones lineales, dim(Ker(f )) = 3 2 = 1. El homo-
morsmo 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 res-
pectivamente, 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
Pasando a paramtricas
x1 =
Ker(f ) x2 = 0
x3 = 0
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 1
f (0, 1) = f (2(2, 1) + (4, 1)) = f (2(2, 1) + (4, 1))
3 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
1/2 0
1/3 2/3
A=
1/3
5/3
2/3 5/3
Esta matriz tambin se puede hallar observando que
M (f, Bc , Bc0 ) = M (f, B, Bc0 )M (Bc , B)
La expresin analtica es
y1 = x2 + x3
y2 = x1 + x3
y3 = x1 + x2
Invar(f ) = {x : Ax = x}
x1 = x2 + x3 x1 x2 x3 = 0
Invar(f ) x2 = x1 + x3 x1 x2 + x3 = 0
x3 = x1 + x2 x1 + x2 x3 = 0
x1 x2 x3 = 0
x3 = 0
Es claro que BIm(f ) = {(0, 1, 1), (1, 0, 1)}, de modo que las ecuaciones
paramtricas son
y1 =
Im(f ) y2 =
y3 = +
La expresin analtica es
y1 = x2 x3
y2 = x2
y3 = 2x2 + x3
7.2 APLICACIONES LINEALES 111
B1 = {(1, 0, 1), (0, 0, 1), (2, 1, 1)} y B2 = {(0, 1), (1, 0)}.
1 0 1
A=
2 3 1
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 ).
Pasando a paramtricas,
x1 =
x2 =
L2 f (L1 )
x3
=0
x4 =0
Escalonando la matriz
1 0 2 1 1 0 2 1
1 1 0 0
0 1 2 1
0
1 2 1 0 1 2 1
3 2 10 5 0 2 4 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 }), ecua-
ciones, Ker(f ), Im(f ) . Determinar si es un monomorsmo, epimor-
smo, 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
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 .
En consecuencia,
1/2 0 1/2 3 2
XB10 = 0 1/2 1/2 0 = 1/2
1/2 1/2 0 1 3/2
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
y
dim(Ker(f )) = dim(M22 (R)) dim(Im(f )) = 4 2 = 2
7.2 APLICACIONES LINEALES 117
La ecuacin implcita es
Im(f ) {y3 = 0}
1. Se considera la matriz:
2 3
A=
4 13
La ecuacin cartesiana de V1 es
V1 {x + 3y = 0}
Al pasar a paramtricas,
x = 3
V1
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
3 3
A =
1 1
Al pasar a paramtricas,
x=
V14
y = 4
7.3 DIAGONALIZACIN Y FORMAS CANNICAS 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
1 1
A = 14
4 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
3 1 1 0 4/13 1/13
= =
0 14n
1 4 1/13 3/13 4+414n 1+1214n
13 13
2. Determinar los valores de a, b, c, d para los cuales cada una de las si-
guientes matrices reales es diagonalizable:
a b a b
A= con la condicin bc > 0 y B=
c d b a
V1 = {x : F x = x} = {x : (F I)x = 0}
de modo
que
una base
deV1 es BV1 = {(3, 1, 3)}. Esto quiere decir
3 3
que F 1 = 1 . De hecho, al aplicar F a cualquier vector
3 3
de V1 , obtenemos el mismo vector.
Calculemos ahora una base del otro subespacio propio V2 .
V2 = {x : F x = 2x} = {x : (F 2I)x = 0}
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)}
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 0 0
0 1 0 0
A=
0
0 a 0
a 0 0 2
dim(V1 ) = 4 r(A I) = 4 1 = 3,
7.3 DIAGONALIZACIN Y FORMAS CANNICAS 123
de modo que los dos autovalores son reales y las multiplicidades alge-
braica 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:
x = 0
V1 {x + t = 0} V2 y = 0
z = 0
1 0 1 0
y dim(W ) = 4 r 0 1 0 3 = 4 3 = 1.
0 0 1 0
Las ecuaciones cartesianas de V2 W son
x = 0
x = 0
y 3t = 0 y = 0
V2 W
z = 0
z = 0
y = 0 t = 0
7. Sea la matriz:
1 1 1 1
1 1 1 1
A=
1 1
1 1
1 1 1 1
En consecuencia,
x y z + 3t = 0
V2 y + z 2t = 0
z + t = 0
A2 = P DP 1 P DP 1 = P D2 P 1
y la matriz de paso es P .
Resolvamos el apartado d). Si n es par, n = 2m, entonces
Si n es impar, n = 2m + 1, entonces
El polinomio caracterstico es
0 1 2
0 0 1
0 0
0 1 0 0 1 0
p() = = =
0 1 0
0 1 0
1 0 0 1 0 0
V1 = {x R4 : (A I)x = 0}
V1 = {x R4 : (A + I)x = 0}
B = {1 + x3 , x + x2 , 1 + x3 , x + x2 }
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)}
Calcular A15 .
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
De manera que
15 15 1 16 15
A = PJ P =
15 14
0 4 0 1
0 2 0 0
C=
0 0
0 0
4 8 12 4
E1 (0) = L{(1, 0, 1)} E2 (0) = Ker(A 0Id)2 = L{(1, 0, 1), (0, 0, 1)}
cumplindose P 1 AP = J .
134 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
16. Encontrar la forma de Jordan real y una matriz de paso real de:
0 1 1
1 2
A= B= 0 1 0
3 1
3 1 0
( )
6
M (1 6i) = E1 (1 6i) = V16i =L ( i, 1)
3
!
6 6
La matriz de paso es, pues, P = 3 i 3 i . Buscamos la matriz
1 1
de paso real Q M2 (R) tal que Q AQ = J 0 . Las columnas de la
1
Adems,
M ( 3i) = E1 ( 3i) = V3i = L{(1, 0, 3i)}
M ( 3i) = E1 ( 3i) = V3i = L{(1, 0, 3i)}
La base B es
B = {(0, 1, 1), (1, 0, 3i), (1, 0, 3i)}
0 1 1 0 1 0
P = 1 0
0
, Q= 1 0 0
1 3i 3i 1 0 3
138 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
u0
u
=A
v0 v
2 1
siendo A = .
1 2
Nota.
Utilcese el hecho de que, al ser A diagonalizable, dado x =
u
, se tiene x0 = Ax, lo que equivale a escribir x0 = P DP 1 x.
v
Llamando y = P 1 x, se obtiene y 0 = Dy , 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
P y 0 = P Dy o, de modo equivalente, y 0 = Dy
De modo que
c1 e3t e3t 0
u(t) 1 1 1 1 c1
= =
v(t) 1 1 c2 et 1 1 0 et c2
7.4 SISTEMAS DE ECUACIONES DIFERENCIALES 139
u(t) = c1 e3t + c2 et
u(t) 1 1
= c1 e 3t
+c2 e t
v(t) = c1 e3t + c2 et v(t) 1 1
x01 = x1 + 3x2
y 0 = Dy
De modo que
c1 et et 0
x1 (t) 3 1 3 1 c1
= =
x2 (t) 2 1 c2 e4t 2 1 0 e4t c2
y 000 3y 00 + 2y 0 = 0
y0
0 1 0 y
u0 = 0 0 1 u
v0 0 2 3 v
De modo que
y(t) = c1 + c2 et + c3 e2t
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
e3t te3t
x1 (t) 1 1 c1
=
x2 (t) 1 0 0 e3t c2
et cos 2t et sen 2t
x1 (t) 1 0 c1
=
x2 (t) 1 1 et sen 2t et cos 2t c2
Como
4 2 6
(A 2Id)2 = 2 1 3 ,
4 2 6
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,
La matriz de paso es
4 10 0
P = 2 3 0
4 8 1
Entonces,
y3 = c3
y2 = c3 t + c2
2
y1 = c3 t2 + c2 t + c1
t2
x1 (t) 4 10 0 1 t 2
c1
x2 (t) = 2 3 0 0 1 t c2
x3 (t) 4 8 1 0 0 1 c3
et 0
1 2 c1 1 2
Xh = = c1 et + c2 e2t
2 1 0 e2t c2 2 1
Al derivar, resulta
7.4 SISTEMAS DE ECUACIONES DIFERENCIALES 147
1 2
Xp0 = [c01 (t)et c1 (t)e ] t
+ [c02 (t)e2t + 2c2 (t)e ] 2t
2 1
(c01 (t) c1 (t))et + (2c02 (t) + 4c2 (t))e2t = c1 (t)et + 4c2 (t)e2t + t
(2c01 (t) 2c1 (t))et + (c02 (t) + 2c2 (t))e2t = 2c1 (t)et + 2c2 (t)e2t
Simplicando, resulta
Despejando, se tiene
1 t 2
c01 (t) = te , c02 (t) = te2t
3 3
Integrando,
1 t 2t t 1
c1 (t) = e (t 1), c2 (t) = e
3 3 6
La solucin particular Xp es
1 1 t 1 2 t
Xp (t) = (t 1) + = 1
3 2 3 6 1 t + 2
W1 = {(x, y, z, t) R4 : x y = 0, z + t = 0}
Hallar:
x+y = 0
W1
z + t = 0
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 1 1
BW = (1, 1, 0, 0), (0, 0, 1, 1)
1 2 2
150 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
e2 = (1, 0, 1, 0) h(1,0,1,0),(1,1,2,2)i
k(1,1,2,2)k2
(1, 1, 2, 2)
1
= 10 (7, 3, 4, 6)
1 0 0 2
h(1, 1, 1), (2, 1, 1)i = (1, 1, 1) 0 2 1 1 = 0
0 1 2 1
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
Se pide:
v
0
u
u
0
p u
d(u, v) = ku vk = hu v, u vi = u(0, 0, 1, 1)A
1 =2
u
t
1
152 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
hu2 , e1 i 1
e2 = u2 2
e1 = (1, 0, 0, 1) (1, 1, 1, 1) = (1/2, 1/2, 1/2, 1/2)
ke1 k 2
es la base buscada.
5. Dado R3 con el producto escalar usual, calcular:
hx, u1 i hx, u2 i 1
PU (x) = 2
u1 + 2
u2 = (1, 1, 0)+0(0, 0, 1) = (1/2, 1/2, 0)
ku1 k ku2 k 2
hx, w1 i
PW (x) = w1 = (2, 0, 2)
kw1 k2
Se pide:
e1 = (0, 1, 1, 1)
e2 = u2 hu 2 ,e1 i
ke1 k2 1
e = 13 (0, 1, 1, 2)
hu3 ,e1 i hu3 ,e2 i
e3 = u3 ke1 k2 1
e ke2 k2 2
e = 12 (0, 1, 1, 0)
Se tiene:
154 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
e1 = (1, 1, 1, 1)
e2 = u2 hu 2 ,e1 i
ke1 k2 1
e = 12 (1, 1, 1, 1)
hu3 ,e1 i hu3 ,e2 i
e3 = u3 ke1 k2 1
e ke2 k2 2
e = 12 (0, 0, 1, 1)
hu4 ,e1 i hu4 ,e2 i hu4 ,e3 i
e4 = = u4 ke1 k2 1
e ke2 k2 2
e ke3 k2 3
e = 12 (1, 1, 0, 0)
2 1 1 1 1
= 1 + + 2 + 2 + 2 +
8 2 3 5 7
Tngase en cuenta que la funcin f (x) es par, de modo que bk = 0
para todo k 1. El clculo del resto de los coecientes de Fourier da:
h i
x2
1
R 1
R 1
a0 = 2 f (x) dx = 0 ( x) dx = x 2 0 = 2
1
R
ak = f (x) cos(kx) dx =
hR i
1 0 R
= ( + x) cos(kx) dx + 0 ( x) cos(kx) dx =
si k es par
(
2
0
= k2
(1 cos(k)) = 4
k2
si k es impar
4 4 4
f5 (x) = + cos(x) + 2 cos(3x) + 2 cos(5x)
2 3 5
La serie de Fourier es
4 4 4
f (x) = 2 + cos x + 32
cos(3x) + 52
cos(5x)+
4
+ (2k+1)2
cos((2k + 1)x) +
4 X cos((2k + 1)x)
f (x) = +
2 (2k + 1)2
k=0
De manera que
2 1 1 1 X 1
= 1 + 2 + 2 + 2 + =
8 3 5 7 (2k + 1)2
k=0
1 1 1 1
= 1 + + .
4 3 5 7 9
Tngase en cuenta que la funcin f (x) es impar, de modo que ak = 0
para todo k = 0, 1, 2, . . . . Calculemos el resto de coecientes de Fourier.
Z
1 2
bk = x sen(kx) dx = (1)k+1
k k
2 2 2 2
f6 (x) = 2 sen xsen(2x)+ sen(3x) sen(4x)+ sen(5x) sen(6x) =
3 4 5 6
1 1 1 1 1
= 2 sen x sen(2x) + sen(3x) sen(4x) + sen(5x) sen(6x)
2 3 4 5 6
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