Vista previa del material en texto
Universidad de Chile Facultad de Economı́a y Negocios Métodos Matemáticos II (ENMEM155) Primavera 2022 Tarea 5 Problema 1 Dada A ∈ Rm×n, explique por qué Ker(A) e Im(A) son subespacios vectoriales de Rn y Rm respectivamente. Resp. Primero, el núcleo de A ∈ Rm×n está conformado por los vectores X ∈ Rn (la dimensión de esos vectores es igual al número de columnas de A) tal que AX = 0m (debe ser igual a 0m ya que cuando X ∈ Rn, el producto AX es una combinación lineal de las columnas de A, cada una de ellas un elemento de Rm). Es decir: Ker(A) = {X ∈ Rn : AX = 0m}. Por lo tanto, es directo que 0n ∈ Ker(A) ya que A0n = 0m. Segundo, si X1, X2 ∈ Ker(A) entonces AX1 = 0m y AX2 = 0m, por lo que A(X1 + X2) = AX1 + AX2 = 0m + 0m = 0m, de modo que X1 + X2 ∈ Ker(A). Finalmente, dado β ∈ R, tenemos que A(βX1) = βAX1 = β0m = 0m, por lo que βX1 ∈ Ker(A). Por todo lo anterior, Ker(A) es un subespacio vectorial de Rn. La imagen de A es el conjunto de las combinaciones lineales de las columnas de A. Ya que esos son elementos de Rm, la imagen de A es un subespacio vectorial de Rm. Visto de otra manera, dado Y ∈ Rm, el hecho que Y ∈ Im(A) informa que existe un vector X ∈ Rn tal que Y = AX. Por lo tanto: 0m ∈ Im(A) ya que 0m = A0n (para Y = 0m el vector X correspondiente es 0n). Si Y1, Y2 ∈ Im(A) entones existe X1 ∈ Rn y X2 ∈ Rn tal que Y1 = AX1 e Y2 = AX2. Luego, Y1 + Y2 = AX1 +AX2 = A(X1 +X2), por lo que Y1 + Y2 ∈ Im(A). Dado β ∈ R, βY1 = βAX1, por lo que βY1 = A(βX1), implicando que βY1 ∈ Im(A). Problema 2 Dados α, β ∈ R, diferentes de 0, definamos A = [ 1 α ] ∈ R1×2 ∧ B = [ 1 β ] ∈ R2×1. (a) Muestre que Im(A) = R y que si X = [ x1 x2 ] ∈ Ker(A) entonces x1 = −αx2. Con esto último, explique por qué Ker(A) es el subespacio vectorial generado por el vector[ −α 1 ] ∈ R2. Resp. Las columnas de A son los vectores unidimensionales (números reales) A•1 = 1 ∈ R y A•2 = α ∈ R. Luego, la imagen de A son las combinaciones lineales de 1 y de α, es decir, α1 + α2α con α1 y α2 recorriendo R. Con eso se obtiene cualquier número real, por lo que la imagen de A es R. Visto de otra manera, ¿qué se obtiene multiplicando 1 por una cantidad arbitraria y sumando ese resultado con el producto de α multiplicado por una cantidad cualquiera? La respuesta es que se obtiene un número real cualquiera y, por ese hecho, la imagen de A es R. Página 1 de 5 MEM155 Universidad de Chile Facultad de Economı́a y Negocios Para estudiar el núcleo, ya que A tiene dos columnas ocurre que los vectores del núcleo deben ser vectores de R2. Por lo tanto, es por definición que si X = [ x1 x2 ] ∈ Ker(A) entonces AX = x1+αx2 = 0, es decir, x1 = −αx2. De esta manera, un vector X = [ x1 x2 ] está en núcleo de A si la primera componente es igual a (−α) veces la segunda componente, es decir, el vector X es un ponderado del vector [ −α 1 ] . Eso corresponde a decir que el núcleo es generado por el vector [ −α 1 ] . Visto de otra manera, como x1 = −αx2 tenemos que X = [ x1 x2 ] = [ −αx2 x2 ] = x2 [ −α 1 ] . Como x2 es arbitrario, el vector X ∈ Ker(A) es una ponderación del vector [ −α 1 ] . (b) Explique por qué Ker(B) = {0}. Por otro lado, encuentre el valor de γ para que el vector [ 3 γ ] ∈ R2 esté en la imagen de B. Resp. Ya que B tiene solo una columna, los elementos del núcleo de B son reales (vectores de dimensión uno). Tenemos entonces que X ∈ Ker(B) ⇐⇒ [ 1 β ] X = [ 0 0 ] , cosa que se obtiene solo cuando X = 0. Luego, Ker(B) = {0}. Para la segunda parte, el hecho que [ 3 γ ] ∈ Im(B) corresponde a decir que existe α1 tal que[ 3 γ ] = α1 [ 1 β ] ⇐⇒ (i) : 3 = α1 ∗ 1 ∧ (ii) : γ = α1 ∗ β. De (i) tenemos que α1 = 3 y eso en (ii) implica que γ = 3β. Problema 3 Calcule los valores y vectores de la matriz: A = 1 2 16 −1 0 −1 −2 −1 Resp. Comenzamos con el paso 1: buscar sus valores propios. Como es una matriz de 3x3 tenemos que cumplir que: det(A− Iλ) = 0 det(AIλ) = det 1− λ 2 16 −1− λ 0 −1 −2 −1− λ = 0 Página 2 de 5 MEM155 Universidad de Chile Facultad de Economı́a y Negocios Con este último, tenemos que los valores propios son: λ1 = 0 λ2 = 3 λ2 = −4 Seguimos con el paso 2: Encontrar un vector propio asociado a λ1, que llamamos v1, un vector propio asociado a λ2, que llamamos v2 y un vector propio asociado a λ3, que llamamos v3. Partimos por λ1, el cual sabemos cumple con: 1 2 16 −1 0 −1 −2 −1 x1x2 x3 = 03 de lo cual aprendemos que todo vector propio asociado a λ1 cumple con: x1 + 2x2 + x3 = 0 6x1 − x2 = 0 −x1 − 2x2 − x3 = 0 Con esto, la solución del sistema de ecuaciones se puede reducir a las siguientes relaciones: (6x1 = x2) y (−13x1 = x3) Con lo cual, el primer vector propio es: v1 = 16 −13 Realizando el mismo procedimiento para λ2, tenemos que:−2 2 16 −4 0 −1 −2 −4 x1x2 x3 = 03 Con esto, la solución del sistema de ecuaciones se puede reducir a las siguientes relaciones: (3x1 = 2x2) y (−x1 = x3) Con lo cual, el segundo vector propio es: v2 = 11, 5 −1 Realizando el mismo procedimiento para λ3, tenemos que: 5 2 16 3 0 −1 −2 3 x1x2 x3 = 03 Con esto, la solución del sistema de ecuaciones se puede reducir a las siguientes relaciones: (x1 = −2x2) y (−x1 = x3) Con lo cual, el segundo vector propio es: v3 = 1−2 −1 Página 3 de 5 MEM155 Universidad de Chile Facultad de Economı́a y Negocios Problema 4 Diagonzalice la siguiente matriz y determine A20 A = 3 1 01 3 0 0 0 3 Resp. Diagonalizamos la matriz A. Comenzamos con el paso 1: buscar sus valores propios. Como es una matriz de 3x3 tenemos que cumplir que: det(A− Iλ) = 0 det(AIλ) = det 3− λ 1 01 3− λ 0 0 0 3− λ = 0 Con este último, tenemos que los valores propios son: λ1 = 2 λ2 = 3 λ2 = 4 Seguimos con el paso 2: Encontrar un vector propio asociado a λ1, que llamamos v1, un vector propio asociado a λ2, que llamamos v2 y un vector propio asociado a λ3, que llamamos v3. Partimos por λ1, el cual sabemos cumple con: 1 1 01 1 0 0 0 1 x1x2 x3 = 03 de lo cual aprendemos que todo vector propio asociado a λ1 cumple con: x1 + x2 = 0 x3 = 0 Con esto, la solución del sistema de ecuaciones se puede reducir a las siguientes relaciones: (x1 = −x2) y (x3 = 0) Con lo cual, el primer vector propio es: v1 = −11 0 Realizando el mismo procedimiento para λ2, tenemos que:0 1 01 0 0 0 0 0 x1x2 x3 = 03 Con esto, la solución del sistema de ecuaciones se puede reducir a las siguientes relaciones: (x1 = 0) y (x2 = 0) Con lo cual, el segundo vector propio es: v2 = 00 1 Realizando el mismo procedimiento para λ3, tenemos que: Página 4 de 5 MEM155 Universidad de Chile Facultad de Economı́a y Negocios −1 1 01 −1 0 0 0 0 x1x2 x3 = 03 Con esto, la solución del sistema de ecuaciones se puede reducir a las siguientes relaciones: (x1 = x2) Con lo cual, el segundo vector propio es: v3 = 11 0 Continuamos con el paso 3: normalizar los vectores v1, v2, v3 y construir la matriz P : v̂1 = −1√21√ 2 0 v̂2 = 00 1 v̂3 = 1√21√ 2 0 Luego, la matriz P viene dada por: P = −1√2 0 1√21√ 2 0 1√ 2 0 1 0 Por lo tanto, la diagonalización de A viene dada por: A = 3 1 01 3 0 0 0 3 = −1√2 0 1√21√ 2 0 1√ 2 0 1 0 2 0 00 3 0 0 0 4 −1√2 1√2 00 0 1 1√ 2 1√ 2 0 Ya con la diagonalización de la matriz, podemos calcular A20 facilmente: A20 = PD20P t = 3 1 01 3 0 0 0 3 = −1√2 0 1√21√ 2 0 1√ 2 0 1 0 220 0 00 320 0 0 0 420 −1√2 1√2 00 0 1 1√ 2 1√ 2 0 Página 5 de 5