Descarga la aplicación para disfrutar aún más
Esta es una vista previa del archivo. Inicie sesión para ver el archivo original
Auxiliares/Enunciado_Clase_Auxiliar_2.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 3 de Abril, 2013 Auxiliar #2MA1102-2 Álgebra Lineal. : Sistemas Lineales Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Dados los siguientes sistemas lineales: (i) −x1 + x3 + 2x4 = 1 x1 − x2 + x3 − 2x4 = −1 −x1 − 2x2 + x3 + 3x4 = 2 −x1 − 4x2 + 2x3 + 4x4 = 5 (ii) x1 + 2x2 + 3x3 − x4 = 1 −x1 + x2 + x4 = 1 3x2 + 3x3 = 0 2x1 + x2 + 3x3 − 2x4 = −2 a) Escriba el sistema de forma matricial Ax = b. Especifique claramente A, x y b, junto con sus dimensiones. b) Intente resolver el sistema escalonando la matriz aumentada (A|b). P2. Considere el SEL siguiente donde a y b son parámetros reales: 2x1 + x2 + (1− 2a)x3 + (b + 1)x4 = b− 3 x2 − x3 + (b− a)x4 = −1 −2x2 + 2x3 + (2− 2b)x4 = −2 2x1 + 2x3 + ax4 = 4b− 3 2x1 + x2 + x3 + (a + b− 1)x4 = 0 Encuentre los valores de a y b tales que: • El sistema no tenga solución • El sistema tenga una única solución. En este caso encuentre dicha solución. • El sistema tenga infinitas soluciones y encuentre sus soluciones. Determine ademas el numero de variables independientes. P3. Descomponga en LDU las siguientes matrices: • ( −1 3 2 5 ) • 1 1 1 0 1 1 1 2 0 1 Auxiliares/Enunciado_Clase_Auxiliar_7.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 3 de Mayo, 2013 Auxiliar #7MA1102-2 Álgebra Lineal. : Dimensión, Suma Directa y Transformaciones Lineales Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Sean U y V s.e.v de de V e.v. tal que dim(V )=3, dim(U)=dim(W )=2, y U 6= W . Demuestre que dim(U ∩W )=1. P2. Sea S = { (x, y) ∈ R2 | x = y } y T = { (x, y) ∈ R2 | x = −y } . Encuentre una base para S y T respectivamente y muestre que S ⊕ T = R2. P3. Sea B = 〈{v1, ..., vn}〉 base de V e.v. definimos Vi = 〈{vi}〉. Muestre que V = ⊕n i=1 Vi. P4. ¿ Son las siguientes funciones transformaciones lineales? • T : R2 −→ R2 T ( x1 x2 ) = ( x1 + x2 x1 − x2 ) • T : P (R) −→ R, donde P (R) es el espacio vectorial de los polinomios con coeficientes en los números reales. T (p) = p(1) • T : E −→ F , con E y F espacios vectoriales cualquiera. T (e) = 0, ∀e ∈ E • T : C([0, 1],R) −→ R, donde C([0, 1],R) es el e.v. de las funciones continuas de [0, 1] a R. T (f) = ∫ 1 0 f(x)dx P5. Sea P2(R) el e.v. de los polinomios de grado menor o igual a 3 con coeficientes en los reales. Encuentre una transformación lineal entre P2(R) y R3 tal que sea biyectiva. Hint: Vea que pasa si una función asocia los elementos de la base de la siguiente manera: T (e1) = 1, T (e2) = x y T (e3) = x2. 1 Auxiliares/Enunciado_Clase_Auxiliar_11.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 19 de Julio, 2013 Auxiliar #11MA1102-2 Álgebra Lineal. : Gram-Schmidt, proyección y resolución de una sucesión Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Sea W =< −1 1 −1 1 , 1 −1 1 1 , 2 −2 2 1 > s.e.v de R4. a) Usando el Método de Gram-Schmidt encuentre una base ortonormal de W . b) Encuentre una base ortonormal para W⊥. c) Encuentre, en función de las bases obtenidas en a) y b), la ”función proyección” asociada a W y W⊥ respectivamente. Indique claramente dominio e imagen. d) Evalúe las funciones ”proyección” calculadas en c) en el punto 0 1 1 0 e interprete los resul- tados. P2. Sea U y V s.e.v’s de Rn demuestre que: a) (U⊥)⊥ = U b) (U + V )⊥ = U⊥ ∩ V ⊥ P3. Donde usted trabaja se ha detectado una plaga de picudos en una cosecha. Estos bichos se comen todo a su paso por lo que es urgente controlar la plaga. Para poder erradicar esta plaga tienen que encargar un insecticida que se demora 10 horas en ser despachado a su lugar de trabajo. A usted le piden (pues estudio alguna vez Álgebra Lineal) que pronostique la población de picudos en 10 horas, mas sabiendo que: • La cantidad de picudos hace una hora y en este momento son datos que todav́ıa no conoce. • Cada picudo ”maduro” se duplica en 1 hora. • Cada picudo recién nacido se demora 1 hora en madurar. Para resolver este problema usaremos la siguiente notación: an representa la población de picudos en n horas mas. a) Encuentre an en función de an−1 y an−2. b) Defina el vector xn como xn = ( an an−1 ) , y determine si existe alguna matriz A que cumpla con la siguiente propiedad: xn = Axn−1 c) Desarrolle la igualdad anterior para encontrar una expresión de xn que dependa solo de A, n y x0. d) Diagonalice la matriz A de la forma PDP t. ¿ Porque tiene sentido poner P t en vez de P−1? e) Encuentre una expresión numérica para a10. 1 Definición : Una base < {b1, . . . , bn} > se dice ortonormal si: – Todos sus elementos son ortogonales entre si: 〈bi, bj〉 = 0, ∀i 6= j – Todos sus elementos están normalizados: ‖bi‖ = 1, ∀i = 1, ..., n Definición : Sea W un s.e.v de Rn. Se define su ortogonal W⊥ = {x ∈ Rn| 〈x,w〉 = 0, ∀w ∈W} Teorema : Sea A ∈ Mnn(R) una matriz simétrica, entonces es diagonalizable, y mas aun, A = PDP t donde las columnas de P componen una base ortonormal de vectores propios de A y D es la matriz diagonal con los valores propios correspondientes. 2 Auxiliares/Enunciado_Clase_Auxiliar_9.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 17 de Mayo, 2013 Auxiliar #9MA1102-2 Álgebra Lineal. : Teorema Nucleo-Imagen y Matriz Representante Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Sea T : U −→ V una transformación lineal muestre que si T es inyectiva entonces dim(U) = dim(Im(T )) P2. Sea T :M22(R) −→M22(R) una T.L.(no lo demuestre) T ( a b c d ) = ( a+b 2 d b−d 3 a ) Calcule la dimension y encuentre una base para Ker(T ) y Im(T ). P3. Dada una T.L. T : R3 → R2 sabemos que: 1 0 0 , 1 0 0 es una base de Ker(T ), y T 1 1 1 = ( 1 1 ) Encuentre en terminos de x1, x2 y x3, los valores de y1 y y2 que satisfacen T (x) = y. P4. Encuentre la matriz representante de las siguientes T.L.’s: a) T : R2 → R3 T ( x y ) = 3x− 2y y + 5x −x− 2y Usando las bases canónicas respectivas de cada espacio vectorial. b) T : R2 → R3 T ( x y ) = 3x− 2y y + 5x −x− 2y Usando la base canónica en R3 y la base {( 1 1 ) , ( 1 −1 )} en R2. c) T : R2 → R2 T ( x y ) = ( x y ) Usando en el dominio la base canónica de R2 y en el recorrido {( 1 1 ) , ( 1 −1 )} base de R2. d) T : P2(R)→ R3 T (p(x)) = p(0) p′(0) p′′(0) 2 Usando la base { 1, x, x2 } en P2(R) y la base canónica en R3. 1 e) T : P3(R)→ P3(R) T (a + bx + cx2 + dx3) = (a + d) + (a + b)x + (b + c)x2 + (c + d)x3 Usando la base { 1, x, x2, x3 } en P3(R). Obs. Muestre que Mb ·Mc = Ma donde Ma, Mb y Mc son las Matrices representantes de a), b) y c) respectivamente. ¿Por que sucede esto? P5. Sea T : V → V una T.L. y dim(V ) ∈ N. Se escribe T k, con k ∈ N, como T compuesto consigo mismo k veces: T k = T ◦ T ◦ · · · ◦ T︸ ︷︷ ︸ k veces a) Muestre que Ker(T k) ⊆Ker(T k+1).. b) Use lo anterior para mostrar que dim(Im(T k+1) ≤dim(Im(T k)) Teo: Sea T : U −→ V una transformación lineal entonces: T es inyectiva⇐⇒ Ker(T ) = {0} Teo: Sean U, V e.v.’s, con dim(U)<∞, T : U −→ V una T.L., entonces: dim(U) = dim(Ker(T )) + dim(Im(T )) Def: Para una T.L. T : U −→ V tal que dim(U) = p y dim(V ) = q con p, q ∈ N. Se define la matriz representante de T ,MBUBV (T ), asociada a las bases BU = {u1, · · · , up} de U y BV = {u1, · · · , uq} de V , como la matriz: MBUBV (T ) = a11 . . . a1p ... ... aq1 . . . aqp Tal que: T (u1) = a11v1 + . . . + aq1vq ... T (ui) = a1iv1 + . . . + aqivq ... T (up) = a1pv1 + . . . + aqpvq 2 Auxiliares/Enunciado_Clase_Auxiliar_8.pdf Universidad de Chile Facultad de Ciencias Fsicas y Matemticas Departamento de Ingeniera Matemtica 10 de Mayo, 2013 Auxiliar #8MA1102-2 Álgebra Lineal. : Transformaciones Lineales Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Son las siguientes funciones transformaciones lineales? • T : R2 −→ R2 T ( x1 x2 ) = ( x1 + x2 x1 − x2 ) • T : P (R) −→ R, donde P (R) es el espacio vectorial de los polinomios con coeficientes en los nmeros reales. T (p) = p(1) • T : E −→ F , con E y F espacios vectoriales cualquiera. T (e) = 0, ∀e ∈ E • T : C([0, 1],R) −→ R, donde C([0, 1],R) es el e.v. de las funciones continuas de [0, 1] a R. T (f) = ∫ 1 0 f(x)dx P2. Sea P2(R) el e.v. de los polinomios de grado menor o igual a 3 con coeficientes en los reales. Encuentre una transformacion lineal entre P2(R) y R3 tal que sea biyectiva. Hint: Vea que pasa si una funcion asocia los elementos de la base de la siguiente manera: T (e1) = 1, T (e2) = x y T (e3) = x2. P3. Sean E y F dos espacios vectoriales de dimension n. Demuestre que E y F son isomorfos. P4. Sean X y Y espacios vectoriales sobre R. Y sea L : X −→ Y una funcion lineal tal que: L(x1 +x x2) = L(x1) +y L(x2), ∀x1, x2 ∈ X a) Calcule L(0) b) Demuestre que L(nx) = nL(x), ∀n ∈ N, ∀x ∈ X c) Demuestre que L(nx) = nL(x), ∀n ∈ Z, ∀x ∈ X d) Demuestre que L(rx) = rL(x), ∀r ∈ Q, ∀x ∈ X e) Suponga queX = Y = R y que L es continua. Demuestre que L(λx) = λL(x), ∀λ ∈ R, ∀x ∈ X Hint: Use que Q es denso en R. Osea que ∀x ∈ R, ∃ una sucesion (an)n∈N ⊆ Q tal que: an → x Propuesto: Sea A ∈ Mnn(R) tal que A = ( a b c d ) no es invertible. Definimos la funcion T : R2 −→ R2 como x −→ T (x) = Ax Definimos los conjuntos Ker(T )= { x ∈ R2 | T (x) = 0 } y Im(T )= T (R2) = { y ∈ R2 | ∃x ∈ R2, T (x) = y } a) Muestre que ad = bc b) Muestre que T es una Transformacion Lineal c) Muestre que Ker(T ) y Im(T ) son s.e.v. de R2 d) Muestre que dim(R2) =dim(Ker(T ))+dim(Im(T )) 1 Definicion: Sean E y F espacios vectoriales sobre R. T : E → F es una transformacion lineal si y solo si T (e1 + e2) = T (e1) + T (e2), ∀e1, e2 ∈ E T (λe) = λT (e), ∀e ∈ E,∀λ ∈ R Definicion: Dos espacios vectoriales E y F son isomorfos si existe una funcion lineal y biyectiva entre los espacios. En dicho caso se escribe E ∼= F . 2 Auxiliares/Enunciado_Clase_Auxiliar_10.pdf Universidad de Chile Facultad de Ciencias Fsicas y Matemticas Departamento de Ingeniera Matemtica 31 de Mayo, 2013 Auxiliar #10MA1102-2 Álgebra Lineal. : Matriz Representante, Cambio de Base, Vectores Propios Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Sea n ∈ N y T : Mnn(R) −→ Cn una aplicacion lineal a) Muestre que dim(Cn) = 2n. b) Encuentre los n tales que: (i) T no pueda ser inyectiva, (ii) T no pueda ser sobreyectiva, (iii) T pueda ser biyectiva. P2. Considere las aplicaciones lineales f y g tales que: f : M22(R) −→ R 3 g : R3 −→ R 2 g x1 x2 x3 = ( x1 + x2 − x3 2x1 + x3 ) Y las bases: B1 = {( 1 2 3 4 ) , ( 1 0 −1 2 ) , ( 0 3 0 −1 ) , ( 2 5 2 −4 )} de M22(R) B2 = 2 1 −1 , 0 1 3 , 1 −2 1 de R 3 Sea A = 1 1 1 1 −2 0 0 1 2 1 1 −1 la matriz representante de la funcion f con respecto a las bases B1 y B2. a) Encuentre la matriz representante B de la funcion g con respecto a las bases canonicas respectivas. b) Calcule la matriz representante de g ◦ f con respecto a B1 en M22(R) y las base canonica en R2. Hint: Calcule la matriz de pasaje en R2 con respecto a B2 en el espacio de partida y la base canonica en el de llegada. P3. Determine el rango de la matriz: 1 0 −1 1 0 1 2 1 1 1 1 2 1 2 3 3 P4. Sea T : V −→ V una aplicacion lineal con V e.v. de dimension finita. Demuestre que: V = Ker(T )⊕ Im(T ) ⇐⇒ Ker(T 2) = Ker(T ) P5. Muestre que los siguientes son vectores propios(x o f) y valores propios(λ) de T : (i) T ( x y ) = ( 4 −5 2 −3 )( x y ) , λ = 2 y x = ( 5 2 1 ) . (ii) T (f) = −f ′′ (f es una funcion dos veces derivable), f(t) = sin( √ πt) y λ = π 1 Teorema: Sea T : U −→ V una aplicacion lineal entonces: • Si dim(U) =dim(V ) =⇒ T es inyectiva ⇔ T es sobreyectiva ⇔ T es biyectiva • Si dim(U) >dim(V ) =⇒ T no puede ser inyectiva • Si dim(U) <dim(V ) =⇒ T no puede ser sobreyectiva • Si dim(U) =dim(V ) ⇐⇒ U es isomorfo a V Teorema: Sea T : U −→ V y L : V −→ W transformaciones lineales con BU , BV y BW bases de U , V y W (e.e.v.v.) respectivamente. Entonces se tiene que la matriz representante de L◦T se puede expresar como producto de las matrices representantes de T y L: MBU ,BW (L ◦ T ) = MBV ,BW (L) ·MBU ,BV (T ) Def: Sea A una matriz. Se define el rango de A como: r(A) = dim(Im(TA)), donde TA(x) = Ax Prop : El rango de una matriz se puede calcular como en el numero de filas no nulas de la matriz escalonada. Def: Si T : V → V es una T.L.. Se dice que x ∈ V (e.v.) es un vector propio de T si: • x 6= 0 • ∃λ ∈ R tal que T (x) = λx 2 Auxiliares/Enunciado_Clase_Auxiliar_5.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 19 de Abril, 2013 Auxiliar #5MA1102-2 Álgebra Lineal. : Producto Cruz, Norma y Espacios Vectoriales sobre R Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Sean los planos: L1 : λ 1 2 −1 + t 2 −1 3 , λ, t ∈ R L2 : 1 0 0 + λ 3 1 2 + t 1 −3 4 , λ, t ∈ R Ocupe el producto cruz para encontrar los vectores perpendiculares a L1 y L2 respectivamente y con estos determine si los planos son paralelos. P2. Ocupando las propiedades básicas de la norma euclidiana demuestre que: a) 0 ≤ ||x||, ∀x ∈ Rn b) ||x|| = 1, si x = x ||x|| con x 6= 0, x ∈ Rn. c) || k∑ i=1 xi|| ≤ k∑ i=1 ||xi||, donde xi ∈ Rn, ∀ i = 1, ..., k, con k ∈ N. d) ||x|| ≤ ||x− y||+ ||y||, ∀x, y ∈ Rn. e) |‖x‖ − ‖y‖| ≤ ‖x− y‖, ∀x, y ∈ Rn. P3. Sea C([a, b]) el conjunto de todas las funciones continuas con dominio en [a, b] y recorrido en R. Muestre que C([a, b]) es un Espacio Vectorial sobre R con la suma y ponderación usual de funciones y escalares. P4. Sea S el conjunto de todas las sucesiones en R que son acotadas. En S definimos el producto por es- calar usando la siguiente notación: si a = (a0, a1, ..., ak, ...) y λ ∈ R entonces λa = (λa0, λa1, ..., λak, ...) ∈ S. Muestre que S es un espacio vectorial y que el conjunto O = {a ∈ S| ak + kak+1 = 0, ∀k ∈ N} es un sub-espacio vectorial de S. P5. Sea P (R) el conjunto de todos los polinomios con coeficientes en los números reales. Muestre que P (R) es un espacio vectorial y que Pn(R) (el conjunto de todos los polinomios de grado igual a n, con n ∈ N) no es un sub espacio vectorial de P (R). Propuesto: Para cada conjunto indique si sus elementos son linealmente independientes o linealmente depen- dientes: a) 1 0 0 , 1 1 0 , 1 1 1 b) {( 1 2 0 1 ) , ( 1 3 2 −1 ) , ( 1 1 −2 3 )} c) {ex, e−x, senh(x)} d) { 1 + x2, x− 1, x2 − x } 1 Propiedad: La norma euclidiana cumple con las siguientes propiedades (i) x = 0⇐⇒ ||x|| = 0 (ii) ‖λx‖ = |λ| · ‖x‖, ∀x ∈ Rn, ∀λ ∈ R (iii) ‖x+ y‖ ≤ ‖x‖+ ‖y‖, ∀x, y ∈ Rn Definición: Dado un Grupo Abeliano (V,+) y el Cuerpo (R,+, ·) con una ley de composición externa(osea que λv ∈ V , ∀λ ∈ R, ∀v ∈ V ). Diremos que V es un Espacio Vectorial sobre R si y solo si la ley de composicion externa satisface ∀a, b ∈ R, ∀x, y ∈ V : (1) (a+ b)x = ax+ bx (2) a(x+ y) = ax+ ay (3) a(bx) = (ab)x (4) 1x = x Definición: Sea V un Espacio Vectorial sobre el Cuerpo R. Diremos que U 6= φ, U ⊆ V es un Sub-Espacio Vectorial de V si y solo si: (1) x+ y ∈ U , ∀x, y ∈ U (2) λx ∈ U , ∀λ ∈ R, ∀x ∈ U Definición: Sea {v1, v2, ..., vn} ⊆ V Espacio Vectorial. Diremos que estos vectores son Linealmente Dependi- entes(l.d.) si y solo si existen numeros reales {λ1, ..., λn} con alguno distinto de 0, tales que n∑ i=1 λivi = 0 2 Auxiliares/Enunciado_Clase_Auxiliar_6.pdf Universidad de Chile Facultad de Ciencias Fsicas y Matemticas Departamento de Ingeniera Matemtica 26 de Abril, 2013 Auxiliar #6MA1102-2 Álgebra Lineal. : Espacios Vectoriales, Conjunto Generador y Dimension Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Para los siguientes planos L1 y L2 determine si son un sub espacio vectorial de Rn. en caso de ser un s.e.v. determine su dimension: a) L1 : 1 1 1 + λ 1 −1 0 + t −1 0 1 , λ, t ∈ R b) L2 : 0 1 2 + λ 1 1 1 + t −1 0 1 , λ, t ∈ R P2. Muestre que 〈{1, i}〉 = C y tambien 〈{1 + i, 1− i}〉 = C. Con esto justifique que dim(C) = 2. P3. Para los siguentes conjuntos determine el espacio vectorial que genera: a) {1, x, x2} b) {1− x, x− x2, x2 − 1} c) { 1 0 0 , 0 1 0 , 0 0 1 } d) { ( 1 0 ) e) {exi, e−xi} para este caso cos(x) ∈ {exi, e−xi}? P4. Sea Ak el conjunto de las sucesiones reales tal que todos los terminos mayores que k son iguales a 0. Muestre que (Ak,+) (suma de sucesiones) es un e.v. sobre (R,+, ·). Encuentre una base para Ak y muestre que dim(Ak) = k P5. Sea Sn el conjunto de las matrices de n× n tal que son simetricas. a) Escriba el conjunto en notacion matematica b) Muestre que (Sn,+) es un e.v. sobre (R,+, ·) c) Calcule dim(S2) d) Calcule dim(S3) e) Calcule dim(sn) con n ∈ N 1 Auxiliares/Enunciado_Clase_Auxiliar_4.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 12 de Abril, 2013 Auxiliar #4MA1102-2 Álgebra Lineal. : Rectas y Planos II Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Encuentre el conjunto de todos los vectores que son ortogonales a 1 −2 1 . ¿Que forma tiene este conjunto? P2. Encuentre el conjunto de todos los vectores que son ortogonales a 1 −2 1 y −1 1 2 . ¿Que forma tiene este conjunto? P3. Sea p = 1 1 1 y sea L1 : 1 0 1 + λ 1 −2 −2 . Se define: pλ = 1 0 1 + λ 1 −2 −2 a) Calcule d(p, pλ) b) Encuentre el punto de la recta L1 que esta mas cerca de p. A este punto lo denominaremos p∗ c) Encuentre la recta que pasa por p y es ortogonal a L1. d) Encuentre la ecuación del plano que contiene a L1 y a p. e) Encuentre la ecuación de la recta que pasa por p∗ y es ortogonal al plano encontrado en d). P4. Sean L1 y L2 los siguientes planos: L1 : x+ ay + bz = 1, L2 : cx+ dy + z = 1, a, b, c, d ∈ R Encuentre las condiciones sobre a, b, c y d para que: • L1 y L2 sean paralelos • L1 y L2 sean iguales Definición: Sean x, y ∈ Rn. Se dice que x es ortogonal a y si y solo si < x, y > . = n∑ i=1 xiyi = 0 Definición: Se define la norma euclidiana en Rn como ||x|| .= √ < x, x > = √√√√ n∑ i=1 x2i = √ x21 + x22 + · · ·+ x2n, x ∈ Rn Definición: Sean x, y ∈ Rn. Se define la funcion d distancia asi: d(x, y) . = ||x−y|| = √ < x− y, x− y > = √√√√ n∑ i=1 (xi − yi)2 = √ (x1 − y1)2 + (x2 − y2)2 + · · ·+ (xn − yn)2 Que es la distancia entre x e y. 1 Auxiliares/Enunciado_Clase_Auxiliar_3.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 5 de Abril, 2013 Auxiliar #3MA1102-2 Álgebra Lineal. : LDU, Rectas y Planos Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Encuentre la descomposición LDU de: 1 0 3 0 3 2 1 −9 −1 P2. Encuentre la ecuación vectorial y parametrica de la recta que pasa por los puntos 1 −3 2 y 0 −1 −3 . P3. Encuentre la ecuación vectorial y parametrica del plano que pasa por los puntos: −3 2 2 , −4 4 3 y −3 3 3 P4. Encuentre la intersección(de existir) de las siguientes rectas L1 y L2: • L1 : x = 1, y = z + 1 L2 : x− 1 = 1− y = z • L1 : x = y = z, L2 : 1 1 2 + t −1 1 1 con t ∈ R P5. Sean L1 y L2 los conjuntos solución de los sistemas: L1 : { x+ z = 1 ax+ y + z = 0 , L2 : { 2ax+ y + z = 1 x+ y + z = −2 a ∈ R a) Determine para que valores de a L1 y L2 son rectas. b) Escriba las ecuaciones vectoriales para L1 y L2. c) Determine para que valor de a L1 y L2 son ortogonales. Para ese valor de a verifique que L1 ∩ L2 = φ. 1 Auxiliares/Enunciado_Clase_Auxiliar_1.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 22 de Marzo, 2013 Auxiliar #1MA1102-2 Álgebra Lineal. : Matrices Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P1. Encuentre todas las matrices de la forma A = ( x y 0 y ) que cumplen A2 = I con x, y ∈ R. P2. Sea D = diag(d1, ..., dn) = d1 0 . . . 0 dn ∈ Mnn(R) diagonal, con d1, ..., dn distintos y A, B, M , S ∈Mnn(R). a) Pruebe que si MD = DM , entonces M es diagonal. b) Sea S invertible, tal que S−1AS y S−1BS son diagonales. Pruebe que AB = BA. Hint: Use que el producto de matrices diagonales conmuta. c) Sea S invertible tal que S−1AS = D. Suponiendo que AB = BA, verifique que S−1AS y S−1BS conmutan y concluya que S−1BS es diagonal. P3. Sea una matriz tal que P 2 = P (elemento idempotente) y a partir de ella se define A = I − P . a) Demuestre que ∀k ∈ N, P k = P . b) Demuestre que Ak = A ∀k ∈ N. P4. Sea A ∈Mnn dada y supongamos que A3 = 0. Considere el siguiente conjunto: G = {M(λ) ∈Mnn| λ ∈ R} tal que M(λ) = I + λA+ λ2 2 A2 a) Pruebe que M(λ+ β) = M(λ)M(β), ∀λ, β ∈ R. b) Pruebe que M(λ) es invertible y que M(λ)−1 = M(−λ). Hint: Estudie M(0). c) Demuestre que (G, ·) es un grupo abeliano, donde · es el producto de matrices. Notación: Si A ∈Mnm entonces se ve de la siguiente manera. A = a11 a12 · · · a1j · · · a1m a21 a22 ... a2m ... ... ... ai1 · · · · · · aij · · · aim ... ... ... an1 · · · · · · anj · · · anm Definición: (G, ·) es un Grupo Abeliano si: – ∀a, b ∈ G, a · b ∈ G. – ∀a, b, c ∈ G, (a · b) · c = a · (b · c). – ∃e ∈ G tal que a · e = e · a = a, ∀a ∈ G. – ∀a ∈ G, ∃b ∈ G tal que a · b = b · a = e – ∀a, b ∈ G, a · b = b · a 1 Material/Guia_LDU.pdf Descomposición LDU Auxiliares: Mónica Carvajal Pinto- Johan Van der Molen 25 de agosto de 2008 Se tiene A εMn,n(R), es decir, una matriz cuadrada y se procede a escalonarla usando SOLO matrices del tipo Ep,q(α, 1), sabemos que cuando p < q la matriz es triangular inferior y su inversa Ep,q(−α, 1) tambien lo es. Cuando , mediante premultiplicaciones por matrices de suma lleguemos a una matriz escalonada tendremos algo de esta forma: Ā = E1 · E2 · ... · Ej ·A = ā11 · · · ā1n ... . . . ... 0 · · · ānn Ahora como cualquier Ei = Ep,q(α, 1) es triangular inferior invertible con sólo unos en la diagonal, se cumple: E1 · ... · Ejes triangular inferior con solo unos en la diagonal . y como sabemos su inversa(E1 · ... · Ej)−1 tambien lo es.( Recuerden que cuando multiplicamos o invertimos matrices triangulares inferiores el resultado tambien es una matriz triangular inferior) . Ademas (E1 · ...Ej)−1 = E−1 j · ... · E−1 1 Despejamos A y obtenemos A = (E1 · ...Ej)−1 · Ā es decir , la matriz A se puede escribir como la multiplicacion de una matriz triangular inferior(L = (E1 · ...Ej)−1) y una triangular superior(U = A)̄ A = L · U, sellamadescomposiciónLUdeA Ahora por teorema visto en clases, sabemos que A es invertible ⇐⇒ la ma- triz escalonada Ā no tiene ceros en la diagonal. Para la descomposición LDU queremos que la matriz triangular superior (U=Ā) sólo tenga unos en la diagonal, como A es invertible sabemos que todos los āii son no nulos , por lo tanto, para convertirlos en unos , tendremos que dividir la fila i de la matriz U por āii y asi lograremos nuestro objetivo. Como 1 U = ā11 · · · ā1n ... . . . ... 0 · · · ānn = ā11 · · · 0 ... . . . ... 0 · · · ānn · 1 ā12 ā11 · · · ā1n ā11 0 . . . . . . ... ... . . . 0 ā(n−1)n ā(n−1)(n−1) 0 · · · 0 1 U = D · Ũ Con D diagonal y Ũ triangular superior con solo unos en la diagonal =⇒ A = L · U = L ·D · Ũ Finalmente encontramos la Descompocisión LDU de A dada por: A = L ·D · Ũ A = (E1 · ...Ej)−1 · ā11 · · · 0 ... . . . ... 0 · · · ānn · 1 ā12 ā11 · · · ¯a1n ā11 0 . . . . . . ... ... . . . 0 ā(n−1)n ā(n−1)(n−1) 0 · · · 0 1 1. Notas 1. 1 Si la matriz A no es invertible entonces No posee descomposicion LDU. 1. 2 Si A tiene factorización LDU entonces es unica 2. Ejemplo Encuentre la descomposición LDU de la matriz A = −3 2 −1 1 0 3 3 1 6 Solucion: Primero encontramos la matriz Ā escalonada. E1,3(1) ·A = −3 2 −1 1 0 3 0 3 5 E1,2(1/3) · E1,3(1) ·A = −3 2 −1 0 2/3 8/3 0 3 5 E2,3(−9/2) · E1,2(1/3) · E1,3(1) ·A = −3 2 −1 0 2/3 8/3 0 0 −7 2 Ya tenemos la matrizĀ y sabemos que A = (E1 · ...Ej)−1 · Ā Por lo tanto, necesitamos encontrar (E2,3(−9/2) · E1,2(1/3) · E1,3(1))−1 = E1,3(1))−1 · E1,2(1/3)−1 · E2,3(−9/2)−1 Usamos que Ep,q(α)−1 = Ep,q(−α) =⇒ E1,3(1)−1·E1,2(1/3)−1·E2,3(−9/2)−1 = 1 0 0 0 1 0 −1 0 1 · 1 0 0 −1/3 1 0 0 0 1 1 0 0 0 1 0 0 9/2 1 = 1 0 0 −1/3 1 0 −1 9/2 1 = L =⇒ A = L · U = 1 0 0 −1/3 1 0 −1 9/2 1 · −3 2 −1 0 2/3 8/3 0 0 −7 Ahora verificamos si A era invertible viendo la diagonal de la matriz Ā, como lo es, buscamos la descomposición LDU. La matriz D siempre será la diagonal de la matriz Ā y la matriz U es el resultado de dividir cada fila de Ā por el elemento de la diagonal=⇒ U = −3 0 0 0 2/3 0 0 0 −7 · 1 −2/3 1/3 0 1 4 0 0 1 Finalmente A = L ·D · Ũ A = 1 0 0 −1/3 1 0 −1 9/2 1 · −3 0 0 0 2/3 0 0 0 −7 · 1 −2/3 1/3 0 1 4 0 0 1 3 Pautas/Pauta_P2_Auxiliar11.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 19 de Julio, 2013 Auxiliar #11MA1102-2 Álgebra Lineal. : Pauta P2 Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P2: Sea U y V s.e.v’s de Rn demuestre que: a) (U⊥)⊥ = U b) (U + V )⊥ = U⊥ ∩ V ⊥ Solución: a) Observemos que esta es una igualdad de conjuntos por lo tanto debemos demostrar la inclusión en ambos sentidos pues (U⊥)⊥ = U ⇐⇒ (U⊥)⊥ ⊆ U ∧ (U⊥)⊥ ⊇ U Antes de empezar notemos que : U⊥ = {x ∈ Rn| 〈x, u〉 = 0, ∀u ∈ U} (U⊥)⊥ = { x ∈ Rn| 〈x, u′〉 = 0, ∀u′ ∈ U⊥} Y que por la pagina 157 del apunte se puede concluir que: Rn = W ⊕W⊥ ⇒W ∩W⊥ = {0} Rn = W ⊕W⊥ ⇒ Rn = W⊥ ⊕ (W⊥)⊥ ⇒W⊥ ∩ (W⊥)⊥ = {0} (U⊥)⊥ ⊆ U : Sea u ∈ (U⊥)⊥, u 6= 0. Por demostrar que: u ∈ U Entonces, u ∈ (U⊥)⊥ ⇔ 〈u, u′〉 = 0, ∀u′ ∈ U⊥ Además u se puede descomponer como u = u1 + u2(pues Rn = U ⊕ U⊥) donde u1 ∈ U y u2 ∈ U⊥. Aśı 〈u, u′〉 = 0⇔ 〈u1 + u2, u ′〉 = 0⇔ 〈u1, u ′〉+ 〈u2, u ′〉 = 0 Y como 〈u1, u ′〉 = 0(por propiedad de conjuntos ortogonales), entonces 〈u2, u ′〉 = 0,∀u′ ∈ U⊥ ⇔ u2 ∈ (U⊥)⊥ Luego, u2 ∈ U⊥ ∧ u2 ∈ (U⊥)⊥ ⇒ u2 ∈W⊥ ∩ (W⊥)⊥ = {0} ⇒ u2 = 0 Finalmente u = u1 + u2 = u1 + 0 = u1 ∈ U ⇒ u ∈ U ⇒ (U⊥)⊥ ⊆ U (U⊥)⊥ ⊇ U : Sea u ∈ U con u 6= 0. Por demostrar que: u ∈ (U⊥)⊥. Entonces sabemos por propiedad de U⊥, que 〈u, u′〉 = 0, ∀u′ ∈ U⊥ ⇔ u ∈ (U⊥)⊥. Aśı U ⊆ (U⊥)⊥ Y finalmente podemos decir que U = (U⊥)⊥. b) Misma observación que en la parte a). Hay que demostrar la inclusión en ambos sentidos. Notemos primero que: x ∈ (U + V )⊥ ⇐⇒ 〈x, u + v〉 = 〈x, u〉+ 〈x, v〉 = 0, ∀u ∈ U, v ∈ V x ∈ U⊥ ∩ V ⊥ ⇐⇒ x ∈ U⊥ ∧ x ∈ V ⊥ ⇐⇒ 〈x, u〉 = 0, ∀u ∈ U ∧ 〈x, v〉 = 0, ∀v ∈ V U⊥ ∩ V ⊥ ⊆ (U + V )⊥: Muy (pero muy!) fácil haganla ustedes. U⊥ ∩ V ⊥ ⊇ (U + V )⊥: Sea x ∈ (U + V )⊥ entonces sabemos que 〈x, u〉+ 〈x, v〉 = 0, ∀u ∈ U, v ∈ V En particular si tomamos v = 0 ∈ V obtenemos que: 〈x, u〉 = 0, ∀u ∈ U ⇔ x ∈ U⊥. Y análogamente si tomamos u = 0 ∈ U obtenemos que x ∈ V ⊥. Finalmente concluimos: x ∈ U⊥ ∧ x ∈ V ⊥ ⇔ x ∈ U⊥ ∩ V ⊥. (U + V )⊥ ⊆ U⊥ ∩ V ⊥ Por lo tanto (U + V )⊥ = U⊥ ∩ V ⊥ 1 Pautas/pautas_semanas_1_15.rar Pauta_semana_15.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 06 de Julio de 2011 Solución Gúıa de Problemas MA1102 - Semana 15 Auxiliar: Gonzalo Flores G. P1. (a) Tenemos que vn+1 = ( xn+2 xn+1 ) = ( 2xn+1 − xn xn+1 ) = ( 2 −1 1 0 )( xn+1 xn ) = ( 2 −1 1 0 ) vn Aśı, la matriz buscada es A = ( 2 −1 1 0 ) . (b) Basta ver que vn = Avn−1 = A2vn−2 = A3vn−3 = . . . = Anv0 (c) El polinomio caracteŕıstico de A es∣∣∣∣ 2− λ −1 1 −λ ∣∣∣∣ = λ(λ− 2) + 1 = λ2 − 2λ+ 1 = (λ− 1)2 Luego, tenemos un único valor propio λ = 1, de multiplicidad algebraica 2. Veamos que( 1 −1 1 −1 )( v1 v2 ) = ( 0 0 ) ⇔ v1 = v2 v2 ∈ R( 1 −1 1 −1 )( v1 v2 ) = ( 1 1 ) ⇔ v1 = v2 + 1 v2 ∈ R de donde obtenemos los vectores propios ( 1 1 ) y ( 1 0 ) y por lo tanto ( 2 −1 1 0 ) = ( 1 1 1 0 )( 1 1 0 1 )( 0 1 1 −1 ) Aśı An = ( 1 1 1 0 )( 1 1 0 1 )n( 0 1 1 −1 ) = ( 1 1 1 0 )( 1 n 0 1 )( 0 1 1 −1 ) = ( n+ 1 −n n 1− n ) Por lo tanto, vn = ( n+ 1 −n n 1− n )( 1 0 ) = ( n+ 1 n ) , es decir, xn = n. * Se hizo un cambio en el enunciado. Consideramos que vn = ( xn+1 xn ) . De otra forma, v0 está mal definido. P2. (a) Caso base, n = 1: La igualdad se tiene trivialmente. Supongamos que la igualdad es cierta para n = k. Veamos que( λ 1 0 λ )k+1 = ( λ 1 0 λ )k ( λ 1 0 λ ) = ( λk kλk−1 0 λk )( λ 1 0 λ ) = ( λk+1 (k + 1)λk 0 λk+1 ) Con esto, queda demostrada la igualdad entregada. 1 (b) El polinomio caracteŕıstico de esta matriz es∣∣∣∣∣∣ 4− λ −1 −3 0 4− λ 1 0 0 2− λ ∣∣∣∣∣∣ = (4− λ)2(2− λ) Luego, tenemos los valores propios λ1 = 4 y λ2 = 2, de multiplicidades algebraica 2 y 1, respectivamente. Obtengamos los vectores propios para λ1 = 4. Para esto, resolvamos el sistema 0 −1 −3 0 0 1 0 0 −2 v1 v2 v3 = 0 0 0 ⇔ v1 ∈ R v2 = 0 v3 = 0 Aśı, tenemos un primer vector propio ~v1 = 1 0 0 . Para encontrar el vector restante asociado a λ1 = 4, debemos resolver el sistema 0 −1 −3 0 0 1 0 0 −2 v1 v2 v3 = 1 0 0 ⇔ v1 ∈ R v2 = −1 v3 = 0 ⇔ v1 v2 v3 = v1 1 0 0 + 0 −1 0 Luego, tenemos un segundo vector propio ~v2 = 0 −1 0 . Ahora obtengamos el vector propio asociado a λ2 = 2. Para esto, resolvamos el sistema 2 −1 −3 0 2 1 0 0 0 v1 v2 v3 = 0 0 0 ⇔ v1 = 5 4v3 v2 = − 1 2v3 v3 ∈ R Aśı, podemos tomar el vector propio ~v3 = 5 −2 4 . De esta forma, obtenemos las matrices P = 1 0 5 0 −1 −2 0 0 4 J = 4 1 0 0 4 0 0 0 2 y mediante el algoritmo de Gauss P−1 = 1 0 − 5 4 0 −1 − 1 2 0 0 1 4 Conclúımos que 4 −1 −3 0 4 1 0 0 2 = 1 0 5 0 −1 −2 0 0 4 4 1 0 0 4 0 0 0 2 1 0 − 5 4 0 −1 − 1 2 0 0 1 4 (c) Vemos directamente que An = PJnP−1. Dado que J es diagonal por bloques, y en virtud de la parte a), se tiene que Jn = 4n n · 4n−1 0 0 4n 0 0 0 2n Por ende, An = PJnP−1 = 1 0 5 0 −1 −2 0 0 4 4n n · 4n−1 0 0 4n 0 0 0 2n 1 0 − 5 4 0 −1 − 1 2 0 0 1 4 = 4n n · 4n−1 5 · 2n 0 −4n −2n+1 0 0 2n+2 1 0 − 5 4 0 −1 − 1 2 0 0 1 4 = 4n −n · 4n−1 5 · 2n−2 − (5 + n 2 )4n−1 0 4n 1 24n − 2n−1 0 0 2n 2 Pauta_Semana_1.pdf Pauta_Semana_2.pdf Pauta_Semana_3.pdf Pauta_Semana_4.pdf Pauta_semana_5.pdf Pauta_Semana_6_Apunte.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática Problemas Faltantes de Lineal P3 Semana 6 Sean E y F espacios vectoriales sobre el mismo cuerpo K: (a) Pruebe que dotando al conjunto E × F de las leyes ∀(x, y), (u, v) ∈ E × F, (x, y) + (u, v) = (x+ u, y + v); ∀α ∈ K, ∀(x, y) ∈ E × F, α(x, y) = (αx, αy) éste resulta ser espacio vectorial sobre K Resp : Es claro que si E y F son e.v. sobre K, entonces (E × F,+) es grupo abeliano (y K sigue siendo cuerpo). Luego, resta revisar que E×F cumple las propiedades pedidas a un e.v. Para esto, tomemos λ, β ∈ K cualesquiera, y (x, y), (u, v) ∈ E × F cualesquiera: Distrib. I (λ+ β)(x, y) = ((λ+ β)x, (λ+ β)y) = (λx+ βx, λy + βy) = (λx, λy) + (βx, βy) = λ(x, y) + β(x, y) Distrib. II λ((x, y) + (u, v)) = λ(x+ u, y + v) = (λ(x+ u), λ(y + v)) = (λx+ λu, λy + λv) = (λx, λy) + (λu, λv) = λ(x, y) + λ(u, v) Asoc. externa λ(β(x, y)) = λ((βx, βy)) = (λ(βx), λ(βy)) = ((λβ)x, (λβ)y) = (λβ)(x, y) Neutro ext. 1(x, y) = (1x, 1y) = (x, y) Entonces E×F es e.v. sobre el cuerpo K. La estrategia en general es echarle pa adelante con la demostración y en algún momento aplicar las propiedades de e.v. de los conjuntos originales. (b) Pruebe que E×{0F } y {0E}×F son subespacios vectoriales de E×F . Determine 0E×F y pruebe que (E × {0F }) ∩ ({0E} × F ) = 0E×F . Resp : Demostraremos sólo para el primer caso (ya que el segundo es exageradamente análogo). Claramente E × {0F } es no vaćıo, pues por lo menos está el elemento (0E , 0F ). Entonces, usando el camino corto de s.e.v., sea λ, β ∈ K, (x, 0F ), (y, 0F ) ∈ E × {0F }, entonces: λ(x, 0F ) + β(y, 0F ) = (λx, λ0F ) + (βy, β0F ) = (λx+ βy, 0F ) ∈ E × {0F } Por lo que E × {0F } es efectivamente s.e.v. de E × F . 0E×F debe ser un elemento de E × F tal que ∀(x, y) ∈ E × F, (x, y) + 0E×F = (x, y). Como 0E×F ∈ E × F , debe poder escribirse como (a, b), a ∈ E, b ∈ F . Luego (x, y) + (a, b) = (x+ a, y + b) = (x, y) ⇒ (x+ a = x) ∧ (y + b = y) ⇒ (a = 0E) ∧ (b = 0F ). Por lo tanto, como era de esperarse, 0E×F = (0E , 0F ). Para que un elemento esté en la intersección de ambos subespacios, debe tener 0E en la primera coordenada y 0F en la segunda. El único elemento de E × F que cumple dicha condición es 0E×F . (c) Sea {e1, e2, ..., en} ⊆ E un conjunto l.i. de E y {f1, f2, ..., fm} ⊆ F un conjunto l.i. de F . Determine un conjunto l.i. de E × F de tamaño n+m. Resp : Sacando una idea de lo demostrado anteriormente, propongo como candidato a l.i. a los elementos de la forma (0E , fi) y (ei, 0F ). Veamos que son l.i.: tomemos una combinación lineal de todos ellos que valga cero, vale decir: 1 Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática n+m∑ k=1 λkgk = 0E×F Aqúı la notación puede ser enredosa. Los vectores gk simplemente son la unión de los (0E , fi) y los (ei, 0F ) ordenados. La suma en realidad debiera verse de esta forma: n∑ i=1 λi(ei, 0F ) + m∑ j=1 λn+j(0E , fj) = (0E , 0F ) ⇒ ( n∑ i=1 λiei, 0F ) + (0E , m∑ j=1 βjfj) = (0E , 0F ). Sin ningún asco sumemos todo, cosa de dejar un sólo paréntesis: ⇒ ( n∑ i=1 λiei, m∑ j=1 βjfj) = (0E , 0F ) ⇒ ( n∑ i=1 λiei = 0E) ∧ ( m∑ j=1 βjfj = 0F ) Dado que ambos conjuntos son l.i. por enunciado, los escalares deben ser cero toditos. Luego, el conjunto completo de vectores (de tamaño m+ n) debe ser l.i. en E × F . Por supuesto que no es el único, pero es el ás sencillo de ver. P4 Semana 6 Sea E el espacio vectorial sobre R de las funciones definidas sobre Z a valores reales: E = {f |f : Z → R es función} (a) Sean a1, a2 ∈ R con a2 6= 0 y F0 el conjunto de las funciones en E que verifican la condición: ∀n ∈ Z, f(n) + a1f(n− 1) + a2f(n− 2) = 0 Pruebe que F0 es s.e.v. de E. Resp : Primero hay que verificar que F0 es distinto de vaćıo. Lo es, pues la función nula (f(n) = 0 ∀n ∈ Z) cumple la condición. Ahora, sea λ, β ∈ R, y f1, f2 ∈ F0. Luego: (λf1 + βf2)(n) + a1(λf1 + βf2)(n− 1) + a2(λf1 + βf2)(n− 2) = λf1(n) + a1λf1(n− 1) + a2λf1(n− 2) + βf2(n) + a1βf2(n− 1) + a2βf2(n− 2) = λ(f1(n) + a1f1(n− 1) + a2f1(n− 2)) + β(f2(n) + a1f2(n− 1) + a2f2(n− 2)) = λ0 + β0 = 0 Por lo tanto, λf1 + βf2 ∈ F0, por lo que F0 es s.e.v. de E. (b) Sea ahora F1 el conjunto de las funciones f ∈ E que verifican la condición: ∀n ∈ Z, f(n) + a1f(n− 1) + a2f(n− 2) = 1 Pruebe que F1 no es s.e.v. de E Resp : La respuesta saldrá simplemente de dar un contraejemplito. Para que F1 sea s.e.v. de E, debe ser subconjunto de E y ser e.v. (esa es la esencia). Luego, si f y g pertenecen a F1, f + g también debe hacerlo. Sin embargo: (f + g)(n) + a1(f + g)(n− 1) + a2(f + g)(n− 2) = {f(n) + a1f(n− 1) + a2f(n− 2)}+ {g(n) + a1g(n− 1) + a2g(n− 2)} = 1 + 1 = 2 6= 1. Luego, es imposible que F1 sea s.e.v. de E, pues f + g /∈ F1 2 Pauta_Semana_7_Apunte.pdf Pauta_Semana_8_Apunte.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática P1 Semana 8 Sea P3(R) el conjunto de los polinomios de grado menor o igual a 3 con coeficientes reales. Se define la transformación T : P3(R) → P3(R) por: T (a0 + a1x+ a2x 2 + a3x 3) = a0 + (2a1 + a2)x+ (2a2 + a3)x 2 + 2a3x 3 (a) Demuestre que T es una transformación lineal. Resp : Consideremos dos polinomios de grado 3 p = a0 + a1x + a2x 2 + a3x 3 y q = b0 + b1x + b2x 2 + b3x 3. Debemos demostrar que para cualquier λ, β ∈ R, T (λp1 + βp2) = λT (p1) + βT (p2). Ordenémoslo un poco para que no quede la patá y media: λp1 + βp2 = λao + βb0 + (λa1 + βb1)x+ (λa2 + βb2)x 2 + (λa3 + βb3)x 3 T (λp1+βp2) = λao+βb0+(2(λa1+βb1)+ (λa2+βb2))x+(2(λa2+βb2)+ (λa3+βb3))x 2+2(λa3+βb3)x 3 = λ(a0 +(2a1 + a2)x+(2a2 + a3)x 2 +2a3x 3)+β(b0 +(2b1 + b2)x+(2b2 + b3)x 2 +2b3x 3) = λT (p1)+βT (p2) Luego T es lineal. (b) Probar que T es una transformación biyectiva. Resp : Para la inyectividad, basta demostrar que Ker(T ) = {0}. Sea p ∈ P3(R) tal que T (p) = 0 (el cero de los polinomios, es decir, el polinomio 0). Es decir: T (p) = a0 + (2a1 + a2)x+ (2a2 + a3)x 2 + 2a3x 3 = 0 ⇒ (a0 = 0) ∧ (2a1 + a2 = 0) ∧ (2a2 + a3 = 0) ∧ (2a3 = 0) Resolviendo el sistema de ecuaciones, obtenemos que cada coeficiente debe ser cero, es decir, p = 0. Luego, Ker(T ) = {0}. El razonamiento para inyectividad es siempre aśı; como hay que demostrar que el núcleo es sólo el cero, lo hacemos por doble inclusión: como T es lineal, cero es subconjunto del núcleo SIEMPRE, luego la parte pelúa es demostrar que el Ker es subconjunto de cero, es decir, que si x ∈ Ker(T ), entonces x = 0. Para la sobreyectividad, debemos demostrar que todo polinomio en el recorrido tiene preimagen. Dado un polinomio a0 + a1x+ a2x 2 + a3x 3, basta demostrar que existe un polinomio q = b0 + b1x+ b2x 2 + b3x 3 que satisfaga el siguiente sistema de ecuaciones: T (b0 + b1x+ b2x 2 + b3x 3) = a0 + a1x+ a2x 2 + a3x 3 ⇒ b0 + (2b1 + b2)x+ (2b2 + b3)x 2 + 2b3x 3 = a0 + a1x+ a2x 2 + a3x 3 ⇒ (b0 = a0) ∧ (2b1 + b2 = a1) ∧ (2b2 + b3 = a2) ∧ (2b3 = a3) Cuya solución es b3 = a3 2 , b2 = 2a2 − a3 4 , b1 = 4a1 − 2a2 + a3 8 y b0 = a0. Es decir, T es sobreyectiva e inyectiva, por ende biyectiva. En el futuro, gracias al teorema de Núcleo-Imagen, si el espacio de partida y el de llegada son de igual dimensión y T lineal, inyectiva ⇔ sobreyectiva ⇔ biyectiva, es decir, bastaba sólo demostrar que es inyectiva. 3 Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática (c) Si id es la transformación identidad del espacio vectorial P3(R), pruebe que T − 2id, (T − 2id)2, (T − 2id)3 y T − id son transformaciones lineales. Resp : Podŕıamos hacerla de la manera usual, tomando una combinación lineal y viendo si se porta bien. Sin embargo, dado que hay composiciones y cosas, y son polinomios largos, probablemente se complique y se alargue innecesariamente. En vez de tomar dicha v́ıa retrógrada, seremos más vios. La suma de transformaciones lineales es lineal. De hecho: (S+T )(λx+βy) = S(λx+βy)+T (λx+βy) = λS(x)+βS(y)+λT (x)+βT (y) = λ(T +S)(x)+β(T +S)(y) Análogamente, la ponderación por escalar de una transformación lineal es lineal (T lineal ⇒ αT lineal, ∀α ∈ R). Es fácil de hacer. También la composición de transformaciones lineales es lineal. De hecho: (T ◦ S)(λx+ βy) = T (S(λx+ βy)) = T (λS(x) + βS(y)) = λ(T ◦ S)(x) + β(T ◦ S)(y). Luego de todo este jaleo, demostrar que cada una de las transformaciones enunciadas es lineal es fácil. La primera es ponderación y resta de transformaciones lineales (T e id son lineales). La segunda y la tercera son composición de transformaciones lineales, y la última es resta de dos transformaciones lineales. (d) Encontrar bases y dimensión de Ker(T − 2id), Ker(T − 2id)2 y Ker(T − 2id)3. Resp : En las preguntas de este estilo, la estrategia es ver la forma de los elementos del Ker respectivo, y hallar una base es sólo jugar con la base canónica del espacio vectorial donde se trabaje (en este caso, polinomios). Eso precisamente haremos. Si tomamos p = a0 + a1x+ a2x 2 + a3x 3, entonces: (T − 2id)(p) = a0 + (2a1 + a2)x+ (2a2 + a3)x 2 + 2a3x 3 − 2a0 − 2a1x− 2a2x 2 − 2a3x 3 = −a0 + a2x+ a3x 2 Como el Ker consta de los elementos que llevan al cero, es claro de la forma de la función que el Ker lo conforman los polinomios que tienen a0, a2 y a3 igual a 0 (el coeficiente de x queda libre, pues no depende de él que valga cero). Aśı, Ker(T − 2id) son los polinomios de la forma p = λx, λ ∈ R, de dimensión 1 con base {x}. (T − 2id)2(p) = (T − 2id)(−a0 + a2x+ a3x 2) = −a0 + (2a2 + a3)x+ 2a3x 2 + 2a0 − 2a2x− 2a3x 2 = a0 + a3x Para que sea cero, a0 y a3 deben ser cero, quedando libres los otros dos. Luego el Ker de (T − 2id)2 son los polinomios de la forma λx+ βx2, λ, β ∈ R, de dimensión 2 con base {x, x2}. (T − 2id)3(p) = (T − 2id)(a0 + a3x) = a0 + 2a3x− 2a0 − 2a3x = −a0 Luego, para que sea cero, basta que a0 sea 0, quedando libres las otras tres componentes. Aśı, el Ker de (T − 2id)3 son los polinomios de la forma λx+ βx2 + γx3, λ, β, γ ∈ R, de dimensión 3 con base {x, x2, x3}. 4 Pauta_Semana_9_Apunte.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática (b) Sean las bases de M22(R) y P2(R) siguientes: βM = {( 1 0 0 0 ) , ( 0 1 0 0 ) , ( 0 0 1 0 ) , ( 0 0 0 1 )} , βP = {1, x, x2} Encuentre la matriz representante de T con respecto a las bases βM y βP . Resp : Debemos evaluar la base βM en T y expresarla en función de la base βP para obtener la matriz representante: T (( 1 0 0 0 )) = (1 + 0) + (0 + 0)x+ (1 + 0 + 0 + 0)x2 = 1 + 0x+ x2, representado por (1, 0, 1). T (( 0 1 0 0 )) = (0 + 0) + (1 + 0)x+ (0 + 1 + 0 + 0)x2 = 0 + x+ x2 representado por (0, 1, 1). T (( 0 0 1 0 )) = (0 + 0) + (0 + 1)x+ (0 + 0 + 2 + 0)x2 = 0 + x+ 2x2 representado por (0, 1, 2). T (( 0 0 0 1 )) = (0 + 1) + (0 + 0)x+ (0 + 0 + 0 + 1)x2 = 1 + 0x+ x2 representado por (1, 0, 1) Luego la matriz representante para estas bases es MβMβP = 1 0 0 1 0 1 1 0 1 1 2 1 . (c) Sean las bases de M22(R) y P2(R) siguientes: β′ M = {( 1 0 0 1 ) , ( −1 0 0 1 ) , ( 0 1 1 0 ) , ( 0 1 −1 0 )} , β′ P = {1 + x, x+ x2, 1 + x2} Encuentre la matriz representante de T conrespecto a las bases β′ M y β′ P . Resp : Debemos hacerlo de forma análoga a la parte anterior, con la salvedad que hay que expresar los resultados en la base de polinomios correspondiente. T (( 1 0 0 1 )) = (1 + 1) + (0 + 0)x+ (1 + 0 + 0 + 1)x2 = 2 + 2x2 = 0(1 + x) + 0(x+ x2) + 2(1 + x2) representado por (0, 0, 2) T (( −1 0 0 1 )) = (−1 + 1) + (0 + 0)x+ (−1 + 0 + 0 + 1)x2 = 0 = 0(1 + x) + 0(x+ x2) + 0(1 + x2) representado por (0, 0, 0) T (( 0 1 1 0 )) = (0 + 0) + (1 + 1)x+ (0 + 1 + 2 + 0)x2 = 2x+ 3x2 = − 1 2 (1 + x) + 5 2 (x+ x2) + 1 2 (1 + x2) representado por (− 1 2 , 5 2 , 1 2 ). A veces no es tan intuitivo cómo expresar los resultados en la nueva base. Puede hacerse por tanteo (cuando hay cierta intuición), o bien irse a la segura y expresar la base canónica de la llegada en la nueva base (en este caso, escribir 1, x y x2 en la nueva base) y después ponderar por lo obtenido no más. 6 Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática T (( 0 1 −1 0 )) = (0 + 0) + (1 +−1)x+ (0 + 1− 2 + 0)x2 = −x2 = 1 2 (1 + x)− 1 2 (x+ x2)− 1 2 (1 + x2) representado por ( 1 2 ,− 1 2 ,− 1 2 ) Luego, la matriz representante de T para estas bases es Mβ′ M β′ P = 0 0 −1/2 1/2 0 0 5/2 −1/2 2 0 1/2 −1/2 . (d) Calcule la dimensión del núcleo y la dimensión de la Imagen de T Resp : Vemos de la forma de T , que para que una matriz esté en el Ker debe satisfacer el sistema de ecuaciones: (a+ d = 0) ∧ (b+ c = 0) ∧ (a+ b+ 2c+ d) = 0 Sin entrar en detalles con la solución, son tres ecuaciones independientes linealmente y cuatro variables. Es decir, una queda libre, por lo que dim(Ker(T )) = 1. Para la dimensión de la imagen, vamos a hacer algo que parece rebuscado, pero no lo es tanto. Igual la transformación tiene cara de generar cualquier polinomio. Además, P2(R) es un espacio vectorial de dimensión 3. Si generamos a través de T 3 polinomios l.i., podemos concluir que la imagen tiene por lo menos dimensión 3, y no puede ser más pues el espacio de llegada tiene dimensión 3. Para hacerlo más evidente, armaremos los tres vectores de la base de la pregunta (c). Vimos en (b) que: T (( 1 0 0 0 )) = (1 + 0) + (0 + 0)x+ (1 + 0 + 0 + 0)x2 = 1 + x2 T (( 0 1 0 0 )) = (0 + 0) + (1 + 0)x+ (0 + 1 + 0 + 0)x2 = x+ x2 Luego, sólo nos falta generar 1 + x. Es útil notar que: T (( 1 3 −2 0 )) = (1 + 0) + (3− 2)x+ (1 + 3− 4 + 0)x2 = 1 + x Parece sacado de la manga, pero sale de resolver el sistema (a+ d = 1) ∧ (b+ c = 1) ∧ (a+ b+ 2c+ d = 0) que, de hecho, deja una variable libre. Aśı, tenemos que β′ P ⊆ T (M22(R)), y como la imagen es subespacio vectorial de P2(R), tiene dimensión por lo menos 3 (hay 3 l.i.) y a lo más 3, es decir, dim(Im(T )) = 3. 7 Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática P3 Semana 9 Sea T : V → V una transformación lineal con V un espacio vectorial de dimensión finita. Demuestre que: V = Ker(T ) ⊕ Im(T ) ⇔ Ker(T ) = Ker(T 2) Resp : ⇒ Para demostrar que Ker(T ) = Ker(T 2), lo haremos por doble subconjunto. Uno es gratis (ni siquiera requiere hipótesis). Si x ∈ Ker(T ) ⇒ T (x) = 0. Luego, T 2(x) = T (T (x)) = T (0) = 0 ⇒ x ∈ Ker(T 2). Es decir Ker(T ) ⊆ Ker(T 2). Ahora, si x ∈ Ker(T 2) ⇒ T (T (x)) = 0 ⇒ T (x) ∈ Ker(T ). Pero también T (x) ∈ Im(T ) ⇒ T (x) ∈ Ker(T )∩ Im(T ). Como Ker e Im son suma directa (por hipótesis), se tiene que Ker(T )∩ Im(T ) = {0}, es decir, T (x) = 0 ⇒ x ∈ Ker(T ), y por ende Ker(T 2) ⊆ Ker(T ), completando la demostración. ⇐ Para demostrar que es suma directa, debemos demostrar que tienen intersección cero, y que suman todo el espacio. Sea y ∈ Ker(T )∩ Im(T ), es decir y = T (x) para algún x y T (y) = 0, es decir, T (T (x)) = 0. Esto último implica que x ∈ Ker(T 2) ⇒ x ∈ Ker(T ) (por hipótesis), es decir, T (x) = 0. En otras palabras, y = 0 (el único elemento en la intersección es el cero). Para ver que suman, daremos un argumento sencillo pero convincente. Por el teorema de núcleo-imagen, la suma de las dimensiones del Ker e Im son la del espacio completo, y además sólo tienen en común el cero por lo demostrado antes. Si la dimensión de V es n, entonces dim(Ker(T )) = k, dim(Im(T )) = n− k para algún k ∈ N. Podemos sacar una base para cada uno, y la unión de ambas será l.i. (pues sólo se intersectan en cero los generados por las bases). Aśı, es fácil convencerse que Ker e Im suman todo el espacio, y como sólo intersectan en cero, concluimos que V = Ker(T ) ⊕ Im(T ). 8 Pauta_semana_10.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 27 de Junio de 2011 Solución Gúıa de Problemas MA1102 - Semana 10 Auxiliar: Gonzalo Flores G. P1. (a) =⇒: Sea A ∈ Mmn tal que r(A) = 1. Con esto, sabemos que A tiene una sola columna linealmente independiente. Sin pérdida de generalidad, supongamos que A•1 6= −→ 0 . Luego, existen constantes λi, con i ∈ {1, . . . , n} tales que A•i = λiA•1. De esta forma, tomando u = A•1 y vt = (λ1 . . . λn) se verifica que A = uvt. Es claro que ambos son no nulos. En efecto, u lo es por la forma en que fue elegido, y v tiene un 1 como primera componente. ⇐=: Supongamos ahora que A ∈ Mmn es tal que puede ser escrita de la forma A = uvt, con u ∈ Km, v ∈ Kn. Aśı, vemos que aij = uivj y, más aun, A•i = viu. Esto quiere decir que cada columna de A es una ponderación de u. Dado que los vectores u y v son ambos no nulos, existe al menos una columna no nula, y como estas son linealmente dependientes, se tendrá que r(A) = 1. (b) Probemos el caso n = 2. En este caso, obtenemos el determinante∣∣∣∣( 0 −α0 1 −α1 ) − λI ∣∣∣∣ = ∣∣∣∣ −λ −α0 1 −α1 − λ ∣∣∣∣ = λ(α1 + λ) + α0 = α0 + α1λ+ λ2 el cual coincide con la expresión (−1)2( ∑1 k=0 αkλ k + λ2) Supongamos que esto es cierto para n = j, es decir, para la matriz A de dimensión j×j se tiene que p(λ) = (−1)j( ∑j−1 k=0 αkλ k+λj), y veamos que sucede para n = j + 1. En este caso, la matriz A− λI queda de la forma −λ 0 . . . 0 −α0 1 −λ . . . 0 −α1 0 1 . . . 0 −α2 ... ... ... ... ... 0 0 . . . 1 −αj − λ Para obtener el determinante de esta matriz, utilizaremos la primera fila, resultando que p(λ) = −λ |B|+ (−1)j+2 · − α0 |I|. Notamos que B es una matriz de dimensión j × j con las caracteŕısticas de la hipótesis, luego, |B| = (−1)j( ∑j−1 k=0 αk+1λ k + λj). Además, |I| = 1. Aśı, p(λ) = −λ((−1)j( j−1∑ k=0 αk+1λ k+λj))+(−1)j+1α0 = (−1)j+1 j−1∑ k=0 αk+1λ k+1+(−1)j+1λj+1+(−1)j+1α0 = (−1)j+1 j∑ k=0 αkλ k + (−1)j+1λj+1 = (−1)j+1( j∑ k=0 αkλ k + λj+1) Aśı, queda probado lo pedido. P2. (a) Veamos que (1−α)n |A|PA−1B ( α α−1 ) = (1−α)n |A| ∣∣∣A−1B − α α−1I ∣∣∣ = (1−α)n ∣∣∣B − α α−1A ∣∣∣. En virtud de la linealidad por filas del determinante, esto es igual a |(1− α)B + αA|, con lo que se concluye. (b) Supongamos que αA + (1 − α)B no es invertible para ningún 0 < α < 1, es decir, su deter- minante es nulo para todo valor de α ∈ (0, 1). Como α 6= 1 y A es invertible, esto equivale a decir que PA−1B ( α α−1 ) se anula para todo α ∈ (0, 1). Para esto, necesariamente se requiere que el polinomio caracteristico de A−1B sea el polinomio nulo, pero esto es imposible, ya que PA−1B(0) = ∣∣A−1B ∣∣ 6= 0 →←. 1 P3. (a) Sabemos que Av = λv. Premultiplicando por B, vemos que: =⇒ (BA)v = λ(Bv) =⇒ (AB)v = λ(Bv) =⇒ A(Bv) = λ(Bv) Es decir, Bv es vector propio de A, con valor propio asociado λ (b) Dado que el subespacio propio asociado a λ es de dimensión 1, podemos decir que Wλ = 〈v〉. Pero por la parte anterior, sabemos que Bv también es vector propio, es decir, pertenece a este subespacio. Luego, existe α ∈ R tal que Bv = αv. 2 Pauta_semana_11.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 27 de Junio de 2011 Solución Gúıa de Problemas MA1102 - Semana 11 Auxiliar: Gonzalo Flores G. P1. (a) i) Para esto basta ver que T (1) = 1 + 2x2 = 1 · 1 + 0 · x+ 2 · x2 T (x) = x = 0 · 1 + 1 · x+ 0 · x2 T (x2) = 2 + x2 = 2 · 1 + 0 · x+ 1 · x2 Por lo tanto A = 1 0 2 0 1 0 2 0 1 ii) Calculemos p(λ): p(λ) = |A− λI| = ∣∣∣∣∣∣ 1− λ 0 2 0 1− λ 0 2 0 1− λ ∣∣∣∣∣∣ = (1− λ)3 + 4(λ− 1) = (1− λ)(λ− 3)(λ+ 1) Aśı, los valores propios de A son λ1 = 1, λ2 = 3, λ3 = −1. Ahora, al resolver los sistemas (A− I)v1 = 0 (A− 3I)v2 = 0 (A+ I)v3 = 0 obtenemos los vectores propios v1 = 0 1 0 , v2 = 1√ 2 0 1√ 2 y v3 1√ 2 0 − 1√ 2 De esto, obtenemos que A = 0 1√ 2 1√ 2 1 0 0 0 1√ 2 − 1√ 2 1 0 0 0 3 0 0 0 −1 0 1 0 1√ 2 0 1√ 2 1√ 2 0 − 1√ 2 De lo que se desprende que A2n = 0 1√ 2 1√ 2 1 0 0 0 1√ 2 − 1√ 2 1 0 0 0 32n 0 0 0 1 0 1 0 1√ 2 0 1√ 2 1√ 2 0 − 1√ 2 = 32n+1 2 0 32n−1 2 0 1 0 32n−1 2 0 32n+1 2 iii) Vemos que el polinomio p(x) = 1+x+x2 se corresponde con el vector v = 1 1 1 . Ahora bien, 32n+1 2 0 32n−1 2 0 1 0 32n−1 2 0 32n+1 2 1 1 1 = 32n 1 32n pero este vector corresponde al polinomio 32n+x+32nx2. Por lo tanto, T 2n(1+x+x2) = 32n + x+ 32nx2. 1 (b) Calculemos el polinomio caracteŕıstico de esta matriz, es decir:∣∣∣∣∣∣∣∣∣∣ 2− λ α 0 0 0 0 2− λ α 0 0 0 0 2− λ 0 0 0 0 0 1− λ β 0 0 0 0 1− λ ∣∣∣∣∣∣∣∣∣∣ = (2− λ)3(1− λ)2 Aśı, los valores propios son λ1 = 2 y λ2 = 1, de multiplicidades algebraicas αA(2) = 3 y αA(1) = 2. Veamos ahora que 0 α 0 0 0 0 0 α 0 0 0 0 0 0 0 0 0 0 −1 β 0 0 0 0 −1 v1 v2 v3 v4 v5 = 0 0 0 0 0 ⇐⇒ v1 ∈ R αv2 = 0 αv3 = 0 v4 = 0 v5 = 0 Luego, tendremos γA(2) = { 3 , α = 0 1 , α 6= 0 . De igual forma 1 α 0 0 0 0 1 α 0 0 0 0 1 0 0 0 0 0 0 β 0 0 0 0 0 v1 v2 v3 v4 v5 = 0 0 0 0 0 ⇐⇒ v1 = 0 v2 = 0 v3 = 0 v4 ∈ R βv5 = 0 De donde γA(1) = { 2 , β = 0 1 , β 6= 0 Recordando que para que la matriz sea diagonalizable nos basta con que para todo valor propio, las multiplicidades algebraica y geométrica coincidan, vemos que esta matriz es diagonalizable si α = β = 0. P2. (a) Probemos por inducción. Para el caso base n = 0 la proposición se tiene trivialmente. En efecto A0x0 = Ix0 = x0 Supongamos que la proposición es cierta para n = k, y veamos que sucede para el caso n = k+1. Vemos que Ak+1x0 = AAkx0 = Axk = ( a −1 1 0 )( uk uk−1 ) = ( auk − uk−1 uk ) = ( uk+1 uk ) = xk+1 Aśı, queda probado lo pedido. (b) Calculemos el polinomio caracteŕıstico de A. p(λ) = |A− λI| = ∣∣∣∣ a− λ −1 1 −λ ∣∣∣∣ = λ(λ− a) + 1 = λ2 − aλ+ 1 cuyas ráıces son λ1,2 = a± √ a2−4 2 . Aśı, como |a| = 2, tenemos la ráız λ = a 2 , con αA(a2 ) = 2. Resolvamos ahora el sistema( a 2 −1 1 −a2 )( v1 v2 ) = ( 0 0 ) ⇐⇒ v1 ∈ R v2 = a 2v1 De esto último, obtenemos que γA(a2 ) = 1 6= 2 = αA(a2 ). Luego, A no es diagonalizable. (c) En este caso, obtenemos las ráıces λ1 = a+ √ a2−4 2 y λ2 = a− √ a2−4 2 . Resolvamos( a− λ1 −1 1 −λ1 )( v1 v2 ) = ( 0 0 ) ⇐⇒ v1 ∈ R v2 = (a− λ1)v1( a− λ2 −1 1 −λ2 )( v1 v2 ) = ( 0 0 ) ⇐⇒ v1 ∈ R v2 = (a− λ2)v1 De esto se ve que γA(λ1) = 1 = αA(λ1) y γA(λ2) = 1 = αA(λ2), es decir, A es diagonalizable. 2 (d) i) Del desarrollo anterior, vemos que ~vλ1 = ( λ1 (a− λ1)λ1 ) = ( λ1 1 ) ~vλ2 = ( λ2 (a− λ2)λ2 ) = ( λ2 1 ) son vectores propios asociados a λ1 y λ2, respectivamente. ii) Sabemos que A = ( λ1 λ2 1 1 )( λ1 0 0 λ2 )( 1 λ1−λ2 − λ2 λ1−λ2 − 1 λ1−λ2 λ1 λ1−λ2 ) Luego, A = ( λ1 λ2 1 1 )( λn1 0 0 λn2 )( 1 λ1−λ2 − λ2 λ1−λ2 − 1 λ1−λ2 λ1 λ1−λ2 ) = ( λn+1 1 −λn+1 2 λ1−λ2 λ1λ n+1 2 −λ2λ n+1 1 λ1−λ2 λn 1−λ n 2 λ1−λ22 λ1λ n 2−λ2λ n 1 λ1−λ2 ) Por lo tanto, tendremos que( un un−1 ) = xn = Anx0 = ( λn+1 1 −λn+1 2 λ1−λ2 λ1λ n+1 2 −λ2λ n+1 1 λ1−λ2 λn 1−λ n 2 λ1−λ2 λ1λ n 2−λ2λ n 1 λ1−λ2 )( 1 0 ) = ( λn+1 1 −λn+1 2 λ1−λ2 λn 1−λ n 2 λ1−λ2 ) Es decir, un = λn+1 1 − λn+1 2 λ1 − λ2 P3. (a) Claramente vemos que Av = λv ⇐⇒ RSv = λv ⇐⇒ (SR)(Sv) = λ(Sv)⇐⇒ B(Sv) = λ(Sv) Es directo de esto, que los valores propios asociados a los vectores propios de B son los mismos que los correspondientes a los vectores propios de A. (b) Sean λ valor propio de A, y v1, . . . , vk los vectores propios asociados. Sabemos que estos forman una base de Ker(A − λI), pero por la parte anterior, sabemos que estos vectores estan en correspondencia 1-1 con los vectores Sv1, . . . , Svk, y por ende, formarán una base de Ker(B − λI). Con esto, queda demostrado que dim(Wλ(A)) = dim(Wλ(B)). (c) Sólo queda ver que αA(λ) = αB(λ) para todo valor propio λ, pero esto es directo de la parte (a) (impĺıcitamente, se tiene que los polinomios caracteŕısticos son iguales, salvo ponderación, y por ende, las multiplicidades algebraicas son iguales). Aśı, A es diagonalizable ⇐⇒ B es diagonalizable. 3 Pauta_semana_12.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 29 de Junio de 2011 Solución Gúıa de Problemas MA1102 - Semana 12 Auxiliar: Gonzalo Flores G. P1. (a) Primero obtengamos una base de W . Para esto, escalonemos la matriz 1 1 1 1 1 −1 1 −1 1 3 1 3 2 3 2 3 → 1 1 1 1 0 −2 0 −2 0 2 0 2 0 1 0 1 → 1 1 1 1 0 −2 0 −2 0 0 0 0 0 0 0 0 Por lo tanto, W = 〈 1 1 1 1 , 1 −1 1 −1 〉 Al normalizar estos vectores, obtenemos v1 = 1 2 1 2 1 2 1 2 y v2 = 1 2 − 1 2 1 2 − 1 2 que además cumplen que v1 · v2 = 0. Luego, βW = {v1, v2} es una base ortonormal de W . Además, se tiene que u ∈W⊥ ⇐⇒ u · w = 0,∀w ∈W ⇐⇒ u · (λ1v1 + λ2v2) = 0,∀λ1, λ2 ∈ R ⇐⇒ w· λ1+λ2 2 λ1−λ2 2 λ1+λ2 2 λ1−λ2 2 = 0,∀λ1, λ2 ∈ R⇐⇒ (w1+w3)(λ1+λ2)+(w2+w4)(λ1−λ2) = 0,∀λ1, λ2 ∈ R Pero esto ocurre si, y sólo si w1 = −w3 y w2 = −w4, y por lo tanto W⊥ = 〈 1 0 −1 0 , 0 1 0 −1 〉 Normalizando, obtenemos u1 = 1√ 2 0 − 1√ 2 0 y u2 = 0 1√ 2 0 − 1√ 2 , que además cumplen que u1 · u2 = 0. Por lo tanto, βW⊥ = {u1, u2} es una base ortonormal de W⊥. (b) Buscamos constantes λ1, λ2, λ3, λ4 ∈ R tales que λ1 1 2 1 2 1 2 1 2 + λ2 1 2 − 1 2 1 2 − 1 2 + λ3 1√ 2 0 − 1√ 2 0 + λ4 0 1√ 2 0 − 1√ 2 = 1 2 3 4 o, equivalentemente, 1 2 1 2 1√ 2 0 1 2 − 1 2 0 1√ 2 1 2 1 2 − 1√ 2 0 1 2 − 1 2 0 − 1√ 2 λ1 λ2 λ3 λ4 = 1 2 3 4 1 La solución de este sistema es λ1 = 5, λ2 = −1, λ3 = − √ 2 y λ4 = − √ 2, por lo que la descomposición buscada es: 1 2 3 4 = 2 3 2 3 + −1 −1 1 1 P2. (a) Notemos que W 6= φ, en efecto, ~0 ∈ W , ya que 〈 Au,A ·~0 〉 = 0 para cualquier u ∈ U . Sean w1, w2 ∈W , λ1, λ2 ∈ R. Aśı tenemos que 〈Au,A(λ1w1 + λ2w2)〉 = λ1 〈Au,Aw1〉+ λ2 〈Au,Aw2〉 = 0 Aśı, W es subespacio vectorial de Rn. Ahora, sea v ∈ W ∩ U . Luego, ∀u ∈ U, 〈Au,Av〉 = 0. En particular, 〈Av,Av〉 = 0, lo que ocurre solamente si Av = 0. Como A es invertible, esto es equivalente a que v = 0. Aśı, W ∩ U = {~0}. (b) Claramente, ~0 ∈ V , en efecto, basta con tomar u = ~0. Sean v1, v2 ∈ V , λ1, λ2 ∈ R. Notemos que u = λ1u1 + λ2u2 cumple que Au = λ1Au1 + λ2Au2 = λ1v1 + λ2v2. Luego, V es subespacio vectorial de Rn. (c) Vemos directamente que 〈Aui, Auj〉 = 〈vi, vj〉 = { 1 , i = j 0 , i 6= j Sean λ1, . . . , λk ∈ R. Vemos que k∑ i=1 λiui = ~0 =⇒ k∑ i=1 λiAui = ~0 =⇒ k∑ i=1 λivi = ~0 Pero como el conjunto {vi}ki=1 es linealmente independiente, esto implica que λi = 0,∀i ∈ {1, . . . , k}, es decir, {ui}ki=1 es un conjunto linealmente independiente. Además, como este conjunto tiene una cantidad de elementos igual a la dimensión de U , conclúımos que es una base de U . (d) Notamos que w ∈W ⇔ ∀u ∈ U, 〈Au,Aw〉 = 0⇔ ∀λ1, . . . , λk ∈ R, k∑ i=1 λi 〈Aui, Aw〉 = 0 ⇔ ∀i ∈ {1, . . . , k} , 〈Aui, Aw〉 = 0 (e) Es directo que z ∈ U , ya que es una combinación lineal de la base de U . Además, dados u ∈ U , v ∈ Rn 〈Au,A(v − z)〉 = 〈Au,Av〉 − 〈Au,Az〉 Pero podemos escribir u = ∑k i=1 λiui, luego 〈Au,Av〉 = k∑ i=1 λi 〈Aui, Av〉 De la misma forma 〈Au,Az〉 = k∑ i=1 λi 〈Aui, Az〉 Pero como z = ∑k j=1 〈Av,Auj〉uj , luego 〈Au,Az〉 = k∑ i=1 k∑ j=1 λi 〈Av,Auj〉 〈Aui, Auj〉 = k∑ i=1 λi 〈Av,Aui〉 Por lo tanto, 〈Au,A(v − z)〉 = 0,∀u ∈ U , es decir, v − z ∈W . 2 (f) Notemos que de lo anterior, tenemos que ∀v ∈ Rn,∃z ∈ U , tal que v − z ∈ W , es decir, v − z = w ⇔ v = z + w. Asi, tenemos que Rn ⊆ U + W , y por ende, Rn = U + W (la otra inclusión es trivial). También sabemos que U ∩W = {~0}, por lo tanto, Rn = U ⊕W . Como dim(U) = k, se tendrá por lo anterior que dim(W ) = n− k. P3. (a) i) Sabemos que W⊥ = { x ∈ R4 : ∀w ∈W, 〈x,w〉 = 0 } . Aśı x ∈W⊥ ⇔ ∀λ1, λ2 ∈ R, 〈 x, λ1 1 1 1 1 + λ2 2 1 1 0 〉 = 0 ⇔ ∀λ1, λ2 ∈ R, λ1 〈 x, 1 1 1 1 〉 + λ2 〈 x, 2 1 1 0 〉 = 0 Para esto, necesariamente ambos productos punto deben ser nulos. Obtenemos de esta forma las ecuaciones x1 + x2 + x3 + x4 = 0 2x1 + x2 + x3 = 0 de donde podemos obtener que W⊥ = 〈 0 −1 1 0 , 1 −2 0 1 〉 . Ortonormalicemos esta base. Normalizando el primer vector obtenemos v1 = 1√ 2 0 −1 1 0 Ahora calculamos z1 = 〈 1 −2 0 1 , 1√ 2 0 −1 1 0 〉 1√ 2 0 −1 1 0 = 0 −1 1 0 w2 = 1 −2 0 1 − 0 −1 1 0 = 1 −1 −1 1 v2 = 1 2 1 −1 −1 1 Y aśı, β = {v1, v2} es una base ortonormal de W⊥. ii) Sabemos que R4 = W ⊕W⊥, por esto, cada ~x ∈ R4 tiene una descomposición única de la forma x1 x2 x3 x4 = λ1 1 1 1 1 + λ2 2 1 1 0 + λ3√ 2 0 −1 1 0 + λ4 2 1 −1 −1 1 3 Usando el hecho de que T es lineal, Ker(T ) = W y (∀x ∈W⊥)T (x) = x, tendremos que T x1 x2 x3 x4 = λ3√ 2 0 −1 1 0 + λ4 2 1 −1 −1 1 Aśı, sólo nos basta con calcular los valores de λ3 y λ4 (que dependen de ~x). Para esto, debemos resolver el sistema 1 2 0 1 1 1 −1 −1 1 1 1 −1 1 0 0 1 λ1 λ2 λ3√ 2 λ4 2 = x1 x2 x3 x4 de donde se desprende que λ4 2 = x4−x3−x2+x1 4 y λ3√ 2 = x3−x2 2 . Luego T x1 x2 x3 x4 = x3 − x2 2 0 −1 1 0 + x4 − x3 − x2 + x1 4 1 −1 −1 1 = x4−x3−x2+x2 4 3x2−x4−x3−x1 4 3x3−x4−x2−x1 4 x4−x3−x2+x1 4 Por lo tanto, los valores buscados son y1 = x4−x3−x2+x2 4 y2 = 3x2−x4−x3−x1 4 y3 = 3x3−x4−x2−x1 4 y4 = x4−x3−x2+x1 4 (b) i) x ∈ (U + V )⊥ ⇔ ∀u+ v ∈ U + V, 〈x, (u+ v)〉 = 0⇔ ∀u ∈ U, v ∈ V, 〈x, u〉 = 〈x, v〉 = 0 ⇔ x ∈ U⊥ ∧ x ∈ V ⊥ ⇔ x ∈ U⊥ ∩ V ⊥ Con esto, (U + V )⊥ = U⊥ ∩ V ⊥. ii) x ∈ (U⊥)⊥ ⇔ ∀y ∈ U⊥, 〈x, y〉 = 0⇔ x ∈ U Con esto, (U⊥)⊥ = U . iii) Notemos que por i), (U⊥ + V ⊥)⊥ = (U⊥)⊥ ∩ (V ⊥)⊥. Por ii), esto es equivalente a (U⊥ + V ⊥)⊥ = U ∩ V . Pero si estos espacios son iguales, sus respectivos ortogonales también lo son, es decir, ((U⊥+V ⊥)⊥)⊥ = (U∩V )⊥. Pero, nuevamente por ii), conclúımos que U⊥ + V ⊥ = (U ∩ V )⊥. iv) Notemos que por un lado U + V = Rn ⇔ (U + V )⊥ = {0} ⇔ U⊥ ∩ V ⊥ = {0} Hemos probado que U + V = Rn si, y sólo si la suma U⊥ + V ⊥ es directa. Por otro lado U ∩ V = {0} ⇔ (U ∩ V )⊥ = Rn ⇔ U⊥ + V ⊥ = Rn Ahora hemos probado que la suma U +V es directa si, y sólo si U⊥+V ⊥ = Rn. Juntando ambas equivalencias, vemos que U ⊕ V = Rn ⇔ U⊥ ⊕ V ⊥ = Rn 4 Pauta_semana_13.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 03 de Julio de 2011 Solución Gúıa de Problemas MA1102 - Semana 13 Auxiliar: Gonzalo Flores G. P1. (a) El polinomio caracteŕıstico de A es∣∣∣∣∣∣ 2− λ 1 1 1 2− λ −1 1 −1 2− λ ∣∣∣∣∣∣ = (2− λ)[(2− λ)2 − 1]− [(2− λ) + 1] + [−1− (2− λ)] = −λ3 + 6λ2 − 9λ = −λ(λ2 + 6λ− 9) = −λ(λ− 3)2 Aśı, los valores propios son λ1 = 0 y λ2 = 3. (b) Para obtener los vectores propios resolvamos los sistemas 2 1 1 1 2 −1 1 −1 2 v1 v2 v3 = 0 0 0 −1 1 1 1 −1 −1 1 −1 −1 v1 v2 v3 = 0 0 0 De donde se obtiene que W0 = 〈 −1 1 1 〉 W3 = 〈 1 1 0 , 1 0 1 〉 Luego, tenemos los vectores propios v1 = −1 1 1 , v2 = 1 1 0 y v3 = 1 0 1 . (c) No es dificil convencerse que W0⊥W3, en el sentido de que (∀x ∈ W0, y ∈ W3) x · y = 0. Obtengamos entonces una base ortonormal para W3. Aplicando el método de Gram-Schmidt: w1 = 1√ 2 1 1 0 z2 = 1 0 1 · 1√ 2 1 1 0 · 1√ 2 1 1 0 = 1 2 1 2 0 u2 = 1 0 1 − 1 2 1 2 0 = 1 2 − 1 2 1 w2 = √ 2 3 1 2 − 1 2 1 = 1√ 6 1 −1 2 1 Aśı, podemos considerar los vectores propios − 1√ 3 1√ 3 1√ 3 , 1√ 2 1√ 2 0 y 1√ 6 − 1√ 6 2√ 6 , los cuales resultan ser ortonormales, y por ende 2 1 1 1 2 −1 1 −1 2 ︸ ︷︷ ︸ A = − 1√ 3 1√ 2 1√ 6 1√ 3 1√ 2 − 1√ 6 1√ 3 0 2√ 6 ︸ ︷︷ ︸ P 0 0 0 0 3 0 0 0 3 ︸ ︷︷ ︸ D − 1√ 3 1√ 3 1√ 3 1√ 2 1√ 2 0 1√ 6 − 1√ 6 2√ 6 ︸ ︷︷ ︸ P−1=P t (d) La matriz A no es invertible. En efecto, basta con ver que |A| = |PDP t| = |P | |D| |P t| = 0. P2. (a) Dadas las hipótesis del problema, vemos que a b c b d e c e f 0 0 1 = 0 0 2 ⇒ c = 0, e = 0, f = 2 Luego, la matriz quedará de la forma A = a b 0 b d 0 0 0 2 Además, también vemos que a b 0 b d 0 0 0 2 x1 x2 x3 = 0 0 0 ⇔ ax1 + bx2 = 0 bx1 + dx2 = 0 x3 = 0 Como dim(Ker(T )) = 2, necesitamos que cualquier par de valores x1, x2 ∈ R satisfagan las ecuaciones de arriba. Para que esto ocurra, necesariamente, a = b = d = 0. Por lo tanto, la matriz buscada es A = 0 0 0 0 0 0 0 0 2 (b) El polinomio caracteŕıstico de A es A = ∣∣∣∣∣∣ 1− λ a 0 0 1− λ a 0 0 3− λ ∣∣∣∣∣∣ = (1− λ)2(3− λ) De aqúı, los valores propios de A son λ1 = 1, λ2 = 3, con multiplicidades algebraicas 2 y 1, respectivamente. Veamos los vectores propios. Al resolver el sistema 0 a 0 0 0 a 0 0 2 v1 v2 v3 = 0 0 0 ⇔ av2 = 0 av3 = 0 2v3 = 0 ⇔ v1 ∈ R av2 = 0 v3 = 0 Para que A sea diagonalizable, necesitamos que para todos los valores propios las multiplici- dades algebraica y geométrica coincidan. En particular, del sistema de ecuaciones anterior, necesitamos que a = 0. Con esto, no es dif́ıcil convencerse de que también coincidirán las mul- tiplicidades para el otro valor propio. Por lo tanto, para que A sea diagonalizable, es necesario y suficiente que a = 0. *Esto resulta ser trivial, ya que en este caso, A es una matriz diagonal. P3. (a) Sea x ∈ Rn. Luego Ax = α1 · (v1vt1)x+ . . .+ αk · (vkvtk)x = α1 · v1(vt1x) + . . .+ αk · vk(vtkx) 2 = α1 〈v1, x〉 · v1 + . . .+ αk 〈vk, x〉 · vk Vemos que la imagen de cada vector de Rn es una combinación lineal de los vectores v1, . . . , vk, es decir Im(A) = 〈{v1, . . . , vk}〉 También vemos que x ∈ Ker(A) ⇔ α1 〈v1, x〉 v1 + . . . + αk 〈vk, x〉 vk = 0. Como α1, . . . , αk ∈ R\{0} y v1, . . . , vk son linealmente independientes (ya que son ortogonales), lo anterior conlleva a que x⊥vi(∀i ∈ {1, . . . , k}). Conclúımos que Ker(A) = 〈{v1, . . . , vk}〉⊥ Obviamente, r(A) = dim(Im(A)) = k (b) Vemos que, para todo i ∈ {1, . . . , k} Avi = α1 〈v1, vi〉 v1 + . . .+ αk 〈vk, vi〉 vk = αivi Además, es directo ver que (∀i ∈ {1, . . . , n− k})Awi = 0. Vemos, entonces, que los vectores indicados son vectores propios de A, donde los valores propios asociados son αi para cada vi, y 0 para todos los wi. Además, dado que los espacios son ortogonales, y forman bases para sus respectivos espacios, es directo que todos ellos son linealmente independientes. Aśı, tenemos un generador con n vectores linealmente independientes en Rn, por ende, forman una base. (c) El polinomio caracteŕıstico de A es∣∣∣∣ 5 4 − λ − 3 4 − 3 4 5 4 − λ ∣∣∣∣ = ( 5 4 − λ )2 − 9 16 = λ2 − 5 2 λ+ 1 = 1 4 (4λ2 − 10λ+ 4) = 1 4 (2λ− 1)(2λ− 4) De esta forma, los valores propios λ1 = 1 2 , λ2 = 2. Para obtener los valores propios asociados, debemos resolver los sistemas( 3 4 − 3 4 − 3 4 3 4 )( v1 v2 ) = ( 0 0 ) ⇔ v1 = v2 v2 ∈ R( − 3 4 − 3 4 − 3 4 − 3 4 )( v1 v2 ) = ( 0 0 ) ⇔ v1 = −v2 v2 ∈ R En virtud de esto, tenemos los vectores propios v1 = ( 1√ 2 1√ 2 ) y v2 = ( − 1√ 2 1√ 2 ) , que resultan formar una base ortonormal de R2. Además, A = ( v1 v2 )( 1 2 0 0 2 )( vt1 vt2 ) = ( v1 v2 )( 1 2v t 1 2vt2 ) = 1 2︸︷︷︸ α1 ·v1vt1 + 2︸︷︷︸ α2 ·v2vt2 3 Pauta_semana_14.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 03 de Julio de 2011 Solución Gúıa de Problemas MA1102 - Semana 14 Auxiliar: Gonzalo Flores G. P1. Primero, notemos que la ecuación entregada puede ser escrita como( x y )( 5 3 3 5 )( x y ) + ( 16 16 )( x y ) = −15 Además, el polinomio caracteŕıstico de la matriz que aparece en esa ecuación es∣∣∣∣ 5− λ 3 3 5− λ ∣∣∣∣ = (5− λ)2 − 9 = (λ− 8)(λ− 2) de donde obtenemos los valores propios λ1 = 8, λ2 = 2, y los vectores propios asociados v1 = ( 1√ 2 1√ 2 ) , v2 = ( − 1√ 2 1√ 2 ) , de forma que ( 5 3 3 5 ) = ( 1√ 2 − 1√ 2 1√ 2 1√ 2 )( 8 0 0 2 )( 1√ 2 1√ 2 − 1√ 2 1√ 2 ) Haciendo el cambio de variable ( u v ) = P t ( x y ) y usando el hecho de que PP t = I, la ecuación queda de la forma ( u v )( 8 0 0 2 )( u v ) + ( 16 √ 2 0 )( u v ) = −15 ⇔ 8u2 + 2v2 + 16 √ 2u = −15⇔ (2 √ 2u+ 4)2 + 2v2 = 1 Considerando ( u′ v′ ) = ( 2 √ 2u v ) y ( ũ ṽ ) = ( u′ + 4 v′ ) obtenemos la ecuación ũ2 + 2ṽ2 = 1 la cual resulta ser una elipse centrada en (0, 0) de semiejes 1 y 1√ 2 . Al deshacer los cambios de variable, vemos que la ecuación original corresponde a una elipse de semiejes 1 2 √ 2 y 1√ 2 , rotada en un ángulo de π 4 , centrada en (−1,−1). Figure 1: Cónica resultante (izq.) y cónica original (der.) 1 P2. (a) Desarrollando el término derecho de la ecuación, vemos que (x− x0) t A(x− x0)− xt0Ax0 + c = xtAx− xt0Ax− xtAx0 + xt0Ax0 − xt0Ax0 + c = xtAx− xt0Ax− xtAx0 + c Ahora bien, xt0Ax = 1 2 bt(A−1)tAx = 1 2 btA−1Ax = 1 2 btx xtAx0 = 1 2 xtAA−1b = 1 2 xtb = 1 2 btx Aśı, la expresión de más arriba se reduce a = xtAx− btx+ c = f(x) (b) Dado que A es definida positiva, se tendrá que, para todo x 6= x0, (x− x0)tA(x− x0) > 0, es decir f(x) > −xt0Ax0 + c = f(x0) La igualdad se tiene trivialmente cuando x = x0. Por ende, el mı́nimo es único, y se alcanza en x = x0. P3. La ecuación dada puede ser escrita como( x y )( α α− 1 α− 1 α )( x y ) + ( − √ 2 √ 2 )( x y ) = 0 Vemos inmediatamente que para α = 1 esto se reduce trivialmente a x2 + y2 − √ 2x+ √ 2y = 0⇔ ( x− √ 2 2 )2 + ( y + √ 2 2 )2 = 1 Para α 6= 1, el polinomio caracteŕıstico de la matriz es∣∣∣∣ α− λ α− 1 α− 1 α− λ ∣∣∣∣ = (α− λ)2 − (α− 1)2 = (1− λ)(2α− 1− λ) Luego, los valores propios de esta matriz son λ1 = 1 y λ2 = 2α − 1, con vectores propios v1 =( − 1√ 2 1√ 2 ) y v2 = ( 1√ 2 1√ 2 ) , respectivamente. Luego ( α α− 1 α− 1 α ) = ( − 1√ 2 1√ 2 1√ 2 1√ 2 )( 1 0 0 2α− 1 )( − 1√ 2 1√ 2 1√ 2 1√ 2 ) Aśı, haciendo el cambio de variables ( u v ) = P t ( x y ) , y usando que PP t = I tendremos que ( u v )( 1 0 0 2α− 1 )( u v ) + ( 2 0 )( u v ) = 0 ⇔ u2 + (2α− 1)v2 + 2u = 0⇔ (u+ 1)2 + (2α− 1)v2 = 1 Con esta información, vemos que (a) Es una circunferencia para α = 1. (b) Es una elipse para α > 1 2 , α 6= 1. (c) Son 2 rectas para α = 1 2 . (d) No existe α ∈ R para el cual sea una parábola. (e) Es una hipérbola para α < 1 2 . (f) No existe α ∈ R para el cual sea el conjunto vaćıo. (g) No existe α ∈ R para el cual sea un punto. 2 Pautas/Pauta_p2_f_y_g_auxiliar_extra_examen.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 7 de Agosto, 2013 Auxiliar #MA1102-2 Álgebra Lineal. : Pauta P2 f y g Auxiliar Examen Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P2: Sean 1 ≤ k < n naturales y M ∈Mnn(R) tal que r(M) = k. a) Verifique que para x ∈ Rn, xt(M tM)x = ‖Mx‖2 y concluya que M tM es definida positiva. Definimos P = M(M tM)−1M t. b) Muestre que P es simétrica. c) Muestre que P 2 = P . d) Muestre que PM = M . e) Para cada x ∈ Rn perpendicular a todas las columnas de M se tiene que Px = 0. f) Sea V el s.e.v de Rn generado por las columnas de M . Muestre que V y V ⊥ son los subespacios propios de P y deduzca que los valores propios de P son exactamente los números 0 y 1. g) Muestre que tr(P ) = r(P ) = k Dem f): Como r(M) = k entonces M tiene solamente k columnas linealmente independientes(l.i.). Entonces: V = 〈{v1, . . . , vk}〉 Donde los vi son columnas de la matriz M . Además escribamos M en función de sus columnas (vi): M = [v1| . . . |vn] Luego usando la propiedad d) veamos que: PM = M ⇔ P [v1| . . . |vn] = [v1| . . . |vn] Y observando que por propiedades de la multiplicación de matrices P [v1| . . . |vn] = [Pv1| . . . |Pvn]. Entonces: [Pv1| . . . |Pvn] = [v1| . . . |vn]⇐⇒ Pvi = 1vi, ∀i = 1, ..., n Entonces λ = 1 es un valor propio de P con todas las columnas de M (los vi) siendo vectores propios asociados al valor propio λ = 1, y por lo tanto todas las combinaciones lineales de vi también son vectores propios asociados a λ = 1. Por lo que podemos decir que V = 〈{v1, . . . , vk}〉 ⊆ W1, con W1 el sub espacio de todos los vectores propios asociados a λ = 1. Por otro lado observemos que si x ∈ V ⊥ entonces x seria perpendicular (ortogonal) a todas las columnas de M (pues V es el espacio generado por ellas). Aśı por e): Px = 0 = 0x, ∀x ∈ V ⊥. Entonces λ = 0 es un valor propio con todos los elementos de V ⊥ como vectores propios asociados. Por lo que podemos decir que V ⊥ ⊆ W0, con W0 el sub espacio de todos los vectores propios asociados a λ = 0. Luego sabiendo que V ⊕ V ⊥ = Rn y que dim(V )= k entonces dim(V ⊥)= n − k. Y sabi- endo que dim(W1)+dim(W0)≤ n (pues la suma de las dimensiones de todos los sub espacios propios es igual a la dimension del espacio), notando que V ⊆ W1 ⇒ dim(V ) ≤ dim(W1) y V ⊥ ⊆W0 ⇒ dim(V ⊥) ≤ dim(W0). Obtenemos que: k ≤ dim(W1) 1 n− k ≤ dim(W0) dim(W1) + dim(W0) ≤ n =⇒ k = dim(W1), n− k = dim(W0) =⇒ V = W1, V ⊥ = W0 Esto demuestra que V y V ⊥ son subespacios propios de P y además observemos que si λ es un valor propio de P entonces por la propiedad c) tendŕıamos que: P 2x = Px⇔ Pλx = λPx = λx⇔ λ2x = λx⇔ (λ2 − λ)x = 0⇔ λ2 − λ = 0⇔ λ = 0 ó 1 Aśı 0 y 1 son sus únicos valores propios y W1 y W0 son sus únicos sub espacios propios (de P ). Dem g): Acá notemos que como P es simétrica entonces es diagonalizable y en este caso se cumple que: tr(P ) = tr(D) r(P ) = r(D) Donde D es la matriz diagonal asociada. Luego como sabemos que los valores propios de P son solo 0 y 1 y sabemos que la multiplicidad de λ = 1 es k y de λ = 0 es n − k sabemos que en la matriz diagonal D se repite k-veces el 1 en su diagonal y (n− k)-veces el 0. Luego claramente tr(D) = r(D) = k =⇒ tr(P ) = r(P ) = k . 2 Pautas/Pauta_P4_Auxiliar_4.pdf Universidad de Chile Facultad de Ciencias F́ısicas y Matemáticas Departamento de Ingenieŕıa Matemática 12 de Abril, 2013 Auxiliar #4MA1102-2 Álgebra Lineal. : Pauta P4 Profesor: Jaime Gonzalez Auxiliar: Mart́ın Castillo P4: Sean L1 y L2 los siguientes planos: L1 : x+ ay + bz = 1, L2 : cx+ dy + z = 1, a, b, c, d ∈ R Encuentre las condiciones sobre a, b, c y d para que: • L1 y L2 sean paralelos • L1 y L2 sean iguales Solución: Primero estudiemos que es lo que tiene que suceder para que 2 planos sean iguales. Como la ecuación vectorial de un plano se puede escribir de infinitas formas distintas veamos que relaciones tienen que cumplir 2 planos para que sean iguales: Supongamos que tenemos 2 planos ∏ 1 = ∏ p,d1,d2 y ∏ 2 = ∏ q,d′1,d′2 entonces∏ 1 = ∏ 2 ⇐⇒ q ∈ ∏ 1 ∧ d′1 ∈ ∏ 0,d1,d2 ∧ d′2 ∈ ∏ 0,d1,d2 Esto pues si q ∈ ∏ 1 entonces ∏ 1 = ∏ p,d1,d2 = ∏ q,d1,d2 . Ademas d′1 ∈ ∏ 0,d1,d2 ⇔ ∃λ, t ∈ R : d′1 = λd1 + td2 d′2 ∈ ∏ 0,d1,d2 ⇔ ∃ω, φ ∈ R : d′2 = ωd1 + φd2 entonces q + ad′1 + bd′2 = q + a(λd1 + td2) + b(ωd1 + φd2) = q + (aλ+ bω)d1 + (at+ bφ)d2, a, b ∈ R Y si tomamos λ = aλ+ bω y t = at+ bφ tenemos que∏ q,d′1,d′2 : q + ad′1 + bd′2︸ ︷︷ ︸ = q + λd1 + td2 : ∏ q,d1,d2︸ ︷︷ ︸, a, b, λ, t ∈ R aśı ∏ q,d′1,d′2 = ∏ q,d1,d2 . Y si ademas se cumple que q ∈ ∏ 1 tendŕıamos∏ 2 = ∏ q,d′1,d′2 = ∏ q,d1,d2 = ∏ p,d1,d2 = ∏ 1 Observación: Es importante notar que λ y t dependen de a y b (variables que se mueven por todo R), y también de λ, t, ω y φ (variables que están fijas). Entonces para que λ y t se puedan mover de manera independiente por todo R tenemos que estudiar la invertibilidad de A = ( λ ω t φ ) pues ( λ t ) = ( λ ω t φ )( a b ) Verifiquemos que A sea invertible: 1 Caso λ 6= 0: Pivotiamos y llegamos a la siguiente matriz: ( λ ω 0 φ− ωt λ ) entonces basta que φ − ωt λ 6= 0 para que A sea invertible. Ahora notemos que esto ultimo es cierto pues si φ = ωt λ fuera cierto, reemplazando tendŕıamos que: d′2 = ωd1 + ωt λ d2 = ω λ (λd1 + td2) = ω λ d′1 Osea d′1 y d′2 serian co-lineales, cosa que no es cierta pues de ser aśı ∏ 2 no seria un plano(sino una recta). Por lo tanto φ 6= ωt λ , ergo A es invertible, aśı λ y t se mueven de manera indepen- diente por todo R. Caso λ = 0: En este caso podemos permutar las filas: ( t φ 0 ω ) . Para que sea invertible se tiene que cumplir que t 6= 0 y ω 6= 0. Verifiquemos que se cumplen las condiciones anteriores. • Si t = 0 reemplazando llegaŕıamos a que d′1 = 0 cosa que no puede ser cierta pues si fuera cierta ∏ 2 no seria un plano(seria una recta). Por lo tanto t 6= 0. • Si ω = 0 reemplazando llegaŕıamos a que d′2 = φd2 = φ t d ′ 1 (d′2 y d′1 serian co-lineales), lo cual no puede ser cierto pues de ser d′2 y d′1 co-lineales ∏ 2 no seria un plano(seria una recta). Por lo tanto ω 6= 0. Aśı λ y t se pueden mover de manera independiente por todo R. Ahora es simple notar que para que 2 planos sean paralelos se tiene que cumplir que(usando la misma notación anterior):∏ 1 ‖ ∏ 2 ⇐⇒ q ∈ ( ∏ 1 )c ∧ d′1 ∈ ∏ 0,d1,d2 ∧ d′2 ∈ ∏ 0,d1,d2 Ahora vayamos el problema concreto. Lo primero que haremos es obtener la ecuación vectorial de ambos planos, pues los resultados anteriores están en notación vectorial del plano. Para L1 despejamos x: x = 1− ay − bz Ahora escribimos el vector x y z y reemplazando la igualdad: x y z = 1− ay − bz y z = 1 0 0 + y −a1 0 + z −b0 1 Donde y y z son variables libres. De esta forma: L1 : 1 0 0 + λ −a1 0 + t −b0 1 , λ, t ∈ R Análogamente para L2 usando que z = 1− cx− dy x y z = x y 1− cx− dy = 0 0 1 + x 1 0 −c + y 0 1 −d Aśı L2 : 0 0 1 + λ 1 0 −c + t 0 1 −d , λ, t ∈ R Ahora impongamos las condiciones para que L1 y L2 sean iguales: 2 • 0 0 1 ∈ L1 ⇔ ∃λ, t ∈ R : 0 0 1 = 1 0 0 + λ −a1 0 + t −b0 1 lo que nos da el siguiente sistema de ecuaciones: 0 = 1− λa− tb 0 = λ 1 = t Y reemplazando las 2 ultimas igualdades en la primera llegamos a: b = 1 Que es la primera condición. • 1 0 −c ∈ ∏ 0 0 0 , −a 1 0 , −b 0 1 ⇔ ∃λ, t ∈ R : 1 0 −c = λ −a1 0 + t −b0 1 lo que nos da el siguiente sistema de ecuaciones: 1 = −λa− tb 0 = λ −c = t Y reemplazando las 2 ultimas igualdades en la
Compartir