Algebra lineal bernard kolman 8 edicion solucionario pdf

Solucionario Libro Algebra Lineal Kolman 8 Edicion con cada una de las soluciones y las respuestas del libro de forma oficial por la editorial se deja para descargar en PDF y ver online en esta pagina. DESCARGAR SOLUCIONARIO PDF Algebra Lineal Kolman 8 Edicion Pdf Solucionario 495 Paginas Algebra Lineal Kolman 8 Edicion En esta pagina al
completo se puede descargar en PDF y ver o abrir online Solucionario Libro Algebra Lineal Kolman 8 Edicion con las soluciones y todas las respuestas del libro de manera oficial gracias a la editorial . DESCARGAR SOLUCIONARIO PDF Elige el tema que deseas del solucionario Algebra Lineal Kolman 8 Edicion 495 Paginas Soluciones Algebra Lineal
Kolman 8 Edicion Ejercicios Resueltos PDF Dear Patron: Please don't scroll past this. The Internet Archive is a nonprofit fighting for universal access to quality information, powered by online donations averaging about $17. Join the one in a thousand users that support us financially—if our library is useful to you, please pitch in. Ejercicios nuevos a
todos los niveles.

Al final de cada sección se agregaron términos clave. Mayores ilustraciones Tabla de contenido ecuaciones lineales y matrices. Aplicaciones de ecuaciones lineales y matrices. Determinantes. Vectores en Rn. Aplicaciones de vectores en R2 y R3. Espacios vectoriales reales. Aplicaciones de espacios vectoriales reales. Valores propios, vectores propios
y diagonalización. Aplicaciones de valores propios y vectores propios. Transformaciones lineales y matrices. Programación lineal. MATLAB para álgebra lineal. Tabla de contenidoDetalles de la ediciónCapítulo 1: Ecuaciones lineales y matrices. Capítulo 2: Aplicaciones de ecuaciones lineales y matrices (opcional). Capítulo 3: Determinantes. Capítulo 4:
Vectores en Rn. Capítulo 5: Aplicaciones de vectores en R2 y R3 (opcional). Capítulo 6: Espacios vectoriales reales. Capítulo 7: Aplicaciones de espacios vectoriales reales (opcional). Capítulo 8: Valores propios, vectores propios y diagonalización. Capítulo 9: Aplicaciones de valores propios y vectores propios (opcional). Capítulo 10: Transformaciones
lineales y matrices. Capítulo 11: Programación lineal (opcional). Capítulo 11: MATLAB para álgebra lineal. Apéndice A: Números complejos.
Apéndice B: Instrucción adicional. Tienen acceso para abrir o descargarlos profesores y estudiantes aqui en esta web Algebra Lineal Bernard Kolman 8 Edicion Solucionario Pdf PDF con todas las soluciones de los ejercicios del libro oficial por. En formato PDF Oficial Paginas 480 Soluciones del Libro Algebra Lineal Bernard Kolman 8 Edicion ABRIR
DESCARGAR SOLUCIONARIO Con las soluciones de los ejercicios tienen acceso a abrir o descargar Algebra Lineal Bernard Kolman 8 Edicion Solucionario Pdf PDF Solucionario Algebra Lineal Bernard Kolman 8 Edicion Paginas 480 Editorial Oficial En formato PDF Capitulos del solucionario Algebra Lineal Bernard Kolman 8 Edicion DESCARGAR
ABRIR SOLUCIONARIO Pueden descargar y abrirlos estudiantes y maestros en esta pagina Algebra Lineal Bernard Kolman 8 Edicion Solucionario Pdf PDF con las soluciones de los ejercicios oficial del libro oficial por. Solucionario Algebra Lineal Bernard Kolman 8 Edicion PDF Dear Patron: Please don't scroll past this. The Internet Archive is a
nonprofit fighting for universal access to quality information, powered by online donations averaging about $17. Join the one in a thousand users that support us financially—if our library is useful to you, please pitch in. (1)Página 1 LIBROS UNIVERISTARIOS Y SOLUCIONARIOS DE MUCHOS DE ESTOS LIBROS LOS SOLUCIONARIOS
CONTIENEN TODOS LOS EJERCICIOS DEL LIBRO Resueltos Y EXPLICADOS DE FORMA CLARA Visitanos PARA DESARGALOS GRATIS .
(2)Página 2 SOLUCIONES DE TEÓRICO EJERCICIOS seleccionado de INTRODUCTORIA ÁLGEBRA LINEAL CON APLICACIONES B. KOLMAN, Dr. Hill Octava edición, Prentice Hall, 2005. Dr. Grigore C ˘ALUG ˘AREANU Departamento de Matemáticas y Ciencias de la Computación El Grupo de Álgebra (3)(4)Página 4 Contenidos Prefacio v
Lista de símbolos vii 1 Matrices 11 3 Determinantes 29 4 n​vectores 37 (5)5 líneas y planos 41 6 Espacios vectoriales 45 8 Diagonalización 55 Referencias 59 iii Página 5 iv CONTENIDOS (6)(7)Ya en 1997, alguien le preguntó en el Departamento de Matemáticas: "¿Por qué son los resultados en 111 de golf (álgebra lineal), tan mal? "La solución era
para cancelar algunas secciones de los 6 capítulos seleccionados para este un semestre curso. Las soluciones de algunos de los llamados ejercicios teóricos debían se tratarán en las conferencias. Pero esto lleva tiempo y menos tiempo queda para que cubre el material de largo en estos 6 capítulos. Nuestra colección de soluciones
está destinado a ayudar a los estudiantes en 111 por supuesto, y proporciona a los profesores un tiempo adicional preciosa con el fin de cubrir cuidadosamente toda la gran número de las nociones, los resultados, los ejemplos y procedimientos que se enseñan en las clases teóricas.

Por otra parte, esta colección da todas las soluciones de las pruebas de capítulo y Como beneficio adicional, algunos ejercicios especiales para ser resueltos por los estudiantes en su Tarea. Debido a que a menudo estos ejercicios son necesarios exámenes parciales y examen final,
los estudiantes se les anima calurosamente para preparar cuidadosamente estas soluciones, y si algunos de ellos no se entienden, de utilizar las horas de oficina de su profesores de explicaciones complementarias. El autor v Página 7 vi PRÓLOGO (8)(9)Lista de símbolos Símbolo Descripción N el conjunto de todos los números enteros positivos Z
el conjunto de todos los números enteros Q el conjunto de todos los números racionales R el conjunto de todos los números reales para R cualquiera de los conjuntos numéricos anteriores R * el conjunto R, la eliminación de cero R n el conjunto de todas las n​vectores con entradas en R M m × n(R)
el conjunto de todos m × n matrices con entradas en R M n(R) el conjunto de todos (cuadrado) n × n matrices S n el conjunto de todas las permutaciones de n elementos P (M) el conjunto de todos los subconjuntos de M R [X] el conjunto de todos los polinomios de indeterminada X con coeficientes en R vii (10)(11)Página 10
Segunda edición (actualizado a la octava edición) Todos los derechos reservados al Departamento de Matemáticas y Computación Ciencias, Facultad de Ciencias, Universidad de Kuwait (12)(13)Página 12 Capitulo 1 Matrices Página 20. T.5. Una matriz cuadrada A = [a ij ] Se llama triangular superior si una ij = 0

para i> j. Se llama triangular inferior si un ij = 0 para i

la11 la12 ... ... ... la 1n 0 una22 ... ... ... la 2n 0 0 una33 ... ... la 3n .. . ... ... . . . ... (14)0 0 0 ... 0 unann Matriz triangular superior (Las entradas por debajo de la diagonal principal son cero.) la11 0 0 ... ... 0 la21 la22 0 ... ... 0 la31 la32 la33 0 ... 0 ..
. ... ... . . . ... .. . ... ... . . . 0 lan1 lan2 lan3 ... ... la nn 11 Página 13 12 CAPÍTULO 1. MATRICES Matriz triangular inferior (Las entradas por encima de la diagonal principal son cero.) (a) Demostrar que la suma y diferencia de dos matrices triangulares superiores es triangular superior.
(b) Demostrar que la suma y diferencia de dos matrices triangulares inferiores es triangular inferior. (c) Demostrar que si una matriz es superior e inferior triangular, entonces es una matriz diagonal. Solución. (a) Como arriba, dejar que B = [b ij ] Ser también una triangular superior matriz, S = A + B = [s ij] Será la suma y D = A​B = [d ij
] Ser la diferencia de estas matrices. Luego, para cada i> j tenemos s ij = A ij + Bij = 0 + 0 = 0 respectivamente, dij = A ij ​ B ij = 0 ​ 0 = 0. Por lo tanto la suma y diferencia de dos matrices triangulares superiores es triangular superior. Ejemplo. 1 2 3 0 1 2 0 0 1 + 3 2 1 0 3 2 0 0 3 = 4 4 4 0 4 4 0 0 4 , Cantidad de dos
(15)matrices triangulares superiores, que también es triangular superior; 1 0 0 2 1 0 3 2 1 ​ 1 0 0 1 1 0 1 1 1 = 0 0 0 1 0 0 2 1 0 , Diferencia dos gulación menor matrices gular, que también es triangular inferior. (b) similares. (c) Si una matriz es superior e inferior triangular, entonces las entradas por encima de la
diagonal principal y las entradas por debajo de la diagonal principal son cero. Por lo tanto todo las entradas fuera de la diagonal principal son cero y la matriz es diagonal. T.6. (a) Demostrar que si A es una matriz triangular superior, entonces A T es bajo triangular. (b) Demostrar que si A es una matriz triangular inferior, entonces A T es superior
triangular. Solución. (a) Por la definición de la transpuesta si A T = [A Tij], Y A es una matriz triangular superior, una ij = 0 para cada i> j y por lo que una Tji = A ij = 0. Página 14 13 Por lo tanto AT es triangular inferior. (b) similares. Página 37​38. T.4. Demostrar que el producto de dos matrices diagonales es una diagonal matriz.
Solución. Sólo verificar que la11 0 ... 0 b11 0 ... 0 (16)22 ... ... ... ... 0 0 ... una nn 22 ... ... ... ... 0 0 ... b nn = la11b11 0 ... 0 0 una22b22 ... 0 ... ... ... ... 0 0 ... una nnbnn . T.5. Demostrar que el producto de dos matrices escalares es una matriz escalar. Solución. Sólo verificar que un 0 ... 0 0 a 0 ... ... ... ... ... 0 0 ... un b 0 ... 0 0 b ... 0 ... ... ... ... 0 0 b ...
= una B 0 ... 0 0 ab ...
0 ... ... ... ... 0 0 ... ab . Solución a corto. Observe que cualquier matriz escalar tiene la forma aI n = un 0 ... 0 0 a 0 ... ... ... ... ... 0 0 ... un . Entonces, obviamente (AIn) (BI n) = (Ab) .I n muestra que ducto ductos de matrices escalares son matrices escalares. T.6. (a) Demostrar que el producto de dos matrices triangulares superiores es un
matriz triangular superior. Página 15 14 CAPÍTULO 1. MATRICES (b) Demostrar que el producto de dos matrices triangulares inferiores es un menor matriz triangular. Solución bosquejado. (a) Un cálculo directo muestra que el producto de (17)dos matrices triangulares superiores la11 la12 ... la 1n 0 una22 ... la 2n ... ... ... ... 0 0 ... una nn b11 b12
... B 1n 0 b 22 ... B 2n ... ... ... ... 0 0 ... b nn es triangular superior también. De hecho, esto es la11b11 la11b11+ Una12b22 ... la 11b1n + Una12b2n + ... + A 1nbnn 0 la22b22 ... la 22b2n + Una23b3n + ... + A 2nbnn ... ... ... ... 0 0 ... lannbnn , una matriz triangular superior.

Solución completa. Sea P = [p ij] = AB ser el producto de dos superiores matrices triangulares. Si i> j entonces p ij = Σ n k = 1laikbkj = Σ i​1k = 1laikbkj + Σ n k = ilaikbkj = (A i1b1j + ... + A i, i​1bi​1, j) + (Unaiibij + ... + A enbNueva Jersey). Dado que tanto matrices A y B son triangular superior, en la primera suma los a son cero y
en la segunda suma los b 's son cero. Por lo tanto p ij = 0 y P es triangular superior también. (b) De forma análoga. T9. (a) Demostrar que la columna j​ésima de la matriz producto AB es igual a la Acol producto de matriz j(B).
(b) Demostrar que la fila i de la matriz producto AB es igual a la fila matriz producto yo(UNA B. Solución. (a) Con las notaciones habituales, considere A = [a ij] Una matriz m × n, B = [b ij] Una matriz n × p y C = AB = [c ij] La matriz correspondiente producto, una matriz m × p. Página 16 (18)15
Como ya se ha visto en las conferencias, una arbitraria (i, j) ​entrada c ij en el producto está dada por la fila producto escalar yo(A) • Col j(B) = n Σ k = 1laikbkj o [lai1lai2...laen] • b1j b2j .. . bNueva Jersey . Por lo tanto la columna de la j​ésima del producto (la matriz C) es la siguiente: c1j c2j .. . cNueva Jersey = fila 1(A) • Col j(B) fila 2(A) • Col j (B) .. .
fila n(A) • Col j(B) = Acol j(B) utilizar el producto (acaba de hacer el cálculo!) del m inicial × n matriz A y el n × 1 matriz de col j (B) = b1j b2j .. . bNueva Jersey . (b) De forma análoga. Página 51. T.9. Encuentra un 2 × 2 matriz B = O 2 y B = I 2 tal que AB = BA, donde A = [ 1 2 0 1] .
Solución. Obviamente B = A satisface las condiciones requeridas (de hecho, AA = AA, A = O 2 y A = I 2). Solución para una declaración "mejor": encontrar todas las matrices B con este Propie​ erty.
Buscamos B como una matriz desconocida [ una B cd] . (19)Página 17 16 CAPÍTULO 1. MATRICES De este modo [1 2 0 1] [ una B cd] = [ una B cd] [ 1 2 0 1] y así, utilizando la definición de la igualdad de la matriz, a + 2c = la b + 2d = 2a + b c = c d = 2c + d . Estas igualdades son equivalentes a c = 0 y a = d. Por eso todo matriz B de la forma [
una B 0 a] con arbitrarias (reales) los números a, b verifica AB = BA. Ejemplo: [ 0 1 0 0] . T.13. Demuestre que (​1) A = ​A. Solución. En la demostración del Teorema 1.1 (Propiedades de la suma de matrices) tomamos D = (​1) A (la multiplicación escalar) y hemos verificado que A + D = D + A = O, que es ​A = (​1) A.
T.23. Sean A y B sea matrices simétricas. (a) Demostrar que A + B es simétrica. (b) Demostrar que AB es simétrica si y sólo si AB = BA.
Solución. (a) Esto sigue inmediatamente de (A + B) T Th.1.4 (b)= LAT + B T = A + B, siendo A y B simétrica (por encima de algunos de los igualdades, su la justificación se da). (b) En primer lugar observamos que (AB)T Th.1.4 (c)= B TLAT = BA sostiene para arbitraria simétrica matrices A, B.
Ahora, si AB es simétrica, (AB) T = AB y por lo tanto (utilizando la anterior igualdad) AB = BA. Por el contrario, si AB = BA entonces (AB) T = BA = AB, es decir, AB es simétrica. T.26. Si A es una matriz n × n, demostrar que AA T y un TA son simétricas. Solución. Por ejemplo (AA T)T Th.1.4 (c)= (LAT)TLAT Th.1.4 (a)= AA T, así que eso AA T
es simétrica. Del mismo modo ATA es simétrica. (20)Página 18 17 Recordamos aquí una definición dada en el Ejercicio T24: una matriz A = [a ij ] se llama hemi​simétrica si A T = ​A. T.27. Si A es una matriz n × n, (a) Demostrar que A + AT es simétrica. (b) Demostrar que A ​ A T es antisimétrica. Solución. (a) Sólo tenemos que observar que (A + A T)T
Th.1.4 (b)= LAT + (LAT)T Th.1.4 (a)= LAT + A Th.1.1 (a)= A + A T. (b) De forma análoga, (A ​ AT)T Th.1.4 (b)= LAT ​ (A T)T Th.1.4 (a)= = A T ​ Un Th.1.1 (a)= ​ (A ​ A T). T.28. Demostrar que si A es una matriz n × n, entonces A se puede escribir de forma única como A = S + K, donde S es simétrica y K es antisimétrica.
Solución. Supongamos que existe una descomposición tales. Entonces unT = S T + K T = S ​ K de manera que A + AT = 2S y A ​ A T = 2K. Ahora toma S = 1 2(A + A T) Y K = 12(A​A T). Una verifica A = S + K, S = S T y K T = ​K De manera similar a la del ejercicio anterior 26. T.32. Demostrar que si Ax = b es un sistema lineal que tiene más de una
solución, entonces tiene un número infinito de soluciones. Solución. Supongamos que u1 = U 2 son dos soluciones diferentes de lo dado sistema lineal. Para un número real arbitrario r, tal que 0 (b) Para cualquier escalar r, muestran que ru es una solución.
(c) Demostrar que u ​ v es una solución. (d) Para cualquier escalares r y s, muestran que ru sv + es una solución. Observación. Hemos intercambiado (b) y (c) desde el libro, a propósito. Solución. Utilizamos las propiedades de las operaciones con matrices. (a) A (u + v) Th.1.2 (b)= Au + Av = 0 + 0 = 0.
(b) A (ru) Th.1.3 (d)= r (Au) = r0 = 0. (c) Podemos utilizar nuestro anterior (b) y (a): por (b), para r = ​1 tenemos (​1) V = ​v es una solución; por (a) u + (​ v) = u ​ v es una solución. (d) El uso de dos veces nuestra (b), y ru sv son soluciones y, por (a), ru + sv es una solución. T.12. Demuestre que si u y v son soluciones del sistema lineal Ax = b,
a continuación, u ​ v es una solución para el sistema homogéneo asociado Ax = 0. Solución. Nuestra hipótesis asegura que Au = b y Av = b. Por lo tanto A (u ​ v) Th.1.2 (b)= Au ​ Av = b ​ b = 0 y así u ​ v es una solución a la sistema asociado Ax = 0 homogénea. Página 86 (Bonus).
Encuentra todos los valores de a para el cual el sistema lineal resultante tiene (a) no solución, (b) una solución única, y (c) un número infinito de soluciones. 23. x + y ​ z = 2 x + 2y + z = 3 x + y + (una2 ​ 5) z = a . Solución. Utilizamos el método de Gauss​Jordan. La matriz aumentada es 1 1 ​1 2 1 2 1 3 1 1 una 2 ​ 5 una
. Las primeras operaciones elementales dan (22)1 1 ​1 2 1 2 1 3 1 1 una 2 ​ 5 una ​R 1+ R2,3~ 1 10 1 ​12 21 0 0 A 2 ​ 4 a ​ 2 . Página 20 19 Caso 1. a 2 ​ 4 = 0, es decir a ∈ {2} ±.
(i) a = 2. Luego de la última matriz da (paso final después Paso 8; en lo sigue nos referimos a los pasos del Procedimiento p. 65 ​ 68) la siguiente forma escalonada reducida 1 1 ​1 2 0 1 1 2 0 0 0 0 ​R 2+ R1~ 1 0 1 ​3 0 1 1 2 0 0 0 0 . El sistema correspondiente es { x = 1 + 3z y = 1 ​ 2z , Que tiene (Z es un arbi​‐
número real contrario), un número infinito de soluciones. (ii) a = ​2. La última matriz es 1 1 ​1 2 0 1 2 1 0 0 0 ​4 y así nuestra última ecuación es 0 × 0 x + y + × 0 × z = ​4. Por tanto, este es un sistema inconsistente (que no tiene soluciones). Caso 2. una 2 ​ 4 = 0 (es decir, a / ∈ {2} ±). En el 1 × 4 submatriz (que
sigue despreciando la primera y segunda filas), sólo debemos utilizar Paso 4 (multiplica por 1 la2​4 = (a​2) (a + 2)1 ) Y después de esto, el paso final (de REF a RREF): 1 1 ​1 2 0 1 2 1 0 0 1 1 a + 2 ~ 1 1 0 2 + 1 a + 2 0 1 0 1 ​ 2 a + 2 0 0 1 1 a + 2 ~ 1 0 0 1 + 3 (23)a + 2 0 1 0 1 ​ 2 a + 2 0 0 1 1 a + 2 .
Finalmente la solución (dependiendo de a) en este caso es x = 1 + 3 a + 2, Y = 1 ​ 2 a + 2y z = a + 21 . 24. x + y + z = 2 2x + 3y + 2z = 3 2x + 3y + (una2 ​ 1) z = a + 1 . Página 21 20 CAPÍTULO 1. MATRICES Solución. La matriz aumentada es 1 1 1 2 2 3 2 5 2 3 un 2 ​ 1 a + 1 . El primero operaciones elementales dan 1 1 1 2 2 3 2 5 2 3 un 2 ​ 1 a + 1 ​‐
2R 1+ R2,3~ 1 1 1 2 0 1 0 1 0 1 una 2 ​ 3 a ​ 3 , y 1 1 1 2 0 1 0 1 0 0 A 2 ​ Un 3 ​ 4 ~ 1 0 1 1 0 1 0 1 0 0 A 2 ​ Un 3 ​ 4 . Caso 1. a 2 ​ 3 = 0, es decir a / ∈ {± √ 3}. Entonces un2 ​ 3 es nuestro tercer pivote y seguimos a paso 4 (multiplicar la tercera fila 1 la2​3): 1 0 1 1 0 1 0 1 ~ 1 0 0 1 ​ a​4 la2​3 0 1 0 1 . (24)0 0 1 la2​3 0 0 1 la2​3
Este es un sistema consistente con la solución única x = 1​ a​4 la2​3, Y = 1, z = a​4 la2​3. Caso 2. una 2 ​ 3 = 0, es decir a ∈ {± √ 3}. Por lo tanto a ​ 4 = 0 y el último ecuación es 0 × 0 x + y + × 0 × z = a ​ 4 = 0, un sistema inconsistente (sin soluciones). Páginas 105​106 (Bonus). 16. Encontrar todos los valores de a para el cual la inversa de A = 1 1 0 1 0 0
1 2 una existe. ¿Qué es un ​1 ? Página 22 21 Solución. Utilizamos el procedimiento práctico para calcular la inversa (ver p. 95, libro de texto): 1 1 0 1 0 0 1 0 0 0 1 0 1 2 a 0 ​0 1 ​R 1+ R2,3~ 1 1 0 1 0 0 0 ​1 0 ​1 1 0 0 1 ​1 0 1 ​R 2~ 1 1 0 1 0 0 0 1 0 1 ​1 0 0 1 ​1 0 1 ​R 2+ R3~ 1 1 0 1 0 0 0 1 0 1 ​1 0 0 0 un ​2 1 1 ​R 2+ R1~ 1 0 0 0 1 0 . (25)0 1 0 1 ​1 0 0 0 un ​2
1 1 = [C ..D]. Caso 1. Si a = 0 entonces C tiene una fila cero (C = I 3). Por lo tanto A es singular (es decir, no tiene inversa). Caso 2. Si a = 0 utilizamos Paso 4 (multiplicamos la tercera fila por 1 la): 1 0 0 0 1 0 0 1 0 1 ​1 0 0 0 1 ​ 2 la 1la 1la = [C ...D] de modo que A es no singular y D = A ​1 = 0 1 0 1 ​1 0 ​ 2 la 1la 1la .
22. Si A y B son no singular, son A + B, A ​ B y ​A no singular ? Explicar. Solución. Si A, B son no singular generalmente no es cierto que A + B o A ​ B son no singular. Basta con dar contraejemplos adecuados: para A = I n y B = ​I n tenemos A + B = 0 n, Que no es invertible (véase la definición p. 91), y, para A = B, la diferencia A ​ B = 0
n, De nuevo una matriz no invertible. Página 23 22 CAPÍTULO 1. MATRICES Por último, si A es no singular, comprobamos fácilmente que ​A también es invertible y (​A) ​1 = ​A ​1 . Observación. Más puede ser demostrado (véase el ejercicio 20, (b)): por cada c = 0, si A es no singular, CA también es no singular y (ca) ​1 = 1 cLA​1 (de hecho, uno
verifica (CA) ( 1LA​1 ) Th.1.3 (d)= ((CA) 1)LA​1 Th.1.3. (D)= (c 1A) Un​1 = 1AA ​1 = I n (26)y de manera similar (1cLA​1 ) (Ca) = I n). Página 24 (27)Examen del capítulo 1. 1. Encuentre todas las soluciones del sistema lineal X1 + X2 + X 3 ​ 2x 4 = 3 2x 1 + X 2 + 3x 3 + 2x 4 = 5 ​x 2 + X3 + 6x 4 = 3. Solución. Método de Gauss​Jordan se utiliza: 1 1 1 ​2 3 2
1 3 2 5 0 ​1 1 6 3 ​2R 1+ R2~ 1 1 1 ​2 3 0 ​1 1 6 ​1 0 ​1 1 6 3 ​R 2~ 1 1 1 ​2 3 0 1 ​1 ​6 1 0 ​1 1 6 3 R2+ R3~ 1 1 1 ​2 3 0 1 ​1 ​6 1 0 0 0 0 4 . El sistema equivalente correspondiente tiene la tercera ecuación 0 × x 1 + 0 × x 2 + 0 × x 3 + 0 × x 4 = 4, que no tiene solución. 2. Encuentra todos los valores de a para el cual el sistema lineal resultante tiene (a) no
solución, (b) una solución única, y (c) un número infinito de soluciones. x + z = 4 2x + y + 3z = 5 ​3x ​ 3y + (una 2 ​ 5a) z = a ​ 8. Solución. Método de Gauss​Jordan se utiliza: 1 0 1 4 2 1 3 5 ​3 ​3 Una 2 ​ 5a a ​ 8 (​2) R1+ R2, 3R1+ R3~ 1 0 1 4 0 1 1 ​3 0 ​3 un 2 ​ 5a + 3 + 4 un 3R2+ R3~ Página 25 (28)24 CAPÍTULO 1. MATRICES 1 0 1 4 0 1 1 ​3 0 0 A 2 ​‐
5a + 6 a ​ 5 . Como por lo general se distinguen dos casos (aviso de que la2 ​ 5a + 6 = (a ​ 2) (a ​ 3) = 0 ⇔ a ∈ {2, 3}): Caso 1. a = 2 o a = 3. En ambos casos a + 1 = 0 y por lo que la tercera ecuación del sistema correspondiente es 0 × 0 x + y + × 0 × z = a + 1, con sin solución. Caso 2. Si un / ∈ {2, 3} y luego una2 ​ 5a 6 = 0 y el procedimiento continúa
con el Paso 4: 1 la2​5a + 6~ R3 1 0 1 4 0 1 1 ​3 0 0 1 a​5 la2​5a + 6 ​R 3+ R2,1~ 1 0 0 4 ​ a​5 la2​5a + 6 0 1 0 ​3 ​ a​5 la2​5a + 6 0 0 1 a​5 la2​5a + 6 , con el sistema equivalente correspondiente (solución única) x = 4 ​ a​5 la2​5a + 6, Y = ​3 ​ la2​5a + 6a​5 , Z = la2​5a + 6a​5 . 3. Si es posible, encontrar la inversa de la siguiente matriz 1 2 ​1 0 1 1 1 0 ​1 .
Solución. Usamos el procedimiento práctico (véase la página 95, libro de texto.): 1 2 ​1 1 0 0 0 1 1 0 1 0 1 0 ​1 0 0 1 ​R 1+ R3~ 1 2 ​1 1 0 0 0 1 1 0 1 0 0 ​2 0 ​1 0 1 2R2+ R3~ 1 2 ​1 1 0 0 0 1 1 0 1 0 0 0 2 ​1 2 1 1 2R3~ 1 2 ​1 1 0 0 0 1 1 0 1 0 0 0 1 ​ 1 2 1 12 ​R 3+ R2, R3+ R1~ (29)Página 26 25 1 2 0 1 2 1 12 0 1 0 1 2 0 ​ 12 0 0 1 ​ 1 2 1 12 (​2) R2+ R1~ 1 0 0 ​ 1
2 1 32 0 1 0 1 2 0 ​ 12 0 0 1 ​ 1 2 1 12 = = [C ...D]. Desde C tiene ninguna fila cero, A ​1 existe (es decir, A es no singular) y LA​1 = D = ​ 1 2 1 32 1 2 0 ​ 12 ​ 1 2 1 12 .
4. Si A = [ ​1 ​2​2 2] , Encontrar todos los valores de λ para que lo homogéneo sistema (? i 2 ​ A) x = 0 tiene una solución no trivial. Solución. El sistema homogéneo tiene una solución no trivial si y sólo si? i 2 ​ A = [ λ + 12 λ ​ 2 2 ] Es singular (véase el teorema 1.13, p. 99). Usar el procedimiento práctico para encontrar la inversa:
Caso 1. λ + 1 = 0, entonces este es el primer pivote en [Λ + 1 2 1 0 2 λ ​ 2 0 1 ] 1λ + 1R1 ~ [ 1 λ + 12 λ + 11 0 2 λ ​ 2 0 1] ​2R 1+ R2~ [1 2 λ + 1 λ + 11 0 2 λ ​ 2 ​ 4 λ + 1 ​ λ + 12 1] = [ 1 λ + 12 λ + 11 0 2 λ2​λ​6 λ + 1 ​ λ + 12 1] = [C ...D]. Ahora, si λ2 ​ Λ ​ 6 = (λ + 2) (λ ​ 3) = 0 ⇔ λ ∈ {​2, 3} entonces C tiene una cero fila y? i 2 ​‐
A es singular (según sea necesario).
Caso 2. Si λ + 1 = 0 entonces la matriz inicial es [ 0 2 1 0 2 ​3 0 1 ] así que eso utilizando Paso 3 obtenemos [2 ​3 0 1 0 2 1 0] ~ [ 1 ​ 3 2 0 12 0 2 1 0] ~ [ 1 ​ 3 2 0 12 0 1 1 2 0] (30)Página 27 26 CAPÍTULO 1. MATRICES ~ [ 1 0 34 12 0 1 1 2 0] Por lo tanto la matriz de coeficientes del sistema es una matriz no singular con in​ verso [ 341 12 2 0]
y por lo tanto el sistema homogéneo tiene un único (trivial) solución. 5. (a) Si A ​1 = 1 3 0 0 1 1 1 ​1 4 y B ​1 = 1 2 1 0 0 2 1 1 ​1 , Calcular (UNA B)​1 . (b) Resolver Ax = b para x si A ​1 = 1 0 ​2 1 2 3 4 2 5 y b = 2 1 3 . Solución. (a) (AB) ​1 Th.1.10 (b)= B ​1 LA​1 = 3 6 8 ​2 2 ​8 0 5 ​3 . (b) Si A ​1 existe (es decir, A es no singular) a continuación (véase p.98)
x = A ​1 b = ​4 14 25 . 7. Conteste cada uno de los siguientes como verdadero o falso. (a) Si A y B son matrices n × n, entonces (A + B) (A + B) = A 2 + 2AB + B 2.
(b) Si u 1 y tú 2 soluciones para el sistema lineal Ax = b, entonces w = 14u 1 + 34u 2 es también una solución para Ax = b. (c) Si A es una matriz no singular, entonces el sistema homogéneo Ax = 0 tiene una solución no trivial. (d) un sistema homogéneo de tres ecuaciones con cuatro incógnitas tiene una solución no trivial. (31)Página 28 27
(e) Si A, B y C son matrices n × n no singulares, entonces (ABC) ​1 = C ​1 LA​1 B ​1 . Solución. (a) Falso, ya que generalmente AB = BA falla. De hecho, tomar la A = [1 0 0 0] y B = [ 0 1 0 0] . Entonces AB = [ 0 1 0 0] y BA = [ 0 0 0 0] . Como cuestión de hecho (A + B) 2 = (A + B) (A + B) Th.1.2 (b)= (A + B) A + (A + B) B = Th.1.2 (c)= LA2
+ BA + AB + B 2. (b) Es cierto, en efecto, si Au1 = B y Au 2 = B, entonces Aw = A ( 14u 1 + 3 4u 2) Th.1.2 (b), Th.1.3 (d)= 14Au 1 + 34Au 2 = 14b + 34b = b.
(c) Falso: véase el Teorema 1.13 (p 99.). (d) Verdadero: caso especial del teorema 1.8 (p.77) para m = 3 <4 = n. (e) Falso: un caso especial del Corolario 1.2 (Pág. 94) da (ABC) ​1 = C ​1 B ​1 LA​1 . Basta con dar un ejemplo para B ​1 LA​1 = A ​1 B ​1 . (32)(33)Página 30 Capítulo 3 Determinantes
(34)T3. Demostrar que si c es un número real y A es una matriz n × n entonces det (Ca) = c n det (A). Solución. Sólo tiene que utilizar repetidamente (n veces) Teorema 3.5 (p. 187): la multiplicación escalar de una matriz por C consiste en la multiplicación de la primera fila, de la segunda fila, ..., y la multiplicación de la fila n​ésimo,
por el mismo número real c. De ahí que det (Ca) = c (c (... CA) ...)) = c n det (A). T5. Demostrar que si det (AB) = 0 entonces det (A) = 0 o det (B) = 0. Solución. De hecho, según el teorema 3.8 (pág. 191) det (AB) = det (A) det (B) = 0 y así det (A) = 0 o det (B) = 0 (como un cero producto de dos números reales).
T6. Es det (AB) = det (BA)? Justifica tu respuesta. Solución. Sí. Generalmente AB = BA sino por el Teorema 3.8 det (AB) = det (A) det (B) = det (B) det (A) = det (BA) (determinantes son numeros reales). T8. Demuestre que si AB = I n entonces det (A) = 0 y det (B) = 0. Solución. Usando el Teorema 3.8, 1 = det (I n) = Det (AB) = det (A) det (B)
y así det (A) = 0 y det (B) = 0 (como un producto distinto de cero de dos reales números). 29 Página 31 30 CAPÍTULO 3. DETERMINANTES T9. (a) Demostrar que si A = A ​1 , Entonces det (A) = ± 1. (b) Demostrar que si AT = A ​1 , Entonces det (A) = ± 1. Solución. (a) Utilizamos Corolario 3.2 (p 191.): de A = A ​1 (si el
inversa existe det (A) = 0, por Ejercicio T8 arriba) derivamos det (A) = det (A ​1 ) = 1 det (A)y así (det (A)) 2 = 1. Por lo tanto det (A) = ± 1. (b) Por el teorema 3.1 (pág. 185) det (A T) = Det (A). Uno utiliza ahora (a).
(35)det (A) = [Link]ón. Utilizando de nuevo el teorema 3.8, det (A) = det (A2) = Det (AA) = = Det (A) det (A) y así det (A) (det (A) ​ 1) = 0. Si A es no singular, por Ejercicio T8 anteriormente, det (A) = 0 y así det (A) ​1 = 0 y, finalmente, det (A) = 1. T16. Demostrar que si A es n × n, con A antisimétrica (A T = ​A, Vea
Sección 1.4, Ejercicio T.24) y n es impar, entonces det (A) = 0. Solución. Por el teorema 3.1, det (A T) = Det (A). Por el T3 Ejercicio anteriormente, det (​A) = det ((​ 1) A) = (​1) n det (A) = ​ det (A) porque n es impar. Por lo tanto det (A) = ​ det (A) y así 2 det (A) = 0 y det (A) = 0. Página 210. T7. Demostrar que si A es singular, entonces Adja es singular.
Solución. Si A es singular, entonces det (A) = 0. Puesto que A (ADJA) = det (A) I n (este es el teorema 3.11), A (ADJA) = O. En primer lugar, si A = O entonces Adja = o por la definición del adjunto matriz: todos los cofactores son cero. En el caso restante, si A = O entonces Adja no puede ser no singular
porque, de lo contrario, multiplicando a la derecha con (Adja) ​1 la igualdad A (Adja) = O obtenemos A = O. Así Adja es singular. T8. Demuestre que si A es una matriz n × n, entonces det (Adja) = det (A) n​1 .
Solución. Utilice la igualdad dada en el teorema 3.11: A (Adja) = det (A) I n. Tomando los determinantes de ambos miembros de la igualdad se obtiene: det (A) det (Adja) = (det (A)) n (noto que det (A) I n es una matriz escalar hav​ ing n copias del det número real (A) en la diagonal; Teorema 3.7, p. 188, se utiliza). Página 32 31
Si det (A) = 0, de acuerdo con el ejercicio anterior, junto con A, ADJA (36)También es singular, y así det (ADJA) = 0 y la fórmula se [Link] det (A) = 0 podemos dividir ambos miembros en la última igualdad por det (A) y por lo tanto det (ADJA) = (det (A))n ÷ det (A) = [det (A)] n​1 .
T10. Deja que AB = AC. Demuestre que si det (A) = 0, entonces B = C. Solución. Usando el teorema 3.12 (p. 203), A es no singular y así, A ​1 existe. Multiplicando AB = AC a la izquierda con A ​1 obtenemos A ​1 (AB) = LA​1 (AC) y, finalmente, B = C. T12. Demostrar que si A es no singular, entonces Adja es no singular y (Adja) ​1 = 1 det (A) A = adj (A ​1
). Solución. Primer uso T8 Ejercicio previamente resuelto: si A es no singular entonces det (A) = 0 y así det (ADJA) = [det (A)] n​1 = 0. Así Adja también no singular. Además, las fórmulas en el teorema 3.11, A (Adja) = (Adja) A = det (A) I n, dar (Adja) ( 1 det (A)A) = ( det (A)1 A) (Adja) = I n y así (Adja) ​1 = det (A)1 A, por definición.
Por último, se puede escribir las igualdades dadas en el teorema 3.11 para A ​1 : LA​1 (adj (A ​1 )) = Det (A ​1 )YOn = 1 det (A)yon (por Corolario 3.2, p. 191). Por lo tanto, por la multiplicación izquierda con A, uno encuentra adj (A​1 ) = 1 det (A)A. Ejercicios complementarios (bonus): 1) la demostración del teorema 1.11, Sección 1.7
Supongamos que A y B son matrices n × n.
(a) Si AB = I n entonces BA = In (b) Si BA = I n a continuación, AB = In. Demostración. (a) Si AB = In, Teniendo determinantes y el uso de Propie​ adecuado propie​, det (A) det (B) = det (AB) = det (I n) = 1 muestra que det (A) = 0 y det (B) = 0 y por lo tanto A y B son no singular. Por la multiplicación izquierda con Página 33 (37)32
CAPÍTULO 3. DETERMINANTES LA​1 (que existe, Un ser no singular), se obtiene una ​1 (AB) = A ​1 yon y B = A ​1 . De ahí que BA = A​1 A = I n. (b) De manera similar. 2) T3 Ejercicio. Demostrar que si A es simétrica, entonces Adja también simétrica. Solución. Tome un cofactor arbitraria A ij = (​1) i + jdet (M ij) Donde M ij
es la submatriz de A obtenida mediante la supresión de la fila i​ésima y la columna j​ésima. Observe que el siguiente procedimiento da también M ij : (1) considerar la transpuesta A T; (2) en unaT eliminar la fila j​ésimo y el i​ésima columna; (3) la transposición de la submatriz resultante. Además, si A es simétrica (es decir, A = A
T) El procedimiento anterior muestra que M ij = (M ji)T. Por lo tanto A ji = (​1) j + idet (M ji) = (​1) i + jdet ((M ji)T) = (​1) i + jdet (M ij) = A ij y así Adja es simétrica. Examen del capítulo 3. 1. Evaluar 1 1 2 ​1 0 1 0 3 ​1 2 ​3 4 0 5 0 ​2 .
Solución. Utilice la expansión de det (A) a lo largo de la segunda fila (cuarta fila, primera columna y tercera columna también son buenas opciones, que tienen también dos cero entradas). det (A) = 0 × A 21+ 1 × A 22+ 0 × A 23 + 3 × A 24 = A 22+ 3A 24 = = |||| | | 1 2 ​1 ​1 ​3 4 0 0 ​2 | | | | | | + 3 |||| | | 1 1 2 ​1 2 ​3 0 5 0 | | | | | | = 2 + 15 = 17.
2. Sea A 3 × 3 y supongamos que | A | = 2. Calcular (a) | 3A |. (b) | 3A ​1 |. (c) | (3A) ​1 |. (38)Página 34 33 Solución. Observe que | A | es aquí (y anterior) sólo notación alternativa ción para det (A). Por lo tanto: (a) | 3A | = 3 3 | A | = 54 (b) | 3A ​1 | = 3 3 | A​1 | = 27 2 (c) | (3A) ​1 | = 1 | 3A |= 154. 3. ¿Para qué valor de a es | | | | | | 2 1 0 0 ​1 3 0 1 una | | | | |
| + |||| | | 0 un 1 1 3a 0 ​2 un 2 | | | | | | = 14? Solución. La evaluación de la suma de los (dos) determinantes, obtenemos 2 (​a ​ 3) + a + 6a ​ 2a = 14, una ecuación simple con la solución de a = 20 3 . 4. Buscar todos los valores de a para que la matriz la2 0 3 5 un 2 3 0 1 es singular. Solución. El determinante ||| | | | la2 0 3 5 un 2 3 0 1 | | | | | | = A 3
9a = a (a​3) (a + 3) = 0 si y sólo si a ∈ {​3, 0, 3}. Por el teorema 3.12 (p. 203) se trata de la valores requeridos. 5. No solicitado (la regla de Cramer). 6. Conteste cada uno de los siguientes como verdadero o falso. (a) det (AA T) = Det (A 2). (b) det (​A) = ​ det (A). (c) Si A T = A ​1 , Entonces det (A) = 1. (d) Si det (A) = 0 entonces A = 0. (39)Página 35 34
CAPÍTULO 3. DETERMINANTES (f) El signo del término de un 15la23la31la42la54 en la expansión de la deter​ minante de una matriz de 5 × 5 es +. (g) Si det (A) = 0, entonces det (ADJA) = 0. (h) Si B = PAP ​1 Y P es no singular, entonces det (B) = det (A). (i) Si A 4 = I n entonces det (A) = 1.
(j) Si A 2 = A y A = I n, Entonces det (A) = 0.
Solución. (a) Verdadero: det (AAT) Th.3.8= Det (A) det (A T) Th.3.1= = Det (A) det (A) = det (A 2). (b) Falso: det (​A) = det ((​ 1) A) Th.3.5= (​1) n det (A) = ​ det (A) solamente si n es impar. Por ejemplo, si A = I 2 después det (​A) = det [ ​1 0 0 ​1 ] = 1 = ​1 = ​ det (A). (c) Falso: de hecho, A T = A ​1 ⇒ det (A T) = Det (A ​1 ) ⇒ det (A) = det (A)1
lo que implica det (A) ∈ {± 1}, y no necesariamente det (A) = 1. Por ejemplo, para A = [ 1 0 0 ​1 ], LA T = A ​1 sostiene, pero det (A) = ​1. (d) Falso: obviamente, A = [ 1 0 0 0] = 0 pero det (A) = 0. (e) Verdadero: en efecto, 7 = 0 y uno aplica Corolario 3.4 (p 203.). (f) Verdadero: en efecto, el 53124 de permutación tiene 4 + 2 = 6 inversiones y
por lo que es aún.
(g) Verdadero: utilizar Ejercicio T.8 (Pág. 210), que nos dice que det (Adja) = [det (A)] n​1 . (h) Verdadero: el uso de los teoremas 3.8 y Corolario 3.2 (observe que P es no​ singular) tenemos det (B) = det (PAP ​1 ) = Det (P) det (A) det (P ​1 ) = = Det (P) 1 det (P)det (A) = det (A). (i) Falso: por ejemplo, si n = 2 y A = [ 1 0 0 ​1 ], La igualdad A 4 = I 2
sostiene y det (A) = ​1. (j) Verdadero: por el camino de la contradicción. Si det (A) = 0 entonces A es no singular (ver Teorema 3.12, p. 203) y por lo tanto el inverso A ​1 existe. Por (40)Página 36 35 A la izquierda de la multiplicación2 = A con este inversa A ​1 se obtiene a la vez: LA​1 (LA2) = A ​1 A y A = I n. (41)(42)Página 38 Capítulo 4 n​vectores
Página 246. En los siguientes ejercicios denotamos los n​vectores considerados por u = (u 1, U2, ..., Un), V = (v 1, V2, ..., Vn) Y = w (w 1, W2, ..., Wn). (43)T7. Demostrar que u • (v + w) = u • v + u • w. Solución. Fácil de cálculo: u • (v + w) = = U 1(v 1 + W1) + U 2(v2 + W2) + ... + U n(vn + W n) = = U 1v1 + U 1w1 + U 2v2 + U 2w2 + ... + U nvn
+ U nwn = = U 1v1 + U 2v2 + ... + U nvn + U1w1 + U 2w2 + ... + U nwn = = U • v + u • w. T8. Demuestre que si u • v = u • w para todo u, entonces v = w. Solución. En primer lugar tomar u = e1 = (1, 0, ..., 0). Entonces correo1• v = e 1• w da v1 = W 1. En segundo lugar tomar u = e2 = (0, 1, 0, ..., 0). Entonces correo2• v = e 2• w implica v 2 =
w2, etcétera. Por último, tome u = e n = (0, ..., 0, 1). Entonces correon• v = e n• w da v n = W n. Por lo tanto v = (v1, V2, ..., Vn) = W = (w 1, W2, ..., Wn). T9. Demuestre que si c es un escalar, entonces cu = | c | u, donde | c | es el valor absoluto de c. 37 Página 39 38 CAPÍTULO 4. N​VECTORES Solución. De hecho, por la norma (longitud) definición,
cu = √ (cu 1)2 + (Cu 2)2 + ... + (Cu n)2 = = √c 2u 12 + C2u 22 + ... + C 2un2 = √c 2(u 12 + U 22 + ... + U n2) = = | C |√u 12 + U 22 + ... + U n2 = = | C | u. T10. (Teorema de Pitágoras en I n) Demostrar que u + v 2 = U 2 + v 2 si y sólo si u • v = 0. (44)u + v 2 = (U + v) • (u + v) = u 2 + 2u • v + v 2 (usando el teorema 4.3,
p. 236 y la T7 ejercicio anterior). Por último, si la igualdad en la declaración sostiene, entonces 2u • v = 0 y U • V = 0. Por el contrario, u • v = 0 implica 2u • v = 0 y u + v 2 = U 2+ v 2. Examen del capítulo 4. 1. Encontrar el coseno del ángulo entre los vectores (1, 2, ​1, 4) y (3, ​2, 4, 1). Solución. Usa la fórmula del ángulo (p. 237) cos theta = u • v uv
= 3​4​4 + 4 √1 + 4 + 1 + 16√9 + 4 + 16 + 1= ​ √22√301 2. Encuentre el vector unitario en la dirección de (2, ​1, 1, 3). Solución. Utilice la observación después de la definición (p 239.): Si x es un distinto de cero vector, entonces u = 1 Xx, es un vector unitario en la dirección de x. Por Consiguiente, (2, ​1, 1, 3) =
√4 + 1 + 1 + 9 = √15 y el vector requerido es 1 √15(2, ​1, 1, 3).
3. ¿Es el vector (1, 2, 3) una combinación lineal de los vectores (1, 3, 2), (2, 2, ​1) y (3, 7, 0)? Solución. Sí: la búsqueda de una combinación lineal x (1, 3, 2) + y (2, 2, ​1) + Página 40 39 z (3, 7, 0) = (1, 2, 3), se obtiene un sistema lineal x + 2y + 3z = 1 3x + 2y + 7z = 2 . (45)2x ​ y = 3 La matriz de coeficientes 1 2 3 3 2 7 2 ​1 0
es no singular, porque (computar!) su determinante es 14 = 0. Por lo tanto el sistema tiene una solución (único). 4. No solicitados (transformaciones lineales). 5. No solicitados (transformaciones lineales). 6. Conteste cada uno de los siguientes como verdadero o falso. (a) En R n, Si u • v = 0, entonces u = 0 ó v = 0. (b) En R
n, Si u • v = u • w, entonces v = w. (c) En R nSi cu = 0, entonces c = 0 o u = 0. (d) En R n, Cu = cu. (e) En R n, U + v = u + v. (f) No solicitados (transformaciones lineales). (g) Los vectores (1, 0, 1) y (​1, 1, 0) son ortogonales. (h) En R n, Si u = 0, entonces u = 0.
(i) En R n, Si u es ortogonal a v y w, entonces u es ortogonal a 2v + 3w. (j) No solicitado (transformaciones lineales). Solución. (a) Falso: por ejemplo, u = e 1 = (1, 0, ..., 0) = 0 y v = e 2 = (0, 1, 0 ..., 0) = 0 pero u • v = e 1• e2 = 0. (b) Falso: para u, v que el anterior: tomar w = 0; entonces E1• e 2 = E 1• 0 pero el correo2 = 0.
(c) Verdadero: en efecto, si cu = 0 yc = 0 entonces (cu1, Cu2, ..., Cun) = (0, 0, ..., 0) o Cu 1 = Cu 2 = ... = Cu n = 0, junto con c = 0, u implicar 1 = U 2 = ... = u n = 0, es decir, u = 0. (d) Falso: Comparar con la fórmula correcta en la p. 246, Teórica T9 Ejercicio; Por ejemplo, si c = ​1, y u = 0 entonces ​u = ​ u. (46)40 CAPÍTULO 4. N​VECTORES
(e) Falso: Comparar con el Teorema correcta 4.5 (p.238); si u = 0 y v = ​u entonces u + v = 0 = 0 = 2 u = u + ​u = u + v. (g) Falso: el producto escalar u • v = ​1 + 0 + 0 = 0, de modo que los vectores no son ortogonales (ver p.238 definición).
(h) Verdadero: en efecto, u = √u 21+ U 22+ ... + U 2n= 0 implica u 2 1+ U 22+ ... + u 2n= 0 y (para números reales) u 1 = U 2 = ... = U n = 0, es decir, u = 0. (i) Es cierto: en efecto, calcular (. una vez más por la definición p 238) u • (2v + 3w) T7, p.246= 2 (u • v) + 3 (u • w) = 2 × 0 + 3 × 0 = 0. (47)Página 42 Capítulo 5 Líneas y planos Página 263.
T2. Demuestre que (u × v) • w = u • (v × w). Solución. Ciertamente, (u × v) • w = (u 2v3 ​ U 3v2, U3v1 ​ U 1v3, U1v2 ​ U 2v1) • (w 1, W2, W3) = = (U 2v3 ​ U 3v2) w1 + (U 3v1 ​ U 1v3) w2 + (U 1v2 ​ U 2v1) w3 = = U 1(v2w3 ​ V 3w2) + U 2(v3w1 ​ V 1w3) + U 3(v1w2 ​ V 2w1) = = (U 1, U2, U3) • (v 2w3 ​ V 3w2, V3w1 ​ V 1w3, V1w2 ​ V 2w1) = = U • (v × w).
T4. Muestra esa (u × v) • w = | | | | | | u 1 u2 u3 v1 v2 v3 w1 w2 w3 | | | | | | . Solución. En el ejercicio anterior, que ya obtuvimos (u × v) • w = u 1(v2w3 ​ V 3w2) + U 2(v3w1 ​ V 1w3) + U 3(v 1w2 ​ V 2w1). Pero este cálculo se puede continuar como sigue: = U 1(v2w3 ​ V 3w2) + U 2(v3w1 ​ V 1w3) + U 3(v1w2 ​ V 2w1) = = U 1||| | v2 v3 w2 w3 | | | | ​ U 2 | |
| | v1 v3 w1 w3 | | | | + U 3 | | | | v1 v2 w1 w2 | | | | = ||||| | u 1 u2 u 3 v1 v2 v3 w1 w2 w3 | | | | | | , 41 (48)Página 43 42 CAPÍTULO 5. líneas y planos el uso de la expansión del determinante a lo largo de la primera fila. T5. Demostrar que u y v son paralelos si y sólo si u × v = 0.
Solución. En la Sección 4.2 (Pág. 238), la siguiente definición se da: dos vectores distintos de cero U y V son paralelas si | u • v | = uv (es decir, cos θ = ± 1, o, equivalentemente pecado θ = 0, theta denota el ángulo de u y v). Tenga en cuenta que u = 0 = v para los vectores no nulos y u × v = 0 ⇔ u × v = 0.
Utilizando la fórmula de longitud u × v = sen uv θ obtenemos pecado θ = 0 si y sólo si u × v = 0, el resultado requerido. Página 271. T5. Demostrar que una ecuación del plano a través de los puntos no colineales P 1(X1, Y1, Z1), P 1(X2, Y2, Z2) Y P 1(X3, Y3, Z3) es | | | | | | | | xyz 1 X1 y1 z1 1 X2 y2 z2 1 X3 y3 z3 1 | | | | | | | | = 0.
Solución. Cualquier tres puntos no colineales P 1(X1, Y1, Z1), P 1(X2, Y2, Z2) Y P 1(X3, Y3, Z3) Determinan un plano cuya ecuación tiene la forma ax + by + cz + d = 0, donde a, b, c y d son números reales, y a, b, c no son todos cero. Desde P 1(X1, Y1, Z1), P 1(X2, Y2, Z2) Y P 1(X3, Y3, Z3) Se encuentran en el avión, su coordinación
nates satisfacer la ecuación anterior: hacha1 + By 1 + Cz 1 + D = 0 hacha2 + By 2 + Cz 2 + D = 0 hacha3 + By 3 + Cz 3 + D = 0 (49)Página 44 43 Podemos escribir estas relaciones como un sistema lineal homogéneo en el incógnitas a, b, c y d ax + by + cz + d = 0 hacha1 + By 1 + Cz 1 + D = 0 hacha2 + By 2 + Cz 2 + D = 0 hacha3 + By 3 + Cz 3
+ D = 0 que debe tener una solución no trivial. Esto ocurre si y sólo si (ver Corolario 3.4 p. 203) el determinante de la matriz de coeficientes es cero, Es decir, si y sólo si | | | | | | | | xyz 1 X1 y1 z1 1 X2 y2 z2 1 X3 y3 z3 1 | | | | | | | | = 0. Examen del capítulo 5.
3. Encuentre ecuaciones paramétricas de la recta que pasa por el punto (5, ​2, 1) que es paralela al vector u = (3, ​2, 5).
Solución. x = 5 + 3t, y = ​2​2t, z = 1 + 5t, ​∞ Página 45 44 CAPÍTULO 5. líneas y planos 5. Conteste cada uno de los siguientes como verdadero o falso. (b) Si u × v = 0 y u = 0 x W entonces u x (v + w) = 0. (c) Si v = ​3u, entonces u × v = 0. (d) El punto (2, 3, 4) se encuentra en el plano 2x ​ 3y + z = 5. (e) Los planos 2x ​ 3y + 3z = 2 y 2x + y ​‐
z = 4 son perpendiculares. Solución. (b) Los verdaderos usando Teorema 5.1 (p.260) propiedades, (c) y (a): u × (v + w) = u × v + u × w = 0 + 0 = 0.
(c) Es cierto que el uso de T.5 ejercicio teórico (p.263), o directamente: si u = (u 1, U2, U3) A continuación, para v = (​3u1, ​3u 2, ​3u 3) El producto vectorial | | | | | | yo j k u 1 u 2 u 3 ​3u 1 ​3u 2 ​3u 3 | | | | | | = 0 porque (factorizar ​3) que tiene dos filas iguales. (d) Falso. Verificación: 2 × 2 a 3 × 3 + 1 × 4 = ​1 = 0.
(e) Falso. Los planos son perpendiculares si y sólo si el correspondiente vectores normales son perpendiculares, o, si y sólo si estos vectores tienen la producto de punto cero. (2, ​3, 3) • (2, 1, ​1) = 4 ​ 3 ​ 3 = ​2 = 0. (51)Página 46 Capítulo 6 Espacios vectoriales Página 302. T2. Sea S 1 y S 2 ser subconjuntos finitos de Rn y dejar que S1
ser un subconjunto de S2. Muestra esa: (a) Si S 1 es linealmente dependiente, por lo que es S2. (b) Si S 2 es linealmente independiente, por lo que es S1.
(52)Solución. Desde S 1 es un subconjunto de S2, Denotan los vectores en los conjuntos finitos de la siguiente manera: S1 = {V 1, V2, ..., Vk} Y S 2 = {V 1, V2, ..., Vk, Vk + 1, ..., Vm}.
(a) Si S 1 es linealmente dependiente, existen escalares c 1, C2, ..., C k no todos cero, de tal manera que c1v 1 + C 2v 2 + ... + C kv k = 0. Por lo tanto c1v 1 + C 2v 2 + ... + C kv k + 0v k + 1+ ... + 0v m = 0, donde no todos los escalares son cero, y así S 2 es linealmente depende también. (b) Si S 1
no es linealmente independiente, es (por definición) de​ linealmente colgante. Por (a), S 2 También es linealmente dependiente, una contradicción. Por lo tanto S1 es linealmente independiente. T4. Supongamos que S = {v 1, V2, V3} Es un conjunto linealmente independiente de vectores en R n. Demostrar que T = {w
1, W2, W3} También es linealmente independiente, donde w 1 = V 1 + V 2 + V 3, W2 = V 2 + V 3 y W 3 = V 3. Solución. Tome c 1w 1 + C 2w 2 + C 3w 3 = 0, es decir, c 1(v 1 + V 2 + V 3) + 45 Página 47 46 CAPÍTULO 6. espacios vectoriales c2(v 2+ V 3) + C3v3 = 0. Por lo tanto c1v 1 + (C 1 + C2) v2 + (c 1 + C2 + C3) v3 = 0 y
por linealmente independencia de S, c 1 C = 1 + C2 C = 1 + C2 + C3 = 0. Pero esto sistema homogéneo tiene, obviamente, sólo la solución cero. Por lo tanto T es también linealmente independientes. T6. Supongamos que S = {v 1, V2, V3} Es un conjunto linealmente independiente de vectores en R n. Es T = {w 1, W2, W3}, Donde w 1 = V 1, W 1
= V 1 + V 2 y w 1 = V 1 + V 2 + V 3, Linealmente dependientes o linealmente independientes? Justificar tu respuesta. Solución. T es linealmente independiente. Se demuestra esto de una manera similar a la T4 Ejercicio anterior. (53)Página 316. 28 (Bonus). Buscar todos los valores de a para que {(un2, 0, 1), (0, A, 2), (1, 0, 1)} es una base para R3.
Solución 1. Utilice el procedimiento indicado en el apartado 6.3, p. 294, con el fin de determinar los valores de a para el cual los vectores son linealmente independientes; Esto equivale a encontrar la forma escalonada reducida por filas de la matriz (tenemos invertido el orden de los vectores para simplificar el cálculo de RREF) 1 0 1 0 a 2 la2 0 1 ​a
2R1+ R2~ 1 0 1 0 una 2 0 0 1 ​ a 2 . Si a = 0 o un ∈ {± 1} forma escalonada reducida por filas tiene una fila cero. por a / ∈ {​1, 0, 1} los tres vectores son linealmente independientes, y así formar una base en R 3 (por el teorema 6.9 (a), p.312). Solución 2. Utilice el Corolario 6.4 de la Sección 6.6, p.335: es suficiente
para encontrar los valores de a para el cual el determinante | | | | | | la2 0 1 0 a 2 1 0 1 | | | | | | = A (un2 ​ 1) = 0.
Página 48 47 Estos son a ∈ R ​ {​1, 0, 1}. T9. Demuestre que si {v 1, V2, ..., Vn} Es una base para un espacio vectorial V y c = 0 entonces {cv1, V2, ..., Vn} También es una base para V. Solución. Por definición: si k 1(CV1) + K 2v 2 + ... + K nv n = 0, entonces (la {v sistema de1, V2, ..., Vn} Siendo linealmente independientes) k1c = k 2 = ... = K n = 0
(54)y (c = 0), k 1 = K 2 = ... = K n = 0. El resto está cubierto por el Teorema 6.9, (la). T10. Sea S = {v 1, V2, V3} Una base para el espacio vectorial V. A continuación, mostrar que T = {w 1, W2, W3}, Donde w 1 = V 1+ v 2+ v 3, W2 = V 2+ v 3 y W 3 = V 3, también es una base para V.
Solución. Usando el teorema 6.9, (a), es suficiente para mostrar que T = {w 1, W2, W3} Es linealmente independiente. Si c1w1 + C2w2 + C3w3 = 0, entonces c1(v 1 + V 2 + V 3) + C 2(v 2 + V 3) + C 3v 3 = c1v 1 + (C 1 + C2) v2 + (C 1 + C2 + C3) v3 = 0, y, {v 1, V2, V3} Es linealmente independiente, c 1 C = 1 + C 2 C = 1 + C 2 + C 3
= 0. Por lo tanto (en primaria cálculos) c 1 C = 2 C = 3 = 0. T12. Supongamos que {v 1, V2, ..., Vn} Es una base para Rn. Demostrar que si A es una n × n matriz no singular, entonces {Av 1, Av 2, ..., Av n} Es también una base para R n. Solución. En primer lugar le damos una solución para Ejercicio T10, Sección 6.3: Supongamos que {v
1, V2, ..., Vn} Es un linealmente conjunto independiente de vectores en Rn. Demuestre que si A es un n × n no singular matriz, entonces {Av1, Av 2, ..., Av n} Es linealmente independiente. Solución utilizando la sección 6.6. Sea M = [v 1v 2... vn] Ser la matriz que tiene los vectores dados como columnas (col yo(M) = v yo, 1 ≤ i ≤ n). Por lo tanto
el producto AM = [Av 1AV2Av ... n], Es decir col yo(AM) = Av yo, 1 ≤ i ≤ n. Los vectores dados ser linealmente independientes, det (M) = 0. La matriz A det ser no singular (A) = 0. Por lo tanto det (AM) = det (A) det (M) = 0 de manera que {Av 1, Av 2, ..., Av n} Es un linealmente
conjunto independiente de vectores, por el Corolario 6.4 en la Sección 6.6. Página 49 (55)Por último, si {Av1, Av 2, ..., Av n} Es linealmente independiente y tiene n vectores (notar que dim (R n) = N), sólo queda utilizar el Teorema 6.9 (a), p.312. T13. Supongamos que {v 1, V2, ..., Vn} Es un conjunto linealmente independiente de vectores en R n
y sea A una matriz singular. Probar o refutar que {Av 1, Av 2, ..., Av n} Es linealmente independiente. Solución. Refutar (véase también el ejercicio anterior). De hecho, {Av1, Av 2, ..., Av n} Puede ser linealmente dependientes: tomar, por ejemplo, A = 0: un conjunto de vectores que contiene un vector cero no es linealmente inde​ colgante.
Página 337 a 338 (6 Ejercicios de bonificación). 3. Sea S = {v 1, V2, ..., V5}, donde V 1 = 1 2 1 2 , V2 = 2 1 2 1 , V3 = 3 2 3 2 , v 4 = 3 3 3 3 , V5 = 5 3 5 3 . Encuentra una base para el subespacio V = tramos de R 4. Solución. Utilizamos el procedimiento dado después de la demostración del Teorema 6.6, p. 308: A = 1 2 3 3 5 2 1 2 3 3 1 2 3 3 5
2 1 2 3 3 ~ 1 2 3 3 5 0 ​3 ​4 ​3 ​7 0 0 0 0 0 0 ​3 ​4 ​3 ​7 ~ 1 2 3 3 5 0 1 4 3 1 73 0 0 0 0 0 0 0 0 0 0 y así v 1 y v 2 es una base. (56)49 11. Calcular la fila y filas de columnas de un teorema verificar 6,11, A = 1 2 3 1 2 3 1 ​2 1 ​5 7 8 ​1 2 5 . Solución. Transformamos A en forma escalonada: 1 2 3 1 2 3 1 ​2 1 ​5 7 8 ​1 2 5 ~ 1 2 3 2 1 0 ​5 ​14 ​8 ​2 0 ​6 ​22 ​12 ​2 ​R 3+ R2~
1 2 3 2 1 0 1 8 4 0 0 ​6 ​22 ​12 ​2 ~ 1 2 3 2 1 0 1 8 4 0 0 0 26 12 ​2 ~ 1 2 3 2 1 0 1 8 4 0 0 0 1 136 ​ 1 13 por lo que el rango de la columna es = 3. Además, para el rango fila, transformamos en la fila escalonada formar el transporte plantear unT, 1 3 7 2 1 8 3 ​5 ​1 2 ​2 2 1 1 5 ~ 1 3 7 0 ​5 ​6 0 ​14 ​22 0 ​8 ​12 0 ​2 ​2 R2↔R5~ 1 3 7 0 1 1 0 ​14 ​6 0 ​8 ​12 0 ​5 ​6 ~ 1 3 7
0 1 1 0 0 8 0 0 ​4 0 0 ​1 ~ 1 3 7 0 1 1 0 0 1 0 0 0 0 0 0 por lo que el rango de fila es (también) = 3.
18. Si A es una matriz de 3 × 4, ¿cuál es el mayor valor posible para rango (A) ? Solución. La matriz A tiene tres filas por lo que el rango de fila es ≤ 3 y cuatro (57)Página 51 50 CAPÍTULO 6. espacios vectoriales columnas, y por lo que el rango de la columna es ≤ 4. Por el teorema 6.11, el rango de A es como máximo 3.
20. Si A es una matriz de 5 × 3, muestran que las filas son linealmente dependientes. Solución. La matriz que tiene sólo 3 columnas, el rango de columna es ≤ 3. De ahí también el rango fila debe ser ≤ 3 y 5 filas son necesariamente dependientes (de lo contrario el rango fila sería ser ≥ 5). 25. Determinar si la matriz A = 1 1 4 ​1 1 2 3 2 ​1 3 2 1 6 12 ​4 ​2
es singular o no singular usando el teorema 6.13. Solución. Transformamos la matriz en forma escalonada con el fin de calcular su rango: 1 1 4 ​1 1 2 3 2 ​1 3 2 1 6 12 ​4 ​2 ~ 1 1 4 ​1 0 1 ​1 3 0 4 6 0 0 8 20 ​6 ~ 1 1 4 ​1 0 1 ​1 3 0 0 2 ​12 0 0 28 ​38 ~ 1 1 4 ​1 0 1 ​1 3 0 0 1 ​6 0 0 28 ​30 ~ 1 1 4 ​1 0 1 ​1 3 0 0 1 ​6 0 0 0 1 . Por lo tanto el rango (el número
filas de distintos de cero) es 4 y la matriz es no singular. 29. ¿S = 4 1 2 , 2 5 ​5 , 2 ​1 3 un conjunto linealmente independiente de vectores? (58)Página 52 51 Solución. Las columnas de la matriz de quienes son los vectores en S 4 2 2 1 5 ​1 2 ​5 3 , tiene un determinante cero (verificar). Por lo tanto, por el Corolario 6.4, el conjunto S de
vectores es linealmente dependiente. T7. Sea A una matriz m × n. Demostrar que el sistema lineal Ax = b tiene una solución para cada m × 1 matriz b si y sólo si rango (A) = m. Solución. Caso 1: m ≤ n. Si el sistema lineal Ax = b tiene una solución por cada m × 1 matriz b, entonces cada m × 1 matriz b pertenece a la columna
espacio de A. Por lo tanto este espacio columna debe ser todo Rm y tiene dimensión m. Por lo tanto rango (A) = Rango de la columna (A) = dim (espacio de la columna (A)) = m. Por el contrario, si rango (A) = m, el rango de igualdad (A) = rango [A | b] sigue en una vez porque, en general, el rango (A) rango ≤ [A | b] y rango [A | b] ≤ m (porque
[A | b] sólo tiene m filas). Finalmente usamos el teorema 6.14. Caso 2: m> n. Observamos que en este caso el rango (A) = m es imposible, porque A tiene sólo n n, la sistema lineal Ax = b tiene solución para cada m × 1 matriz b (de hecho, si tenemos más ecuaciones que incógnitas, y por un determinado b, el sistema tiene
una solución, basta con modificar un coeficiente en b, y el correspondiente sistema está no más verificada por la misma solución anterior). Examen del capítulo 6. 1. Considere el conjunto W de todos los vectores en R3 de la forma (a, b, c), donde a + b + c = 0. Es W un subespacio de R 3 ? Solución. Sí: (0, 0, 0) ∈ W para que W = ∅.
Para (a, b, c), (a, b, c) ∈ W también (a + a, b + b, c + c) ∈ W porque (a + a) + (b + b) + (c + c) = (a + b + c) + (a + b + c) = 0 + 0 = 0. Por último, para cada k ∈ R y (a, b, c) ∈ W también k (a, b, c) ∈ W porque ka + kb + kc = k (a + b + c) = 0. (59)Página 53 52 CAPÍTULO 6. espacios vectoriales
2. Encuentre una base para el espacio solución del sistema homogéneo X1 + 3x 2 + 3x 3 ​ X 4 + 2x 5 = 0 X1 + 2x 2 + 2x 3 ​ 2x 4 + 2x 5 = 0 X1 + X 2 + X 3 ​ 3x 4 + 2x 5 = 0 . Solución. Transformamos la matriz A aumentada en forma escalonada: 1 3 3 ​1 2 0 1 2 2 2 0 ​2 1 1 1 ​3 2 0 ~ 1 3 3 ​1 2 0 0 ​1 ​1 ​1 0 0 0 ​2 ​2 2 0 0 ~ 1 0 0 2 0 ​4 0 1 1 1 0 0 0 0 0 0 0 0
. El sistema correspondiente es ahora X1 = 4x 4 ​ 2x 5 X2 = ​x 3 ​ X 4 . Por lo tanto x = X1 X2 X3 X4 X5 = S 0 ​1 1 0 0 + T 4 ​1 0 1 0 + U ​2 0 0 0 1 tomando x3 = S, X = T, x = U, de modo que 0 ​1 1 , 4 ​1 0 , ​2 0 0 es la requerida (60)4 5 0 0 1 0 0 1 base. 3. ¿el conjunto de vectores {(1, ​1, 1), (1, ​3, 1), (1, 2, 2)} forman una base para R3 ? Página 54 53
Solución. Si A = 1 1 1 ​1 ​3 2 1 1 2 está consistiendo la matriz, como columnas, de los vectores dados, det (A) = ​6 ​ 1 + 2 + 3 ​ 2 + 2 = ​2 = 0 de manera que la vectores son linealmente independientes. Usando el teorema 6.9, (a), esta es una base en R 3. 4. ¿Para qué valor (s) de λ es el conjunto de vectores {(λ 2 ​ 5, 1, 0), (2, ​2, 3), (2, 3, ​‐
3)} linealmente dependiente? Solución. Si A = λ 2 ​ 5 2 2 1 ​2 3 0 3 ​3 está consistiendo la matriz, como se columnas, de los vectores dados, entonces det A = 6 (λ 2 ​ 5) + 6 ​ 9 (λ 2 ​ 5) + 6 = ​3λ 2 + 27. A lo tanto det = 0 si y sólo si λ ∈ {± 3}. 5. No es necesario. 6. Conteste cada uno de los siguientes como verdadero o falso.
(a) Todos los vectores de la forma (a, 0, ​a) forman un subespacio de R3. (b) En R n, Cx = cx. (c) Cada conjunto de vectores en R3 que contiene dos vectores es linealmente inde​ colgante. (61)(d) El espacio de soluciones del sistema homogéneo Ax = 0 es atravesado por las columnas. (e) Si las columnas de una matriz n × n forman una base para R
n, También lo hacen la filas.
(f) Si A es una matriz de 8 × 8 de tal manera que el sistema homogéneo Ax = 0 sólo tiene la solución trivial entonces rango (A) <8. (g) No es necesario. (h) Cada conjunto linealmente independiente de vectores en R3 contiene tres vectores de res. (i) Si A es una matriz n × n simétrica, entonces rango (A) = n.
(j) Cada conjunto de vectores que abarcan R3 contiene al menos tres vectores. Solución. (una verdad. De hecho, estos vectores forman exactamente Página 55 54 CAPÍTULO 6. espacios vectoriales Gen {(1, 0, ​1)} que es un subespacio (por el Teorema 6.3, p. 285). (b) Falso. Basta con echar c = ​1 yx = 0. contradice el hecho de que
la longitud (norma) de cualquier vector es ≥ 0. (c) Falso. x = (1, 1, 1) y y = (2, 2, 2) son linealmente dependientes en R 3 porque 2x ​ y = 0. (d) Falso. El espacio de soluciones del sistema homogéneo Ax = 0 es abarcado por las columnas que corresponden a las columnas de la reducida
forma escalonada por filas que no contienen los principales queridos.
(e) Verdadero. En este caso el rango de la columna A es n. Pero entonces también la fila rango es n y así las filas forman una base. (f) Falso. Basta con mirar a Corolario 6.5, p. 335, para n = 8. (h) Falso. Por ejemplo, cada vector distinto de cero solo en R 3 forma un linealmente conjunto independiente de vectores.
(i) Falso. Por ejemplo, el n cero × n matriz es simétrica, pero no tiene (62)el rango = n (tiene cero determinante).(j) Verdadero. La dimensión del subespacio de R 3 atravesado por uno o dos vectores es ≤ 2, pero tenue R 3 = 3. Página 56 (63)Diagonalización Página 421. T1. Deje λ j ser un valor propio particular de A. Demostrar que el conjunto W de
todos los vectores propios de A asociados a λ j, Así como el vector cero, es una subespacio de R n (llamado el espacio característico asociado con λj). Solución. En primer lugar, 0 ∈ W y así W = ∅. En segundo lugar, si x, y ∈ W entonces Ax = λjx, y = λ jy y en consecuencia A (x + y) = Ax + Ay = λ j x + λ jy = λ j(x + y). Por lo tanto x + y ∈ W.
Por último, si x ∈ W entonces Ax = λ jx y así A (cx) = C (Ax) = c (λ jx) = λ j(cx). De ahí cx ∈ W. T3. Demostrar que si A es una (inferior) de la matriz triangular superior, entonces el valores propios de A son los elementos de la diagonal principal de A. Solución. La matriz correspondiente? I n ​ A también es superior (inferior) tri​‐
angulares y por el Teorema 3.7 (Sección 3.1, p. 188), el poli característica f nomial (λ) viene dada por: | | | | | | | | | λ ​ una11 ​a 12 ... ​a 1n 0 λ ​ una 22 ... ​a 2n .. .
... ... 0 0 ... λ ​ una nn | | | | | | | | | = (Λ ​ una11) (λ ​ una22) ... (λ ​ unann) 55 Página 57 56 CAPÍTULO 8. diagonalización (ampliando sucesivamente a lo largo de la primera columna). La carac​ correspondiente ecuación carac​ tiene la solución de un , la , ..., la .
(64)11 22 nn T4. Demostrar que A y A T tener los mismos valores propios. Solución. De hecho, estos dos matrices tienen la misma característica poli​ nomials: det (? i n ​ UnT) = Det ((? I n)T ​ UnT) = Det ((? I n ​ A) T)Th.3.1= Det (? I n ​ A). T7. Sea A una matriz n × n. (a) Demostrar que det A es el producto de todas las raíces de la característica
polinomio de A. (b) Demostrar que A es singular si y sólo si 0 es un valor propio de A. Solución. El polinomio característico f (λ) = | | | | | | | | | λ ​ una11 ​a 12 ... ​a 1n ​a 21 λ ​ una22 ... ​a 2n .. . ... ... ​a n1 ​a n2 ... Λ ​ una nn | | | | | | | | | es un grado n polinomio en λ que tiene la forma λ n + C1λ n​1 + C2λn​2 + ... + c n​1 λ + c n
(uno utiliza la definición del determinante a fin de verificar que el coeficiente principal en realidad es 1). Si en el f (λ) la igualdad = det (? I n ​ A) = λ n + C 1λn​1 + C2λn​2 + ... + cn​1 λ + c n dejamos que λ = 0 obtenemos cn = Det (​A) = (​1) n det A. Por el otro lado, si f (λ) = (λ ​ λ 1) (λ ​ λ 2) ... (λ ​ λ n) Es el decompo​‐
sición utilizando los (reales) valores propios de A, entonces (de la misma manera, λ = 0) que obtener f (0) = c n = (​1) nλ 1λ2... λn. Por lo tanto λ1λ 2... λn = Det A.
(b) Por el teorema 3.12 (p. 203), sabemos que una matriz A es singular si y sólo si det A = 0. Por lo tanto, el uso de (a), A es singular si y sólo si λ 1λ2... λn = 0, o, si y sólo si A tiene 0 como un valor propio. (65)57 Examen del capítulo 8. 1. Si es posible, encontrar una matriz P no singular y una matriz diagonal D de modo que A es similar a D, donde
A= 100520432.
Solución. La matriz A es sólo la prueba de diagonalizability. Dado que la matriz? i 3 ​A Es triangular inferior (usando el teorema 3.7, p. 188), el ca​ polinomio carac​ es det (? i 3 ​ A) = (λ ​ 1) (λ ​ 2) 2, Así que tenemos una sencilla valor propio λ 1 = 1 y un valor propio λ doble 2 = 2. Para λ 1 = 1 el vector propio es dada por el sistema (I 3 ​ A) x = 0 (resolver
ella): x 1 = 1 ​5 11 Para el valor propio λ doble 2 2 = sólo un vector propio está dada por la sistema (2I 3 ​ A) x = 0 (resolverlo): x! 2 = 0 0 1 . Por lo tanto, A no es diagonalizable. 2 y 3: no es necesario. 4. Conteste cada uno de los siguientes como verdadero o falso. (a) No es necesario.
(b) Si A es diagonalizable, entonces cada uno de sus valores propios tiene multiplicidad uno. (c) Si ninguno de los valores propios de A son cero, entonces det (A) = 0. (d) Si A y B son similares, entonces det (A) = det (B). (e) Si x e y son vectores propios de A asociados con la clara eigen​ valores λ 1 y λ
2, Respectivamente, entonces x + y es un vector propio de A asociado con el valor propio λ 1 + Λ 2. (66)Página 59 58 CAPÍTULO 8. diagonalización Solución. (b) Falso: ver el ejemplo 6, p. 427. (c) Verdadero: según T. Ejercicio 7, p. 421 (sección 8.1), det (A) es el producto de todas las raíces del polinomio característico. Pero estos son
los valores propios de A (ver Teorema 8.2, p. 413). Si ninguno de estos son cero, tampoco lo es su producto. (d) Verdadero: en efecto, si B = P​1 AP continuación det (B) = det (P ​1 AP) = det P ​1 det A det P = det P ​1 det P det A = det A, ya que todos estos son números reales. (e) Falso: hipótesis implica Ax = λ 1x y y = λ 2y. Mediante la adición
(de columnas) A (x + y) = Ax + Ay = λ 1x + λ 2y no es generalmente igual a (λ 1+ Λ2) (x + y). Un ejemplo sencillo: matriz de cualquier 2 × 2 que tiene dos diferentes valores propios no nulos. La suma es un número real diferente de ambos: a 2 × 2 (67)Página 60 Bibliografía [1] Kolman B, Hill DR, introductoria Álgebra Lineal con aplicaciones,
8 ª Edición, 2005, Prentice Hall, Inc., Nueva Jersey. Tienen disponible para abrir o descargarestudiantes y profesores en esta web de educacion Solucionario Algebra Lineal Kolman 8 Edicion Pdf En Español PDF con todos los ejercicios resueltos oficial del libro gracias a. PDF Oficial Paginas 371 Soluciones Algebra Lineal Kolman 8 Edicion En
DESCARGAR ABRIR SOLUCIONARIO Con todos los ejercicios y soluciones tienen acceso para abrir y descargar Solucionario Algebra Lineal Kolman 8 Edicion Pdf En Español PDF Algebra Lineal Kolman 8 Edicion En En formato PDF Solucionario del Libro Oficial Paginas 371 Temario del solucionario Algebra Lineal Kolman 8 Edicion En ABRIR
DESCARGAR SOLUCIONARIO Profesores y los estudiantes aqui en esta web oficial tienen acceso para descargar o abrir Solucionario Algebra Lineal Kolman 8 Edicion Pdf En Español PDF con todas las soluciones y ejercicios resueltos oficial del libro oficial por . Algebra Lineal Kolman 8 Edicion En Solucionario PDF