Deber 06 parte 2 Álgebra

23 de enero de 2023

Resolver los siguientes ejercicios

1. Sea V un espacio vectorial real. Suponemos T ∈ L(V ). Demostrar que la intersección de cada colección de
subespacios de V invariante bajo T, es invariante bajo T.

Sea I un conjunto de índices. Suponemos {Ui }i∈I es una colección de subespacios de V invariantes bajo la
transformación T, debemos probar que
T
i∈I Ui

es invariante bajo T. Por lo tanto supongamos que

T
v∈ i∈I Ui

Donde por definición de intersección generalizada tenemos que para todo i ∈ I se cumple

v ∈ Ui

Como Ui es invariante bajo T, se cumple que para todo i ∈ I

T v ∈ Ui

De esta manera podemos decir que

T
Tv ∈ i∈I Ui

Por lo tanto por definición de subespacio invariante bajo T

T
i∈I Ui

Es subespacio de V invariante bajo la transformación T como se quería demostrar. ■

2. Sea V un espacio vectorial real. Suponemos que S, T ∈ L(V ) son tales que ST = TS. Probar que Img S es
invariante bajo T.

Por definición de subespacio invariante conocemos que si T ∈ L(V ). Un subespacio invariante U de V se dice
invariante bajo la transformación si u ∈ U entonces T u ∈ U .

Por lo tanto para probar que Img S es invariante bajo T, debemos probar que si w ∈ Img S entonces
T w ∈ ImgS.
Entonces por la definición de Img S, probaremos que existe un v ∈ V tal que Sv = T w.

1
 Si w ∈ Img S, entonces tenemos que existe u ∈ V tal que se cumple la siguiente igualdad.

Su = w (1)

Sabemos por hipótesis del problema que ST = TS, por lo tanto si evaluamos u ∈ V tenemos que

S(T u) = T (Su)
= Tw (1)

Por lo tanto basta tomar v = Tu ∈ V . Así podemos concluir que Img S es invariante bajo T ■

3. Sea V un espacio vectorial. Suponemos que T ∈ L(V ) y que u, v son vectores propios de T tales que u + v
es también un vector propio de T. Demostrar que u y v son vectores propios de T correspondientes al mismo
valor propio.

Por definición de valor propio conocemos que si T ∈ L(V ) y λ ∈ F un autovalor de T. Un vector v ∈ V se

llama autovector de T correspondiente a λ si v ̸= 0 y T v = λv

Es decir como u y v son vectores propios de T entonces podemos decir que son correspondientes a los auto-
valores λ ∈ F y α ∈ F tales que:

u ̸= 0 (2)
T u = λu (3)

v≠ 0 (4)
T v = αv (5)

∀ α, λ ∈ F
Donde también sabemos que u + v es un vector propio de T, es decir es correspondiente al valor ψ ∈ F tal
que se cumple

u + v ̸= 0
T (u + v) = ψ(u + v)

De esta manera podemos decir que

T (u + v) = ψu + ψv Producto por escalar

T u + T v = ψu + ψv Linealidad
λu + αv = ψu + ψv Por (3) y (5)
λu + αv − ψu − ψv = 0
λu − ψu + αv − ψv = 0
u(λ − ψ) + v(α − ψ) = 0 Factor común

Sin embargo por (2) y (4) tenemos que u ̸= 0 y v ̸= 0. Entonces podemos decir que

λ−ψ =0
λ=ψ

2
 y
α−ψ =0
α=ψ

Por lo tanto podemos concluir que

λ=α

Es decir que u y v son autovectores de T correspondientes al mismo valor como se quería demostrar. ■

4. Dar un ejemplo de un operador T ∈ L(R4 ) que no tenga valores propios reales.

Por definición de valor propio conocemos que si T ∈ L(V ) y λ ∈ F un autovalor de T. Un vector v ∈ V se

llama autovector de T correspondiente a λ si v ̸= 0 y T v = λv

Sea T ∈ L(R4 ) definida por:

T(x, y, z, w) = (y, -x, w, -z)

Vamos a probar que T tiene un autovalor el cual definiremos como λ ∈ F. Por tanto debe cumplirse que

(x, y, z, w) ̸= (0, 0, 0, 0)

T (x, y, z, w) = λ(x, y, z, w)

Por definición de T tenemos que

(y, −x, w, −z) = λ(x, y, z, w)
= (λx, λy, λz, λw)
Lo cual por sistema lineal lo podemos reescribir de la siguiente manera
y = λx
−x = λy
w = λz
−z = λw
En donde
y = λ(−λy)
y = −λ2 y
0 = y + λ2 y
0 = y(λ2 + 1)
Sin embargo tenemos que y ̸= 0 Por tanto se debe cumplir que
λ2 + 1 = 0
= −1

Donde por hipótesis del ejercicio ya que se está realizando el ejercicio en el campo R entonces podemos concluir
que el operador T ∈ L(R4 ) que no tiene valores propios reales como se quería. ■

3
5. Sea n ∈ N. Sean λ1 , ..., λn los valores propios de una matriz cuadrada A de n × n. Si A−1 existe, demostrar
que sus valores propios son λ11 , ..., λ1n
Definición (Valores y vectores propios de una matriz) Sean n ∈ N y A una matriz de n × n
a) Un vector propio de A es un vector v ̸= 0 ∈ Rn , tal que Av = λv, para algún escalar λ.
b) Un valor propio de A es un escalar λ, tal que la ecuación Av = λv tiene una solución no trivial.
Si Av = λv para v ̸= 0, decimos que λ es el valor propio correspondiente a v y que v el vector propio
correspondiente a λ.

Sean λ1 , ..., λn los valores propios de una matriz cuadrada A, entonces podemos decir que la matriz A es
diagonalizable y λ1 ̸= ... ̸= λn , entonces definiremos A como:
 
λ1 ... 0 ... 0
 .. . .. 
 . ... .. ... . 
 
A=  0 ... λk ... 0 
. . .. 
 .. ... .. ... . 
0 ... 0 ... λn

Y a su matriz inversa A−1 como:  

α1 ... 0 ... 0
 .. .. . 
 . ... . ... .. 
A−1
 
0
= ... αk ... 0  
 . .. .. 
 .. ... . ... . 
0 ... 0 ... αn
Donde α1 , ..., αn son los valores propios de la matriz inversa.
Sabemos que A ∗ A−1 = I por tanto podemos decir que
    
λ1 ... 0 ... 0 α1 ... 0 ... 0 λ1 α1 ... 0 ... 0
 .. .. ..   .. .. ..   .. .. .. 
. ... . ...  .
.   ... . ... .   .
 ... . ... . 
A ∗ A−1
 
0
= ... λk ... 0  0 ... αk ... 0=  0 ... λk αk ... 0 
 

. . ..   .. .. ..   .. .. .. 
 .. ... .. ... .  . ... . ... .   . ... . ... . 
0 ... 0 ... λn 0 ... 0 ... αn 0 ... 0 ... λn αn
Sin embargo sabemos que la forma de la matriz identidad es la siguiente:
 
1 ... 0 ... 0
 .. . .
 . ... .. ... .. 
 
I= 0 ... 1 ... 0 
. . .. 
 .. ... .. ... . 
0 ... 0 ... 1

Por lo tanto podemos decir que I = A ∗ A−1 donde podemos representarlo de la siguiente forma
   
λ1 α1 ... 0 ... 0 1 ... 0 ... 0
 .. .. ..   .. . .
 . ... . ... .  .
 ... .. ... .. 
A ∗ A−1
 
 0
=I= ... λk αk ... 0 = 0 ... 1 ... 0


 . .. ..   .. . .. 
 .. ... . ... .  . ... .. ... . 
0 ... 0 ... λn αn 0 ... 0 ... 1

4
 De esta manera deducimos que

λj αj = 1

Para todo j = 1, ..., n Y de esta forma podemos concluir que

1
αj = λj

O en otras palabras, los valores propios de la matriz inversa de A, {A−1 } son 1 1

λ1 , ..., λn como se quería de-
mostrar. ■

6. Sea V un espacio vectorial de dimensión finita. Suponemos que S, T ∈ L(V ). Demostrar que ST y TS tienen
los mismos valores propios.
Sea λ ∈ F un autovalor de ST ∈ L(V ), entonces podemos decir que para v ∈ V se tiene

v ̸= 0 (6)
ST (v) = λv (7)

Sabemos que T(v) ∈ V , esto debido a que T ∈ L(V ), por tanto evaluando el operador T S ∈ L(V ) tenemos

T S(T v) = T (ST (v)) Producto de operadores lineales

= T (λv) Por (7)
= λT v Linealidad

De esta manera podemos concluir que λ ∈ F es un autovalor para ST y TS como se quería. Además sabe-
mos que λ es arbitrario por tanto ST y TS tendrán los mismo autovalores en F ■

7. Sean V un espacio vectorial de dimensión finita y {v1 , ..., vn } un conjunto de vectores en V. Demostrar que
{v1 , ..., vn } es linealmente independiente si, y solo si, existe T ∈ L(V ) tal que v1 , ..., vn son vectores propios
de T correspondientes a valores propios distintos.

⇒ Sea {v1 , ..., vn } linealmente independiente. Donde T ∈ L(V ) definida por

T vi = λvi

∀i = 1, ..., m Donde v1 , ..., vn son autovalores de T correspondientemente a λ1 , ..., λn , donde λ1 ̸=, ..., ̸= λn
⇐ Sea v1 , ..., vn autovalores de T donde todos son distintos. Por el resultado 5.2 v1 , ..., vn es linealmente inde-
pendiente. ■