INDICE

A.2
NMEROS
COMPLEJOS
--------------------------------------------------------

EN

SOLUCIN
DE
SISTEMAS
LINEALES
------------------------------------ A11(1-4)

CON

ALGEBRA
A10
ENTRADAS

DETERMINANTES
DE
COMPLEJAS-------------------------------------------------------------- A13 (4)

ESPACIOS
VECTORIALES
------------------------------------------------------------------------A14 (4-6)

LINEAL
(1)
COMPLEJAS

MATRICES

COMPLEJOS

INDEPENDENCIA LINEAL Y BASES EN LOS ESPACIOS VECTORIALES COMPLEJOS

----------------- A15 (6-9)

VALORES Y VECTORES PROPIOS COMPLEJOS

------------------------------------------------------------ A18 (9-11)

A.2 EJERCICIOS
--------------------------------------------------------------------------------------------------A20 (11-14)

EJERCICIOS TERICOS
------------------------------------------------------------------------------------------ A21 (14)

EJERCICIOS CON MATLAB

--------------------------------------------------------------------------------------A21 (14)

A.2

NUMEROS COMPLEJOS EN ALGEBRA LINEAL

Casi todo el material de los primeros seis captulos sigue siendo
vlido si remplazamos la palabra real por la palabra complejo. En la
seccin A.1 presentamos las matrices con entradas complejas. Aqu
analizaremos los sistemas de ecuaciones lineales con entradas
complejas, los determinantes de matrices complejas, los espacios
vectoriales complejos, los productos interiores complejos y los valores
y vectores propios de matrices complejas. La teora que desarrollamos
para estos temas en el caso real se aplica de manera inmediata al
caso complejo. Tambin podramos haber explicado los captulos 1 a 5
con nmeros complejos, pero nos restringimos al caso real por las
razones siguientes:
1. Los resultados no seran muy distintos.
2. El caso real es adecuado para muchas aplicaciones; la transicin
al caso complejo, como hemos sealado, no es muy difcil.
3. El esfuerzo del clculo de la aritmtica compleja es, en la mayor
parte de los casos, ms del doble que en el caso real.
De hecho, podramos haber realizado la mayor parte de los primeros
seis captulos no solo cobre los nmeros reales y complejos, sino
sobre cualquier campo (los nmeros reales y los nmeros complejos
son
ejemplos
familiares
de
campo).
El objetivo principal de este apndice es proporcionar una transicin
sencilla a los nmeros complejos en el lgebra lineal. Esto es de
particular importancia en el captulo 5, en el que surgen de manera
natural los valores y vectores propios complejos para las matrices con
entradas reales. Por lo tanto, solo renunciaremos de nuevo los
principales teoremas en el caso complejo y expondremos ejemplos y
las principales ideas necesarias para lograr esa transicin. Pronto
veremos que el clculo de la aritmtica compleja es tedioso si se hace
a mano. Sin embargo, las computadoras lo realizan con facilidad.

SOLUCION DE SISTEMAS LINEALES CON ENTRADAS COMPLEJAS.

Los resultados y las tcnicas para resolver sistemas lineales,
presentados en el captulo 1, se traducen de manera directa a los
1 ()()(A.10)

sistemas
lineales
con
coeficientes
complejos.
Ilustraremos las operaciones por rengln y las formas escalonadas
para tales sistemas por medio de la reduccin de Gauss-Jordan,
utilizando la aritmtica compleja.
EJEMPLO 1

Resolver el siguiente sistema lineal mediante una reduccin de

Gauss-Jordan:

( 1+ i ) x 1 + ( 2+i ) x 2=5
( 22 i ) x 1+ ix 2=+2 i

2 ()()(A.10)

Solucin

Formamos la matriz aumentada y empleamos las operaciones

elementales por rengln para formar esta matriz en su forma
escalonada reducida por renglones. Para la matriz aumentada
[AB] ,

1+ 2i 2+ i 5
22 i i 1+ 2i

1
1+i

Multiplicamos el primer rengln por

[
Ahora sumamos

3 1 5 5
i i
2 2 2 2
22 i
i
1+2i
1

para obtener

[(22 i) ] veces el primer rengln al segundo para

obtener

3 1 5 5
i i
2 2 2 2
0 2+5 i 1+2 i
1

]
1
2+5 i

Multiplicamos el primer rengln por

3 1 5 5
i i
2 2 2 2
i
2i

1
0

para obtener

Que est en forma escalonada por renglones. Para obtener la forma

3 1
escalonada reducida por renglones, sumamos ( 2 2 i) veces el
segundo rengln al primero
1
0

para obtener
0 0
1 2i

Por lo tanto, la solucin es

x 1=0 y x 2=2i

3 ()()(A.10)

Si el lector realiza la aritmtica necesaria para las operaciones por

rengln del ejemplo anterior, se dar cuenta de lo tedioso de la
aritmtica compleja, aunque aqu solo tenamos dos ecuaciones con
dos incgnitas.
La eliminacin gaussiana con sustitucin regresiva tambin se puede
aplicar en los sistemas lineales con coeficientes complejos.
EJEMPLO 2 Supongamos que la matriz aumentada de un sistema lineal se
ha transformado en la
renglones:

siguiente matriz en forma escalonada por

1 0 1+i 1
0 1 3 i 2+i
0 0 1 2i

El proceso de sustitucin regresiva produce

x 3=2i
x 2=2+i3 i ( 2 i )=2+i+ 6=8+i
x 1=1( 1+ i )( 2 i ) =12i +2=32 i
El uso de las computadoras para resolver los sistemas lineales con
entradas complejas alivia el tedio de la aritmtica compleja. Sin
embargo, debemos pagar un precio elevado, pues el tiempo de
ejecucin ser aproximadamente el doble del que es necesario para
los sistemas lineales del mismo tamao pero con entradas reales.
Ilustremos esto mostrando la forma de transformar un sistema lineal
n n
de
con coeficientes complejos en un sistema lineal de
2 n 2 n
EJEMPLO 3.

con coeficientes reales.

Consideremos el siguiente sistema lineal

( 2+i ) x 1+ ( 1+ i ) x 2=3+6 i
( 3i ) x1 + ( 22i ) x2 =7i

4 ()()(A.10)

Si

x 1=a1 +b1 i y x 2=a2 +b 2 i con a1 ,b 1 , a 2 , y b2

nmeros

reales, entonces

podemos escribir este sistema en forma matricial como

([ ] [

2 1 +i 1
1
3 2
1 2

]) ( [ ] [ ]) [ ] [ ]
a1
b
3
6
+i 1 = + i
7
1
a2
b2

Al multiplicar tenemos

( [ ][ ] [

][ ] )

2 1 a1
1
1 b1

3 2 a2 1 2 b2

+i

([ ][ ] [

] [ ]) [ ] [ ]

2 1 b1
1
1 a1
3
6
+
= +i
3 2 b2 1 2 a2
7
1

La parte real e imaginaria de ambos lados de la ecuacin deben ser

iguales, respectivamente, de modo que

[ ][ ] [

][ ] [ ]

[ ][ ] [

][ ] [ ]

2 1 a1 1
1 b1 = 3
3 2 a 2 1 2 b 2 7

Y
2 1 b1 + 1
1 a1 = 6
3 2 b 2 1 2 a2 1

Esto conduce al sistema lineal

2 a1 +a2b1b 2=3

3 a1 +2 a2 +b1 +2 b2=7

a1 +a 2+2 b1 +b 2=6

a12 a2 +3 b1 +2 b2=1 ,

que podemos escribir como

2 1
1 1
3 2
1
2
1
1
2 1
1 2
3 2

][ ] [ ]
a1
3
a2 = 7
6
b1
1
b2

Este sistema lineal de cuatro ecuaciones con cuatro incgnitas se

resuelve como en el captulo 1. La solucin es (verifique)
5 ()()(A.10)

a1=1, a 2=2, y b 2=1.

As

x 1=1+ 2i y x 2=2i

es la solucin del sistema

lineal dado.
DETEMINANTES DE MATRICES COMPLEJAS
La definicin de determinante y todas las propiedades deducidas en
el captulo 2 son aplicables a las matrices con entradas complejas. El
siguiente ejemplo muestra esto.
EJEMPLO 4

Calcular |A| para la matriz de coeficientes A del ejemplo 3.

Solucin

2+i 1+i ( 2+i ) (22i ) ( 3i ) (1+i )

3i 22 i

( 62 i )( 4 +2 i )

24 i
ESPACIOS VECTORIALES COMPLEJOS
Un espacio vectorial complejo se define exactamente como un
espacio vectorial real (definicin 1 de la seccin 4.1), excepto que los
escalares en las propiedades (e) a (h) pueden ser nmeros complejos.
Los trminos espacio vectorial complejo y espacio vectorial real
destacan el conjunto del cual se eligen los escalares. Para satisfacer
la propiedad de cerradura de la multiplicacin por un escalar
[definicin 1 ( ) de la seccin 4.1] en un espacio vectorial
complejo, debemos considerar, en la mayor parte de los ejemplos,
vectores
con
nmeros
complejos.
Casi todos los espacios vectoriales reales del captulo 4 tienen
sus espacios vectoriales complejos similares.
n
EJEMPLO 5
(a) Considere C , el conjunto de todas las matrices de n 1

[]
a1
a2

an

Con entradas complejas. Sea la suma matricial y la multiplicacin

de una matriz por un nmero complejo mediante las propiedades de
las matrices, establecidas en la seccin A.1. (Observe que si la
6 ()()(A.10)

operacin se considera como la multiplicacin de una matriz por un

n
nmero real, entonces C es un espacio vectorial real cuyos vectores
tienen componentes complejos.)
m n
(b) El conjunto de todas las matrices de
con entradas
complejas, con la suma matricial como y la multiplicacin de una

matriz por un numero complejo como es un espacio vectorial

Cmn
complejo (verifique). Denotamos este espacio vectorial por
.
(c) El conjunto de polinomios con coeficientes complejos, con la suma
de polinomios como y la multiplicacin de una matriz por un
nmero complejo como forma un espacio vectorial complejo. La
verificacin sigue el modelo del ejemplo 8 de la seccin 4.1.
(d) El conjunto de funciones con valores complejos, continuas en el
intervalo [a, b] (es decir, todas las funciones de la forma f ( t )=i f 2 (t) ,
donde
con

f1 yf2

son funciones con valores reales, continuas en [a, b]),

definida como

f ( t )=c . f (t)

g (t )=f ( t ) + g ( t ) y definida como

para un escalar complejo

c , forma un espacio vectorial

complejo. El espacio vectorial real correspondiente est dado en el

ejemplo 7 de la seccin 4.2, para el intervalo ( , .
Un subespacio vectorial complejo W de un espacio vectorial
complejo V se define como en la seccin 4.1, reemplazando los
escalares reales por los complejos. Podemos demostrar el anlogo del
teorema 4.2 para mostrar que un subconjunto W no vaco de un
espacio vectorial complejo V es un subespacio vectorial complejo si, y
slo si se cumplen las siguientes condiciones:
(a) Si u y v son vectores cualesquiera en
en

w1

7 ()()(A.10)

w1

entonces u de v est

(b)i c es cualquier numero complejo y u es cualquier vector en

entonces c u est en
EJEMPLO 6

w1

(a) Sea W el conjunto de todos los vectores en

a
( 1 , 01 , b ),

w1

C3

de la forma

donde a y b son nmeros complejos. Se tiene que

a1 , 01 ,b

d 1 ,0,

)=

a+ d , 0, b ,+c

Pertenece a W y para cualquier escalar complejo

e

a1

e1

01 , b=(ea1 , 01 , eb)

Pertenece a W, Por lo tanto, W es un subespacio vectorial complejo de

C3
(b) Sea W el conjunto de todos los vectores en
reales exclusivamente, Si
tambin

A= [ ag ] y B=[b kg ]

B , pues si

akg

bkg

Cmn

con entradas

pertenecen a W, entonces
son reales, entonces su

suma tambin es real. Sin embargo, si e es cualquier escalar complejo

e 0 kg
y A pertenece a W, entonces AcA puede tener entradas
que no necesariamente sean nmeros reales. Entonces,

A no

necesariamente pertenece a W, de modo que W no es un subespacio

vectorial complejo.

INDEPENDENCIA LINEAL Y BASES EN LOS ESPACIOS VECTORIALES

COMPLEJOS
Los conceptos de combinaciones lineales, conjuntos generadores,
dependencia lineal, independencia lineal y base no cambian para los
espacios vectoriales complejos, excepto que utilizamos escalares
complejos (vanse las secciones 4.2, 4.3 y 4.4).
8 ()()(A.10)

EJEMPLO 7

Sea V el espacio vectorial complejo

v 1= (1, i ,0 ) v 2=( i, 0, 1+i ) ,

(a) Determine si

, sean

v 3= ( 1,1, 1 ) ,

v =(1,3+3 i4 +i)

es una combinacin lineal de

v
[ 1 , v 2 , v 3 ].

[ v1 , v2 , v3 ]

(b)Determine si
(c) Determine

si

independiente de
(d) Es

genera a

[v 1 , v 2 , v 3 ]
C

es

C3
un

subconjunto

linealmente

v1 , v2 , v3
] una base para

(e)
Solucin (a) Procedemos como en el ejemplo de la seccin 4.2. Formamos una
v1 , v2 , v3
c1 , c2 , y c3
combinacin lineal de
con los coeficientes
por
determinar y la igualamos a

v2

c 1 v 1+ c 2 v 2 +c 3 v 3
Si sustituimos los vectores

v1 , v2 , v3 y v

en esta expresin, obtenemos el

sistema lineal (verifique)

c 1+ cv 2 +c 3=1

cv 1 +c 3=3+3 i

(1+i)cv 2 +c 3=4+i

Ahora analizaremos la consistencia de este sistema lineal empleando

operaciones elementales por rengln para transformar su matriz
aumentada en la forma escalonada por renglones o a la forma
escalonada reducida por renglones. La forma escalonada por renglones
es (verifique)

1 i
1
1

0 0 1i 3+ 4 i
0 0 1
3

]
9 ()()(A.10)

Lo cual implica que el sistema es consistente; por lo tanto, v es una

v1 , v2 , v3
combinacin lineal de
. De hecho, la sustitucin regresiva
c 1=3, c 2=i y c 3=3

muestra que (verifique)

(b)Sea

v =(a , b , c )

un

vector

arbitrario

de

C3 .

Formamos

la

combinacin lineal
c 1 v 1+ c 2 v 2 +c 3 v 3=v
Y encontramos los valores de

c 1+ ic 2+ c 3=a

c1 , c2 , y c3

. El sistema lineal resultante es

1+i

c2 .

ic 1 +c 3=b

Al transformar la matriz aumentada a su forma escalonada por renglones,

obtenemos (verifique)

1 i
1
a
0 1 1i
bia
0 0
1 c +(1+i)(bia)

Entonces, podemos despejar

c1 , c2 , y c3

para cualquier eleccin de

nmeros complejos a, b, c, lo cual implica que

{v 1 , v 2 , v 3 }

genera a

C3 .

(c) Procedemos como en el ejemplo 8 de la seccin 4.3 y formamos la

ecuacin
c 1 v 1+ c 2 v 2 +c 3 v 3=0
Y encontramos los valores de

c1 , c2 y c3

. El sistema homogneo

resultante es
c 1+ ic 2+ c 3=0

ic 1 +c 3=0

(1+i)c 2+ c 3=0

Al transformar la matriz aumentada en su forma escalonada por

renglones, obtenemos (verifique)
10 ()()(A.10)

1 i
1 0
0 1 1i 0
0 0
1 0

Y por lo tanto, la nica solucin es

{v 1 , v 2 v 3 }

c 1=c 2=c3 =0

, lo cual muestra que

es linealmente independiente.

(d) Si, pues

v1 , v2 , v3

generan a

C3 [ parte ( b ) ]

y son linealmente

independientes [parte (c)].

Al igual que en el caso de los espacios vectoriales reales, las cuestiones

de los conjuntos generadores, los conjuntos linealmente independientes
o dependientes y las bases en los espacios vectoriales complejos se
resuelven mediante un sistema lineal adecuado. La definicin de
dimensin de un espacio vectorial complejo es igual a la dada en la
seccin 4.4. Al analizar la dimensin de un espacio vectorial complejo
como
C

, debemos adaptar nuestra imagen intuitiva. Por ejemplo,

consta de todos los mltiplos complejos de un nico vector no

nulo. Esta coleccin se puede poner en correspondencia con los propios

nmeros complejos, es decir, con todos los puntos del plano complejo
(vase la figura A.1). Como los elementos de un espacio vectorial real
bidimensional con los puntos de

R2

(vase la seccin 3.1), vemos que

un espacio vectorial complejo de dimensin 1 tiene un modelo

geomtrico que est en correspondencia uno a uno con el modelo
geomtrico de un espacio vectorial real bidimensional. De manera
anloga, un espacio vectorial complejo de dimensin 2 es lo mismo,
geomtricamente, que un espacio vectorial real de dimensin cuatro.
Si

[] []

u1
u= u2 y v=

un

v1
v2

vn

Son vectores en

Cn , definimos el producto punto

11 ()()(A.10)

uv

como

u v=u1 v 1 + u2 v 2 ++ un v n

Lo cual se puede expresar como

u v=u T v .
EJEMPLO 8

Sean
u=

Calcular
Solucin

[ ] [ ]
1i
3+ 2i
y v= 34 i
2
3+2i
3i

uv

Tenemos que
) ( 3+2i ) +2 ( 34 i ) + (3+
2i ) (3 i )
u v=( 1i
( 1+ 5i ) + ( 68 i )+ (6+ 9 i )

1+ 6 i .

Tambin podemos definir la longitud de un vector u en

exactamente como en el caso real:
Adems los vectores u y v en
EJEMPLO 9

Cn

son ortogonales si

Sean

[ ] [ ]

1+i
62 i
u= 2i y v= 2 i
3+i
1+i
Entonces

u v=uT v=( 1i ) ( 62i ) + ( 2+i )( 2 i )+ (3i )(1+i )=0 ,

De modo que u y v son ortogonales. Adems,

|u|= u v= u T u

(1i )( 1+i ) + ( 2+ i )( 2i ) + ( 3i )( 3+i )

12 ()()(A.10)

u v=0 .

Cn

 17
Podemos demostrar las siguientes propiedades del producto punto en
Cn

(ejercicio T.6):

n
(a) u u> 0 para u 0 en C ; u u=0 si,

y solo s

u=0 enC n .

n
(b) u v= v u para cada u , v en C
n
(c) ( u+ v ) w=u w+v w para cada u , v , w en C .
n
(d) ( cu ) v= c ( u v ) para cada u , v en C

y c un escalar complejo.

OBSERVACION Observe que estas propiedades son un poco distintas de las que
satisface el producto punto en

(vase el teorema 3.3 de la

seccin 3.2).
VALORES Y VECTORES PROPIOS COMPLEJOS
Sea A una matriz de

n n . El numero complejo A es un valor propio

de A si existe un vector no nulo x en

tal que

A x= x

Todo vector x no nulo que satisfaga (1) es un vector propio de A

asociado al valor propio . Podemos escribir la ecuacin (1) como
el sistema homogneo

( I n A ) x=0.
Este sistema homogneo tiene una solucin x no nula si, y solo si
det ( I n A ) =0

Tiene una solucin. Si seguimos el desarrollo de la seccin 5.1,

decimos que

det ( I n A )

es el polinomio caracterstico de la matriz

13 ()()(A.10)

A, que es un polinomio complejo de grado

n en . Como en la seccin

5.1, los valores propios de la matriz compleja A son las races

complejas del polinomio caracterstico. De acuerdo con el teorema
fundamental del lgebra, un polinomio de grado n tiene exactamente n
races, si se cuentan las races mltiples. Aunque

det ( I n A )

tuviera

slo una raz de multiplicidad n, sabemos que el polinomio

caracterstico de cualquier matriz compleja A siempre tiene al menos
una raz (posiblemente compleja). Esto es un poco distinto del caso de
los espacios vectoriales reales analizando en la seccin 5.1, pues hay
matrices reales que no tienen valores propios reales (vase el ejemplo
7 de la seccin 5.1).
EJEMPLO 10

Sea

A= 0 1
1 0

Entonces el polinomio caracterstico de A es

det ( I 2 A )= 2 +1 .
Obtenemos los vectores propios (complejos) correspondientes
determinando una solucin no trivial de los sistemas homogneos

( iJ 2 A ) x=0 y (iI 2 A ) x=0 ,

Respectivamente. Un vector propio asociado al valor propio

[]
1
i

(Verifique)

Y un vector propio asociado al valor propio

[ ]
1
i

(Verifique)

14 ()()(A.10)

i es

es

En el caso de las matrices complejas, tenemos los siguientes

anlogos del teorema de la seccin 5.2, el cual muestra la funcin
que desempean las matrices particulares analizadas en la seccin
A.1.
TEOREMA A.1

Si A es una matriz hermitiana, entonces todos los valores

propios de A son reales. Adems, los vectores propios

correspondientes a valores propios distintos son ortogonales (el
anlogo complejo de los teoremas 5.5 y 5.6).
TEOREMA A.2

Si A es una matriz hermitiana, entonces existe una matriz

unitaria U tal que

U1 AU =D ,

una matriz diagonal. Los valores

propios de A estn sobre la diagonal principal de D (anlogo

complejo del teorema 5.8).
En la seccin 5.2 demostramos que si A es una matriz real simtrica,
entonces existe una matriz ortogonal P tal que

P1 AP=D ,

una

matriz diagonal, y, recprocamente, si existe una matriz ortogonal P

tal que

P1 AP

es una matriz diagonal, entonces A es una matriz

simtrica. Para las matrices complejas, la situacin es ms

complicada. El reciproco del teorema A.2 no es vlido. Es decir, si A
es una matriz para la cual existe una matriz unitaria U tal que
U1 AU =D ,

una matriz diagonal, entonces A no necesariamente es

una matriz hermitiana. El enunciado correcto utiliza las matrices

normales. Podemos establecer el siguiente resultado.
TEOREMA A.3

unitaria

Si A es una matriz normal, entonces existe una matriz

U

tal

que

AU =D ,

una

matriz

diagonal.

Recprocamente, si A es una matriz para la cual existe una matriz

unitaria U tal que

U1 AU =D ,

una matriz diagonal, entonces A es

una matriz normal.

Toda matriz real de n n se puede considerar como una matriz
compleja de n n . Por lo tanto, el clculo de los valores y vectores
propios para matrices reales, realizado en el captulo 5, se puede
15 ()()(A.10)

arreglar para permitir que las races complejas del polinomio

caracterstico se llamen valores propios. Por supuesto, esto significa
que utilizaramos una aritmtica compleja para encontrar el vector
propio asociado. As, si como en el captulo 5 nos restringimos a los
espacios vectoriales reales, solo debemos hacer que los valores
propios sean nmeros reales. El problema de los valores y vectores
propios para las matrices simtricas (de la seccin 5.2) no necesita
ajustarse, pues los valores propios de cualquier matriz simtrica
real son todos reales (vase el teorema 5.5)

A.2

EJERCICIOS

1. Resuelva mediante una reduccin de Gauss-Jordn.

( a ) ( 12 i ) x 1+ (2+i ) x2 =13 i

( 2+i ) x 1+ (1+2 i ) x 2=1i .

( b ) 2i x 1( 1i ) x 2=1+i
( 1i ) x 1 + x 2=1i .
( c )( 1+i ) x1 x2=2+i
2i x 1+ ( 1i ) x 2=i.
2. Transforme la matriz aumentada dada, correspondiente a un
sistema lineal, a una forma escalonada por renglones y resuelva
mediante sustitucin regresiva.

2 i
0 1i
( a ) 0 3 i 2+i 4 .
0 0 2+ i 2i

i
2 1+i 3 i
( b ) 0 1i 0 2+i .
0
0
3 63 i
3. Resuelva mediante eliminacin gaussiana y sustitucin regresiva.

16 ()()(A.10)

( a ) ix 1 + ( 1+i ) x 2=i
( b ) x 1+ix 2+ ( 1i ) x 3=2+i
4.

ix 2 + x 3=1 .

( 1i ) x 1 + x 2ix3=1

2ix 2x 3=2i .

ix 1 + ( 1i ) x 3=1+i

Calcule el determinante y simplifique lo ms posible.

( a ) 1+i 1
2i 1+i

1+i
( b ) 2i
1+2 i (1i) .
1+ i 2 2i
(c ) i
0 3+i
2 1 1+2 i
2 1i 0
( d ) 1+ i 1 i
0
i 2

5.
Determine la inversa de cada una de las siguientes matrices, de
ser posible.
2 i
3
i
2
(a)
. ( b ) 1+i 0 1i .
1+i i
2 1 2+i

6.

C22

Determine si cada uno de los siguientes subconjuntos W de

son o no subespacios vectoriales complejos.

(a) W es el conjunto de todas las matrices complejas de

ceros en la diagonal principal.
(b)W es el conjunto de todas las matrices complejas de
tienen entradas diagonales con parte real igual a cero.

17 ()()(A.10)

2 2

con

2 2

que

(c) W es el conjunto de todas las matrices complejas simtricas de

2 2 .
7.

Sea W el espacio generado por

v 1= (1+i ,2, 1 ) , v 2=( 1,1+i , i ) ,
v =(i , 0,0)

(a) Pertenece
(b)es

el

, donde

v 3= (5+2 i ,13 i ,23 i ) .

a W?
{v 1 , v 2 , v 3 }

conjunto

{v 1 , v 2 , v 3 }

linealmente

independiente

dependiente?
8.

Sea

{v 1 , v 2 , v 3 }

una base para un espacio vectorial complejo.

Determine si W est o no en el espacio generado por

W 1=iv 1+ (1i ) v 2+2 v3

W 2=( 2+i ) v 1 +2 iv 2+ ( 3i ) v 3

{W 1 , W 2 }

W = (23i ) v 1 + ( 3i ) v 2 +(22i) v 3

(b) w 1=2iv 1+ v 2 + ( 1i ) v 3

w 2=3 iv1 + ( 1+i ) v 2 +3 v3

w=( 2+3 i ) v 1+ ( 2+i ) v 2 +( 42i) v 3 .

9.
Determine si u y v son ortogonales.
( a ) u= (3+ i, 2i ) , v=( 1i, 2+i ) ( b ) u= (i , 1+ i , 1i ) , v=( 3i, 1+2i ,1+3 i ) .

( c ) u=( 1+i, 2i, 3 ) , v= ( i ,2 i, 1+i ) .

10.

( a ) u= (1i, 2,3+i ) .

( d ) u=( 1+2 i, 2i , 2i ) , v=(3+5 i, 55i , 1i ) .

u .

Calcule

( b ) u= (i ,23 i, 1+i ) .

( c ) u=( i ,i ,1,0 ) .

( d ) u=( 1+i ,1i , 2+i, 3i ) .

11.
Determine los valores propios y los vectores propios asociados
para las siguientes matrices complejas.
2 0 0
1
1
1
i
( )
(a) A= 1 1 . b A= i 1 . ( c ) A= 0 2 i .
0 i 2

18 ()()(A.10)

12.

Para cada uno de los incisos del ejercicio 11, determine una
1
matriz P tal que P AP=D , una matriz diagonal. Para la parte (c),

determine tres matrices P distintas que diagonalicen A.

EJERCICIOS TEORICOS
T.1.

(a)

Cierto o falso? El conjunto w de todas las matrices

Cnn
hermitianas de n n es un subespacio vectorial complejo de
,
justifique su respuesta.
(b)
Cierto o falso? El conjunto w de todas las matrices
hermitianas de n n es un subespacio vectorial real del espacio
vectorial real de todas las matrices complejas de

n n

,justifique su

respuesta.
T.2. Cierto o falso? El conjunto w de todas las matrices unitarias de
n n es un subespacio vectorial complejo de Cnn .
T.3.
(a)
muestre que si A es hermitiana, entonces los valores
propios de A son reales.
(b)
verifique si la matriz A del ejercicio 11 (c) es hermitiana.
(c)
Es posible garantizar que los vectores propios asociados
a un valor propio de una matriz hermitiana sean vectores reales?
Explique.
T.4.
muestre que una matriz A compleja de n n es unitaria si , y
solo si las columnas (y renglones) de A forman un conjunto ortogonal
n
con respecto del producto punto en C
.(sugerencia : vase el
teorema 5.7.)
T.5.
muestre que si A es una matriz antihermitiana (vase el
ejercicio T.7 de la seccin A.1) y es un velor propio de A, entonces
la parte real de es igual ha cero.
T.6.

Muestre que el producto punto en

Cn

siguientes propiedades.

( a ) u u> 0 para u 0 en C n ; u u=0 si , y solo s i

u=0.

( b ) u = u para cualesquiera u , v en Cn .
( c )( u+ v ) w=u w+ v w para cualesquiera u , v , w en Cn .

19 ()()(A.10)

satisface las

( d ) ( c u ) v= c ( u v ) para cualesquiera u , v enC n y c un escalar complejo .

EJERCICIOS CON MATLAB

Todas las rutinas relacionadas con la solucin de sistemas lineales,

como reduce y y las instrucciones det, invert, eig, roots, poly,
etc., Se aplican a matrices complejas. ML.1. Resuelva el sistema
lineal del ejercicio 1mediante .

ML.2. Resuelva el ejercicio 4 mediante det.

ML.3. Resuelva el ejercicio 5 mediante invert.
ML.4. Resuelva el ejercicio 11 mediante eig.

20 ()()(A.10)