Algebra II Armando Rojo PDF

ALGEBRA ll ARMANDO - ROJOTRABAJO PRACTICO IV om ‘4, Doterminat os rangos de Ay de AAS por Gauss Jordan, (gol, Demesttar primero quo So (A +B) C So (A) + Sq (B). Al pasar a la relaci6n entre sus <éimensiones, tener en cuenta (g62.i )oonsidera el elemento genérica dela diagonal de AB y de la diagonal de Ba, ii) asoviat y apicar i. ii aplica i. (463, Premultiplcar por Ala relacion A X=a X,y teneren cuents que A? (464, Realizat 1a maisma multiplicacién que en el ejercicio anterior y considerar que A’ 4465.1) Expresar X como producto de matrices, calcular su cuadrado y tener on cuenta XT donde T es la matiiz m1 formada por unos, es un escalar, y por lo tanto igual 2 su traxpuesta, ii Resulta A + 0 sea, una et iit) Después de desarrolar la sumatoriay reducir términos, se llega a que astlTie Elector puede comprobar que esta matriz es idempotente, 446, Bfectusr ol producto entre I Ty la uma indicada. Considerar que T" = N, 467, Pantcionar A on dos bloquos dol tipo 4 X 2, y ofeetuar el producto. 4468, Trasponiendo términos se prueba que A admite inverse. 4.69, Por Gauss Jordan se obtiene Di P 1 0 4-70, Para la condiciGn nevesaria efectuat los productos AB y BA, ¢ igualaslos pare obtener ay 0. Para la condicion suficiente, efectuar ambos productos sustituyendo B por su expres, 471, Apliear induccién »oi-t 4miya={1 -1 0 Qetead ample,512(075) Rojo, Armand O. Rou ‘igabrs = 13a. ed. - Buenos Altes: El Ateneo, 1998. tl 296 p28. 180m, I9BN 950-42.5206-8 Lthuo +1, Matemétion -Ensefianza Sooundatla ‘Aavortonca importante: El derecho de propiedad de esta obeacomprende para su autora feculladl do Spener 6a ee, pubicara vada, acapai oauerizar “Sitrauccin 9 raproduela an cualauer foe oll o parent, por ‘med scans 0 mecanizos,isluyendo fokecores,grebacion Tmapnetotnicay culquer sistema de almacenomiento do inormacin, Po consigiene, nadie ene facutad a era los dorechos precios ‘Si pemigo dl autor y do dito, por escri, Los infratoressornropdnidos con las penas del atioa 172 y ‘concordaniee det Codigo Pena (ats. 2,9, 10,71, 72\ey 11-723). ‘eda nga al apo ae estabac ay NE 1.720, ‘9 tare tara, sa/e ary eden, 178, 128, oar 100,128,187 094, 9953, Tee,“ ATENEO" Pio Gari 8 Ubon ora nba Pris 346, Banos Aes Fndadsen 1012 porden Peso Gaia. Inoroeo en 7.6, COLOR EFF, Pee ie von, 8545 sce marzo ao 1008, ‘ees: 2000 cores. {MPRESO EN LA ARGENTINAPROLOGO Este libro responde a fos contenidos de fe asignatura ALGEBRA LINEAL, que figure en tos planes de estudios del ciclo bésico de Matemética de las facultades instiwtos de profesorado. Se sypone adquiida #1 conocimiento de los. temee ‘olativos al ilgebra dle conjuntos, retaciones, y tanciones, y de las estructitas de grupo, anillo y cuerpo. Esencialmente se desarrolla aqui la estructura de eapoote vectorial y se estudian los modelos particulares indispensables en la formacién sctval de profesionales y en tas aplicaciones a disciplinas do uso eotidano, entre as que citamos, por ejemplo, 9 Estadistica y la Investigacion operstiva Ei esqueme seguido es anélogo a! expuesto en Algebra J, edlitade por EL ATENEO en 1972. La weorla es itstrala con ai desarollo de ejemplos en 108 que ef alumne puede apoyarse. En cade capitulo se propone un trabujo prictico caves respuestas se supieren en el texto, Agradtezco a ta sdlitoriat EL ATENEO y a su personal la coleboracibn que me hhan Brindato en todo to concernienta a esta rublicacion, [ARKANDO 0. ROVO Buenos Aires, mayo de 1973Pi vitapituio 1, pitule 2, CONTENIDO ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIO 1 1, 2.Concepto de espacio vectorial 1 1. 3.Propiedades de los espacios vectoriales 6 1, 4. Espacio veetoril de funciones 7 1. 5, Espacio veetorial de n-uplas 10 1. 6. Espacio veetorial de matrices u 1. 7. Espacio vectorial de sucesiones 3 1. 8. Subespacios 13 1. 9. Operaciones entre subespacios By Trabajo Prictico I 27 DEPENDENCIA E INDEPENDENCIA LINEAL, BASE Y DIMENSION 30 2. 2, Combinaciones lineales 30 2. 3. Subespacio generado 34 2. 4 Dependencia e indepenilencin lineal a2 2, 5. Sistema de generadores st 2. 6, Base de un espacio vectorial 33 2. 7. Dimension de un espacio vectorial 37 2. 8, Dimension de la summa © Trabajo Préstico IL 6 ‘TRASFORMACIONES LINEALES 66 3, 2. Trasformacion lineal entre dos espacios vectorisies 66 3. 3. Nécleo e imagen de una trasformacién lineal n 3. 4, Dimensiones del nicleo y de fe imagen 80 3. 5. Teorema fundamental de las trasformaciones lineales 83 3. 6. Producto de mairices 85 3. 7. Matria asociada @ una trasformacign lineal 86 3. 8. Composicion de trasformaciones Tineales 902 3. 9. Trasformacion lineal no singular 93 3.10. Composicién de trasformaciones lineales y proslucto de matrices 96 3.11. Bspacio vectorial de trasformaciones lineales 98 3.12. Espacio dual de un espacio vectorial 101 ‘Trabajo Practice IU ozCapitulo 4, Capitulo 5, Capitulo 6. coNTENIDO MATRICES 4. 2. Producto de matrices 4, 3. Anillo de matrices cuadradas 4, 4. Trasposicign do matrices 4. 5. Matrices simétrieas y antsimétricas 4. 6 Matrices triangulares 4. 7 Matrices diagoneles 4. 8. Matrioes idempotentes c involutivas 4. 9: Inversa de unt matriz no singular 4.10. Matrices ortogonales 4.11. Matrices hermitianas 4.12, Matrices particionadas 4.13, Fspacios fila y column de una matriz 4.14, Operaciones y matries elementales 4.15; Equivalencia de matrices 4.16. Método de Gauss Jordan para determinar el range 4.17- Inversion de matrices por Gauss Jordan 4.18, Inversign de matrices por partiein 4.19, Cambio de base y semejenza de mateicos Trabajo prictico IV DETERMINANTES 2. Determinantes 3, Propiedades de Ia fonciSn determinante . 4. Existoncx de D 5, 5 5. 5. 5. Unieckdad det determinante 5. 5 5 - 6. Determinante de ln traspueste 7. Determinante del producto de dos matrices 8. Adjunta de una matriz cuadrada 5. 9: InversiOn de matrioes no singulares 5.10, Regia de Cio ‘Trabajo Prictico V SISTEMAS LINEALES 6, 2. Sistemas tineales 6. 3. Teorema de Cramer 6. 4 Compatiilidad de sistemas lineales 6. 5, Resolucion de sistemas lineales 6. 6 Sistomas homoyéneos 6. 7.Conjunto solueién de un sistema lineal 6, 8 Resolucion de sistemas simétricos 6. 9, Método del orlado ‘Trabajo Pritico VI 106 106 199 10 12 na na us 116 u7 8 121 123 130 133 135 138 Mat 149 Iss 15s 157 16) 163 166 169 170 m 1% 7 11 181 187 188 130 196 198 202 208 210conTENIDO XL Capitulo 7. PRODUCTO INTERIOR, GEOMETRIA VECTORIAL aia 7, 2. Expacio vectorial euctidiano 24 7. 3. Ortogonalidad 219 7. 4, Desigualdad de Schwarz 22 7, 5, Desigualdad triangular 223 7. 6. Angulo de dos vectores 223 7, 7.Conjunto ortogonal de vectores 235 7, 8. Base ortonormat 225 7. 9. Complemento ortogonal 29 7.10. Proyeecion de un vector sobre otro 232 TAL. Bspacio afin R® 233 1-12, Eeuaciones vectorial y cartesianas de la recta 236 7.13, Eewrcién normal vectorial del plano 239 7.14, Curvas en el espacio 246 TAS. Superficie cilindrica 249 1G. Supesficio ebnica 25) 7.17, Proyeccion de una curve sobre un plano 253 ‘Trabajo Praetico VIL 257 Capitulo 8 VALORES Y VECTORES PROPIOS. DIAGONALIZACION 263 8, 2. Valores y vectores propios 263 8, 3,Polinomio caructeristico de una maiz, 270 8, 4 Diagonalizacin do matricss 716 8, 5, Trisngulaciin de endomorfismos y,de matrices 279 8, 6, Teorema de HamiltonCayley 282 ‘Trabajo Prictieo VILL 285 Capitulo 9. FORMAS BILINEALES Y CUADRATICAS 289 9, 2. Formas bilineales 289 9, 3. Formas hetmitianas 293 9, 4, Formas cuadeéticas 294 9, 5. Operadores adjuntos y traspuestos 296 9. 6 Operadores hermitianos y simétvicos 299 9, 7, Operadores unitarios y ortogonales 300 9, 8, Teorema de Sylvester 303 9. 9, Diagonatizacin de operadores simétricos 307 9.10. Matrices simétricas reales y valores propios 310 9.11, DescomposiciOn espectral de una matriz 311 9.12. Congruencia de formas cuadraticas 314 9.13, Signo de una forma cuadeitica 318 ‘Trabajo Prictico IX 321xu ‘CONTENDIO Capitulo 10, CONVEXIDAD. PROGRAMACION LINEAL 10.2. Conjuntos de puntos en RP 103, Seamentos,hipecplans y semiespacios 10.4, Convexidad en R" 7 10.5: Convexida y tisfousacones lines 1046 iperplinos soprtanie 10,7, Puntos exromos fa Programaciin Lineal BIBLIOGRAFIA RESPUESTAS A LOS TRABAJOS PRACTICOS INDICE 325 325 330 336 339 342 344 346 356 359 361 393Capitulo 1 ESTRUCTURA DE ESPACIO VECTORIAL SUBESPACIOS 11. INTRODUCCION La estructura de espacio vectorial, que tratamos en este capitulo, es el eoncepto ésico el Algebra Lineal. Confiere unidad y precisin a temas esenciales de la matemtica que tienen vastas aplicaciones en Ia ciencia y en fs teenologis actuales. Después de introdueir el sistema axiomético y de dar las propiedades fundamentales, proponemos los espacios vectoriales de funciones,de los que se derivan los modelos de los espacios de matices, nouplas y sucesiones de elementos de un cuerpo. Se ds, finalmente, el concepta de subespacio. 1.2, CONCEPTO DE ESPACIO VECTORIAL Sean: V un conjunto no vacio, K un cuerpo, + y . dos funciones, que lamareinos sums y produeto, respectivamente, Definicion El objeto (V, +, K,.) es un espacio vectorial si y s6lo si se vosfican los siguientes Ay - La suma es una ley de composicion interna en V. t:Vtoy Osea xeVayeVoxtyeV Esto significa que la suma de dos elementos cualesquiera de V es un fnico elemento de v, ‘Ay La suma es asociativa en V. (ty)teexty ty cualesquiera que sean x, y,z0n V.sTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS ‘Ag Existe un neutro para Ia suma en V, [Bi elemento neutro se denota con 0. BOEV/VxeV:x+0=04x=x ‘Ag Todo elemento de V admite inverso aditivo u opuesto en V, VREV,3yEV/xty=ytx=0 Al opuesto de x lo denotamos con =, 0 sea, y = —x As La sume es conmutativa en V. xhyaytx cealesquiera que sean x, y en V. ‘Ae Bl produeto es una ley de composicion externa en V con escalaresw operadores enk, KXVeV De acuerdo con 5.6, Algebra, del mismo autor, la imagen del par (a,x), donde a eK y x¢ V, se esctibe a x y st llama producto del escala & por x Osea aeKaxeVoaxev ‘Ay -Elproducto satistuce In asociatividad mixta VaeK,VBEK,VxeV: (8x) =(@A)x Observamos squé que los dos productos que figuren en el primer iiembro corresponden a la ley de composicién exiemms. Pero el producto ap del segundo jombro se efectia en K. Ag. El producto es distibutivo respeeto de la suma en K. Vaek, YBEK, ¥ xeV:(a+p) La suma @ +8 se efectiin en K. poro la suma que corresponds a la ley de composicién interna en V. As . El producto es distributivo respecto de ta summa en V. Yack, ¥xeV,VyeV: a(x ty)=ax tay Las dos sumnas se realizan on V. Ajo. La unidad del euerpo es neutro para el producto. VxeV: Inox donde 1 denota Ia idontidad en K. Los axiomas Ai, Aa, As, Ag y As caracterizan a (V ,-+) como grupo abeliano, Los ‘lkimos cinco axiomas son relativos a Is ley de composicién extema Los elementos de V se llaman vectores; en particular, el elemento neutro para fa sumaESPACIO VECTORIAL recibe et nombre de vector nulo, A menudo hablaremos del espacio vectorial V, fobrentendiendo que nos referimos a Ix cuatema (V,+,K,.). La simplificacién de los rotaciones hace conveniente el uso de Jos 1 Composicion interna en K, la suma en V y ol producto de escalates por vectores. 0 sea, al fecir K n0s estamos : dos leyes de composicion intema en K, que no tienen ef mismo significado que las que figuran en (V, +, K, .). Distinguiendo adecuadamente los elementos de K y los de V, no hay ugar a confusion, Asi a+ esuna suma en K x+y esuna sima enV aBesun producto enK —-—-@X eel producto de un escalar por un vector -jempto 1-1. , K=R, la edivin definida en R* por GDF M=@te.b+d) 0) 1yel producto de nimeros reales porelomentos de R* definiéo mediante 2G, 2)=(@a,ab) @ Resulta (R?, +, ,.) el espacio vectorial de los pares ondenados de nimeros reales sobre el cuerpo de los nimeros reales. En efecto, de acuerdo con los ejemplos 5-2 y 5-5 iv) det texto nombrado, es (R? , +) ‘un grupo abeliano, Por otra parte se verifican: [Ag Por la definiciin (2). Ay a (B@,B)) = Be, 86)= (aBa), a(Bd)) = ((aB)e, (@A)0) = HV0,>) Hemos aplicado la definicion (2), fa asocitividad del producto en Ry la éefinicion oe. As @+PV(a,6)= ((@+B)a,(@46)d) = (aa +Ba, ab +B0)= = (Ga, ab) + Ga, B8)=a(a,d)+ (a,b) De acuerdo & a (2), fe distributividad del producto respecto de la suma en R, y las icones (1) y (2). As .0(@046, 0) sa@te ota (alate, a6+) = (ea tae, ab+ad)=(ae,ab)+ (ae, ad)=a(e,0)+a(e.d) 1s simbolos para nombrar las leyes de indo al euerpo (K, +, ) donde los signos "#" y “." denotan las4 ESTRUCTURA DE SSPACIO VECTORIAL. SURESPACIOS Segiin (1), (2), distibutivided de la multiplicacion respecto de la adicin en R, y las 0, y sentido opuesto si a<0. Corresponde a una dilatacion si le |> Ly a una contraccién si la 1< 1. Sia =0, entonoes 4 obtiene el vector nulo, (a,b) +(e, d) Pjemplo 1-2 En R® se definen: Ia suma, como en el ejemplo anterior, y la ley de composiciin externa mediante @@,)=(@,a) (2) Se verifiea, como antes, que (R? , +) es un grupo abeliano, En cuanto a (2, satisface Ag. Su significado geométrico es el siguiente: todos los Pares ordenados que tienen ia misma absia, al ser multipicads por cualquier nimero ‘eal, se proyectan sobre la primera bisectriz paralelamente al ele de ordenadas.ESPACIO VECTORIAL También se satisface Ay, pues « (8(@,)) =@(0,a)=(4, «= (0) (0.0) No se erifiea Ay, ya que (a +B)(@, b)=(a, a) pero (a,b) + Bla, b)= (a, a) +(a, a) =(22, 20) Este hecho es suficiente para afirmar que no se trata de un espacio vectorial lector puede comprobar que esta interpretaci6n cumple Ay pero no Ay Observamos aqui que la estructara de espacio vectorial noe: inherente exclusivamente al conjunto V, sino que, ademés, depende de K y de las lees de composicion que se definan. Aclaramos que toda vez que se mencione al espacio vectorial (R2, +, R, .) se sobrentenderi que la sua y el producto son los definidos en (1) y en (2) del ujemplo Hl Ejempio 13. La estructura de espacio vectorial no es un sistem axiomético independiente, pues As puede deducirse sobre la base de los restantes axiomas, Enefecto6 PSTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS xtuty tye tet ict ly tly= (+ Det (+ dys + De ty)= (xtyytlotypeixt yt txt tyoxtytaty cen virtud de Arg, Ap, Aa, Aes As Y Aro Osea tx ty tysxty tery Por ey cancelativa en el grupo (V , +) resulta xtysytx 1.3, PROPIEDADES DE LOS ESPACIOS VECTORIALES ‘Sea (V, +, K,.) un expacio vectorial 1.3.1. El producto del escalar 0 por cualquier vector es el veetor nu. En efecto, por neutro para a suma en Ky As es ax= (a+ Ox =ax + Ox Por Ay se tiene xt O=axt Ox Y por ley cancelativa resulta ox=0 1.3.2. Bl producto de eualquier escalar por el yeetor nulo es el veetor nulo. Por As y Ay es ax=a(x+0)=ax+a0 Entonces axta’ Por Ay weet adnax+0 Y por regularidad en (V, +), resultaPROPIEDADES DE 10S FSPACIOS VECTORIALES, 1 1.33.Si el producto de un escalar por un yectores el vector nulo, entonces el escalar es 0.0 el vector es nulo, ax=0>0=0vx=0 Se presentan dos posibilidades: a =0, 0 bien, a0 En el primer caso os vordadora la primera proposietén de la disyunci6n que Aigura on la ‘esis, y por consiguiente ésta es verdadera. Fin ol segundo caso es neccsario probar que x Fin efecto, siendo «#0, existe ef inverso multiplicativo en K, a’. Partiendo de la hipstesis, promultiplicando por @', usando Ap, 1.3.2., el producto de inversos en K y Ayo se tione =02a"(ax)=a 02(@! ax 2 x= 02x=0 1.34. El opuesto de cualquier escalar por un vector es igual al opuesto de su producto, (a)x=-@x) Teniendo en cuenta Ag, 1.3.1.,1a sima de opuestosen K y Ag, es (ax) $ax=0=0x=(-a+a)x Hex tax De (-0)x tes —(0x)-boe después de cancelar, resulta (-@)x=—(ax) En particular se tiene Cayx= = -« 1.4, ESPACIO VECTORIAL DE FUNCIONES EI simbolo K* denota el conjunto de todas las funciones con dominio un conjunto X #6 y codominio un cuerpo K,, 0 sea f/0 XK) En K% definimos la suma de funciones y el producto de escalares por funciones mediante i) Sify gson dos elementos cualesquiera de K¥, entonces f + 4: X > Kes tal que (+O) FO) + EO) VxEX ii) Sia es cualquier clemento de K y f es cualquier lew af:X>Kestal que nto de KX, entonces He) f() Wxex8 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS Tanto ta summa de funciones eon dominio X #9 y eodominio K, como el producto de «escalates por funciones, se laman leyes de composiién punto s punt, Resulta (KX,+,K,.) un espacio vectorial Para ello, veamos que se verifican los axioms, Ay .£€K™ a geK*® > +g eK por ia definicién i) A; .Sean f, g y hen K%. Cualquiera que sea x €X se verifica, teniendo en cuenta la K definida por (-f)(x) = F(x) En efecto, para todo. € X se verifica (C+D) = (9G) + F@)= 1) +f 0) =0= e@) Osea (Otice Anilogamente se prueba que f+D=e As . Lasuma en K* es conmutativa, ye que +9) =f) +8@)-80) +10) =(8+ 90) Lego £ +g =g + Foualesquiera quo sean fy gon KX Ag eK AfeK* afek por la defiicion i). Ay Sean aeK,BeK y feKXESPACIO VECTORIAL DE FUNCIONES ° Entonoes (269) @-« (He) =a (ate) = @mte)= (ear) @ Lego aBH=(ept ‘Ay. Consierando weK BeKyfeKk% es (+01) @)-@+Mtey=ate)+btay= =D) + BD) =(at + 8H) lo ue se justificntenendo en cuenta i), la dstebutividady la ase enk, ie, Entonees os + Ofaattpt Ag Sean eK, fEK% yg eKX 72 a de distrbutividad del producto respect de a suma en Ky por la detniiones i) yi) se tiene (a+9) =a (+90) -@(f0)+ 809) = wat) FaKG)(@D()+ (ag) )=(@f tag)G) Osea a(ft+@=atteg ‘Avo .Cualquiera que sea fen K* se verifica (1 G)= 1 £(a)= FG) Lugo iret aGuaerma (+ el espacio vectorial dels fncions detinidas ene conjunto Beacio X'y eon valores en K, con ls lees de composicén punto a punto, Losvetonm do «este espacio son funciones, La figura siguiente expiica ta situacion en el caso patti lar on que K= Ry X= 0,1]10 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS 1.5, ESPACIO VECTORIAL DE 1-UPLAS DE ELEMENTOS DE K Con relacidn al espacio. vectorial de funciones (KX, +, K,.) consideremios el caso Particular en que X es eintervalo natural inicial I, Toda fancion f: ly > K es una nupla de elementos de K, y escribiendo Kh © K" es(K", +, K, .) el espacio vectorial de las nuplas de elementos de K. as definiciones i) y ii) dadas en 1. se traducon aqui de la siguiente manera 4) Sify g denotan elementos do K”,entonces f+ es la funci6n de I, en K definida por (+8) =£G@) + BU) cualquiera que sea ie, Es decie CEH DO=CO4 BO =a, donde a, by eon fas imdgenes de i dadas por f, gy + g espectivainente En consecuencia, dos nplas de elementos de K se suman componente a componente fi) Sie Ky feK",entonces a Fes funcién dey en K definida por (=a f() cualquiera que sea ly Denotando mediante cla imagen de i dada por a f es «=a )=af=a4,Fs deci, el producto de un elemento de K por una mupla se realiza ultiplicando en Ka ‘dicho elemento por cade componente de Ia nupla, En particular (K, + K, eso espacio vectorial donde los vectores se identfcan con tos I elementos del cuerpo K. En este caso, la Jey de composicién externa es interna. En coniecvenca,(R,+,R,.) 65 e espacio vectorial de los nimetos reales sobre el cuerpo de fos reales, Este es un caso petiulr del espacio vectorial dels meuplas de mnimeros rst | sabre el euerpo de os reates, que denotamos mediante (R”. +, ). |" (C4,G. eset espacio vectorial de as muplas de niieros complejo sobre el eurpo de Jos compleos | 1.6. ESPACIO VECTORIAL DE MATRICES n x m i Particulsrizando nuevamente con relacién al espacio vectorial tratado en 1.4, considere mos X =I, X Ty, 0 sea, el producto cartesiano de los dos intervalos neturaesiniciales: 1, © late, [Llamamos matriz x m con elementos on K a toda funcién Fila X Iq *K {a imagen del elemento (/,/) perteneciente al dominio se denota por ay. [La matez f queda earactesizada por el conjunto de las imégenes2 ESTRUCTURA DE FSPACIO VECTORIAL. SUBESPACIOS y suele esrbise como un cuadro de nm elementos de K dispuestos en fas y m cokannas, En cade fila o eenglin se escribon las imégenes de todos los pares ordenados que tienen la mista primera componente, y en cade columna se anotan ls imégenes de todos ls pares fordenados que tienen la misma segunda componente] elomento deta matiz que gua en ta fila 4 on In columna j se denota por a, y es la imagen dada por f del par (i). Lamando ‘Ala matriz cayo elemento genérico esa, esribiremos ‘Tanto las filas como las columnas de A se llaman Ifneas de ka mata Abreviando, puede eseribirse (aj) donde i= 1,2... ¥ F=1,2,.2.4m EL conjunto de todas las matrices » x m con elementos on K es Kn y ye denota rediante K"™" Las definiciones i yi) dadas on 1.4 se traducen agui de la siguiente manera: st A y B son dos matrices de K"*™", su uma es CeK"™®, tal que cu CF 9G D= GD + BED = Ay + by yelproducto del esclar a € K porla mats es ka matric de K"*™ euyo elemento genérico fey estal que =O NG. D= all, P=aay © sea, dos matrices del tipo xm se suman elemento a elemento; y para multipliear un scalar por una matriz nx se multiplica dio escalar por todos los elementos de la matriz La cuateme (K"%",+,K,.) denota el espacio vectorial de las matriees xin con elementos en K. En este espacio, ls vectores son matrices En particular (K"™", +,K , ) es el espacio vectorial de las matrices cusdradas, es decir, de fila y n columnas. El vector mulo del espacio K"*" se lama matriz nula; la denotaremos mediante N, y esté efinida por ng = 07 ¥ 7. 0 satisfac Ia ‘La mateiz inversa aditiva u opuesta de A= (ay) ¢6 B, cuyo elemento ger selaci6n by =~ay, Escribiremos B= —A. Por definicidn de funciones jguales resulta A= B siy s6lo siay=by VEY[ESPACIO DE SUCESIONES. B Hlemplo 1-4. Fin R°** ge consideran las matrices A y B cuyos elementos genéricos oo 0 B 33-3 nay 2-1 dy=1—2, Obtenemos C= A 28. La exprsion de Ces C= A-+(-2)B,y 6 resilte 1.7, ESPACIO VECTORIAL DE SUCESIONES Sean: X= Ny KN ol conjunto de todas las funciones de N en K. Los elementos de K® son todas las sucesiones de elementos de K, y retomando Io expuesto en 1.4, resulta (KS, +, K, .) un espacio vectorial. Lis definiciones i) yi) de 1.4, se interpretan ahora dela siguiente manera: + OUD=L) + BU) ea +b, WEN G7 @NM=al (Nam, VEN Osea (ada day ed #E Daye DE Cy + yds FB 3, oy PB gs) CE. a6. yy Y= (ay Ay, yy) El veetor nulo es la sucesion 0=(0,0,..4.0,..) Ejemplo 1-5 ' ‘Sea R{X] el conjunto de los polinomios reales en fa indeterminada X. La sum en R |X] s0 define como en 12.2.2., Algebra J, del mismo autor. El producto de esealares4 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS. reales por polinomios es el habitual, o sea siaeK y PER IX], entonces aP es la fanetén de No en R definida por (a P) (i) =a P (i), cualquiera que sea ¢ Ny Ress (R (X], + R, el expacio vectorial detox poliomnios reese a indtermina da X sobre el cuerpo de los nimeros reales El conjunto de ios polinomios reales de grado 2 no es un espacio vectorial sobre el ewerpo de Tos reales, porque la suma no es una ley de composicién interna en dicho onjunto. Pero el conjunto de los polinomios reales de grado menor 6 igual que 2y et Polinomio nulo constituye un espacio vectorial sobre R. Eiemplo 1-6 Sea $ el conjunto de las funciones reales definidas en [0,1] tales quo £ (0) = S=/f: [0.1] >R/f)=0} Como todo etemento de portenece a RII, es §¢ REO! Considerando tas eyes de composiciin defindas en 14. verifcan Ay -feSages£(0)= 04 0)= 05 1(0) + g10)= 6-64 )(0)=0> 84 568SUBESPACIOS 1s le funciones es asociativa en RI), también lo esenS. ‘Ag Como ls sums ‘Ay La funcin mula eso vector nulo de S. ‘Ag «Todo elemento de S admite un opuesto en S. SifeS, entonces -f €S, pues (-f (0)=—£(0) =0. As. Cuslesquiers que sean fy gen S tiene feaatt pues $c RIOT Ag GER» fES*AER A £(0)=0 af (0)=07 @fO)=0>afes Los testantes axiomas, lo mismo que Az y As, por ser Mentidedes en RIM! se ceumplen en S ya que SC RI!) En consecuencia, (8, +, R, -) es un espacio vectorial 1,8, SUBESPACIOS 1.8.1. Concepto Dados el espacio vectorial (V, +,K, ) el eonfunto no vacio SCV, si S es un espacio ‘vectorial sobre el mismo cuerpo K y con las mismas leyes de composieion queen V, diremos tye (+, K, ) es umn subespacio de (V, +, K,.), 0 simplemente, que S es ur subespacio de v. Defincion ‘Ses un subespacio de (V, +, K, ) sly sélo si (S, +, K, Jesum espacio vectorial Cai qu 6, 4.K, tt Y cone {0 sm esc dV, mas Hjemplo 1-7 Consideremos el espacio vectorial (R?, +, R, .) los subconjuntos Ta [ Gy yeRt/ymxtt} $= [Gn xER? /y= 2x] ‘T noes un subespacio, pues el vector mulo (0,0) ¢T. Fn cambio, S es un subespacio de R®, ya que 1° (5, 4) es un subgrupo de (R®, +), En efecto, de acuerdo con la condicin suficiente detnostrada en 8.4.2, Algebra T, del mismo autorse verifica Ge yeS A e' ppeS eyed A y= detey —y'=26e—2> > xy yDESH EN tCN, WES16 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS. 2° Respecto dela ley de composicin externa consideramos Ae @ERA( Y)ES> @ERAY=2x-ay=2ax2(ax,ay)ES>alx,y)eS Tos axiomas Ay, Ay, Ay ¥ A1o, por ser igualdades en R®, se cumpien en $ ya que scr yay (1,2) De la definisién se deduce que (S, +, K, ) es un subespacio de (V, +, K, ) sly so s (S, ¥)¢s.un subgrupo de(V, +) y S es cerrado para el producto por escalares 1.8.2. Condicién suficiente Si el conjunto no vacfo $C V es cerrado para Ia suma y para ef producto por esalares, ‘entonees (S, +, K, .) esun subespacio de (V, +, K,.), 4,K, ) e6 um espacio vectorial LxeSAyeS>x tyes 2.aeKaxeSwaxes ‘Tesis) (S, +, K, .)es un subespacio de (V, +, K, .) Demostracin) 1° Consideremos dos vectores cuslesquiera x ¢ y en S. De acuerdo con fa condicisn 2, de 's hip6tesis, por 1.3.4, y por la condicién 1, de la hipstesis,se tinesuseseacios KeSAVES* xESA(-I)YES* ES A-VES = KHC-yeS eer Cece ee ee ae ee ie ies ee Estas condiciones son, ademas, necesatas. Es deci, sabiendo que Ses un subespaci, son Hiempio 1-8 Sean: el espacio vectorial (R’, +, R,.), y el conjunto $ de les temas ondenadas de R tales qu la tercera components es igual al suma de ls dos primeras, Osea { (6, xa,25) ER? foxy =a; #0} Afinmamos que S es un subespacio de R°, pues 1. (,2,3)€S 9846 2, SCR? por Ia definiciin de 8, 3. (asta As)ES AVL Ya IsES HAVA tm AVAIL HY xy tay ates ty) Hes ty) Ge teks bya ta)eS— > Gn x25) + On Yaad ES Henos spicao suanvament: la defini de Sl aici en R, dfn de Ja definicién de suma de ternas. bade 4. ER A (4,¥2,25) ESP BER xy =H Hx > Peary =ax, +ax7 > (0x) 0247, 0x5) ES 70 OE, ¥3, 44) C8 Por definicibn de S, muliplicacion en R, definiciOn de S y le defnicién de produ. de escaare por terns. produsto AA subespacio $ pertenecen las tennas (xy, 3,3) € R® que satisfacen la condicién xy te, 3 =0 Esta ecuaciOn define un plano que pasa por el orien,18 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS Ejemplo 1-9 Gonsiderando 1 espacio vectorial de las funciones reales dfinidas en (0,1), que denotamos mediante (R', +, R, ), sean los subconjuntos 1 feR'/f(0)=0} 2. 8=[teR'/fo)=1} Pa el caso 1. s tiene un subespacio de R!, como fue tratado en detalle en el ejomplo 1, Independientemente del andisis realizado en el ejemplo eitado, we legs a ‘sma conclusion aplicando el teorema demostrado, pero en forma me simple En cuanto al caso 2., $ no es un subespacio, pues no es corrado para is sama, En efecto, las funciones fy g de I en R definidas por fix)=x+ 1 weet +1 satisfacen las condiciones fO)=1 (0) © sea, som elementos de S, Pero la suma f+ gestédefinida por (+8) 0) =f) + 96) =37 Hx 42 ¥ no pertenece a $, ye que +9 @=2 Elemplo 1-10 Dado cl espacio vectorial (R', +, R, ) consideramos {Orr waa ERM ey xy tary tary Se veriica que 1. S49, pues (1, 0,0, eS 2, SC.R* por la dfinicién de S 3. Sno es cerrado para la suma ya que (1,-1.0) a (1,1, 1, 0)€8 pero G10) +0, 1, -1,0)20,2,-2, es Ef consecuencia, § no es un subespacio, Por otfa part, el vector nulo no pertensoe a S.y ento basta para que no sea un subespaci, Fjemplo 1-11. Sey R=", +R, ol enpacio vectorial de las mates cuadiadas reales de fas yn ccoturnnas,‘SUBESPACIOS 19 Si Ae RY" eseribimos A Bey dna ss Ba Por definicién, traza Je una matriz cusdrada es 1a suma de los elementos de su iagonal, La notacién es Eleonjunto S= {AeR™" ir es el conjunto de las matrices de traza nule de R"™", y constituye un subespacio, pues se verifica 1. S#¢, pues le matriz mula N es de traza nula, y en consecuencia es vn elemento aes, 2. SER™" por definicion de S, 3, Ses cerrado para la adicién, ‘Sean Ay B dos matrices cualesquiera de S, Fntonces AeSaBeS=trA=Onir = Bu 0n3, bu a3 aut 3, bu 03 Gut b=0> > r(atB) + AFBES 4, S es cerrado para el producto por escalates. Ein efecto Bjemplo 1-12. CConsideremos $ = [(Gvs, 22) €R?/ty D3} © investiguemos si Ses un subespaio de RB, 4,R, ). Se ve de inmediato que no se verifica Ay, pues no todo elemento de $ admite ‘opuesto en $. Asi (0, -1) eS pero (0, 1) €820 ESTRUCTURA DI: I'SPACIO VECTORIAL. SUBESPACIOS Anslizando Ia situa isto 2SCR 3, S es cerrado para la sma. nen términos de la condicién sufieiente demostrada, se verifca G1. %2) ESAQ4, ya) ES 9x4 BaAy Dyy > Rs FL Bea ty Gee tee FYAVES HOLM) +O )ES Pero $ no es cerrado para el producto Por escalares, como lo demuestra el siguiente ejemplo: QA eSa(-2y2ut 4,-2)68 En consecuencia, $ no es un subespacio de R? 1.9. OPERACIONES CON SUBESPACIOS 19.1, Interseccién de subespacios Sea {$,] con fel una familie de interscccidn de dicha familia, o sea, ibespacios de (V, +, K, }, Denotaremos con $ la 1. Resulta § un subespacio de V. ‘Teorema. La interseccién de toda familia de subespacios de V, es un subespacto de V. Hip6tesis) (V, +, K, .) es un espacio vectorial (Si) con fetes una fa ia de subespacios de V| vTERSEOCON DE suBEstacios x | 1 ta) & =P syesunsubesaci dev. Demostracin) De acuerdo con Ia condicién suficiente 1.8.2. severiica 1. Sno es vacio, pues es), wersoe0 5,> = As toosee Por sor cada Sun subespacio y por detniién do interseccién, 2. Sesté incluido en V, ya que Sicv,wel= Mscvesey Por ser cada S, un subespacio de Vy porque tn intereccin de toda fala de subconjuntos de V es una parte de éste 3. Ses cerrado para ls suma. Fn efecto xesayesoxell siayells,= PHeSiAyeS, Wetext yes, Wiel> mx tyellsextyes Por definicion de interseccién, y porque todo Ses un subespacio, 4, S.es cerrado para el producto por escalares Consideremos ae K yx eS. Ahore bien aeKanes->aeKaxel1s= ack a xeS;, Viel axes, viel> wane Ms,saxes Biemplo 1-13 Bn (R®, +, R, .) consideramos los subespacios Ss = { Ge, 2,5) €RPey = 0) So = (Cs, x2.¥3) ER?/ey =O} 1a interseceion de estos es S=5, 9S; (18a ea ERE ry #043 =0}2 ESTRUCTURA DE FSPACIO VECTORIAL, SUBESPACIOS Esto significa que un vector genérico de $ es una terne de! tipo (0,2*2,0) que puede expresarse mediante (0, 0) para algin a en R. Entonces =(O.e,neRaer} O see, Sesel ejexa x & SSy Saespcios de RP son: R°, [0] , todas as ects que pasa pore rg y tds fos planos que pasan por dicho punto. Dor retasdstintts que patsn pore rgen son Subespacios enya interseccin eel vector nul, y se Daan disjntos 1.9.2. Unién de subesp SiS) y Sp son dos subespacios de (V, +, K, Jyentonces S; U Sa, noes neceariaente un subespazio de V, como lo prucba el siguiente ciemplo: CConsideremos en (R?, +, R, .) os subespacios Sy y Sy de la figuraSUMA DE SUBESPACIOS 23 La unién de ambos es el par de recta, yeligiendo x eS, y € 8, distintos del vector nulo, se tiene xeS, 2x5, US; yeS)>y€S, US; | pero x+y PS, US; 1.9.3, Suma de subespacios | Sean $1 y S: dos subespacios de (V, +, K, ). Definimos el conjunto xeV/x 1 Xp Ay ES; AX €Ss | Oa XEV/ 3X, €5, 49x €5p AXER, +5) El onjunto Sse llama suma de los subespacios Sy y Sp y sind S=5, +8; ‘Teorema, La suma de doc subespacios de V es un subespacio de V, Hipotess) 81 y Se son dos subespacios de (V, +,K, | S#S, +S Tesi) (S,-4,K, ) es un subespacio de (V, +, K, ) Demostrciin) Se veriftean ls condiciones expucstas en 1.8.2., a saber 1, Sesno vaeio, pues OeS, nOeS, -04 0-005, +8 2065 “S44 2. Sesuna parte de V, por la definicion de S, 3, Ses cerrado para la sma, ya que XESAY ES X=, HKAAY=Vs FV2AR Ys €SHA Ka Vs ES > Saxby sou tyi) + (2 tya)axi tye @SAR ty2 ES: > =xtyes 4, Ses cerrado para el producto por escalares, porque WEKAK ES POEKAX=X, +9) €S,AX: CS: > Pax=ax, baxshany €S,Aax; ES, axes Por consiguiente, la summa de subespacios es un subespacio, Un caso particular importante se presenta cuando Jos subespacios S, y S, son disjuntos, s decir, si S, 0.8; = (0) . En esta situacién, el subespacio $= 8, +S; recibe el nombre de sama directa de $; y S;,y so utiliza la notacién 8 as,% sPACIO VECTORIAL, SURESPACIOS Sinteizamos esto onl siguiente definicién S=8, 9S, #555, +8, 08, 98;=[0) Hlempto 1-14 Consderemos primero los subespacon de R? S1={(@,8, Owe RAs eR} $2~((0,6", 7/8" eRayeR} 1 subespacio sums $=, +S, estd formado por todas la ternas dl tipo 8 +8".1)=(@.8.9) y es R®. Ambos subespacios son los planos indicados en la figura, y como su interseccin es el eje x2, la suma S=S, +S; = RP no es directa, En cambio, si Sy =((@,0,0/aeR} y S,=|O,B,0/BER} se tione S=S, +S, =[(@,8, O/aeRapeR} ‘0 sea, la suma es directa y se Hlentifica con el plano horizontal(OPERACIONES ENTRE SUBESPACIOS 2s Extendemos Ia definicion de sums de subespactos al caso on que n > 2. Definicion Suma dels subespacios 8, 2,45 de (V, +X, evel conjunto xevix=3 anseS;, W=1,2,.- a0) neat Sof, Seamtegetn dV 4K.) Ademas, si tales subespacios son disjuntos dos a dos, o sea iA />8,5;= {0} entonces diremos que esa suma directa de ellos, y eserbiremos S=8, 8, 9...95, Ejempto 1-15: Sean $, Ty U suhespacios de (V, +, K, 2) tales que T C8, Entonces se verifies que SAT+=T+ 60) 1°. xeSO(T+U)>xeSaxeT HUOsea B. xeTHSNY> ‘Lego ESTRUCTURA DE ESPACIO VICTORIAL, SUBESPACIOS PKESAX=K, HX:AM, ETAR EU 7, Hx: eS Ax, €8) Ax EUAN, ET xy €TAx, €S0x €U> oxy eTAx ES NUK, +xy ETHSNU) > =xeT+(6U) SAM+HCTHSAU) (A) xy $a. Ax; €TAx: ESNUS x, ETAx: eSAx: CU 2x, €TAX, €SAx: €SAX: CU> oxy $x: ESaxy tx, ETHUS 2x) + ESAT +e xesn(T + Uy THEAWCSATHU) (2) De (1) y (2) resulta la gualdad,TRABAJO PRACTICO | 416, Detomminae si las cuatemas que se indican denotan espacios vectoriles con las operaciones que se indicen 1) R4Q) DQHR) #1) Q4.Q) i) (R,+,Z,.) LI7. Sea (V, +,K, .) un espacia vectorial. Demostrar i) xtys0syo—x iil) x tay=x-tor yasOsy=2 li) xty=x=y=0 W) ax=bxyxt0%a=b 1-18, Determinar @ sabiendo que y # Oy que (sax ta(e-y)=x-y 1-19, Considerando V=R®, o sea, ol conjunto de las funciones reales cr yK SR, investigar si son espacios vectoriles sobre R: i ) Eleonjunto de las funciones continua. ii) El conjunto do les funciones derivables. fil) El conjunto de tas funciones pares, 0 sca, las funciones feR™ tales que £(0) =x). iv) EI conjunto de las funciones impares, es decir, las aplicaciones TER que verifiean f (x) = f(x), ¥) Elconjunta de les funciones constantes, 1) Bl conjunto de les funciones no negativas. 1-20, Sean V=R? y K=R. Determinar si las siguientes operaciones definen sobre V una estructura de espacio vectorial 1 (a, 0) +(@", b)=( sett una variable rea, (a, 6) (ca, 0b) 4-21, Determinar si (C?, +, C,.) 68 un expacio vectorial, dfiniendo Gaza) F122) F'n ea #2) 2Gn7)*@2u27)8 ESTRUCTURA DE FSPACIO VECTORIAL, SUBESPACIOS 11-22, Considerando el espacio vectorial (R°, +, R,.), investiga silos sigulents conjuntos son subespacios de R? 4) S[Gts, x2, x3) €RY/ey bas #0} S| Gus xa, 9) ERY Ler I= bea If S#| (1, x2, 43) ER xs =x; +2] 1-23, Sea el espacio vectorial (R", +,R,.). Determinar si los siguientes eonjuntos son subespacios de R” 1) S* [Ox MER eZ! 9 SelesontdeRYB epre0ne eR} 1-24, Demostrar que $= {(2 , w) € C?/z = iw | es un subespacio de (C*, +,C, ) 1-25, Sean Cy $= |(@, we C/zF-+w= 0}. Determinar si son subespacios (S, +,€, ) YEAR, ). 1-26, Sean $ y T subespacios de (V, +, K, ). En el producto cartesiano § X Tse definen Coy FO IRC ERY ty) a(x.y)= (ox ay) Demostrar que (SX T,+,K,.) es un espacio vectorial, E espacio SX T se Mame producto directo de S por T. 127. (R"™*", +,R, .) denota el espacio vectorial de las matrices rates mx 1. Por definicibn, la matrz Ae R"™" se lama triangular superior siy solo si 1>j>ay=0 Demostrar que (S,+,R,.) es un subespacio do R'™", siendo § el conjunto de as matrices angular superiores 1-28, Dado (R?, +R, .), determinars los siguientes subeonjuntos son subespacios 8) S=[@.»)/@ 9) =@ +y?) ii) T= (Ge, 9) | 4x ty ex 1:29, Considerando (C2, +,R,.) ol espacio vectovial de lot pares ordenados de mimeros complejas sobse el cuerpo de fos reales, investigar si los siguientes conjuntos son subespacios dl mismo. i) S=1@,wect? tu? =0} i) S=[@,weC'fe+2eR | iil) S=[(@,u) €C?/Re(2) = Rew} a Re@—w=In@)}‘TRABAJO PRACTICOL 2 ¥) S={@,weCfe-u} vi) S=[@,u) eC? / im @)— Im =O} 1:30, Sean 8, Ty U subespacios de (V, +, K, .)-Demostrar i) S#T=T4S, ii) SH(THU)=(S+1) +0. iil) SCS+T ‘131, Demostrar que si el subespacio S$ de (V, +,K,.) es la suma dizeeta de fos subespacios S1 y Ss, entonces todo vector de $ puede expresarse de modo dinico como la suma de tun weetor de Sy y uno de Sy 1-32, Sean (R™*", +, R, )y los subconjuntos S= [AER fay=ay ViVi} -ay, Wii) T= { AER” /ay Por definicién, los elementos de S se Haman mattices simétvicss, y los de T seaman ‘mateioos antsimétricas, Demostrar I, 8 y Tson subespacios de R™" 2. R™Capitulo 2 DEPENDENCIA E INDEPENDENCIA LINEAL, BASE Y DIMENSION 2.1. INTRODUCCION En esta unidad introducimos las definiciones de combinacién lineal de un conjunto no vucio de un expacio vectorial y de subespacio generado por el mismo. Se estudisn Ie ependencia ¢ independencia lineal y los sistemas de generadores, afin de caractrizay lon ‘onceptos de base y de dimensién en el caso finito, 2.2, COMBINACIONES LINEALES 22.1. Concepto fea Az lvo var Yn} una familia © conjunto de vectores del espacio (V, +,K,.) Entenderemos por combinacin lineal de la familia A toda suma de productos de eesalacy arbitrarios de K, por los vectores de A, Definicton Combinacin inal de ta familia A C V estado vector dl tipo Sumer taste to. tay va) te Kaen fit Particle, 6 todo ls escalares son alos, fe combinacién Final se Hama tv y se obtiene et vector nulo, Definicion Ei vector v eV os combinacién lineal deta familia AC V, si y Glos exstenexclares 1,2, ey tales queCCOMBINACIONES LINEALES. aL jemplo 2-1, Sean los vectores vy =(-1, 0, 2)y ¥2 =(-1, 2,4) en R?. Detenminamos silos veetores v=(-1, 1,3)y ¥=(1, 2, 2)son combinacién lineal dev; y Vs 1, Para que v sea combinacion lineal de vy y vz deben existir esealares ay y ag tales que avy ten vaa¥ Osea a (1,0, 2)4as (-1, 2,4) Por definicion de ley extesna es 11,3) (04 0,244) + C9, 2a, deg)= (1, 1,3) Por suma de ternas (ay 0, 20g, 204 + dey) = or igualdad de ternas resulta -1,1,3) a ~ ay 2a, Day hay =: Entonces at ay act 2 3 a + 20 2 Santuyendo ay =n a primera euacin, se tene ay +tetea a 2 2 0 sea, v puede expresarse como combinacin lineal nica de vy y v2 2.S1u=(L, 2,2), entonces procediondo andlogamente se llega a2 De donde Isa, +1 Al susttuir en la tereora ecuaciéa -242 Entonces w no es combinacién lineal de vs y va Flemplo 2-2. En el espacio vectorial de ls funciones reales de una variable real (R®, +, R, .) sean las funciones fy g definidas por f@=e y geet Determinar todas las combinaciones lineales, es decir los escalates a y B, tales que aftbg=0 donde 0 denota ta funcién nula, definida por 0 (1)= 0, Ve R, Por definicién de funciones iguales, suma de funciones y producto de esvaleres por funciones (véase 1.4.) se tiene ato + ba cualquiera que sea re Osea act +b oO B1 propésito es obtener los escalares ay b que satisfagan a(1) para todo 1 eR Derivando (1) se tiene ach +3be Q Restando(2) y (1) es hert=o Y como e* nunca es cero, resulta b = 0, que sustituido en (1) nos da En consecuencia esa = LLuego,la nica combinaci6n lineal de fy g que dala funci6n mula esl trivial. Toda vee que esto ocurra, diremos que Jos vectores, en este caso f y g, son linealmente independientes.CCOMBINACIONES LINEALES 7 Bjemplo 2-3-1. Decidimos si el vector son los vectores de R® : M4 =(40,-1) = @.1-1) w=Cb-2) Investigamos si existon escalares reales a, b y ¢, tales que ay, thy, evy=¥ 1, 2,3)¢s combinacin lineal deta famil 1yos elementos Entonces, debe ser a(1,0,-I) +501, +60, 1, -2) Bfectuando operaciones @,0,-a) +0, @+ebte-a-b-20) 42,3) b) + (6,6, ~26) =(1,2,3) 12,3) Por igualdad de ternas es aterl bten? ab 2083 ‘Sumando las tres retaciones se tiene 0-6 Jo que es imposible En consecuencia, vo es combinacién lineal de v1, Vay Va. Bjemplo 2-3-2 Enel espacio vectorial (R**?, +, R,.) se consideran las matrices alo) ei) ot) Determinar todas las combinaciones lineales de A, B y C que den la matiiz nulaN. Hay que obtener a, By en R, tales que aA+BB+ CON (ot) 00 oo t)-(6 8) Oseau DEPENDENCIA E INDEPENDENCIA LINEAL, BASE ¥ DIMENSION Por producto de escalaros por matrices es (o-) (5) H-(0) Por suma en R?*? se tiene ate 0 ) ( 0 Bty ate! \o o Por igualdad de matrices resulta atB=o0 fr tr=0 aty=0 De las dos primeras se deduce By yp Sustituyendo en la tercera os -20=0 Osea B=0 Luego a=8==0 y i nice combinacin inal que stisface le elcinpropuesta es latvia, 2.3, SUBESPACIO GENERADO 23.1. Conjunto de combinaciones Fineales Sea A un conjunto no vacio de vectores del espacio (V,+,K,.). A expensas de A ppodemos formar el subconjunto de V cuyos elementos sean todas ias combinaciones lineales do los vectores de A. A este conjunto 0 denotaremos con el simbolo A, que se lee “A raya” SEA= (Vista... ¥q} sentonces escrbiromas {3 amfaek a wea} Fjemplo 2-4. Bl conjunto de todas las combinacioneslineales de los vectores, Mi=C01) ¥ ve =(0,1,1)deR?‘SUBESPACLO GENERADO 3s @ (1,0, 1) #43 (0, 1,1) a €RAa eR} Osea A= {1s02,4; +43) /a; ERA a, ER} En consecuencia, a pertenecen todas ls teas cuya tercera componente es la sma de las dos primeras, demos escribir {Gr Xa, x3) ER? Jr, 1 txa) 2.3.2, Subespacio generado por una familia de vectores ‘Teorema. Fl conjunto de las combinaciones Hineales de toda familia no vacia de un espacio vectorial es un subespacio del mismo. Hipétesis) (V, +. K, .) sun expacto vectorial A= [navi ate [EV Tess) (A, +,K, )esun subsspacio de'V Demostacién) 1.Siendo vy = 1, + Ov, +... +0, 56 deduce que v, €A,0 +0 2, Por definicién, se tiene VER 3 AQ, 075.40 EK/ VEE a Au eA ayv; A a eK A vjeV, pues ACY eA Luego. veXovev Osea 3, Kescetrado para Seanvy wen & veKaueKay=Z av nue Zen veunZ aut S fev svtund @uuteyo> vtun$ @t6onevtund wwe vtuek36 DDEPENDENCIA I INDEPENDENCIA LINEAL. BASE ¥ DIMENSION 4. Kes cerrado para el producto por escaares SeanweK yve A, aeK aveA@aek Av=3 ay 3 eww mavea dev Zaimraver Como se cumplen ls hipétesis del teorems 1.8.2, resulta (A, +, K, ), un subespacio de W4K,). Definiciin BI subespacio de las combinaciones lineales de la familia no vacia ACV se llama subespacio gencrado por A, Elemplo 2 Determinar el subespacio de (R®, +, R,) generado por la familia A cuyos elementos son los veetoros w=Q12) y ve=(1,2,1) Por definicién, el subespacio A es el conjunto de las temas (x4, x3, 5) €R? tales que Cn xarrs 1 (21,2) +49 (1,2, 1) = (2c a4, 204) + (42, 203,02) 2a, +o3,0y +2a3,20; +43) Por igualda de ternas es 2a, + a=x, ja #205 = 2 | 2a + a, =25 De la primera y tereera relacion se deduce Yy2 es cualquier niimeto real, Enconsecuencia a ‘Kesel plano de ecuaci6 {6.x a) /ar eR Ax eR}'SUBESPACIO GENERADO a x jemplo 2-6, ‘Obtener el subespacio de (R22, +, R, .) gonerado por las matrices (os) wf) (4) Javisaexavies) aly Seale adem (re)(e a) Realizando operaciones en R°*? es ee)38 DDEPENDENCIA E INDEPENDENCIA LINEAL BASE Y DIMENSION En consecuencia #4, 0; =b,05=0, a =d Lego d=-aybye son nGmetos rales euslesquiors Los vectores de A son matrices del tipo (3) Bs deci, A es el subespacio de matrices de traza 23, 3. Propiedad EL subespacio generado por una Famila no vaefa de un espacio vectorial esl interseecion Ae todos ls subespacios que inclayen dicla fan, Hipotesis) (V, +, K, .) es un espacio vectorial, O#A® [Vv eatn| CV { S:) come esis fami de tos los subespacion que inchyon A Tesi) A= 5, Demostracion) Probarems las4los inclusiones que conducen « a igualdad, LEC hs, En ofcto xeKox=B ayy 4 qek ayers a Na) eK Ay 6S,, Wiel x08, Wel=xe (15, Nsck Como todo v, de A es combinaci6n lineal de Ios elementos de A, pues WOW FOV: to. FHL OM'SURESPACIO GENERADO 29 se tone que, } ACK | ¥ siendo A un subespacio que incluye a A, se idemtitiea von alin S;, es decir. existe en | Haat quesy=2. Por otra parte, como la interseccion esti incluida en cualquiera de los conjuntos que se interseean, es As cy wer En consecuencia Porlo tanto En virlud del teorema demostrado, observamos qe el subespacio generado por una familia no vacit de vectors de V sci “minimo” subespaco, en el sentido de incusibn, que inciye a A. jemplo 2-7. | Demostrar que los siguientes conjuntos de vectores generan el mismo subesp io de R asa Determinaremos A y B. 14K pertenecen las ternas (x, y, 2), tales que 1,1),G,0,D} B= {(-2,-1,0),(5,~2,3)} t (9,2)=60, 1,1) #4G,0,0) | Entonces 9.2)= Gt.) + Gu, 0,0) (430-1, +4) Lucgo Como t= —y, se tiene xey tu ze-ptu0 DEPENDENCIA E INDEPENDENCIA LINEAL, BASE ¥ DIMENSION Osea Restando Resulta { (%.y,2)eR® /x —2y-32=0] . Procediendo andlogamente para obtener B es (x,y, 2)= #2, 1,0) 40 (5,-2.3) (9,2) =(26,-f 09+ (Su, —2u, 30) (x, 9. 2) (20+ Su, —t -2u, 3) om atu pata tte Comou = 1 3 eed, 3 , oven pesado xoyem Loewe {@,y, 2)eR? /x 2p --32=0} Renta ASB Lacecuacién x —2y ~ 32 = 0 corresponde a un plano que pasa por el orien.'SUBESPACIO GENERADO ao Elemplo 28. BI subespacio de (V, +, K, .) generado por un vector ves, en particular, el conjunto de todas los mltiplos escalares de v, o sea {av/ Rex} Determinamos ol subespacio de R* generado por v= (1,2). Llamando S a tal subespacio, se tiene S= [ Gea. ¥a)/Qr1 x2) KCL, 2)) En consecuencia Gx)" & 28) Ora xisk yx =2k liminando el parimetcok entre ambasrelaciones, resulta =O, 0 Jo que eso mismo dee Entoncet S# [ Gr4.%2) ER? / 2x, ~ x; S esla recta que pasa por I origen represen da on Ta figura a1 2)2 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION 2.4, DEPENDENCIA E INDEPENDENCIA LINEAL 24.1. Conjunto lincalmente independiente En el ejemplo 2-2 hemos demostrado que la tinica combinacién lineal de os vectores fy £8, cuyo resultado es el vector nulo, es la trivial, O sea af+bg=O%a=b=0 En este caso, los vectores son las funciones de R en R definidas por f@=e y ge y la funcién que asigna a colo némero real 1, ol valor 0, es el vector fulo, Este hecho se traduce diciendo que los vectores f y g son linealmente independientes, 0 bien que el conjunto [f,g| es lineslmente independiente, Sea Visa s-++s¥e) una familia de vectores del espacio (V, +, K, Definicién La familia AC V es linealmente independiente si y solo si lt dca combinacién lineal de dicha familia, cuyo resultado sea el vector milo, es fa trivia En simbolos Aces inealmente independiente © WF: ay,=0-%a=0 La Independencia lineal de un conjunto finito y no vacio de vectores significa que no puede darse una combinacidn lineal de dicho conjunto que aé el vector nulo, con algiin scalar distinto de cero. Para investigar 1a independencia lineal de un conjunto de vectores, se propone una ccombinaciGn lineal de éstos, con escalares a determinar, que sea igual al vector nulo. Silos cscalares son necesariamente nulos, entonces el conjunto es linealmente independiente. ‘Convenimos en que el conjunto vacio es linealmente indepondieate, Definicién El conjunto A.C Ves linealmente independiente sy s6lo si todo subconjunto finito de Acslinealmente independiente, Esta definicidn extionde el concepto de independoncia lineal toda familia de vectores de tun espacio V.INDEPENDENCIA LINEAL, “2 Ejemplo 2-9. Dado el espacio vectorial (R*, +R.) determinar si los siguientes conjuntos de ‘ectores son linealmente independientes. 5) A={(1,0,0),(0,1, 0) (0,0, 191 fi) B= {(,~1,0),0,1,2),0,0, 9} i) Sea (44 (14, 0,0) +a (0, 1,0) +45 (0,0, 1)=(0, 0,0) (2,0, 0) + ©, a4 0) #(0, 0, 3)= (0,0, 0) (01,22 ,43)=(0,0,0) Por igualdad de temas resulta a, =a, =a =0 ‘Luego A cs incalmente independiente Procediendo andlogamente a (1,1, 0) #4 (1, 1,2) +445 (1, 0, 1)=(0, 0,0) (2, -@4, 0) + (6 0 203) + (8350503) = (0,0,0) (a +5 +45, a1 +09, 209 +43) =(0,0, 0) Entonces ay + ay tay=0 ata = 00, =a [Or ay -020, = 2m Las infinitas soluciones de est sistema de ecaciones son a =k ak 2k conkeR En consecuencia, B no es linealmente independiente, ya que los esealares no son necesariamente rulos, Mis ain, existen infinitas combinaciones lineales no triviales ceuyos resultados son el vector mul. Ejemplo 2-10. Bn (RY, +R, ), donde independientes [0,1], los vectores ¥, sen y vp = cos son linealmente“ DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION Sea ay sent +, cos =0 Vee[0,l}es (ay sen + a5 cos) (= 00) Por definici6n de summa de funciones y de funcién nul (307) (2 + (@ 08) (1) Por definicion de producto de escalates por funciones a sen £4 09 cos #0 () weet Derivando a cos t~ a sen t=0 @ Resolveanos el sistema respecto de ay y a3 lent cose Sen? 1 cos? p= tmsene | JO oore ven 0| Ag [0 ~sene cost | Y lanica solucion es a, >a =0 Osea {¥s.v5} 8 lineatmente independiente Bjemplo 211, Sabiendo que dos vectores vy y vz son linealmente independintss en (V,-4. kK, ) Alemostrar que vy + ¥z y ¥a son linealmente independien Consideremos una combinacion lineal de a faiia {v4 +¥a,¥2} que see igual al vector nulo, con evcalares ay b, que detenninareios: (vy +¥3)+bv, =0 Por distributividad respecto de la suma en V ayy tavy +b v0DEPENDENCIA LINEAL 4s Por distributividad respecto de la suma en K. ay, +@+b)¥,=0 ‘Como, por hipotess, vs y v2 son lineslmente independientes, se deduce yat En consecvencia a=b=0 Por consiguiente, v; +v y ¥p son lineslmente independientes, 24.2. Propiedad, 5 un vector es combinacion fines de un faa nesiments independiente, entonces dicta combingcin Heal es Gica, ea yeV combinacén lincal de we familia { ¥s,¥2s..%e} ¥ sta Hnealente independiente, Pntoncesexsteneclare tees que ‘Suponemos que existen escalares fj tales que =ZBoiw Entoes Javed ov Osa Livgo Bdvi= 0 ¢ lingalmente independiente, se deduce que B= 0 > Oy =B; VR NL2 047 Y como ta fami En consceuencia, la combinaci6n lineal es tnica. 24.3, Conjunto Tinealmente dependiente En el ejemplo 29 ii) hemos probado que existen escalares no simultneamente nulos cy, 23,44 tales que46 DEPENDENCIA F INDEPENDENCIA LINEAL. BASE Y DIMENSION | 4 (1, =1,0) +43 (1,1, 2) +45 (1,0, 1)=(,0,0) Diremtos que los vectores (1, —1,0),(1, 1,2) y (1,0, 1) son lnealmente dependientes, Definicién La familia ACV es linealmente depondiente si y sélo sino es linealmente independiente, \ La familia into linealmente dependiente de vectorey de V si y sélo si existe una combinacién Lineal no trivial de dicha familia cuye resultado sea el voetor nul, Negando las dos proposiciones que figuran en In definiién de independencia linea, se tiene | As linealmente dependiente © 34/ Ea, ¥,= 04 a0, | La dependencia lineal de un conjunto fnito de vectores significa que tiene que existir, al ‘menos, una combinacion lineal de éstos que dé el vector nulo y que no sea trvil, Para investigar la dependencia lineal de una familia de vectores, se propone una combinacién lineal de dha familia, con escalares¢ determinar, que sea igual al vector mul, Sialgin esealar es distnto de 0, entonees Ia families linealmente dependiente Blempto 2-12. Los voctores (~2, 4)y (1, ~2) son linealmente dependientes en (R?, +, R, En efecto, sea 44 (2,4) +a (1, -2)=(0,0) Por defiicién de producto de escalaes por pares y por suma de pares es ee [Esta admite infinitas sohuciones, dadas por a=2k y keRDEFENDENCIA E INDEPENDENCIA LINEAL a Ejemplo 2-13. Las matrices (a) te) OQ) Oa) son vectores linealmente independientes del espacio vectorial (K?*?,+,K,.), puos cualquiera que sea Ia combinaci6n lineal de los mismos con escalsres en K, cuyo resultado sea la matriz mula, es la trivial. Bn efecto OI SC de 2G cc ay) Luego ay Say a5 ay =0“e DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION En cambio, as mattices i son linealmente dependientes, pues a Ata, BEN ee) a) a =0 >a =a =k VkeK Por consiguiente, existen escalates no simulténeamente nulos que satistacen la relacion anterior, Jo que prueba la dependencia lineal, 2.4.3, Propiedades i Todo vector no nulo de un espacio veetoral consttuye un cenjunto linealmente independiente, Sea v#0en(V, +, K, ), Consideremos i av=0 Osea De acuerdo con 1.33. como v #0, © desice que a=0, y en conecuencia |v| es linealmente independiente. DEI vector mulo de cualquier espacio vectorial constituye un conjunto linealmente dependients Fn efecto, cualquier escalar, nulo © no, satisface la telacién a 0= 0, segtin lo demostrado on 1.3.2, 1) Todo conjunto al que pertenezea el vector mul slinealmente dependiente | Sea A=[¥1 .¥2,...4¥,} con w =0. Se verifica que | Or + OV2 +o. tay yt. O¥, Osea y= 0=0 on a no necesariamente nulo,DEPENDENCIA E INDEPENDENCIA LINBAL ° jv) Un conjunto finito y no vacio de veetores es lineaimente dependent sy so si agin vector es combinacion lineal de los demi. Sea A=[¥i,Vav .¥r} una familia de vectores de (V,+,K,.). Demostramos las dos condiciones en que se desdobla el enunciado: necesatia y suficiente, 1+, Acslinealmentedependiente 93/1 ¥j= 3, Brv Por defiicién de dependencia lineal ‘Acs linealmente dependiente > aE ayy On #0 ee ayy tS, ain 0 ay 40> saya Ema #0 Premaltipiando por aj", iaverso multiplieativo en K, de ay #0, 36 tene a y= Cay DZ, eve Por A; y propiedad de la sumatoria (oy a) Er vevo Porinversosen Ky Ay ¢¢ 1y=%, Cai eave ‘Teniendo en cuenta Ayo, y llamando a4 «, se deduce En consecueneia, existe vj €A, que ¢ combinacién lineal de los restantes vectores de A. % vaya, aim Acstnesment dependents Por hipatess y teasposicion de téaminos se tiene we E, med, am w=econgy ‘Como oj 0,1 conjunto A es lineaimente dependiente. 1) Un conjunto finito y no vacio de vectores es linealmente independiente ai y sélo si ingin vector es combinacion lineal de los dems.SS TY 50 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION. Nada hay que demostrar, pues basta negar las dos proposiciones de la condicinnecesatia ¥ suficiente anterior En simbolos Aces linealmente i lependiente © vy iy ¥, By, En lo succsivo, y en algunas ocasiones, abreviaromos las expresiones: “lineslmente independiente” y “tinealmente dependiente” mediante “Ll” y "0, respectivamonte. W) Un conjunto fnito y ordenado de vectores al que no pettenece el vector nulo es finealmente dependicnte si y solo si algin vector es combinacién lineal de loc precedentes, FAM (avast) es LDA OFA@IK/26R SPAM AE ayy, Demostacin) See ke primer entero postivo tl que [Mtesceam) eb. na ordenacién ‘existe por el principio de bu Por definicion se tiene 3a 3 fin y agin §,40 ( Sia ~Osentonces [vs ¥25-- ua ria LD, cont fo sup Luego fi, # 0,y provediendo como en iv) I? se deduce que we E ay O see, vy es combinaci6n lineal de tos precedemtes, yk es tal que 2 y En consecuencis, Is coordenaidas dex, respecto de la bate [v], son: 3 y —S Y puede escribivse 3 Xi | 5 |56 DEPENDENCIA F INDEPENDENCIA LINBAL. BASE ¥ DIMENSION En ol segundo caso, procodiondo snlogamente, se legs 2 que las coordenadas de x son Ly 0,y porlo tanto 1 Xe) = 0 Finalmente, respecto de a base canonica, es (-2,3=(-2,0+0,3)=201,0 +301) (© sea, las coordenadas de x son procisamente los elementos del par ordenado, y escribinemnos simplemente 2 x= 3 2.6.3. Teorema de extension a una base Si (VI= [visvay-se¥n } ef una base del espacio vectorial V. y [w1= [1,W2,.--s%m | es un conjunto linealmente independiente, pero no de generado res do V, entonces existen vectores Winti,Wmsas++ nepr tales que Listas Wi Wnts inp mabe dV [ww] 9 [9] = @, consideramos el conjunto AS [w]ULeL= | 1, Wes Wn Yas Me} Como cada w; es combinaciGn fineal de Tos vetoes de Ia base fv], A es un eonjunto linealmente dependiente por 24,3 i). De acuerdo con 2.43. vi), siendo A un conjunte finito y lincalmente dependiente al que no pertenece el vector nulo, agin vector e combinacién lineal de los precedentes. Tal vector es un elemento de {v}, ya que [Ww] Tingalmente independiente, Por atm parte, como A es un sistema de generadoreslnealmente dlepeadiente de V,y vs eombinacin lineal de los procedentes, resulta Ae aH ful Woop en Won Ute Wea Nino s¥a ‘un sistema de gonoradores de V, segin 2.5.2 Si Ay es finealmente independiente, el teorema esti demostrado. Si A, es linealmente ependiente, se reitera el proceso, y a lo sumo, sl cabo de (7-1) etapas se obliene un conjunto linealmente independiente que es sistema de goneradores de V, 0 38a, una base 2.64, Coordinabilidad de las bases Dos bases cuslesquiera de un mismo espacio vectorial son coordinables, Iipétesis) (V, +, K, ) 08 un espacio vectorial. vas¥ay = Ya} ¥ EWT= [Wis Way +5 Won) som bases de ¥,DIMENSION 3” ‘resis) [V]~[W] ,05ea,n =m, Demostracion) Consideremos A= | Wan VieVars eo) ste conjunto, al que no pertenece el vector nulo, es un sistema de generadores (pues [v } ¢s una base), y linealmente dependiente (ya que W>, es C.L. de la familia [v). La propiedad 24.3. nos dice que algin vj ex C.L, de los precedentes, y, de seuerdo con 2.5.2, es A~ {¥s} un sistema de genesadores de V, Sea AL = | Wout Win Mies Mere Moots eV Este eonjunto es un sistema de gencradores lineslmente dependiente, y en consecuencia, aigin vy es combinacién lineal de los preeedentes. Lo mismo que en la etapa anterior, s¢ 10 extrae Y Se agrega Win.2, obteniéndose Aa | Wena Wonts Won Yass eos Vene Mites aM Mies stn que es un sistema de generadoresy lineakmente dependiente Reiterando el procedimiento, wlitmamos que no os posible que los vy, se “agoten antes que Ios Wis ya que en este e230 los w, sobrantes serian combinacién lineal de fos considerados. En consecuencia es men () Andlogamente, a partir de se prucha que n, lo que es absurd Siding =ny [W]= [Vy Yar so-n¥el e65.G.centonces [ves Li Si [y}. gue cs 8G., fuera LD, entonces exiiea y, tl que [¥] xj] e8 SG. de V segin 252. Si este conjunto de n-1 veotores fuera LA. constituinia una base de V. Iv] | ¥, | no fera L130 itera el procedimiento,y en toda casos llega a una bse de cuyo cardial es menor que lo que también et absurd En consecuencia ainmamos que 1. n vectores linealmente independientes de un espacio vectorial n-dimensional eonstt| yen una base del mismo, 2, Todo sistema de generadores de vectores de un espacio vectorial mdimensional una base del mismo, 3. Todo conjunto de mis de m yectores de un espacio vectorial dimensional « linealmente dependiente La dimension de un espacio vectorial (V, +, K, ) depende no silo de V, sino también de ceuerpo K. Seguidamento aclaramos esta observacién, Bjempio 2-23. Sean (V, +, )y (V,+,,.) dos espacios vectoriales, donde el conjunto de vectores sel mismo en ambos casos y C es el cuerpo de les complejos.DIMENSION 38 Entonces es dimgV = 21. Yi¥as-o¥n} e8 una base do (V,+,C,.), entonces supongamos que dime En efecto, st [| fe) =[¥is¥as soon 4s yon) esta base de (VR, Iie robareos que 1 fv)es Ld sea Jove Z win-0 Fe timp 7029 +i8=0, > 0 =H 0, WE 2. tw] a8e For ser (v] une base de (V,+,C, para todo ve V,existen eclares + €€ tls ~ & @ tinue ve Sau He ‘Laogo [w]¢s una base de (V, +, R, ),y en consecuencia dima V=2 dimeV En particular, es img C" =2 dimeC" =2.n 21.3, Propiedad ‘Sea $un subespacio de V. Se verifica que’ dim S= dim Ve S=V I Sic subespacio § ¢s ef mismo V, entonces es obvio que dim $= dim V, 2, Supongamos ahora que $ es un subespacio de V que verifica dim § =dim V. Sila dimensién coma es 0, entonces tanto $ como V tienen como Ginico elemento al ‘eetor nuloy son idénticos. ‘Sea dim $ = dim V=n > 0. Consideremos una base de : Fwh= 1, Was nf Los m vectores de [w] son Lil. en V, y de acuerdo con 2.6.3. constituyen una base de V. Entonees son un 8,6. de V, lo que nos dice que todo vector de V pertenece a S,0 sez, V CS, como por definicion de subespacio es 8 C V, resulta $= V,o DEPENDENCIA E INDEFENDENCIA LINEAL. BASE Y DIMENSION 2.8. DIMENSION DE LA SUMA 28.1, Propiedad SiS, y Sp son dos subespacios de (V, +,K,.) y le dimensién de V es finita, entonces x veriiea que dim(S, +83)= dim S, + dim $; — dim (S, Sy) ‘Soa dim V- n dims, ddim; =n" dim(S,OS:)=p y dim $ +8, =4 Se tata de proba que @ wenn Consideremos 8; 4 10} y fe] (x1.%2,--%9) une tasedes; ns, | Teniendo en eventa que 8; 5 es un subespacio de Sy y de, completa a bas fy 4 una base en cada uno de éto. ee Sean {Xse%ay co Xpe Foes Kamp] ¥ [x1.%05-- Xe Badia stamp) bases en 51 yen, espectivamente Fr conjunto AS} xix, Xp Vinee Yap ty ‘esuna base de S, ++ Sp, pues: 19, AesS.G.deS, +5 En fecto, sea ve8; +83, Por definicin de subespacio suma es V=xty A KES) A yess Entonces, Zant 2 tt Saint S” py= | Eaton 2 ayt "Sox 2. Aes Ld Consideremos Jone 2” aye 'S” nn Entoncs EanDIMENSION DE LA SUMA 6 ce [B) Yete cue pertenece a 8, también pertencea $y, 0884 Y waeS 9S: Osa 2, @'sxi~ EZ, 12%=0, y por la independencia lineal deta base de Sa, se tiene: 20, 1=0 ‘Teniendo en cuenta (1) es Luego a=, = Siendo A una base de S, +58, resulta Pep) tn" py=4 Bs decir Gen tn op Lo que se traduee en dim(S, +5) im Sy + dim 8, ~ dim ($1,985) 28.2. Dimension de la suma directa SiS, y S son dos subespacios disuntos de(V, + K, ),entonces la dimension del suma dicta es gual aa sua dela dimensiones de $1 y $y este cas es 8; OS; = [0} yen conseouencia, dim (Sy S,)=0. El teorema anteriores vido también en esta situacin, por consiguente resulta ddim (8, ©S;)= dim 8, + dim S, Bjemplo 2-24, Detetminar la din sin de ta sume de ls siguientes subespacios de (R®, +, Gays) eR? /xty 220} (.2)eR" /x—2=0)@ DDEPENDENCIA E INDEPENDENCIA LINEAL. BASE ¥ DIMENSION ‘8 y 82 son planos y la dimensi6n de cada uno de ellos es 2 S182 = (Gy, 2)€R? fx=2 4 y=0) Todo vector de S, S; es del tipo (@,0,a)=a(1,0,1) VaeR Lugo ddim 8, OS; En consecuencia dim (S, #8,)=2+2 Osea Sy) +S, =R*TRABAJO PRACTICO ji 2.25, Fxpresar en cada caso, si es posible, al vector v como combinactén lineal de vy y va. EL espacio vectorial es (R, +, R, .). 1) v=(/T,-1) , 4 =6/5,2) «v2 (V5.2) H) V=(2,4), W=(-1,3) 2 = 2-0) 2.26, Comprobar que los vectores de R® n=C.3.) 2 =G.-1 Dy vs =4,0.2) son linealmente dependientes, y expresara vs como combinacin lineal de 1 Y ¥y 2:27. Bn (R'*?, +, R, .)se considetan las matrices oT) Probar que son linealmente independiente. & stir ta dependents indepenstencis tins de los veetores wa2 y waa on cada uno de los espacios vectoriales (R, +,R, )y(R, +,Q, 2:29, Dados los vectores (1, 4, 6) , (1.444) y (0, ~4,x), del espacio R® sobre el everpo de los reales, determinar x pata que sean linealmente dependientes 2.30, Demostrar que sia, B y ¢ son tres mimeros reales distintos, entonces los vectores (4,22), (1,8, D*)y (1.6, €*) de (R®, +, R, ) son linealmente independientes. 231, En el espacio vectorial de las funciones reales definidas en R, se consideran las funciones f, gy h, definidas por figs +2r-1, (=F +1, ROHR HE Domostrar que son linealmente dependientes, 2.32 tin el espacio vectorial (RP, +R, .) se dan ls funciones Fy gdefinides por f=, s@=toy 233. 234, 235. 236, 237. 238, 239, 240, 24. 242, DEPENDENCIA E INDEPENDENCIA LINEAL. BASE DIMENSION Probar que son linealmente independientes Ba (R?,+,R,.), Jos vectors (@, 3) y (c,d) verifican la condici Demostrar que son linealmente independiente, Determinar si los vectores (1, 1, 1), (1, 1, 0) y(0, 1, ~1) son lineslmente independien. tesen(R®, +R, .)y en (C3, #,€, 9. Sabiendo que vj, vz y ¥s son vectores linealmente independientes del espacio (V.+.K,, investigar In dopendencia © independencia lineal de los siguiente, conjuntos de vectors ad ~ be #0, 8) Ly tavs +00 ov er5 v3) W) {viv bas s¥9 +670} donde o,5y son elementos de K Sean: | X1,Xay-..4Xq | un conjuato LI. de(V, +,K, Jy eK. Domostear {ho %2,--0%q | BLL OR #O Demostrar que sel conjunto A= {x15¥2,--%)} eB LLY |XiXee.a Xe] 65 1-D.,entonees wes combinacin lineal de Is fails A sbiendo que el conjunto A, a que se refiere el ejerccio anterior, es Ll. en (V, +R, J Y que x no es combinaciGn lineal de dicho conjunto, entonces A'U {x} es Ll Demostrat que si el conjunto A= {x1,%2,.%qf es Lien (V,+.K, ), entonces se-verifca que el vector 3 ix, #0. Demostrar la independencia lineal de los vectores fy, f,y fs del espacio (RE, 4, R,), donde 1 ese intervalo cerrado de extiemos Oy 1, sabiondo asoxxet six € asocxet | 2eet0.3 hen) | Be 7 | Oip [vivareen Yn ve} SLD. Demostrar que si { vis ¥ar-+ Ya} e8UnS.G.de Vy | ¥u,¥aseou%s) etn sub conjunto maximal de vectores LL, entonces és es una base de V. 251. Demostrat que si V es un espacio de dimensidn finita y V=S, S,, entonces so verifica que dim V= dim S, + dim S,Capitulo 3 TRASFORMACIONES LINEALES 3.1, INTRODUCCION Exponemos en este capitulo el concepto de trasformacién lineal entre dos espacios vectoriales sobre un mismo cuerpo, las propiedades generales y los fipas especiales de ‘rasformaciones lineales. Se introducen las estructuras de aticleo y de imagen de una ttasformacién lineal y se da la relacion entre sus dimensiones, Fijada una base en cada ‘espacio, siempre en el caso finito, se determina la matriz asociads una trasformacién lineal, Después del estudio de la composici6n de trasformaciones lineaies, se conecta este concepto con el producto de matrices. Finalmente, se menclonan ios espacios yectoriales de trasformaciones lincalesy ol espacio dual de un espacio vectorial. 32. TRASFORMACION LINEAL ENTRE DOS ESPACIOS VECTORIALES ‘SOBRE UN MISMO CUERPO Sean (V. +, K, )y (Wy-+, K,.) dos espacios vectoviales sobre un mismo cuerpo K. 32.1, Concepte ‘La funcién f: V > Wes una trasformacién lineal u homomotlismo si y slo si 4 )la imagen de Ia suma de dos vectores cualesquiera de Ves igual a In sums de sus | inigenes en W PO +N=FO) +4) ila imagen dl producto de cualquier esealar por todo vector de V es gual al producto del escalar por la imagen de dicho veetor | F@x=a(x)TTRASFORMACION LINEAL . Las condiciones i) y ii) se pueden reducir a la inca siguent {VW es una trasformacién lineal si y silo si Lx +By)= af) 6/9) ‘ealesquiera que sean ary Pon K,y xe yen V. lector puede demostrar por induccién completa que si f: V-> Wes una trasformacién lineal, entonces se verifies que Zane Zateo cualquiera que sea 7 €N. Esto nos permite afirmar que las trasformaciones lineales preservan las combinaciones Iineales, Fiemplo 3-1 Scan los espacios vectorisles(R®, +, R,.) y(R®, +,R, ). La funcion f: R® +R? definida por L063 %3) =O 5, Xa — 85) es una trasformacton lineal, ya que se verfican las condictones A) LUGs. Xa, 82+ Ore Par Ya ALO FIs. Ba HP. 8a tI) = =O 491 aya tea Mas) por summa en R® y definicion de f. Por otra parte, teniendo en event la definiciin def ya sumaen Res S485) + £0 Ya Ya)" Or 5, fa 3) +0 “Yaa DE S(t) 3491 Ya Ma Xe +92 —¥2) QD De (1) y (2) se deduce que la imagen de ka suma es igual ala suma de fas imigenes. ii) Por definicion de producto de escalares por tesnas, definicién de f, propiedadon ‘TRASFORMACIONES LINEALES distibutiva del producto en R, producto de oscalares por pares, y por definicion de Ses Flee Gay any AS (Wt, ka, 3) = (Ry ~ xs, xy 8N)= 0G, 3, X33) =f Cae a8) 0 sea, la imagen del producto de cualquier esealar por todo vector es igual al producto del escalar por a imagen del vector. Ejemplo 3-2. La funcién f:R°>R? tal que f(s, ¥2, x3) = 1 5 trasformacién lineal, pues LUG, 2,3) + a, Yas YOM F Os HI Xe yas ts HI) = Ge toy x3 Yama ta ays +1) 2 —xy +1) no es une pero Fux IAL O Ia I)= CH — Fu — ADAG IPH AD= $e 3 tn Yama xa ty FD) | Ejemplo. +3. i Supongamos que f: R® +R? es una trasformacién lines! que verifica 1G,9)=01,2,3) ¥ FO,N=@,-1,2) PPodemos obtener la imagen de (2, ~3) de Is siguiente manera £Q,-3)=F (2,0) +O, -H=/12 1,0) +3) 0, N= =2F (1,0) + C3) 0.1) = 21, 2,3) +3) 0, =1, 2 =2,4,6) + 0,3, -6)=(2,7,0) 3.2.2, Propiedades y clasificacién de ls trasformaciones lineales Sea f: V>W una trasfonnacién lineal, Denotaremos mediante Oy y Ow los vectores ‘nulosen Vy en W, respeetivamente 1 La imagen del vector nuto del primer espacio por toda trasformacién lineal es el vector rnulo del segundo espacio, ‘Toniondo en cuenta que el producto del escatar 0 por cualquier vector esol vector nulo, y 4 condlicin i) de la definicién de trasfomactén lineal, se tiene £@y)=F(Ox)= OF &)= Ow 1, La imagen del opuesto de todo vector del primer espacio es igual al opuesto de su! simagen.PROPIEDADES % | Considerando la propiedad 1.3.4, y la definicién de trasformacign linea, es LCX=FCDSI = DFO) =F) De acuerdo con la definicién, una funcidn f: V-> W es una trasformacién lineal sy solo 4 sts scons), eo aa eee 9 alo gu roe spe Ee parr em ae | {es.un monomorfismo © fs inycetiva ‘Fes un epimorfisme © fes sobreyectiva | {Fesun isomorfismo fs biyectva ! SiW=YV, entonces la trasformacion lineal f se tlama un endomortismo, y sl éte es biyectivo recibe el nombre de automorfismo. O sea, un automorfsmio es toda trasformacion lineal biycetiva de un espacio vectorial en 8f mismo, Bjemplo 3-4. La aplicacién f: R° > R? definida por FO. ¥2,%3) $62, 84,3) es un automorfismo en R®, Hl Debemos probar que fes una trasformacion lineal biyectiva, | 1. Fes una trasformacién lineal, ya que veriica 4) Laimnagon de la sum es igual ala suma de las imagenes MG Ka) FOL Dae YSMAL Or tia Ha Ny HY)= G82 t+ ya, a Pasta HY) = Ota, — 21043) + Ors — Prva) G19) 4/0 n Sas) i) La imagen del producto de cualquier escalar por todo vector es igual al producto dll eseala por la imagen del vector. Fl aC xe, LX, 2, Os) (Xs, — 81,0085) = ea, — My Xa) af Gy, X23) 2. Fes inyectiva, Sean (¥s.282,285) y (ris Ya, 7s) om el dominio, tales que £183 83) =L01Yas) Osea (a. — 84085), — Ya. Pa) Porto tanto es ways0 ‘TRASFORMACIONES LINEALES wego (1.28) On Yards) 3. fs sobreyectiva, Cuatquiera que sea (a, d,c) en el eodominio, existe (~2, a c) en el dominio al que Lb, 4,6) =, be) Queda probado asi que /es un automorfismo ea R°, La trasformacién lineal f pede interpretarse como una trasformacién del espacio en sf mismo que corresponde «una ‘olaci6n de 90° alrededor del ej x, (81 x2 aa) Lx. xs) Ejempto 3-5, |. La funcién f: VW que asigna a todo vector de V el vector malo en W es uno ‘rasformacién lineal, pues LO+Y)= Oy = Oy + Oy =F) +09) L(EX)=Oy = a Oy af (x) {Fs lame trasformacién lineal mula 2, La funcion f: VV tal que f(x) = ax cualquiora que sea x € Vy @ um escalar dado en K,es una trasformacida linealPROPIEDADES, En efecto L(etyraety)=axtay=SO +10) Saxy=a (ax) "a (ax)= af) La trasformacién lineal f asi definida se llama homotecia de cazén a. Ejemplo 36. Sea f: R? +R? definida por an re (Dats ‘Fes una trasformacién lineal, pues atetbtd 0 ) SMa. d+, Dl=S(ate s+ ( 0 atbtetd etd 0 )a( sre. +16.0 0 eta aatad 0 Fee, )=f(ee,ab)= ( ) 0 eaten ath 0 ( ) rete 0 ath {£no es inyectiva ni sobreyectiva lemplo 3-7. Si (V, 4,R, ) denota el espacio vectorial de los polinomios reals en la indeterminada X, entonees la fancion [Vow |2 ‘TRASFORMACIONES LINEALES Te alan’ 2 cada elemento de V el corespondiente polinomio derivado, es una ‘rasformecin Tinea, pues SO+Q=P+ yar + SQ?) Elendomorfismo fno es inyectivo. 33. NUCLEO IMAGEN DE UNA TRASFORMACION LINEAL Consderemos ina tasformacion nel = V-> W. 33.1, Concepto de niceo Nicleo de una tasforhacin neal f, entre dos epaciosvetoris sobre un mismo sere es conunto de lor vectores del dominio cuyas imagenes por f on ol vector sale del codominio, Elsimbolo N (/) se lee uivieo def. Por detinicion es N= [xeV/s(x)= Oy} Er cleo de toda traformacién lineal es la preimagen del vector milo del segundo espacio. O soa NO=F'( {Oy |) For defincin, un vector pertentciente a V es un elemento dol micteo sly s6la ui sw imagen es el vector nut de W. XEN() © S(x)= OyNucLBO n Ejemplo 38, Determinamos el micleo de la trasformacién lineal definida en el ejemplo 3-1. NODAL Gaede R® (Sle ¥2.23)= 0 ,0)) Se tiene Ga, EN D2 SG, 2,43) =, 0) Ger ay 94) = 10) x1 x3 = 00 xp = x5 208 Lego NW)=|@.a,a)/aeR| Por definicion de ley de composicia externa en R? se tiene N= (40,1, D/aeR) sto nos dice que el miicleo de fes el conjunto de todos los miltiplos escalares del vector (1, 1, 1). La representacion dol N ()esté dada on ol gritico siguiente O. Volviendo a la definicién de nicleo de una trasformacion lineal f V + W, observamos que Nacv Por otra pate, de acuerdo con 3.2.2, 1.e8 L@y)=Ow En consecuencia oy eng, Luego, el cleo de toda tasformacion lineal es no vecto,“ ‘TRASFORMACIONES LINEALES 332, Propiedd del niko I mcleo de tod tasformacin inst entre dos expacios vectors es un sbespacio dl primero, Fipotess) £1 VW es una trasormacin incl resi). (N(),+,K.) esun subespaio de (V, 4, ) Demosteacién) Ya hemos visto que el micleo de toda trasformacion lines! entre dos espacios vectoriales es una parte no vacia del dominio. De acuerdo con la condicién suficiente, demostrada en 1.8.2, falta demostrar: 1. N (es cerrado para la suma, ‘Sean x ey dos vectores cualesquiera de N (f). KENQAY ENC) =F (x) = Ow A/Q)= Oy > FB) +I) = Oy M7 (K+Y)= Oy > extyeng Por definicion de nicleo, suma en W, defn nico. jon de trasformactén lineal y definision de 2. N Ues corrado pata el producto por escalares, SoanweKyxeV aeK AxEV>aEK AS (X)= Oy Pas (x)= 4 )Oy > =F(ax)=0y ax EN) Por definicién de nicleo, producto de escalares por elementos de W, definicton de tras foemacion lineal, propiodad 1.3.2. y definicion de nucleo. 3.3.3, Concepto de imagen Imagen de una teasformacién lineal f: V-> W es el conjunto imagen del d 1 totalidad de ls imagenes de los veetores del primer espacio. EI simbolo I (f) lee: imagen def. 1H={f@)/xeV] También 1Q=[yew/axev a seyey}Ma 1s Sabemos que f (Oy) =Ow. En consecuencia, Ow € (9, lo que signitien que Oto ‘Ademés, de acuerdo con la definiidn, €s racw 33.4, Propiedad de la imagen La imagen de toda trasformaci6n lineal entre dos espacios vectoriles s un subespacio del codominio, Hipétesis) f+ V-> Wes una tsformacién lineal. esis) (109, +.K, .} es un subespacio de (W, +, K, .). Demostracién) Subemos que kz imagen de toda trasformactén lineal entre dos espacios vectoriales es tna parte no vacia del segundo, Teniendo en cuenta la condicion suliciente pera la existencia de subespacio, probaremos: 1, 1 es cerrado para la sume, Sean wy v dos veetores de 1 (f). wel() 4 vel(\> 3x yen Vif =u A fy=v> ASQ) +/Q)suty a xeV A yeV= SfQty)=utv nxtyeVoutvel() Hemos aplicado la definicién de imagen, de trasformacién lineal y de imagen 2. LQ) os cerrado para el producto por escalates Consideremos we K y wel ( aeK AUElGPaeK A fR)=uAxEV> saf(x=aw a xeV2s(axymau naxeV> sauel(n_ De acuerdo con la definictin de imagen, producto en W, definiciSn do teasformacién lineal y definicién de imegen. Efempto +9. Determinamos el nicieo y la imagen de la trasformacin lineal f: R= R™* definda en cl eemplo 3.6, IL 6 ‘TRASFORMACIONES LINEALES NO =| Gu x2) eR? /4 G4 ,22)=N) Gu men OMS (x1 or. Lego NO=(C@a)/aeR| 0 sea, el micleo de feel conjunto de los pares ordenados de componentes opuesta, 1U)= {AER /7 6, ,x)=A} ad a-( Jetmeacnmren® res ed “(CPL ) Ei) ne Luego a 1 U) pertenecen las matsices del tipo dnd Hiemplo 3-10, Pape Masformacion tinea del elmplo 3.9, deteminamos ls dimensiones de N (fe 10.NUCLEO E IMAGEN n 1. Hemos visto que N= {Caa)/aeR! ‘Teniendo en cuenta la definicion de ley de composicion extema en R?, es N=/a(-1,)/aer! Esto significa que N(f) esta generado por el vector (1, 1), es decir, este vector constituye un sistema de generadores dol nicleo, Ademés es linealmente independiente segitn 2.4.3.1), Por consiguiente, { (1, 1) | es una base del nicl, Entonces dim N(D= or) podemos escribir, por definicion de producto de escalares porn sols 7 es un sistema de generadores de I(/), y ademés linealmente independiente, En cconsecueneia, constituye una base. Luego 2. Como 0 sea, la matiiz dim 1 Q)=1 3.3.5. Nicleo de un monomorfismo Una trasformacion lineal: VW es inyectva siy solo sel nico elemento del nileo es vector nulo del dominio 1, Sea f: V-> Wun monomorfismo. Debemos probar que N ()= | Oy } « Oy END™ [OF CNG)8 ‘TRASFORMACIONES LINEALES Sea xeN ().Se tone XEN) >S(8)= Oy =/(Oy)>x= Oy > Xe | Oy} Por definicién de niicleo, 3.2.2. 1.y por ser f inyeetiva, Entonees NOC |Oy] De (1) y (2) resulta N(D= lov} 2, Sean f: V > W una trasformacién lineal y N(f)* { Oy } Para demostrar que fe inyectiva consideremos dos vectores cualesquiera x ey en V, tales que f(x) =7 (9). ‘Ahora bien, por suma en W, definiciones de trasformacién lineal y de clo, por bipdtesisysuma en V,s tiene FO=F() FF) —F(9) = Ow = FR y) = Oy > 2x -yeN()ex-y=0y2x=y sea, basta que el niicleo tenga un tinico elemente para que la trasfonmacion sea inyectiva. Bjemplo 3-11. La imagen de cualquier conjunto linealmente dopendiente, por toda trasformacién Tinea, es linealmente dependiente, Sea f: V > W una trasformacién lineal,y | vy, ¥a,.+.¥e } un eonjunto linealmente ependiente en V. Debemos probar que | f(¥1). (V2). f(%-) } 68 linealmente ddependiente en W. En efecto, por definiciin de dopondencia lineal se verfica que 31/ Zaye Oy nay #0 ado fes ICE, =F Ov) 040 Por ser f une tsformacion lineal y por imagen del vector nul tiene aS =0y 4 a #0 En conseeuencia [0 0a). L 60) | «slinealmente dependienteIMAGEN » Benplo 212 Si: VW sana toma ney wy, 945-0 mm west eV a gue tu indgeescontayen un confnt tessa indent en, ene ever ss tyson lnalnent dependents, By fel, eosdeemos via combina ae, com exe tris, dos welnersgr est eel etornlo de V Sano. Entonces, por defnicign de funcién, es ICE aiv)=FOv) Por ses funa trasformacién neal y por imagen dl vector nulo, se tine 3, oS = Ow Como los vectores f(¥)s 7 1, 2, P'Son linealmente independientes en W, resulta 20 WI=1,2,..47 Luego son linealmente independientes en V. Ejemplo 3-13. La imagen de todo conjunto lineslmente independiente, dada por cualquier trasforma- cién lineal inyectiva, es un conjunto linealmente independiente. Hipétesis) f= V->W es una trasformacién lineal 1-1 (Misvirea ve} es LbenV, esis) { £(V1)sF (2) o-- oL (A } es Len W. Deimostracin) Sea Sartvy=0w Por ser una trasfomacin ine es SCR 000-0 Por definién de néclo tiene Aaveno80 ‘TRASFORMACIONES LINFALES YY como fs inyectiva, el nicleo se redue al vector nulo de V, 0 sea Eav=0y Aplicando la definicion de independencie lineal los vectores de fa hipétesis es 20 WEN, 4r En consecuencia FOL). LO} es un conjunto linealmente independiente 3.4, DIMENSIONES DEL NUCLEO Y DE LA IMAGEN 4a trasformacion lineal f: R? > R?*?, estudiada en los eemplos 3.9 y 3-10, verifica dimNQ=1 y dim Q=1 Osa dim N Q) + dim 1 = Este hecho se verifica cualquiere que sea la trasformacién lineal definida en un espacio vectorial de dimensidn finite, Propiedad SI_(V.#,K..) es un espacio vectotial de dimensién finita y f:V>W es una {rasformaciOn lineal, entonees la suma de las dimensiones del nicleo y de ia imagen es igual a la dimension del primer espacio, imR* Hipstesis) f: V->W es ung trasformectén lineat dim Ven TTesis)_dim Nf) +dim 1) =dim V Demostracién) 1. 1() tiene dimension finita Sabiendo que cualquier base de V es finita, se deduce que I (f) tiene dimensidn finite, En efecto, si {wis Was... Wy} e6 un conjanta Li. en 1(/), entonces existe un eonjunto Ll en Vil viy¥as-—-5¥ | tal que LODE FLA ar de acuerdo con el ejemplo 3-12. Esto significa que si 1) no tuviota dimensién finita, entonces V no tendria dimensién finite 2. Sea x4, X55. %9} uma base de N() ‘Sin=p, entonces N (f)=V y dim I (f) = 0, pues en este caso os 10) {Ow}DDIMENSIONES DEL NUCLEO Y DE LA IMAGEN Sip Rane, Ears 0y 6-01 oy 5893 bs viv ii) [aay ents) SG. d01) Sea z cualquier vector de (f) Por definiein de conjunto imagen se verfia zelQ)>3xeV [f(9)=29 2=PAxaB,xy+ 3 Bayi By 2=2, aS Oa) +; aH gat fo) 7 Bias =F aut d 82,9 a2 ‘TRASPORMACIONES LINBALES En i) hemos tenido en cuenta que fs una tasformacién lineal, Ia dofinicién de micleo, fa base de éste, suma en V, y el hecho de que A es una base de V. En ii) hemos expresado a x como combinacion lineal de Ia base do V, se ha tonido en ‘cuenta que f'es una trasformacién lineal, que todo x, es un elemento del néicleo, y que el producto de cualquier escalar por ef vector nulo es el vector nulo, Queda demostrado entonces que dim N (+ dim 1G) = dim V Ejemplo 3-14, Consideremos la trasformacién lineal : RY + R? definida por LO eX m4 (ry —x2 35 4,0) Determinatos: 1. ELN (/), una base del mismo y su dimensién 64. ¥a,¥9, 4) EN YD F Orr 25,84) = (0,0) (ty ~ 2 xy Hx4 ,0)= (0,0) 024 —¥g 5 xy OM xy ex tay oy En consecuencia, ios vectores del niicleo son del tipo (a+b —c, a, 6,€), ¥ por ofinicion de suma en R* y producto de escslares por cuaternas, se tiene (a+ 6,4, b, )=(@ a, 0,0)+ (b, 0,2, 0) + (-c, 0,0,0) = =a (1,1, 0,0) +5(1,0, 1,0) +e (~1,0,0,1) 0 sea, los vectores ¥=(,1,0,0) 250,010), som un sistema de generadozes de N (f), Adem: lo tanto-constituyen una base del mismo, Luego umn )=3 (1,0,0,1) , son linealmente independientes y por 2. Una base de 1), De acuerdo con el teoroma anterior es dimN (D+ dim t(y=4 Osea dim t= 1 Entonces, toda base de I () tiene un Ginico vector. Come 1W)= [@-b-e+d,0)/a,b,eydeR} se verifica que‘TEOREMA FUNDAMENTAL a Orr)€1 2 O192)=@—b— ed, 0% $01.2) @ FC D+CC, +E, 0% #01. ¥2)=a(1 0) ~B(1,0)—e(1,0) Fd C10) # Oita) (@= bc FA)(1,0) * G72) =a (1,0) Luego (2, 0) es una base de 1 (9, En consecuencla dim) 3.5, TEOREMA FUNDAMENTAL DE LAS TRASFORMACIONES LINEALES Sean (V.+.K,.) y (W, +, K,.) dos espacios vectoriales y [¥]= | ¥iy¥ay---¥a tuna base de V. Siwy, W2, Wy s0m m Yeetores cualosquiers do W, entonces existe una tinica ‘rasformecin lineal f! V-> W tal que f(vj)= Wy WE 1,2, 5 Hipotesis) (V, +, K, .)y (W, +, K, .) son espacios vectoriaes (=f vis¥ayscco¥q | estuna bate de V [Wr.Wayeca wal CW ‘Tesis) Existe f: V> W trasformacion lineal nica, tal que /(; WEL 2th Demostracion) Sea cualquier vector x € V. Entonces existen y son tinicos los escalares a, yy My, tales que {ya que todo vector del espacio puede expresarse de modo tinico como combinacion lineal de Tos vectores de la bese, segéin 2.4.2. Definimos AVIW motinte F69"E erm La asignaci6n (1) caracteriza a fcomo una funcién de Ven W. Necesitames probar Iss siguientes afirmaciones: 1. es una trasformacién lineal Sixe y son dos vectores cualesquiera de V, y a € K, entonces7 ‘TRASFORMACIONES LINEALES y se verifiea Drew auth anes erin Zataywe awit 3 Bw=rey +s) av=f(3 (av) 2 IFN. .n FO) =wy En efecto WOW Het Ove Fy hONy Lego LO)=OW FF OW HIW LH .. FOWE = lw ew, 3. Bajo la condicion £(¥,) = wy Fes Gn Sig:V>W evuna taformacion ines a que (7) = 7, ¥E= 1,2, 0, entonoes #0015 0-8 as n-S gw aS W=PE, wv. I= Fo) cualquiera que sea x eV, Lvego. af Ff {orema demostrado sseguer que toda trasformacién lineal entre dos espacios del penn ete tnivocamente deteminada por los valores que toma sobre cualqnes tone del primero, Ejemplo 3-15, einimos la tasfonmacion lineal £: R° +R? que augna a los vectors de la base fe) Gi 1,0) ,(1,0,0) en RF, les vectores (1,2).(1,2) ¥ CLD) eg Re, respectivamente Risentamos determina i imagen de un vector generico (a. bc) €R?, Expresamosa Ste como combinacién lineal de la hase dadaPRODUCTO DE MATRICES 8s (2.0, 6)= a (1, 1,1) +a (1, 1,0) +45 (1,0,0)= = tay $a, ay Hay ,0) > ays Ca =b cay sah Entonees (@,b.0)= C(I, 1) + — e)(, 1,0) + @ = BC, 0,0) F@,b,6)= CD+*O- G(,2)+ @ HCL, 1)= = (6,20) + 6, 2b— 2) + Ca tba —B) = (2b-a,b+a) 3.6. PRODUCTO DE MATRICES Sean las matrices A€K"™*? y BeK?*", Liamaremos producto de las matrices Ay B, en ee orden, a la matriz C cuyo elemento genérico ¢y es la suma de los productos de los lementos de la fila de A, por os correspondiontes elementos de la column j de B Esexibiremos CHAR donde Duy tain Dag to. Hap byy Osea Ain buy cualesquicra que sean (= 1, 2,-2.4 P= 1,2. a De acuerdo con Ia definicion, para que dos matrices se puedan muitiplicar, el nimeto de cohmnes dela primera debe ser igual al nimora de files de Ia segunde Por ejemplo, si entoncesa6 ‘TRASFORMACIONES LINEALES ot) wa) En ninguno de los dos casos existe BA Si.A es a misina que en el caso anteri ' (2) 3.7. MATRIZ ASOCIADA A UNA TRASFORMACION LINEAL, Considesemos una trasformaciOn lineal f:V->W, entre los espacios Vy W de dimensiones finitas 1 ym, respectivamente. Probazemios que si x fja una base en cada espacio, entonces la trasformaciGn lineal f queda caracterizada por una matiz del tipo mx, {que lamaremos matriz de la trsformacién lineal respecto del par de bases dado, Sean entonces W)= Lv v2 seem f una base dev LW} [was War sess Wm | uma base de W Si x es cualquier vector de V, por ser [v] una base, existen escalates 24,05... ‘nico, tales que “ay @ ‘Tales escalates caractorizan ax respecto de ta base de V, y egiin vimosen 2.6.2 se Haman las eoondenadas de x respecto de dicha base, Podemos escribir 4 Xv aMATRIZ DE UNA TRASIORMACION LINEAL 87 Sila imagen de x € V es y € W, so tiene y=F) Como y es un vector de W, puede expresarse de modo dnico como combinacién lineal de a base [w],0 se8 Rem @ donde o's 0°, cconseeuencia| son las coordenadas de la imagen de x, respecto de la base [w} En Por el teorema fundamental de tes tasformaciones lineales, f queda carnetericada lunivocamente por los valores que toma sobre cualquier base de V. O sea, es sufiiente obtener las imigenes, por f, de cada vector de ta base [v]. Ahore bien, para cada 171,2,...,,F(4,)€W,¥ por consiguiente puede expresarse come combinacién lineal dela base [w]. Over fo)=Eauw 8) W9t2.40 Asignamos a cada escalar ay un doble subindice; et primero, asociedo a eada vector de fe base | wi, 25-5 Wn! «¥ el segundo, en correspondencia con el vector de la base {v] Ast FORA We Haas Web Has Wey P00a)= aia wy basa Wate in Wi Fo) Los num escatares ag, que figuran en las combinaciones do los vectores que son imégenes de los elementos de la base de V, constituyen una matri2 cuya traspuesta, que denotamos con A, recibe el nombre de matriz dela trasfoumacion lineal frespecto de las bass [v]y (W}. in Wi Fan Wa be balmy Wp Osea88 ‘TRASFORMACIONES LINEALES La matrig de Ta trasformacion tineal es del tipo mn, donde m es ta dimension det segundo espacio y ma del primero, ‘ or consiguiente, para hallar la matriz de una tasforiacion lineal frespecto de tna base en cada espacio, se dterminan las imagenes dada por fde los wectores de a base del primer espacio, Se expresan estas imagenes en términos de la base del segundo espacio, 0 ea, como combinaciones lineaes de Jos vectors de la segunda base. La traspuests de la matic de coeficientes es la matriz de la trasformacion lineal eespecto de las bases dadas en ambos espacos. Probaremos ahora si A es la matriz de la trasformacion lineal , respect de la bases [v1 y [w} y si Xp; denota la matriz columna correspondiente al veetor x V, euyos elementos son lis coordenadas de ée respecto de la base de V, entonees Is imagen Ue x, expresada en os deta hase de W, se obtiene premultiplicando por A a vetor cohumna Xj,), 0a LO)=AXiwy En efecto, dado x € Ves xeZay WD ysory=¥ aw En eonsecuencia, teniendo en cuenta (1) y la definicion de trasformacién lineal, es = uF) Intreduciendo aj en ts segunda sumatotia, por ser constunte respecto del indice #, y permutando las dos sumatorias, se tiene Jace Eaves & £0) De (2) y (4), por la unicidad de la combingcién lineal que expresa a f(x) en términos de la baso [w] © = 3 au a Se deduce de esto que la Zim fila 0 componente de Yj), 0 sea”, 6s igual al sama de los productos de los elementos de la fla i de A por los cotrespondiontes elementos de la Unica columna de X},9, y por la definicién de producto do matrices resultaMATRIZ DE UNA TRASFORMACION LINEAL co Mia ss Man 70% a, bien AX = Yue) Reiterando fo enunciado, afirmamos que la imagen de cualquier vector del primer espacio ¢s igual al producto de Ia matriz de Ia trasformacion linest por la matrix de coordenadss de dicho weetor, respecto de la bate [v]. Tal imagen resulta expresada en términos de a base del segundo espacio, Elemplo 3:16. Considereros a trasformacién lineal: R® >R? tal que PG, %01%3)= G1 Hy x=) (1) 1, Determinamos ia mattiz de frespecto de las bases (1,010,000) en? 2,0), (0,1) en? Mediante (1) obtenenios las imégenes de los vectores de la base [y], y expresames 4ichas imigenes como combinaciones lineaes de los vectores de la segunda base F011 =Q,0)= 1 2,0) +0(0, 1) 1 2 £01,1,0)=(1, 1)=4(2,0)+ 10,1) 104.0,0)=0.0-40,0)4000, sal ‘Aces la matriz dela trasformacion lineal f rspecto do las bases (¥) y [w]. 2. Utiizando la matriz A, obtenemos la imagen de x= (1, 2,3) Se tiene"TRASFORMACIONES LINEALES Para ello es necesario dotorminar las evordenadas de x respecto de la base en R®, 0 sea, 4,03 y a tales que 2,3) 804 (11,1) +45 (1, 1,0) Fay (1,0, 0)= (ay tay tay,c +09, 0) Resulta @y=3,@=-1,a5=-1 Entonces 3 X= | 1 1 Su imagen es vectra YEA) «(°) o1o/ \4/ Los etcalures 2y | son las componentes de f(x) respecto de la base [Ww] Si aplicamos directame te fata tema(1, 2,3), se tiene £0,2,3)2@—D Expresando esta imagen como combinacién lineal dela base (w]es 4 -1=22,.9+-00.0 Ejemplo 3-17. Obtenemos la matriz do la trasformacion lineal f:R°*? +R definida por ; i. serena respeeto de la base cenénica en ambos espacios Las ianigenes de Tos vectores de la base candnica de R?*? son 2 Og 01 f ( ) =, =0U,0) 41,1) ooMATRIZ DE UNA TRASFORMACION LINEAL, a ° en ited i oo f ( ) =(1,0)=1(1,0) +001) o1 iy Notese que, en el caso de la base candnica, Jos eoeficiontes do la combinacién lineal son Jos elementos de la matrz, o las componentes del par on (2) a es un vector de R?** cuyas coordenadas, mspecto de la base canénica WIE {En Pia Bae Baa | , son 2,-3.1 y =I, De modo tal que la matiz puede expresarse isi Pye sings Toor poranar(s 2) ‘Tal imagen resulta expresada en la base candnica de R? y se identifica con la que st ‘btiene al aplicar directamente la definicin def. Ast - 1? *hos.s0 i 1,-4)2 ‘TRASFORMACIONES LINEALES 3.8. COMPOSICION DE TRASFORMACIONES LINEALES Sean #:V-+U y g:U->W dos trasformaciones o aplicaciones lineales. La funciém compussta eesivow se define como en 46. Algebra 1,0 sea &-DC=8V 9) Demostramos que la composicion de dos trasformacioneslineales en las condiciones ads, es una trasformacin lineal En efecto 1 @D&t=EFR+M=8V~O tH Ol= BVO) +8 = GoW) + EH iy) 2 @N@N=eF@R|=2la/@)]= 48 IF 69]= mae Hemos aplicado sucesivamente Ia definicién de composicién, las hipstesis (fy g son trasformacioneslineales) y la definieién de composicin. Bjempio 3-18. Consideremos las trasformaciones lineales PRR y goRoR? definidas por PGu xxx tes ¥ 80)=0,0) Determinamos el nicleo de g » f. Para ello caracterizamos primeto ta ley de asin utilizando Ia definicién de eomposicién (5D) Gru Xa x5) 8 Os a BS) =8 Or xy $5) = SG, xa tx 0) Por definicién de niicleo, se tiene Crema xs EN ON EN Or X2,¥5)= (0,0) 2 9G xs #3, 0)=(0,0)¢ x) — a, He, Entonces N@N={@-C,b,0)/bER aceR} Como (> e,b,0)= (6, B, 0) + (-c,0,0)= BUI, 1,0) Fe(-1,0,1)COMPOSICION DE TRASFORMACIONES LINEALES 3 1€1,1,0),(-1,0, 1)} a SG. del micleo de g f. Como ademis es Ll, tal conjunto es una base del nicleo, { por consiguiento su dimers es 2 Nigef} % OO 3.9. TRASFORMACION LINEAL NO SINGULAR 3.9.1. Concepto La (rasformacién lineal f:V—W es no singular, regular o inversible si y sdlo si es biyectiva. En sfmbolos £:V > W es no singular © fe3 un isomorfismo. © bien £:V->W ex trasfornacion lines! no singular © fs biyectiva, Sabemos que una funcién f:V-—>W es biyectiva si y sélo si admite inverss. En consecuencia, podemos escribir ‘Una trasformaci6n lineal f: V > W es no singo 1-2 Bxisto ft 3.9.2, Propiedad [a inversa de una trasformacién lineal no singular es una trasformaciéa lineal. Sea f: V >W una trasformacién lineal no singular, es decir, un isomorfismo de V en W, Probaremos que " : W-> V os una trasformacin Fined,oe "TRASFORMACIONES LINEALES Consideremas y, y v2 en W. Por ser f biyectiva, existon y son Gnicos los veetores xy y x3 en V, tales que FOad=y yy fOad=ye Se verifica que LS" On F¥d= FE PO) FLOM Le tx = 4 oA Oe HH2) = Ger brada ar txa =F) +S a) 2. Sean aeKyy, EW Bntonees FE @W=F SOIL Fexy= =O D@x)= iy @x:)=ax: =af7 (V) ‘yf sellaman tasformaciones lineaesinverss,y w verfica que Stefmiv y fofteiy donde fy e fy denotan las identidades en V y en W, cespectivamente, lemplo 3-19. La trasformacion lineal f: R? > R® definida por F@,b)=G@,-b) sno singular, por ser biyectva En efecto 1, Sean (a, b)y (a’, b’) en el dominio, tales que f(a, ) =/(a", B), Entonees es @,-)=@.-09 En consecuencia 0 sea, Fes inyectiva 2. Sea(a, b) cualquier vector dl codominio, Exist (@ B)en el dominio, tal que F@,-¥)=0.6) Y, por consiguiente, fes sobreyectiva. EI significado geométrico de esta trasformaci6n lineal es una simetriarospecto del eje de abscitas96 ‘TRASFORMACIONES LINKALES 1, Hipétesis) : V+ V es una trasformacién lineal inyectiva dim V=n ‘Tesis) Ses sobreyectiva, N= [Ov} y dim =o Come dim N () + im 1()= dim V revata dim Q)=n=dim V En consecuencia, {(/) = V, 0 sea, Fes sobre 2. Hipotesis) J: VV es una trasformacién lineal sobreyectiva dimV=n Tesis) fs inyectiva Demostraciin) Sea { w1,W2,-+4¥%q) una base del codominio V. Por ser f sobreyectiva, existen ¥;,¥2 5.» ¥en V, tales que 7 pQrevat Los n veetores vs, ¥2,....¥vp som linesimente independientes en V, y de acuerdo con 2.7.2, constituyen una base de V. ‘Consideremos ahora un vector x cualquiera pertonecionte al micleo de f. Se verifica que BO ee Ee tain 0, WER. Siondo NY) = Oy, resulta finycetiva, 3.10. COMPOSICION DE TRASFORMACIONES LINEALES ‘Y PRODUCTO DE MATRICES Considesemos ls trasformacioneslineales £L:VoU y g:Uow y sean WHEL visvas svn | LU bases de U, V y W, respectivamente, 1 Mays [Way Way es Won | ¥ owMATRIZ DE LA COMPOSICION ” Las trasformaciones lieales fy g quedan caracterizadas por las matrices ‘AeK?* y BeKmaD respecto de las bases dadas en cada espacio, ‘Se verifia que la trasformaci6n lineal compuesta gof:Vow cst esociada a la mata c=BAeKm™ respecto do las bases [¥]y (w]. En efecto, sabemos que pata determinar C se necesita obtener las imgenes de los vectores dea base (v]y expresses en funcion de los veetores de {0 sea Do Por otra parte, teniendo en cuenta la definieién de composicién de funciones, que fy & son trasformaciones lineales de matrices A y B, respectivamente, y propiedades de Ia suumatoria, se deduce (oNp=e7 opl=e63, on 00)= 3.00800) Zu 3 awe Z Eerba wi ECE, Pw ands @) De (1) y (2), por unicidad de Ia imagen, se deduce que cum 5, man En consecuencia, por definicion de producto de matrices, resulta c=BA Flemplo 3-20 Sean f:R? + Ry g: RR? tasformaciones lnesles definidas por L064 xn 83) 251 Sy £0)=0.29) Se considera las basos 1) = {(,0,0), (0, 1,0),(0,0,1)| en? fy =(1} eaR tw]={2,0),0,2)] en?98 ‘TRASFORMACIONES LINEALES Determinamos las matrices asociadas af, g yg ©f,y veificamos el teorema anterior £(1,0,0)= 151.1 £O,1,0)= fet.1 Jae 1-1) £0,0,1)=-1=(-1)1 1 (=029=F-@.0)+ raae-(3] 1 Results 2) - 7) (2 Pela a C=BA (3 ai a Definimosshora ge feRO oR? DG.) =8 FOr A I= : 8 (1 +2 — ¥4)= Oy tx2 — 5.2) $2 — 29) Lugo &DG0H¢ 1, 9° 4A,0)410.2) ENOL 1, DLA+10,2) 6°10,0,)=(-4,-29= 40,9 +(-1)0,2 Osea 3.11. ESPACIO VECTORIAL DE TRASFORMACIONES LINEALES BALL, Concepto, Con el simbolo L(V, W) denotaremos el conjunto de todas las trasformaciones lineales entre los espacios vectoriales Vy W, sobre el cuerpo K, 0 seaESPACIO DE TRASFORMACIONES 98 Lay. Wy= {£2 V-PW [Fes tasfomacin inal | En £(V,W) definimes la suma de funciones y el producto de escalares por funciones ‘mediante las asignaciones, FFM @)=L0) +80) oO @N@=aF@) @ Domostraremos las siguientes afismaciones: 1, La suma de dos trasformaciones lineales de V en W es una trasformacién lineal de V en En efecto: A) CH OA+Y=SO ty) te ty)= “SOHMM+EM+EM=C+IO+T+ OW) i) G+ 8) @X)=S@N te N= raf) tag@=alf@+se@l= sats) (x) 2. El producto de cualquier esealar por cualquier trasformacion lineal de Ven Wes una ‘asformacién lineal de Ven W. Unilizando la definicion (2), y con procedimiento andlogo al utilizado en 1., el leetor pusde probar que DX) “BOD® ‘Ademis, las definciones (1) y (2) permiten comprobar que el conjunto Z.(V, W) tiene estructura de espacio vectorial sobre l cuerpo K. La cuaterna [.(V,W),+K,.] denota el espacio vectorial de las trasformaciones Tincalos de V on W, sobre ol evsepo K. El vector nul de este espacio es la trasformacién lineal mula e:V->W definida por e(xy=Oy Vx eV 3.11.2, Isomorfismo de (V, Wyen K™" Sean (V,4sK,.) ¥ (Ws +,K,.) dos espacios vectoriles de dimensiones Gnitas 1 y mi, respectivamente,y las bases Une dvnvescovn] on bw Wis Wasse Wm) en W Entonces, L(V, W)es somorfo a K™*"100 ‘TRASFORMACIONES LINEALES En efeeto, defi F:L(V,W)>K™™ mediante FQ)SA donde A es la matriz de frespecto de las bases [v] yw). De acuerdo con et teorema fundamental do las trasformaciones lineales, A queda lunivocamente determinada para cada fe (V,W), respect de las bases [v} y [Ww]. Osea, la definicion dada satisface las condiciones de existencia y wnicidad de tod funcién. Ademis, se veriffca que: 1. Pes inyectiva, pues si'y g son dos vectores de Z (V, W) que satsteoen FO=F®) eentonces sus matrices respecto de las bases [v]y [w] son iguales, lo que significa LOD=EO) Wee 12.04 En consecuencia sop-F(E ann=S of o0= 3, 00 (Zameen Osea fee 2. es sobreyectiva, ya que, cualquiera que soa A €K"™™", existe f: V+ W definida por OT tal que FDA 3. Fes una trasformacisn lineal Enefecto: FU +a) A+ BaF) +P) F@p=ah-ar( ‘donde A y B son las matrices de fy g respecto de las bases [¥]y [w). En consecuencia FL, Wy+K™%" es un jsomorfismo para cada elecci6n de una base on V y una en W, Resultaentonces que dim L(V ,W)= dim K™™"= mnESPACIO DUAL 101. 3.12, ESPACIO DUAL DE UN ESPACIO VECTORIAL, Llamatemos espacio dual de un expacio vectorial (V, +, K, J al espacio vectorial de ls trasformacioneslineals de V en K. ‘V* donota al espacio dual de (V, +, K,.),0 90a Ve =£(V,K)={ £:V>K | fes trasformacién lineal | Los espacios dominio y codominio son, espectivamente W446) y (K4+K,) Los elementos de V*, es dost las tasformacioneslineaes de V en K, se Haman formes linsales 0 funcional. De acuerdo eon el teorema fundamental de las trasformacionestneales, toda forms lineal «queda unvocamonte determinada por los valores que toma sobre cualquier base de V. Es decir, si IVI [vi ¥2y-o¥m } o8 una base de V, y 4, Yay. 4X9 son n elmentoe cunlesquiara de K, entonees fa func FF: > K dofinida por £092 HE, a= 3 ax, es un elemento de V la base (¥ (V,R), donde ay, 23, dy son las coordenadss de x respecte deTRABAJO PRACTICO il 321, 322, 3.23. 324, 325, 3.26, 327. Determinar cusles de las siguientes aplicaciones de R® en R® son trasformaciones lineates, donde K = R, 1. FG 2.5)" a, Xt, a) 2. BG e223)" Oy + Lae + 2,0) 3. Tu x23) = Oey +42, 0) 4 T5523) = (1X2, 25, %3) Investigar cues de las siguientes aplicaciones f son li 1, F/ RP +R? dotinida por f(x, », 2)", x) 2. FR? +R* definida por f(e,*2) = (es, ¥3,0) + (-1, 0,0) 3. £2 R? +R? definida por f (x1, ¥2)= (2, ~ x2, %1) 4, F/R? +R definida por (rs, x2) "31 x2 Sea f: V >W una trasformaci6n lineal y sean x e y en V tales que f(x) =z, Sabiendo que f(y) = Ow, demostrar que f(x + y) =z. Sea Ia funcion £2 R? rR? definida por f(xy, x3)" (xy, ~x2). Demostear que es lineal, clasificalae interprotarla geométricamente, La funcidn f: R? +R? es lineal, y verifica FOD=CL0,2) £2,1)20,2,-1) Deternina las imagenes d los vectore (3,3) y (0, ~1). ‘Consideremos un espacio vectorial V sobre un euerpo K, y dos trastormaciones lnestes FV2K y g:VoK Sea PF: VK? tal que F(v)= (F@),8(0)) Demostrar que F es una trasformacién lineal Sea T una aplicacion lineal de R? en sf mismo, tl que TULO=(,1) ¥ TO,1)=(-1,2)TRABAJO PRACTICO Itt 103 Determinar la imagen del cuadrado de vérties (0,0) ,(1, 0) ,(1, yO, 1). 3-28, Investiga si existe una trasformaci6n lineal f: R? + R tal que FUY=3 FAVA y £8 3-29, Sean f: R? +R? yg: R? + R? definidas por F,b)=@,04b,B) y 80,8, e)2 45,0) 1. Probar que fy g son teasformaciones lineales, 2, Clasificar fy g. 3. Dofnicg °fy fog. 3-30, Demosttar que si f:.V->W es un epimorfismo, entonces f trasfoma sistemas de genenidores de V, en sistemas de generadores de W, 331, Consderemos (C, +,R, )y f: CC definida por f(2)=F + 1m (2) Determinar ses una trasformacion lineal, y en caso afimativa clsicala, 3.32, Sea f: R? +R?" definida por evans (28 . ) 0 x, yaa Probar que fes lineal y determinar el conjunto de los vectores de R? cuyas imégones por fson la matriznula 433, Demostrar que si f: V-»W os una trasformacién lineal y $ es un subespacio de 1(/), entonces f ? (S) es un subespacio de V. 434, Determinar el ndcleo, Ia imagen y las dimensiones de ambos en las siguientes ttasformacioneslneales. 1, Fe RO + RP definida por ee 2282) =Ces Hts x5, 82 +5) 2. f: RRR definida por f(xy, %2)=x1 — 2a 3.35, Definir una trasformacion lineal: R* + R pera un n convenionte, de modo: Cte ae Kay RAVERY [xy ty 0x4 x4 = O.an try te Obtener después una base y le dimensién del micleo. 336, Una trasformacién lineal f: R® — R® esté definida por : F G1. 2,3 )= Cer ~ 2a, xa Ha) “1, Hallar la mattia A de f,respecto de Tas bases 14,1, 2,0),,0,0)} enR® ((2,0),(0,2) | en R®08 TTRASFORMACIONES LINEALES 2, Mediante A, obtener la imagen de (2, 2, ~2)eR® 3. Doterminar la matri2 B de f, respecto de las bases candnicas en ambos espacios 4. Obtener la matriz C de la misma trasformacion lineal, respecto de la base candnica cen R® y la base del punto ton R®. 3:37, Seaatrasformacidn lineal f= R® + R® definida por F612) = Ce hats, — 3,1 + D8) NP), 1(), una base en cada uno y sus dimensiones 2. Halla ls matriz dof especto de les bases {€,2),(2,0)} en R? {(1, 6,0), (0, 2,0),(0,0,3)) en R* 1, Deter 3-38, La trasformacién lineal f : R? > R® esté caracterizada por la matriz (3-43) 339, Determinar la matriz de la trasformacion lineal del ejecicio 3-32, respecto de las bases canénicas en R? y en RO*? 3-40, Dada la tresformacién lineal f: R2%2 > RP definida por ao p( | etb-cetbtdrtera \ea 1. Obtener la matriz def respocto de as bases ian 10 0 0 O1 | 5 i en R?*? (C0) 4,2, 1),(2,0, 1), (0, 1, ten R? . +41, Define teaaformacién lineal f: R? > R?, tal que respecto de as bass 1@.1,0.0,0,9.0,1,0)} en R? {0,2),Q.9} om?342, 342, 344, 345, 346, ‘TRABAJO PRACTICO Ii 105 100 r-ad Hallar Ia matriz de la trasformacion lineal g e f del ejorcicio 3-29, respecto de las bases {G,1).@,—1)} enet dominio (2,0),(2, 2)} enel codominio ‘1 mattiz sea Determinar ia mattiz de la rotacién del plano de sngulo 8, especto dela base candnica, con centro en el origen, ‘Sea la trasformacion lineal fy : R? > R* reprosentada por la matriz, cor sen 8 sen 8 cos respecto de la base candnica Demostrar que si 9 y 6 son ntimeros reales eualesquiera, entonces Demosttat que si [¥]=[ v1, ¥2)--¥q | es una base de (V,4,K, ), ¥ si fy com 2,57 Son as formas lneaes definidas median Foy by enone [fu fares fa | ob una base de (VK), 0s, del espacio da eV. En (V, +,K, ) sean los subespacios $; y Sp tales que V=S, Sp, Se considera Is funcién Pyivev Adefinida por P@=x Siendox=x +22 YX €S1.% ES. La funcién Py se llama proyeccién sobre S, segin $3. Demostrar: 1, Py es una tasformacion lineal, 2. Py es idempotente, o sea P} = Py ° Py = Py 3.SiP3 es la proyeeci6n sobre $2, ontonces Py +P, =1Capitulo 4 MATRICES 4.1, INTRODUCCION Hemos ereido oportuno dedicar un capitulo al estudio de las matrices con elementos en tun cuerpo K, dado el rol fundamental que este tema desempefa en todos los campos de la Matematica y en las aplicaciones. Conocido ol espacio vectorial (K™*", +, K, ), se trata ahora el producto de matrices. antcipado en el capitulo anterior, y el anillo de matrices cundradas, Sin protonder agotar el toma, s0 estudian la trasposicion y algunos tipos de matrices especiales: simétricas, antisimétrieas, riangulares, diagonales, idempotentes, involutivas, hemmitianas, etcétera. Se trata, ademés, la inversion de matrices, el concepto de matrices particionadas, ¢l ramgo de una matriz y su invarianza frente a operaciones clementales, Después de dar métodos para la determinacion de la inversa de une matiiz se estudian la equivalencia de matrices y los cambios de bases en espacios vectorial. 42. PRODUCTO DE MATRICES 42.1. Concepto Recotdemos la definicion de producto de matrices dada en 3.6. y su conexién con la composicion de trasformaciones linoalos estudiada en 3.10: Si V, Uy W son tres espacios vectotiales sobie un mismo cuerpo K, de dimensiones’ finitas, con bases (I> Misa ssa [assays] y IYTS( wey ee. Wan) respect vamente, y Be K?*" y Ae K™*? son las matrices asociadas alas tasformaciones lieales P:V2U0 g:Uow entonces la trasformacion lineal compuesta eof: Vow esd caracterizada por la matriz producto C = AB € K"™*" cuyo elemento genérico es c= 2, am bnPRODUCTO 107 Observamos que para que exista el produeto de dos matrices, el nimero de coluinnas de a primers debe ser igual al mero de filas de ls segunda, Si ACK™" y B eK", entonees coexisten los productos ABeK™™*™ y BA eK™", pero son distintos sim En el easo en que m=, tanto AB como BA son matrices del tipo n x 1, 6 decit, ccuadradas y pertenecientes a K"*”, pero en general se verfica que ABABA 0 sea, el producto de matrices no es conmutativ, Ejemplo 4-1, Verificamos la no connmtatividad del producto de matrices en el siguiente eas: (2) 68) (33) (29 wo (50) 0) 0) Tineales, que son funciones, no es conmutativa Si AB=BA entonces ditemos que Ay B ton matzices pe tables. 4222. Asosiatvidad del producto de matrices Sean V, U, S y W espacios vectoriales de dimensiones n, p,q m respectivamente, y una base encads uno, Si F:V2U g:U%S y biSoW son tasformaciones lineales, CEKP*", BeK™? y A€K*€ son las correspondientes matrices, nog108 MATRICES ‘entonces,teniendo en cuenta la asociatividad do la composicion de Funciones es hogefa(hog)ef=ho(eo) Denotando con D a la mattz.m x 1, asociada a la composicin, es D=(AB)C=A (BC) seribiremos entonces D = ABC Fierplo 42, Caleulamos ABC, siondo aKa axe axa 4.2.3 Matsiz identidad Bn K"*" ta matriz I euyo elemento genérico es By, 0 s0a, @s 1 si =/y es 0 si 1), 65 neutto para el producto, ‘se llama mate identidad n x 1, y verifiea Al= A cualquiera que sea A eK™ fn efecto el semento gerérico des matiz producto AL es cam Bem busty 5p =ag En conseevenel, por dofnicin de producto es Al Analogamente se prueba que LA= A.ant 0 DEMATRICES "x1 109 SiA€K™*", entonces la identidad mxm verifica IA ya iden lad nx satisface AL=A Fjerplo 43, Cateulamos AB — I, siendo eee ae AB-I=N Lusego donde N denota la matriz nula de R?, 4.2.4, Distributividades del producto Si A.y B son elementos de K"*” y CeK?*", entonoes os (A¥B)C=AC + BC sto significa que el producto de matrices es distributivo a derecha, respecto de fa suma Para demostrar esta alitmacién, consideremos el elemento gonético dy, de la mattiz (A+ B)C. Por as definiciones de summa y producto y propiedades de la sumatoria es y= E fom + bw) ony= 5, aie cus + 3, ba ens Osea (A+B)C=ACHBC SiCEK™*" y Ay B son las matrices anteriores, entonces se verifies la distibutividad a iaquierda. CAFB)=CA+CB 43. ANILLO DE MATRICES CUADRADAS En K"™* el producto ¢s una ley de composicién interna, asociativa, con elemento neutro Jgual ala identidad nxn,10 MATRICES Por otra parte, sabemos que (K*", +) es grupo abeliano, y de acuerdo con 4.2.4. el producto es doblemente distributive respecto de la sma En consecuencia (K"™*", +, .) ¢s el anillo no conmutativo, con unidad, de las matrices cevadradas 1x7 con elementos en K. Este anillo tiene divisores de coro: es decir, existen mattices no nulas cuyo producto es la ae ({Q}on w(t) en Ba) 00 Considerando en el espacio vectorial (R?, +, R,.) la base canniea, la matre.B representa tna trasformacién del plano en si mismo que asigna a cada vector (x,y) laimagen 0,» +9), y A caraeteriza la aplicacion lineal que trasforma eada vector (x ,») en (x, x), Ya que (2)() = (<5) (3) (3) (2) Li teasformacion lineal compuesta, asigna a todo weetor el vector nulo, Es decir, es la trasformacién lineal ula, pero | 4A, TRASPOSICION DE MATRICES 4.4.1. Concepto ‘Sean los espacios vectoriales (K"*", +, K, .) y (K™*", +, K, ), Por definiciOn, la matriz Be K™*" es ia traspuesta de A € K"*" siy sélo si by ayy se escribe B= Al Elsimbolo Ase lee: “A traspuesta’ Si En consecuencia, para halla La traspuesta de una matriz, se cambian fils por columnas. Observamos, ademés, que toda matriz 1X 1s igual a su traspuesta,“TRASPOSICION m1 44.2. Traspuesta de la suma y del producto por escalares La funcion f:K™" > KM%" que asigna a cada matriz del dominio su traspuesta en ot es decir, definida por ccodom’ LA)= At es una trasformaci6n lineal En efecto 1. La traspuesta de una suma es la suma de as traspuestas, ‘Sidenotamos con Ca(A + BY',entonces cy = ay ty Y resulta S(A+B)=(A + B= At + BER S(A) +f) 2. La traspuesta del producto de un escalar por cualquier mats es igual al producto del excalar por la traspuesta dela matiz TTeniendo en cuenta que si C= (@ A)! entonces cy = aay, resulta F@A)=(@ A) =a Al =as(A) Hjemplo 4-4. caleulamos (B* AY’. Lio Comet asia b of 001) =Ce ¢ B),remtta o1o/ ° 1 ° Bt aye - 6 44.3, Traspussta del producto La traspuesta de un producto de matrices es igual al producto de las traspuestas en orden permutado. Sean Ae K™? y BeK?*™, Demostraremos que (apy = BY At12 MaTRICES AB, entonces a> By aie ny = aa Bry ta Day +... tay b, ‘esl elemento de la fila jy de la columna i de C= (BY. Los elementos bs, bj... Byy dela columna jsima de B, son tos de fe fila j do Bt Andlogamente, a71, 472, .. .. dip son los elementos de la columna isima de Al Entonces, el elemento de la fila jy de la columns / de BYA' es Py + bapdeg #. + by tip =, dn by ot Bn consecuencia, (By = Bat Ejemplo 4 La trasposicién verifica (A')'=A. Teniendo en cuenta este resultado y el teorema rir, calculamos (BA), en el easo del ejemplo 4-4, 100) fa\ fa On! 0! n'0- oi] :) : 010, > 4.8. MATRICES SIMETRICAS Y ANTISIMETRICAS ASA. Matti simeétrica ‘Una matrz.cuadrada es simétrica si ys6lo ss igual a su traspuesta, ACK™" es simbtica A= Al ay= aj, Vi ¥) Bn R**°, la matriz, ) ma . Mattiz antisimétriea (Una matriz evadrada es antisimétrica sy s6lo si es igual ala opuesta de au traspucsta AEK™" es antisimétvica A= —A! @ay=—ay Ve W {Los elementos de Ia diagonal de toda matriz antisimétrica son n Aces antisiméttica > ay los, pues 1» WE 2a) =O Wi-ray =O» VEMaTRIceS Si 0 1-2 a=(-1 0 3 2-3. 0} esantisimétrica Ejempto 45. ‘Demostraremos ls siguientes propiedades: ETRICAS ¥ ANTISIMETRICAS 13 La matsiz i.) Bl producto de toda matriz por su traxpuesta es una matriz simétrica. En efeeto: (Aan f= (ADL AT AAT Luego, por sr igual a su traspuesta, AAS es simétrica Observamos que no es necesario que A sea cuadrada para que existan AA‘ y AtA, las ‘que son, en todos los casos, matrices cundradas. ii) La suma de toda matcz cuadrads y de su traspuesta es simétrica, Sea AeK™*", Se verifica que (Ab adt= ik, A+ At es simtrica CECADI=ATE ASA AT Esd La diferencia de toda matsiz cuadrada con su traspuesta es antisimétriea, SiAeK"", entonces, aplicando propiedades anteriores, se verifica (A Ante Al (Adf= Al (a-ad, En consccueneia, A — Af es antisimética. iv) Toda matriz cusdrada es la sume de una matriz simétrics y de una a antisimétrica AcK™™ AFA! es ie ties y A~ AT es antimétrica 4 (AA) os way (Aa eantinc n=! A A +E (A Des de una matri2 simétriea y de una antisites. Hjemplo 46. Sean A€K"*" una matriz simétries, XEK"*! y YeK"™!, Desarollaremos el producto (X~ Y)! A(X —¥). ‘Toniendo en cuenta que Ia trasposicién es une trsformacién lineal, fa distributividad del producto respecto de la suma y que X'AY es del tipo 1X 1, 0 sea, simetrica, tenemosus MATRICES (K-YIEA(K = ¥)=(K 4) (AK — AY) = XAX —XUAY — YEAX EAA = XPAX (MAY)! YEAX 4 YA) = XAX — YANK! YIAK + YFAY = =K'AX = YAK — YAK + YFA =XIAX —2Y!AK + VIA 4.6, MATRICES TRIANGULARES Lamatriz A eK" es triangular iperion sly silo sid >/ ay =0. Fn RO 23 0-2 | esuna matriz triangular supetior. 0s > Anlogamente Ack" es triangular inferior sy sOlo si?ay =0, El lector puede deinostrar que cl conjunto $ de tas matrices tiangulares superiores 0 inferiores de (K"™", ++, K, .) es un subespacio de K™*” Ejemplo 4-7. Efectuamos el producto de ls matrices trangulares Ay pestencsientesa R™™, tales que ny = O81 > jay #14 /si4}, by mi 2 ht ay ‘Toda matriz diagonal tiene nulos los elementos que no figuran en a diagonal, Para denotar que A es una matriz diagonal, eseribiremosMATRICES TRIANGULARES fe fay 0... ON Og... 0 a diag (@), 43,6 Oy) 0 0 we ae En particular, en K"*", I y N son matrices diagonsles. Si todos los ¢lementos de la diagonal son iguales, 0 se, sia diagonal se lam escalar. Siendo A una matriz escolar, se verfica Aeal i entonees la matriz 4.72. Propiedad BI conjunto $ de las matrices diagonales de (K"*", +, K, ) es un subespacio de K™", y su dimensign es. [La demostracion se propone como ejercicio. 4,73, Propiedad El conjunto S de las matrices diagonales de K"™" es un subanillo de (K"*", +, Peta demostrar esta afirmacién es suficionte probar que el producto de matsices iagonales es una ley de composici6n interna en S, 48, MATRICES IDEMPOTENTES F INVOLUTIVAS 48.1. Concepto Una matrig cuadrada es idempotent si y slo si es igual a su cuadrado. AeK™" es idompotente © A? =A 1 zr verifica A? = A, es deci, es idempotent i cuadrada es involutva si y slo si su cuadrado es a identidad. ‘A€K"™" es involutiva ® A? =1 10 10 La mae A= esinoin, pcs A? = ( o- otus MATRICES 4.1033, Propiedad El producto de dos matrices ortogonales es oxtogonal Ay B son ortogonales > AB es ortogonal En efeeto: IAT AAS SI (AB) (AB) ABBAS por traspuesta del producto y 4.10.2. ‘Anilogamente es (Any(AB) En consecuencia, por 4.10.2. resulta AB ortogonal. Elemplo 4-10 ‘Toda mate cosa soma 0 v(m coe 0) donieaen Oo es ortogonal. Bn efecto: cora sna 0\ | cosu sna 0 100) AA‘=|sena cosa 0 ~sena cosa O o10 1 0; 0 Of 0: 1) \0 01 4.11, MATRICES HERMITTANAS 4.11.1. Matrices complejas (C™™,4+,R,.) y (C%*™, +, C, .) denotan los espacios cuyos elementos som las matrices complejas del tipo nx m, sobre el cuerpo de los reales y de fos compleos, respectivamente iti 2 ) onMATRIZ HERMITIANA ng ara denotar la matriz conjugada de A, eseribiremos ‘Si Aes la matt anterior, entonces Diremos que A y A son matrices conjugadas, una de la otra, pues A = A, Dado el espacio vectorial (C™™™, +,R,.), la funeisn f:C"™™ >C™%™™ definida por J(A)= A es una trasformacion lineal, puesto que se verifice 1) ta conjugada de ta suma es 4i) Ia conjugade del producto de un escalar por una matriz es por la conjugada de la matriz, Elector puede demostrar que fes un automorfismo, So verifica que la traspuesta dela conjugada de cualquier matrix es igual «la canjugeda de su raspueesta, 0 sea ial a Tn suma de las conjugadas, ial al producto del escalar Ateat Para designar esta matrz, eseribiremos A* En el caso ya tratado es 1-i 2 2 a+21 El operador ® satisface las siguientes propiedades: 1 (ayaa 2. (A+B =AFBE 3. (AB) = BF AS a (A+B) = at +B Para demostrar esta afirmaciOn es necesrio probar que la mote conjugads de un producto es igual al producto de ix conjugadas. Sean Ae C™*? y Be C?*™, SiC = AB, entones al elemento genérico de Ces Py am Poy ¥y teniendo en cuenta que el conjugado de una suma es la suma de lot conjugados y que el conjugado de un producto es el producto de los conjugados, & tiene a a ag Osea10 MATRICES. Retomando nuestro propésito (AB) = ABE= (4B) Bieneas 4.11.2, Matiz hermitiana Lamatiiz A eC" es hermitiana siy slo sies igual a la traspuesta desu conjugada. Aceshermitiana ® RMenaatoaynay Viv Los elementos de la diagonal de toda matrz,hermitiana son nimeras reales, pues Aces hormitiana >4,,=% ay €R. 1 -# 24i § -2 3-27 Jes hemmitiana 2-347 3 Toda matsz simétrica y real es hermitiana, ya que veriica ay La matic Bjemplo 4-11, Si@eCy AeC™™, entonces (w A)*=@ A* En efecto G@A*oa A= (BAY wat jempto 4-12, fe ee exec 1-a( )\- au +y= ipoeee al, )ee-oe soci veil). 1 S(t ears o(,2,) ‘Efemplo 4-13. Si H= (AeC*?/ A cs hemmitiana | , entonces H no es un subespacio de (C2*3, +,€, ), ya que H no es eortado pars el producto por escalares. En efecto: i) X*AX=( 1 -PARFICION, mn Lo-nate “iti Ellector puede comprobar que H es un subespacio de (C*?, +R, ). 4.12, MATRICES PARTICIONADAS 4.12.1. Submattices de Ae K™™ Eliminando r Glas y s eolumnas de la matrix A.€K"™" ge obtiene una submattia de A, que denotaremos asi Mitre ode | Madar ed) donde i, es el nimero de Ie primera fila eliminada, climinada,etestera, ‘Siliminamos las fils indicadas en jes el nlimero de la primera columna entonces AQ,412,4,5) a) Sisemenionan slay unas que se conservan, la notacién es ansinai=(qn a2) 4.12.2. Particién de wna matriz, 1 +02 ¥ m= Hy + la, y considoromos las submatrices ALL 226501 125. td AS A[L 2.9% Tih tL +2, m|m2 MATRICES An ADDY ELD EQ 2s - eth | An SAD ELM +2 ly FIM tye An Aw An An ‘6 blogues. Las descomposiciones = Vy ++ Vs ym particién para files y eolumnas, rospectivamente. Por ejemplo, la particién de A que se indica a continuacién Escribiremos: a=( ) y diremos que A esta particionada en cuatro submatrices | an esquemas de fa i Fy se denom 1J-103] 0-4 v2] 332/10 as ("237 r1iy1 3 ~3o}o31/2 4 s10} 102/23 cortesponde al esquema ney ty a243 ; m= ty toy Hay e2b a2 i ys obtione | {Au An As A ) | Au Aa Aan ' donde cada blogue Ay es: elemento de le mattizparticionada | Bn general, sis ACK™™,n= vy + dy... MY M=Hy thy +. +My entonees | las submatrices Ay con (= 1, 2,4 1,2,» Som os elementos de A paticionada en | bloques, vse eseribe Au Aa os AL An An oe a { Bat Ber ose Arg 4.12.2. Operacion 1 Adicion Sean A y B matrices en K"™*" y los esquemas de part Db tte m= fy + by +... + My Si A=(Ay) y B= (By) s0M Ios notaciones de A.y B particionadas, | entoncos es | | a | | A+B= (Ay +By) conf 1,2. FYPE U2. |ESPACIOS FILA ¥ COLUMNA, a H, Producto por escalaes Se define dela siguiente menera @A=@Ay) TL, Maltiplicacién Sean las matrices A eK? , Be KP%™ y los esquemas de particién net mt, PEM tm tema tit 0.98, A=(Aw)y B= (Bu) donde = 1,2... 4 7J21,2,..45 9 R= El producto en forma particionada es ane(Z, Ana) Ejemplo 4-14. Consideremos las matrices A y B particionadas como se indica 10 as{o 1 1-1 1 0 7 1 0 rate 2) 232 1 a (ee :) tf] \Bu Ba 0 I producto en forma paticionada es An An\ (Bu Be’ ABS Au An} \ Ba Bas Loy toy 012) p48 udu tautn= () y+ ) (14) - ot} oil Nira Vor (i)! 6 4) Andlogamente se caleutan C42 ,Car_¥ Cx , que son los restantes bloques del producto. i ButAn Bn An Ba tAn 7 Aa Bin | Ase Dat Ast Dy Ase Bay 4.13, ESPACIOS FILA ¥ COLUMNA DE UNA MATRIZ, Sea A €K™*" y scan los esquemas de particion w= Py, m=1+ 1+. 411% MATRICES Entonees A queda perticionada en matrices columnas y se escribe A= (A Aaa Aim = (Ar Aa Am) donde AyeK" y= 1,2, 4m, Definicién Espacio columna de la matriz A€K"*" es el subsspacio de K" generado por las wt columanas de A. Denotames el espacio columna de la matriz. A medisnte Sg(A). Los elementos de Se(A) son todas las combinaciones lineales de las m columnas de A. Osea Se(A)=| 3 oy Arye Definicion Rango cola de una matrices fn mension del espacio column de dha mati ol A) se ee ang colina de A,y es (A) = dim Se(A) Si Acs una matic mula espacio columna es un vector nao ye! mg column 0, Si A-# Nentones ol tango columna de Aes el mixino admero do vecfore columns lnealmente independents Andlogamente so dtinen ot espacio fla y el sang fs de une matt A, y © indcan suediante Se(A)y op(A), rospectvamente =(A) ese sibespacio de K™ generado por las fas de A y dimSy(A) se! méximo mero d vetoes is lneanent indpendients de A Ta partcim de 8 eK"™™ en vectors fils inde Aa AN Aa A A =f: | donde a exe; ” An An Si es necesatio, para roferimos a la submatriz columnne de lugar, escribiremos A.» ¥ pars indicat la submattiz fle de lugar &, pondremos Ay. El punto en A., significa que el primer indice vatia desde 1 hasta m. En el segundo caso, el punto indica que el segundo indice es variable desde 1 hasta m. Bjemplo 4-15. Determinamos los rangos fila y columna de ta matriz,RANGO ns 20-1 4 a-(o4 1-2 ea CObservamos que fas dos primerasfilas son Hinealmente independientes y que la tereera el rango fils 1, at es combinacién Kineal de aquéllas: Ay, =~+Ay, ++As,. En consecuen binaci6n Ii 8 sag tha de Aes 2, El ketor puede comprobar que el méximo némero de vectores columns linealmente independientes de A también es 2 ‘Ambos rangos, fil y column, coinciden, 4.13.2, Propiedad ‘Los rangos fila y columna de toda mateiz son iguales Hipétesis) AeK™*™ Tesis) otA)= PrCA) Demostracién) ,entonces fg(A) = 0= pe(A). Sea AN po(A) =r. Probaremos que pr(A) =r Podemos suponer, sin pérdida de generalidad, que las r primeras columnas de A son Ll yp ia oe Me ONT oo Mayet Bn in Bir Myr oo Bebe os Ble nn Gra ss Ane Ange oe Ure h Particionando A en vectores columnas es ASA Aa Ae oe Bint os Mad Por lo supuesto, las 7 primeras columnas de A constituyen wna base de Se(A). En Rant An Aa # am Aa tee H Oph Ar = = Eom Ay (1) Ve= 12.90 Soa [ €1,€2,. +. €m | Ta base canGnica de K"™. Como las flas de A son veetores de K™, se veriica que a ey a ea FoF Four Bot Hoon On =S, doth136 MATRICES De (1) y (2) resulta Ai man eta et... Hae eet Fr a F035 ain H.-H Me) erp + Hie Win Fag ae +. + Os de) erp + bd Fi mir dit Oa morta oH Op im Bie) Eon = Sain (Cr + ty Cran + O12 Orta H.-+ Ot mr Om) + Fain (Gx Faas Crp1 aa C49 Heo FMa mr bn) + Fairer Hern Grr F042 Crea He Sree Oy Fay Oy bays ey H... taper En conseeuencin | Sipp(A) =r',eu 1€', | esn sistema de generadores de las fas de A. rer @ ya que el méximo nimero de filas L.. de A es menor o igual que el cardinal de todo sistema de generadores de ls filas de A, Anilogamente, razonando a partir del rango fila de A, se prueba que rer (4) De (3) y (4) resulta Osea o(A)~ pe(A) 4.13.3. Rango de una matriz Hemos demostrado que los rangos fla y columna de toda matri2 son iguales. Bste ‘ndimero se llama rango de la matsiz. Para denotar el rango de una matsiz A, escribiremes (A) Definicion Rango de una matsiz es su ra 20 file. o su tango column, P(A)= po A)= pea) Dos matrices traspuestas tienen igual rango, pues PIAY= pel) = pe(A)= (A, Si LeK™", entonces es p (I) =n, ya que los 1 vectores eoluma de I son linealmente independientes.RANGO re) 4.4134, Rango dal producto Propiedad Bl rango del producto de dos matrices ex menor o igual que el minimo de ls rangos. Hipétesis) Ac K"™,B ek?” esis) p(AB)K®, definida por la matriz A respecto de In base ceanénica en K” Six eK", entonces.es f(x Como al espacio columna de A es! subespacio de K" generado por la m columnas de A, y éstas son linealmente independientes, e verifica que dim So(A)= Por otra paste, 1 (f) = So(A), es decir, la imagen de Ia trasformacién lineal es igual al espacio cohumna de A. Luego dim L(Q=n y.en consecuencia, fes sobreyectva De acuerdo con 3.94. Fes biyectiva, y por lo tanto A 0s no singulr. 4.14. OPERACIONES Y MATRICES ELEMENTALES 4.14.1, Operaciones elementales Operaciones olementales sobre una matriz A €K"™*” son las siguientes 1, Permtacion de dos filas entre si, o de dos columnas entre si, 2. Adioion de una fila a otra, o adici6n de una columna a otra 3. Multiplicacién de una fle o de una columna por un escalar no nul. Sise efectéan operaciones elementals sobre Is filas 0 columnas de una matiz, se obtiene ‘otra matriz; pero demostraremos que su rango no varia, 4.142. Propiedad Toda operacion elomental sobre las fils do una matiiz AeK™*™ puede realizase premultiplicando A por una matiz no singular del tipo axa, ‘Antes de probar esta afirmacién definimos Ey, €K"™® mediante 1s hajak 0 siith vith Por empl, en K*** es130 MATRICES. 1. La permutacion de las filas i y j puede obtenerse promultipicando A porla matiiz no singular By +Ey+Ey en ko En K%4 og Py se deduce de la matrz identidad permutando Patticionando A en vectores flay, se tiene ian flas © columnas Fy j. M \ay Bn consecuencia, la premultiplicacion de A por Py permute las fils fy / Ademés, como en Py se tienen exectamente » vectores colvmna linealmente indepen. dientes, es (Py)=n,y en consecuencia Py es nosingular 2. La adicidn de la fila fa le fila j puede obtenerse premultiplicando A por la matriz no singular Aya 14 By nk es An ooo 100 iio o1 o ‘Ay se deduce de la matez identidad al sustitui 0 por 1 en ef lugar /, Se verificaMATRICES ELEMENTALES. in AY AL | Al \a 0 sea, 1a promultiplicacion de A por Ay sume a la flats fla i. Se sabe que las filas de la matsizidentidad:ey 3 ....5€i.- +8) 5 conjunto linealmente independiente, En consecuencia 10a, 021. nt bene ata! ‘es un conjunto linealmente independiente, o sea p(Ay=n Lugo. ‘Ay esno singular 3. producto de la fila de A por el escalar a +0 puede obtenerse premuitipicando A por la matriz.no singular M,@)=1+@-DEu wor (G29 | M,(q) se obtione multiplicando por eel elemento de lugar (i) de la matric identidad. Se veritica En k*% es ol; 65 My (@) no singular1a MATRICES. Analogamente, se demuestra que toda operacién elemental sobre las columnas de una ‘matric A€K"*" puede obtensise posmultiplicando A por una matriz no singular del tipo Definicion Las matrices que realizan las operaciones elementales sobre ls lineas de una matsz se Manan elementals, ‘Como las matrices clementales son no singulares, de acuerdo con 4.13.4., se deduce que el rango de una matriz no varia frente alas operaciones elementales. Biempto 4-16. Mediante operaciones elementales determninamos el rango de A, siendo. 1201-1 fete be: Alor 2-1 22-1 2 Efectuamos, sucesivamente, las operaciones clementales que trasforman las primeras files y columnas de A en vectores canénicos 10 0 0) A ta segunda columns de A se ie sum le primera multipicada b-1-1 3) por ~2, © 1 2-1} Ala tercers columna do A se le sumé la primera multiplicada 2-2-3 4! por-L Ala cuatta colu se Le sumé fa primera, REYEQUIVALENCIA 133 epee eaccecec cue A la cuarta columna se le resté el duplo de la tercera. 1 0 O Oy Ala cuarta fil se le sum6 la tercera, Esta matriz tiene tres columnas linealmente indopendientes, 0 s como es igual al de A, resulta su rango 83, y piay=s 4.15, EQUIVALENCTA DE MATRICES 415.1. Concepto Sean A y B dos matrices pertenevientes a K"™", Diremos que B es equivalente a A siy sélo si B puede obtener efectuando un nimero finite de operaciones elementales sobre A El simbolo B ~ A se leo: “Bos equivalente a A”. La equivalencia de matrices es reflexiva, simétrica y transitiva, 0 sea, es una relaciin de cequivalencia en K™*™ La matiiz obtenida a partic de A, en el ejemplo 4-16, mediante un atimero fnito de operaciones clementales, es equivalente a A y recibe el nombre de forma canénica de A. La forma canéniea de Ia mattiz nula en K"™* os dicha matri, 4.15.2, Propiedad ‘Toda matriz. no nula Ae K"*"* do rango,r es equivalente ale matric 1 Nexen i Nomar Nonoxcmr) donde B esta forma canénica de A. La demostraci6n es sencilla, y el lector puede hacerla baséndose en Ia definicion de ‘matrices equivalentes y teniendo en cuenta lo realizado en el ejemplo 4-16.14 MATRICES: Si A es una matriz no singular en K"™*®, entonces su forma canénica es la matriz Idontidad. AeK™" es no singular ® F.C(A)= El simboto F.C(A) s0 le: “forma candnien de A”. 4.15.3, Propiedad Las siguionts proposiciones son equialentes: iA~B it) pCa) wD FC(A) @) cB) 1.A~B=p(A)=p(8) Si AWB, entonces B puede obtenerse efectuando un nimero finito de operaciones clementales sobre A, y de acuerdo con Io afirmado en 4.14.2. el rango se conserva, En consecuencia es p (A) = p(B). 2. p(A)= p(B) > B.CAA) = F.C{B) Es inmediato por la propiedad 4.15.2. 3. FC(A)=F.C(B)A~B Por Ia propiedad 4.15.2. es F.C(A)~A y F.C(B)~B. Como A y B son equivalontes una misma matriz, resulta A ~ B. 4154, Propiedad Si AEK™™™, entonees existon matrices no singularos PeK™*” y QeK™ tales que -4A)=PAQ, En efecto, Is forma canénica de A se obtiene premultiplicando A por un nitmero finite de imatcives elementales del tipo MK ALR? =B=PAQ dondeP=M"K yQ=LR™ Hemos aplicado 4.15.3.,4.15.4., premultiplcado por M" y posmultiplicado por R =p 2.Supongamos que A y B son matrices nxm, y que existen P y Q no singulaes tales que B=PAQ, Por 4.15.5., Py Q son productos de matrices elementales, lo que significa que B se obtiene efectuando un nimero finito de operaciones clementales sobre A. En consecuencia, A~ B. 4.16, METODO DE GAUSS JORDAN PARA DETERMINAR EL RANGO. E] métedo que exponemes a continuaciGn nos permite determinar el rango de une matriz mediante un nimero finito de operaciones elementals de! tipo: multiplicacién de una fila por un escalar no nulo y adicién do una fila a otra. Seiaamos que se opera exclusivamente sobre Iss fila de la matriz, y que ademés el método se hace extensive a la determinacién de la inversa de una matriz no singular y ala esolucién de sistomas lneales Esencialmente, mediante Tas operaciones elementales indicadas, se trata de formar el ‘mdximo mimero posible de vectores canSnicos linealmente independientes, Tal nimero es, precisamente, el rango de la matriz. ‘Sea A una mattiz no nula. Se elige cualquier elemento distinto de cero, al cusl se fo llama pivot, Para fiar ideas, sin pérdida de generalidad, supongamos que el pivote es ais =a, y sea Ja matiiz @te det 140 silo algunos elementos,136 MATRICES Dividiendo la primera fila pora %0, o sea, multipticindola por el eeiproco del pivote, se obtiene En la etapa siguiente, se reducen a cero los restantes elementos que figuran en fa columna del pivote, Entonces, a la segunda fila se le suma la primera multiplicada por ~ 4, De este modo, ds tasforma en ee tranfooma ene - 9? ,y rae tasfornaenf- Se obione se trasforma en 0. Y'siaga =, entonces fi se trasforma en ft En las dos etapas descrtas se ha obtenido un vector eannico en fa columna del pivote, Observamos en la miatsiz dada que ‘oly elemento que sy figuse en Lt fl ni en ta columna det pivote, forma con éste na diagonal de un “rectingulo”. Los otros das vértices deterninan fo que llamaremos la “contradiagonal”. Por ejemplo, asociado al elemento e se tiene ‘Como of tasformado dee es e formado de cada elementoGAUSS JORDAN ast ‘que no figure en la fila y columna del pivote es igual aia diferencia entre dicho elemento y el ‘producto contradiagonal dividido por el pivote, Bn las etapas siguientes e reitera el procedimiento eligiendo un pivote que no figure ni en Jas filas ni en tas columnas de los pivotes anteriores. De este modo las operaciones ‘lementales indicadas presorvan los vectares eanSnicos, EL procedimisnto se termina cuando no es posible obtener ningin pivote (distinto de c2ro) en las condiciones ya sefaladas Bjemplo 417, | Mediante el método de Gauss Jordan, obtener el rango de ot ti 02 eal desl c f 2 2-1 2 EJ pivote puede ser cualquier elemento no nulo. Si algin elemento es la unidad, se lo clegiré como pivote para evtar célculos. Provedemos de acuerdo con el siguiente esquema 2—| 1] EI trasformado de ays = 7 ii) 2 en Qe T 21 =0| Blimsformuda doe ora 2). 0 O24 3 92.) od a 10-3 1] Bi trastormado dea =2es 00a o 1 f-1 2-12 one 10 0 9 nn oo | __ El procedimiento ha terminado, ya que no es posible elegir un nuevo pivote EI rango de A es el mimero de vectores candnices, © 8a, 3. El cuarto vector columnaial MATRICES es combinacién lineal de los tres primeros, pues es la suma de los productos de ellos por 7, ~Sy 2, respeetivamente, ‘Sion alguna etapa inteanedia se eigiera como pivote un elemento no nulo que figure fen Ia fila de algin pivote ya seleccionado, la columna que entonees se trasformé en un vector canénico dejarta de srl, Resumimos la meciinica del procedimiento: 1, Se etige como pivote cualquier elemento no nulo de a mata dada, y se divide por él In fila correspondiente, 2. Los estantes elementos de la colummna del pivote ge trasforman en cero. 3. EI trasformado de todo elemento que no figure en a fila ni en la columns del pivote se determina siguiendo la segla del “rectingulo”, es decir, es igual a su diferencia con el producto contradiagonal dvidido por el pivote 4, Se reitera el mecanismo cligiendo como pivote un elemento no nulo que no pertenezca ‘iia as filas a a ls columnas de fos pivotes anteriores, 5. El miimero de vectores canénicos linealmente independientes es el rango de la mati 4.17, INVERSION DE MATRICES POR GAUSS JORDAN | método explicado en 4.16. permite determinar Ia inversa de una matriz no singular. Sea ‘Ae K"™ no singular; a su derecha se escribe la idemtidad en K"»”, adi La matriz asf indicada es del tipo mx2n, y a ella se le aplica el método de Gauss Jordan hhasta lograr que A se trasforme en la identidad. La identidad que figara en ef esquema anterior queda trasformada en una matriz B e K"*?. x 1 [8 La (rasformacién de A en la identidad siempre es posible, ya que, sieado A no singular, su rango em, y en consecuencia es posiblo obtener m vectores canénicos linealmente indopendientes mediante las operaciones elementales indicadas en 4.16. Si los vectores candnicos obtenidos no resultan ordenados de modo que constituyan una hatsz diegonal, le identidad se ogra mediante una adecuada permutaciGn de filas de la matriz. completa, La matriz resultante ala derecha es la inversa podida, Las operaciones clementales realizadas sobre las filas do A, que la conviesten en la identidad, son tas mismas que ls efectuadas sobre las fils de Ly que le trasforman en B, SiEINVERSION ie ce el producto de las matrices elementales cortespondientes a las sucesivas operaciones ‘lerentales, entonces se veriica que EA=I (i) y EI=B @) De (2) resulta E=B, y considerando (1) es BA=I Lvego Beat Como en general.no se sabe a priori si A es inversible, igualmente el método puede ser utitizado, En el caso en que Ano tenga inversa no sera posible formar la identidad, por ser su sango menor que 1. Es decir, con el método de Gauss Jordan se determina Ie existencia de la Jnverse 0 No, y en caso aftrmativo se la obtiene. septa 18 ‘ile el método de Gaus Jordan, obenemos anv de Loot a(t 2-3) a patiiz del tipo 3X 6 que se forma ntidad Aplicamos el provedimiento mencionado @ la escribiendo Ia idontidad 3 X 3 a la derecha de A, y convertimos a ésta eta © o-ifico Los pivotes han sido sefislados en 1272/01 0| — catseupe 2-1 1001] Slensfomado de 3s oo 18 ot oo Lo 2 ef f= wiles140 ‘La matrz iavorsa de Aes Bjerplo 4-19, Determinamos la inversa de MATRICES. ‘ aa @at oo ean 0 1 0 124 oo es Torta 2 0 @ Oreo e383 oO 0 to. ° ah an 0 o @ 0 1 [271 107 = 3 oo 1 0 Gio 2 3 Para trasformar A en la ide toda fa mattiz, Resulta ida, es necesario alin permutar las dos wltimas filas deINVERSION ia > fi 1 © wt ule ee oe 4.18. INVERSION DE MATRICES POR PARTICION Consideremos una matriz. no singular MeK"*", La particionamos en cuatro bloques segin ladescomposicién n=p +4 para files y pare columnas AB eed cp En consecuencia Ae K*?, DeK®®, Be K?*4 y CEKI*?, Supongamos que D sea no singular, Propenemos el mismo esquema de particion para la (20) za donde X, Y, Z y U son matrices a determinar y del mismo tipo que A, B, Cy D, respectivamente, La matriz D, que hemos supuosto no es singular, se elegid de modo tal que su inversa pueda obtenerse con facilidad ‘Sendo M? la inversa de M, debe verificarse que fA By /X ; ( (colle w) AY+BUE=N @) cY+DU=1, (@) Osea De (2) se deduce pz=-cx Y premultiplicando por D picx ()war Sustituyendo (5) en (1) AX-BDIC Por distibutividad (-BD* Ox=1, Luego X=(A-BD" Cy" (W) De (4) Dus,~cyY En consecuencia Usb! -ptcy (7 Sustituyendo en (3) AY+BD"_BD"CY=N Por distibutividad y trasposicién (A-BD" Qy=—Bpt Premultiplicando por (A — BD CY =X, rosulta Y=-xBD" (g) as gelaciones (©), (5), (7) y (8) permite Is detominaciin de X, Z, Ue Y, espectivamente, en funcién de les datos y de le inversa de D. Biemplo 4-20, Uiilizando et método de particiones, invertie la mattiz Resulta LX=(— Dt cytINVERSION ~ Caleulamos Luego. 3,.Z=-D1 x= ox-(" “) ( : oe ) 4.U=p" -D? CY ee)cal MATRICES Con tos cuatro bloques obienidos formamos la matriz inven 10 1 1 0 3-2 0 of 4.19. CAMBIO DE BASE Y SEMEIANZA DE MATRICES 4.19.1, Matrices de pasaje En el espacio vectorial (V,+,K,.}, de dimension finita, consideramos as bases (I= LWisvaveenve ) YES [¥ Definimos dos endomorfismos Lg: > Vial queg(y=vy [Expresando cada imagen como combinacién lineal de la base [v], se tiene ‘La matric Pde esta trasformacin lineal respecto de Ia base [v] en cada espacio es P= (py Precibe ol nombre dé matiz de pasae dela base fv] La base [v". Dh:Vo Vil quek Wey Wt, 2... Procediendo como en el caso anterior es we 3 puv (p"y)' es la matriz de h respecto de la base (y"] en cada espacio, y drernos que os la ‘mattiz de pasaje de la base [v'] ala base [y). 4.19.2, Propiedad Las matrices de passje P y P” son inversas ente sf, Demostraromos que P P* = P' P= ‘Teniendo en cuenta (1) y (2) escxibimos Pua sS, Pd, ow = § (Smo)(CAMBIO DE BASK us como WeOvy +0¥, te. L yt HOM resulta quo of tnico término no nulo de la sumatoria anterior se obtione para #=/,y vale 1 Luego 2yPa r= by Por det jin de producto de matrices y de matri identidad resulta PP Anilogamente se deduce que PP En consecuencia, ambas matrices de pasaje son is ote, cersbles, y cada una es la inversa de la 4.19.3, Trasformacién de coordenadas ‘Sea P la mattz de pasaje de la base [v] ala base [8], sea x € V. Demostraremos que Xe] = PX donde Xj) y Xjey son las matrices de fas coordonadas de xe V en las bases {y] y [¥'] respectivamente En efecto, expresardo ax como combinacin lineal de cada base y teniendo en cuenta (1) €04.19.1,esorbimos Pero Por la unicidad do la C.L.es Brea) Viedecan or detincion de produto de mati ea elaine anesoe dese {a fer\Osa Xer PX Y camo P ¢s no singular, premultiplicando por P™ re X= PX) (4) (3) y (@) se llaman formulas de trasformacién de cootdenads, 146 MATRICES | 4.19.4, Matrices de una trasformacin lineal y cambio de bases Sea f:V->W una trasforacién lineal de matriz A@K™*" respecto de las bases Ue Wes ¥an Ya) em VY [WT f Way nn Fem W, Si se efectia un cambio de base en cada espacio, entonces fa misma tasformacion est caactevizada por una matric B eK™*" respecto del nuevo par de bases (9 [' Sean P eK"™" y Q eK" es matsies de pasje de [v] 3 [vy de (w) 2 [w] Demortaremos que las matrices A y B dela ttasformacion lineal f respecto de los dos pares de bases veifican wal B=Q7 AP es decir, son equivatentes. Para ello consideremos ol diagearsa vu) ——4A es wy Xs} DOr 4.19.4.(3) Yr} POF4I9.4. (3) 3.Miwi =A Xjnj por sr f tmsformacn linea de matic A respect de hs bases fr] y 4-¥ iw =BXivy puss fes traformacisn tineal de matriz B respecto de Ins buses [v']y wi}, De 2..3.y Le se deduce Yin QO Viqi =O! AX =Q" AP Kun,[SEMEBANZA ia 0 se, B~ A Reciprocamente, si A y B son matrices equvalentes en K™™", y Vy W son expacios ectoriales sobre K, de dimensiones m ¥ m, respectivamente, entonces A y B catacterizan a va mifama trasformacion lineal f: V-W respecto de dos pares de bases man 4.19.5, Matrices semejantes ‘Consideremos el caso particular del endomorfismo LV siondo dien V=n y Ala matiz de f tespecto de la base [v] = [w] en cada espacio. ‘i se efectia un cambio a la nuova base [y"]=[W"] con matriz de passe P= Q, entonces x tiene B=P* AP donde B esa matria de f respecto de la nueva base [¥]. ‘Las matrices A y B de K"™", que representan el mismo endomeor bases [¥]y {W], s2 Haman semejantes Diremos que Acssemejonto aB 3 P nosingular/B=P" AP La semnejanza de matsices es una relaei6n de equivalencis respecto de las Bjemplo 421, Sea la trasformacidn lineal f: R° oR? definida por {@,b, )=(@+b,a-bbe,a—e) i) Detetminamos la matriz A de f, respecto de la base candnica [v] en cada espacio £U,0,0)2U, 1,1) =1eyt her ties £0,1,0)=(1,-1,0)=1e; ~ Le; Oe, £,0,1)=(0, 1, -1)=0e) + Les ~Les a W1= {4,19 1,0), (1,0,0)} (yt Da Le, ther t bes Entoncesae MATRICES Ch 1,0)=1ey +10; +005 (1,0,0)=1e, $00; +005 Ga 18) Uateando ls resultados anteriores caleulmos la matic B def respecta del base en cada espacio, Se sabe que Lucgo B=Ptap Empleando Gauss Jordan resulta oo4 Ptefo 1a 1-1 0 ee a 2yiiy-(ag 1 0 0 \ Lugo Elector puede vsifcar este estado obteniendo dectamenteB, como en)TRABAJO PRACTICO IV at 2 \4 422 Coins? A 2 bento 423, Determinar la matriz, 44.24, Sean las matrices bad 1 01 0} oe( 0 312 2 Obtener: A?, AB Cy BIA‘ 425, Desautllar DAMA-D (A+ B)(A~B) Sabiendo que A, I y B son matrices cuadradas n x 1. 426, Siendo Caleular A?ase MATRICES. 427, Obtener A? sbiendo que 4-28, Dada ta mateiz it Lo caleular A*, A®, A‘, efeéter, y vincular los elementos resultantes con los términos de la sucesi6n do Fibonacci: 1, 1,2,3, 5, 8,13,... donde, a partir del tercero, cada uno ¢s igual ala sume de los dos anteriores, 429, Demostrat que A (BC) =(A B) C, sabiondo que los productos indicadosexisten. if 430. Demostrar por induecién completa que 1 \" (! ” o1 O14 431, Sabiendo que demostrar 432, Rosolver a ecuacion A? + X? =I, donde A, X,1'son matrices 2 2 y fs - a 4-33. Sendo Be K"*", Ce K"*",C? = Ny BC=C B, demostrar Beeoa o5*(B+e+DC) 434, Sabiendo que en K"*" se verifica X A=1y AY =I, demostrar que X 435. Determinar las matrices X € R™* tales que X=. 436, Demostrar que si A y B son matrices diagonales en K"**, entonces AB es diagonal y AB=BA,TRABASO PRACTICO 1V 131 437, Demostiar rv sAEN 1438, Demostrar que si A y B son matrices idempotentes y permutables en K"**, entonces ‘A Bos idempotente. 1439, Demnostrar que si una matriz es simétriea, idempotente y con algin elemento nulo en la diagonal, entonces la fila y la columna de dicho elemento son el vector nulo, 440, Desnostrar que $i A es idempotente y B es ortogonal, entonces BY A Bes idempotents AAI, Desnostrar APEAKASB 442, Demostrar At A AD=N-* Ay B son idempotentes 443, Demnostrat AB=AABA=B>A,B, A‘, BY son idompotentes, 444, Demostiar que si A es simétrica, entonces B'AB es simétrica cualquiera que sea bene 445, Sean A y B dos mattices simétricas en K"™". Demostrar A Bessimétrica © A y B son permutables 4-46, Demostrar que la matriz A € K"™" es involutiva iy solo si(I— A) (1+ A) 447, Demostrar que A y B son permutables sy sélo si A~al y B= al son permutables, ‘cualquiera que sea el escalar a 448, En 2% se consideran una matsia cualquiera By A tat que ay ‘Analizar ls filas de AB y las columnas de BA. 499, Dexwustint que si A y B som Ho simqulues y peunulubles, ppermutables y sus traspuestas también fo son 450, Demostrar que si A es una matriz diagonal y todos os elementos de la diagonal son no nulos, entonoes A es no singular y su inversa es la matsiz diagonal formnada por los inversos de tales elementos no nulos en la diagonal 451, Demostrar que si A es no singular e idempotente, entonces A. 4552, Verificar que las siguientes matrices forman grupo multiplicative, (o W)(4 a) obo (ode lo 4) 5) wveo—_-”- reer 132 MATRICES 14°53, Mediante una particién adecuac 1200) 0001 0100\foo20 ooor1f\roo0 o022/\o100 4°54, Determinar una base del espacio fila de eeeoest ao(i-a 1a) 0 0 438, Demostrar que ai A es no singular y B A= N, entonces B-=N. 456 Sendo A €K"™" no singular y Xe Y mates en XSATY, 457, Demostar que si A y B son matices de K™" (ales que AB B=NoAy B son singulats 438, Doterminat los rangos de efectuar el producto "tals que A X= Y, entonees ¢ ,entonces A=N 242-2 a(n °) 21a 459, Obtenr, existe as inverss de Lao ar(o ia tod 4460. Sea Verificar que p (A)= (A A‘) 4461, Demostrar que el rango de la suma de dos matrices es menero igual que la suma de st rangos. 4°62, Demostrar las siguientes propiedades relativas ala traza de matrices en K™" i) or(AB)= or (BA), i) (ABC)=«r (CAB) =tr (BCA), 0 s#a, Ia traza no varia frente a permutacione cfclcas‘TRABAJO PRACTICO IV 183 i $i Ces ortogonal, entonoes tr (C*AC)= ir A. 4463, Soa A una matziz idempotents en R"*", y sea X un vector no nulo de R que verifica AX =aX, con eR, Demostrar quea= 00a 4.464, $i AER es involutive y XR" es no nulo y verifica AX =aX, entonees a=1 0 a 4-65. Sea XER™*". Se define el escalar X (X raya) mediante RLS x, Determinar las matrices A € R"*" que verifican i) xXtax=? sey W)X!AX=n ae ii) XA X= E 6) BP 466, Sea TeK™" estrictamente triangular superior. Demostrar que d-1ytererer +. ert 467. Sean | donde Cy D son matrices 2 X 4. Verificar que A 468, Sea una trasfomacon inal de V en V earcterieada por la mata A Sabiendo que A verifica Ia relacién A? +A? —A+I=N, demostiar que f ¢s no | sing. 469, Deterina la inversa de sus 7 Soom cont ense 12 vs 470 san =( yen? demostan y sonnei = Be 491 036 MATRICES. 471, Las mattices Ay B de K* son tales que A y (A B — B A) son penmutables, Demostrar qua A'B-BA"=nA™(AB-BA) VneN 4-72, Sea: RO + R? una trasformacién lineal defnida por $(@,b,)=@+b~c,a~b) 4) Hallarla matric de frespecto de las bases cannicas en Ry en R? ‘Obtener tas matrices de paaje de las bases ante W)=1@.1,0,0,-1,-2),0,-1,-D} (w= 10,3). @,-2)} ii) Caleular la matri B de f respecto del nuevo par de bases.Capitulo 5 i DETERMINANTES 5.1, INTRODUCCION En esta seocién se define axiomaticamente la funci6n determinante de orden ny s¢ emuestran las propiedades que se derivan de tales axiomas, Se encara después el problema de la existencia del detemminante y se llega al desatrollo por los elementos de una fils, A continuacién, y sobre Ia base del concepto de inversiones de una permutaciGn, se da el esanollo del detenminante en funci6n de los olementos de la matriz, y se demuestra ls igualdad de los determinantes de dos matrices cuadradss y traspuestas. Se encara desarrollo de fos determinantes por los elementos de una linea cualquiera, y se demuestra el tcorema relative al determinsnte del producto de dos matrices, Después de exponer el concepto de mattiz adjunta de una mattiz cuadrada, se da un método pars invertir mattices no singulares. 52. DETERMINANTES En lo que sigue, supondremos que K es tal que | +140, y si AEK™", escrbinemos A=(A Ap s+ An); donde Ay con 1 K Esto significa que se satisfacen los axioms |.,2..3.¥ 4.10 DITERMINANTES Daremos ahora une expresin para 4a funcion determinante de orden n a detorminante de orden n — 1. Para ello definimos, para cada fila /= 1,2, DikM™ ok ‘exponsas det mediante la asignacién Da=Sae | donde Ay =(-19"D (A GID) « Ova DUAY=a14 Ay bain Ais +... 4.ain Ay VEE Ty. Probaremos que la definiciGn (1) satisfac los sxiomas rombeados | 1 DUAL Ag A HA Ane =2 au Ayam Ane 42 ay Ay = i ~@in 0a) a+ Bay Age SDA AaB Ay) FD OAL Ag Ay cos hy) Después de distibuir en ol primer témmino y considerando que cada determinante de gen Gr 2. pata / #4, esta sume de dos determinantes cuyas clumers fa lugar & son Bay My 2 PE Ay asede Ade S ayhye oan hat og hy | Liz Ss detomiany, cn Ses cnn dete tr 9 Pde xe en vit dele ipoek aden ea DEA As Avoca) =e Ghy Aap An ft ea ee = Ae =e Aw ay wes Ay ne: CD ay DLAC} CDM ay ya D(AGIAED) © CUM anD (AGI) HCA a, D (AGI) 0 40M=$ C1" syn (16 In) = | =D" Syd (119) =1 Entonces, Vn €N, Viet, la funcibn DKKumicipap 1 definida por DIA= Zu Ay ‘esun determinante de orden ™. io formula anterior eorresponde al desarollo del determinante por la tsima fla y expresa aque todo detetminante es la sume de os productos de fos elementos de la fila # por sus Correspondientes cofactores. 5.5, UNICIDAD DEL DETERMINANTE Expondremos primero algunos conceptos elativos a permutaciones ¢ inversiones de una permutaciGn, sin entrar en detalles de demostraciones. Después hallaemos uns expresion del Geterminante en términos de los elementos de la matriz, de modo tal que se satisfagan los centro axiomas de le definicién. 55.1. Permutaciones Sea el intervalo natural inicial fy =| 1,2,--.47 Definieiin Permutaciones de I, son todas las funciones biyectivas de I, en sf mismo. Si Gilqly € une permutacion, entonces o queda caracterizada por el con ondenado de las imigenes a= (0(1) 0@)...0() ‘Como 6 es biyectiva, existe la permutacién inversa de 6, 0 Ty fy definida por MAF § eM Como la composicién de funciones biycetivas de 1, en Ty ¢5 también una funcion biyectiva, rsulta que la compesicién de dos permutaciones de I, 65 una penmutaciin de In Pormutacion idéntica es la funcion identidad en Ty, 55.2, Trasposiciones “Tresposicion /sima de la permutacién 0 es Ia permutacion. Jenn a sitinetitl io(D= { oG+) 8. om si168 DETERMINANTES Por sjemplo, dada la permutacien de Uy o=Q1345) entonces es %® (3145) Toda trasposicién de una permutacién intercambia dos imigenes consecy alas restantes Se verifiea que la permutacién inversa de una trasposiin es una trasposicién, Por cjemplo, fa permutacion inversa de la trasposicién %=(23:145) sy deja fjas cela trasposicion 23 =@1245) Se demuestra que si oes una permutacion de I, y n> 1, entonces existe un mimezofinito | de trasposiiones euys composicién es la dented. Por ejemplo, si i o=23145) entonces %®=(21345) 1n,=(1°2)= 23.48) 5.5.3 Signo de una permutacion, Sea @ una permutacion de ty. El simbolo €(0) denota el aninimo nimero de ‘rasposiciones que trasforman a ¢ en la identidad, Convenimos en que e (1) =0. Diremos que oes par si ¢ (a) es pat. Si €(0) es impar, entonces es impar. ‘A cada permutacién 0 de Iy sv le puede asignar ol signo + si ges par, y el signa menos si es impat. Tal signo queda caraeterizado por (1)? Se veriica que dos penmutaciones inversis tienen Ie misina paridad. O sea Ct = yo 5.84. Teoma Los determinantes estin univocamente doterminados por fos axiomas 1.,2., 3. y 4. Et determinante satisface Ia expresion PD= ZO doers daeay.2 + Motayn donde la soma se realiza sobro todas las permutaciones de ly,4e ja base candnica de K”, entonces| uwtcwap us Comsideremos A=(Ay Ay ...A,) €K"*", Si Ey, Bp,...., Ey son los veetores columnas DOAV=D (AL Aro Aa) DGS ea By San Bis Zein BD Mediante 1. podomos exprosario como tna suma de términos del tipo Dlaciy,s Bacay Aoe2y.2 Eoe2y: + Monr.n Been) donde (1), (2), » O(1) denota una eloccién de enteros entre 3 Por 2.s¢ tienen términos de la forma i y¢3),1 4a(2)2 +++ Fatma D Boer) Bacey -- -Bagn) Si algin o asigna el mismo entero a valores distintos 7 y j, el determinante es nulo en vistud de 5.3,2, Esto sigaifica que debomos considerar s6lo las permutaciones de ly. Lego DA)= Zaocya Gyaya + forma P Ever) Foes) Foon) Los veetores candnicos Eq¢1}, Eo(2y:---+Encn) comstituyen en cada término una permutacion de E;,Ez,...,E,. Si €(0) denota el nimero minimo de trasposiciones ula identidad es 1) DB, Ea. -En) necesuias para ubtewe I D Eau Boray -- Bown) donde (—1)° es el signo de la permutacion, Por 4, resulta Baer Faery --- Boems) = DD= DO Porconsiguient es DADE ED aoenys Boeaya + -- oearn | Bate desaroli del datenminante no e il para el eeu, pero st oes desde el punto de |, vsta tesco.166 DETERMINANTES 5.6. DETERMINANTE DE LA TRASPUESTA Demostraremos que dos maticestraspuestas en K"™*" tienen igual determinant, Osea, si A € K"™*", entonces D (A) =D (A, Sabemos que DAM ZEN aac. tecsy a dorm ‘Sea una permutacion de I. Si (=, entonces O° (4) =/ Luego fours We Bn todo producto del tipo Boeryt Mo¢a p++ -Goeayn cada entero Ke Ty fi igor una sola vez entre los enteros 0 (0). Por consiguiemt, tal product Puede escribise asi Payday. yl sums os Beg, POMONA) dot ony yaque C=C pees Fn eata sume, cada términ estéasociado a una permutacin de Tq, digam fecome todts las permutaciones de In, lo mismo ocune reapecto de 0" Dermutscién caracteriza unfvocamente su inversa, Por consiguiente, ta suma es igual a 2 eye 9, y cuando o ya que cada ta’) 983,0(2)- + n,o¢m) Ejemplo 5-5, Caleulamos, segin 5.5.4, el determinante de C=(A B)' siondo. 1-2 12-3 1o2)y pe 0 2 20-1 Bfectuamos primeroie DETERMINANTE DE LA TRASPUESTA 167 Entonces a3 4 c=(aBy=(-2 2 0 5-5 2 Para obtener los seis términos del desarrollo 5.5.4. podemos aplicar la conocida regla de Sarrus, repitlendo debyjo del determinante las dos primeras fils de la mattiz, y ‘efectuando los productos indicados 3 veo-[ | Bn el caso de un determinante de orden 4, esta regla no es aplicable,y la obtencibn de Jos 24 términos del desarrollo es may penosa. En todos los casos de cileulo es preferible el desarrollo del determinante por Jos elementos de una fila 0 columna, ‘como se indica en 5.3.5. En este sentido, primero extraemos el factor 2 de la segunda fila, y después sumamos a la segunda colurina la primera: 2.24 (-2).(8).4) +5 .(-3).0- 5.2.64) 3. (-8).0-2).-3).-2)= 12-40+40+ 12=0 33-4 1 1 ole2 5-52 3 0-4 -1 0 0 3 0-2 D(=2 = O por tener una columna de ceros. Elector puede verificar que D(C)=DAB) Ejemplo 5-4. Caloulamos el siguiente determinante: D@= 135 351 513 ‘All primera fila Jo sumamos las dos dtimas y extraemos el factor 9 999 rid 351 351 S13 513 ‘A Ia sogunda y tercera columnas les restamos la primera tao | 5-4-2 D@= 9 DiA=168 DETERMINANTES Desarrollamos porla primera fila, segin 5.3.5. 2-2 ~4 2 ‘eniendo en cuenta que los determinantes de dos matrices traspuestas son iguales, log saxiomas y propiedades rlativos alas columnas son vélidos para le fils, En consecuencia, el desarollo de un determinante por fos elementos de una fl Propucsto en 53.5, se haee extensivo a Tos clementos de una columna. Podemos dest entonces, que todo determinsante es igual aI sume de los productos de los elementos de ung ‘nea (fla 0 columna) por sus respectivos cofactores. D(A=9.1 9(-4 -8)= 108 Frempto 57. Desarolanos por los elementos de laprnera columns ttoad DM 18 oS ference Antes de efetuar ol desarrollo podid reciemes a0 ose tos elements dela Primera columna, para lo cual restaremos a cada fila la anterior multiplicada por. 1 [0 be cw dew PO To gab nae dad 0 Bab? cae? dal? Desartollando por la prtnera column y factoreando ba ca da Dias | bO-a) ea) aaa) Ba) Mea) Pa) Extrayendo factores en cada columna bad bed Pad I detenninante de orden 3 que resulta es del mismo tipo que el primero. Ahora restamosa cada fila la anterior por D(A)=(-a) (ca) (d-a) D(A), (b-a) (ca) (d-a) esis 0 eb ab 0 be dbba Desarrollando por fa primers columma y extrayendo Factores se obtiene DWab-Hle-old lees)? I]DETERMINANTE DEL PRODUCTO 169 Osea D(A)=(~a)(c~ a) (d-a)(e~ b) @-B) (de) Bl determinante propuesto recibe el nombre de determinante de Vandermonde, y ferando la fila de elomentos a, b, c y dysu desarrollo es igual al producto de lox binomios que se obtienen restando cada elemento de Ia misma de todos los que le siguen, 5.7. DETERMINANTE DEL PRODUCTO DE DOS MATRICES Demostrazemos que si A y B son matrices», entonces se verfica que D(AB)=D(A)DB) 0 sea, el doterminante del producto de dos matrices es igual al producto de sus éeterminantes. Considerando la mate A particionada en veetores columnas, se tiene By Bie ve bin Day Bia sss Bon CH ABS (Ay Ars An) . Bur Pat ban Btn ds Boe dy Bbw Ad ego DAD=DE bn A, Sb Ay bm AD SED Goer, Act) Boe2y2 Aoeer: + Pogmn Aon) = = E baeny Baran + >» Bagann D (Aacay Bacay ++ Aug) = HEC doers Bacay.a ++ Boonrn DCAs Aa ++ An) = = DEAE CI dons baenya Beem = =D(AYD(B) |170 DETERMINANTES 58. ADJUNTA DE UNA MATRIZ CUADRADA. $8.1. Definicion Adjunta de una matetz cusdrad 6 a traspuesta de la mattic que resulta do sustituy cada clemento por au cofactor. Si A : ‘entonces lu matric adjunta de A se denota mediante el simbolo Adj A, y es An Aa. Ant Ain Aa vs Ane AdjA= Ain Bias Ban Por ejemplo, la matrix adjunta de 5.8.2. Propiedad La suma de tos pro uotos de los elementos de una fila de una matiz cuadrada por los cofactotes de Tos eleme los correspondientes de otra fila es cero, Sea Ac donde h #7] ADIUNTA m ssumando a a fila ta fila fel determinants de esta matcz no varia, es decic tu pa Ayre rata ant din esartollando el segundo miembro por los elementos dela fils se tiene DOAD=,E G40) Ans Entonces DOAD= Eas Ans +2, ay Ans La primera sumatoria es D(A), en eonsecuencia D(A)=D(A)+ ay Any Lego Esta propiedad también es vilida para columnas. A continuacién demostraremos que el producto de toda matriz cusdrada 2 izquierda y derecha por su adjunta es igual al determinante de dicha matrz por la identided, 583. Teorema Cualquiera que sea A €K™" se verifica que ALAg)AS AGA. A=D(A).1 En efecto, aplicande la definicion de adjunta de una matri2 cuatrada, el producto de satrices, 54, y 5.8.2. se tiene ay da ees din | [An An os Ant xy iy ss dan | [Ate Azz vse Ane AAdjAS is Aur doa os dan] Aan Aan oe Annay m DETERMINANTES Feu Ay Bay hay. Be ayy Ay Betas Zeon Bay oo Ba bay Ptr As Bs Bay os Betyg D(A) oO oO Oo DEA) oO 0 0 1. pa roo io 0m fs fepa.t Cod En forms andloga se prueba que Adj A. A=D(A)I 5.9. INVERSION DE MATRICES NO SINGULARES Pemostraremas que na matic cusdrada es invesible sly solo i at dotemisante es distinto de cero, Sea eX™", 1. Supongamos que A es inversible. Entonces existe Be" tal que AB=BA=1 Luego D(AB)=D@A)=DA) Por deterninants del producto y de Ia identiad es DA)D@)=DE@DA)= ReoultaD (A) #0, puss en aso contraio su producto por D(B) seria 0, yno 1, 2. Sea, AEK"™" tal que D(A) #0, Demostaremos que Aes inversibl, (or S83. sabemos que el producto do tod mati cuadrada por su adjunta es igual a 4eterminante de dicha matriz por a iontidad, o sex A. Adj A=AdjA.A=D(A).1INVERSION DE MATRICES mm or hipotss el xa D (A) distin de oer, y viendo por resulta AGA, LAgA D(A) D(A) Entonces, por definicién, existe AT y es Adj A D(A) ne de este modo otro método efeetivo para el edleulo de la inversa de una matriz Se ob no singular. Bjemplo 58. ‘Obtenemos a inversa de la matrix del ejemplo 5-6 las a-(3 31) $13 ‘Como D (A) = ~108, existe A7 Primero obtenemos fa adjunta de A. 14-4 22)! 4 -4 -22 asia- ( amu) = (4-2 i) 2 14-4 2 4-4 Logo Osea fae SH fee ce se 54 5a ni7 2 a) Ejemplo 5-9. Demostramos quo los determinantet de dos matrices inversas son escalares recfproces, Sea AeK"™*” no singular, es decir tal que existe A Entonoes 9 tiene AM

Algebra II Armando Rojo PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra II Armando Rojo PDF

Cargado por

Copyright:

Formatos disponibles

También podría gustarte