Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte UChile - Álgebra Lineal PDF
Apunte UChile - Álgebra Lineal PDF
http://www.dim.uchile.cl/docencia/algebra lineal.
Ingeniera Matematica Ah encontraras las guas de ejercicios y problemas, ademas
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS de informacion acerca de cual sera la dinamica del curso.
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
SEMANA 1: MATRICES
a11 a1n
..
A= . .. ,
. aij K, i = 1, . . . , m, j = 1, . . . , n.
am1 ... amn
K
Construimos una estructura algebraica sobre Mmn ( ) a partir de las ope-
K
raciones definidas en el cuerpo . Se define la suma de dos matrices como A+B
sigue:
K
A, B Mmn ( ), A + B = (aij + bij )
R
Por ejemplo, en ( , +, ):
1 2 3 0 1 2 1 1 5
+ = .
0 1 2 3 1 2 3 0 0
Es facil verificar que
K
Proposicion 1.1. (Mmn ( ), +) tiene estructura de grupo Abeliano.
1
El inverso aditivo de A = (aij ) es A = (aij ). Por ejemplo, en M23 ( ): C A
Claramente C Mmn ( ). K
Ejemplos:
R
1. En ( , +, ),
1 2 1 0
A=
1
1
1 0
2 1
M23 ( R ), B = 0 2 1 0 M34 ( )R
1 0 1 0
1 2 1 0
C = AB =
1
1
1 0
2 1
0 2 1 0 =
1 0
2 6
0 0
4 1
R
M24 ( ).
1 0 1 1
C
2. En ( , +, ),
A = (i, i, 0) M13 ( )
C
i
B = 1 M31 ( ) C
0
C = AB = i i + i 1 + 0 0 = 1 + i M11 ( ). C
2
Dos propiedades importantes de la multiplicacion son las siguientes:
A(B + C) = AB + AC Mms ( ). K
De igual manera se tiene la distributividad por el otro lado.
Demostracion. Demostremos la distributibidad, quedando la asociativi-
dad de ejercicio. Denominando E = A(B + C), se tiene: Ejercicio
n
X
eij = aik (bkj + ckj ) i {1, ..., m}, j {1, ..., s}.
k=1
3
K
Corolario 1.1. (Mnn ( ), +, ) es un anillo con unidad (existe neutro para
K
K
Dado que (Mnn ( , ) tiene un elemento neutro I, Tienen sus elementos
inverso?
K
Definicion 1.4 (Matriz invertible). A Mnn ( ) es invertible si y invertible
K
solo si existe B Mnn ( ) tal que:
AB = BA = I. (1.1)
K
Demostracion. Sean B1 , B2 Mnn ( ) que satisfacen (1.1). Luego
B1 = B1 I = B1 (AB2 ).
B1 = (B1 A)B2 ,
B1 = B2 .
Cabe senalar que para que A sea invertible se requiere que exista una matriz
B que sea a la vez inversa por izquierda y por derecha. Probaremos mas
adelante que es suficiente que A tenga inversa por un solo lado.
Ejemplos:
No todas las matrices cuadradas
tienen inverso multiplicativo. En
R
M22 ( ), la matriz
1 2
2 4
no tiene inverso. En efecto, si existiese
el inverso,
x1 x2
digamos , debera verificarse:
x3 x4
1 2 x1 x2 1 0
=
2 4 x3 x4 0 1
x1 + 2x3 x2 + 2x4 1 0
=
2x1 + 4x3 2x2 + 4x4 0 1
4
x1 + 2x3 = 1
En efecto:
0 1 0 1 1 0
=
1 0 1 0 0 1
O bien, en M22 ( ), C
1
i 0 i 0
= ,
0 i 0 i
a11 0
a22
A=
.. .
.
0 ann
En este caso la matriz es notada A = diag(a11 , a22 , . . . , ann ). diag(a11 , a22 , . . . , ann )
a11 a12 a1n
0 a22 a2n
A=
... .. .. .
. .
0 0 ann
5
a11 0 0
Ejemplos:
0 0 0 1 0 0
A = 0 2 0 , I = 0 1 0 son matrices diagonales
0 0 3 0 0 1
1 2 3 0 0 0
son matrices triangulares, superior e inferior
A = 0 0 1, B = 1 2 0
respectivamente.
0 0 2 2 1 3
Ejercicio
Notacion:
K
Dada una matriz A Mmn ( ) notaremos su i-esima fila como: Ai
y su j-esima columna: Aj
a
1j
a2j
Aj =
..
.
amj
Podemos escribir entonces la matriz: A = (A1 , A2 , ..., An ), denominada
notacion por columnas. O bien:
A1
A2
A=
... , correspondiente a la notacion por filas.
Am
Ejercicio
6
Departamento de Ingeniera Matematica - Universidad de Chile
Ejercicio 1.2: Con respecto a esta notacion, es un buen ejercicio es-
tudiar como el producto de matrices afecta las columnas y filas de las
matrices a multiplicar. Mas precisamente: Sean A Mmn ( ), B K
K
Mnp ( ) y describamos B por sus columnas B = (B1 , B2 , ..., Bp ),
demostrar que entonces
A = (aij ).
Ejemplo:
En M23 ( ): R
1 1 0 3 3 0
3 =
2 2 1 6 6 3
Veamos ahora que sucede al multiplicar por la derecha o izquierda una
matriz por otra diagonal:
2 0 1 1 2 2 2 4
DA = =
0 3 2 0 1 6 0 3
En general:
a 1 a11 1 a1p
1 0 11 a1p
.. = 2 a21 2 a2p
..
..
.
. . .. ..
. .
0 n an1 anp
n an1 n anp
7
b11 b1n 1 0 1 b11 2 b12 n b1n
... .. .. = ... .. ..
BD = (1 B1 , ..., n Bn ). (1.3)
luego,
n
X
(DA)ij = dik akj = dii aij = i aij ,
k=1
y por lo tanto
1 a11 ... 1 a1p
..
AD = . .
n an1 n anp
8
n
P
Luego C = T1 T2 = (cij ), donde: cij = aik bkj . Como T1 y T2 son
A0 = I, An = AAn1 , n 1.
Ejemplo:
Por ejemplo; dada A M33 ( ): R
0 1 2
A = 2 0 0,
1 1 2
se tendra
0 1 2 0 1 2 4 2 4
A2 = AA = 2 0 02 0 0 = 0 2 4
1 1 2 1 1 2 4 3 6
0 1 2 4 2 4 8 8 16
A3 = AA2 = 2 0 00 2 4 = 8 4 8 .
1 1 2 4 3 6 12 10 20
9
Ejemplo:
K
3. Si D Mnn ( ) es diagonal, entonces Dt = D.
Demostracion. Probaremos 2: Sea C = AB, C t = (AB)t . En la posicion
n
P
(i, j) de la matriz C t aparece el termino cji de la matriz C: cji = ajk bki
k=1
t t
Consideremos Z = B A . El termino (i, j) de la matriz Z esta dado por:
n
X n
X n
X
t t
zij = (B )ik (A )kj = bki ajk = ajk bki = (AB)ji = (C t )ij ,
k=1 k=1 k=1
10
2. El producto AB es invertible y (AB)1 = B 1 A1 . (AB)1 = B 1 A1
Demostracion. Veamos:
La propiedad 1 se prueba directamente de la definicion y de la unicidad de
la inversa (Proposicion 1.3).
Para 2 se tiene que,
Ejercicio
11
Ingeniera Matematica
FACULTAD DE CIENCIAS
Semana 1
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
Ejercicios
4. Sea A = (aij ) una matriz de permutacion, es decir una matriz de Ejercicio 1.3
K
Mnn ( ) con solo 0s y 1s tal que tiene un y solo un 1, por cada fila y
columna. Pruebe que A es invertible y su inversa es A1 = At .
K
5. Se dice que P Mnn ( ) es una matriz de proyeccion si P = P 2 .
(a) Pruebe que si P es matriz de proyeccion, entonces In P es matriz
de proyeccion, donde In es la matriz identidad en Mnn ( ). K
(b) Pruebe que P es matriz de proyeccion si y solo si P 2 (In P ) = 0
y P (In P )2 = 0.
K
(c) Encuentre P M22 ( ) tal que P 6= P 2 y P 2 (I2 P ) = 0.
Indicacion: Considere matrices con coeficientes en {0, 1}.
Problemas
d1
P1. Sea D = ..
.
R
Mnn ( ) diagonal, con d1 , . . . , dn distintos
dn
y A, B, M, S Mnn ( ). R
(a) Pruebe que si M D = DM , entonces M es diagonal.
(b) Sea S invertible, tal que S 1 AS y S 1 BS son diagonales. Pruebe
que AB = BA. Indicacion: Recuerde que el producto de matrices
diagonales conmuta.
(c) Sea S invertible tal que S 1 AS = D. Suponiendo que AB = BA,
verifique que S 1 AS y S 1 BS conmutan y concluya que S 1 BS
es diagonal.
P2. (a) Demuestre que si A, B y (A + B 1 ) son matrices invertibles, en-
tonces (A1 + B) tambien es invertible y su inversa es A(A +
B 1 )1 B 1 .
12
(b) Sea la matriz de n y n columnas triangular superior a coeficientes
R
P3. (a) Sea A = (aij ) Mnn ( ) una matriz cualquiera. Se define la traza
de A, denotada por tr(A), como la suma de los elementos de la
diagonal principal, es decir,
n
X
tr(A) = aii .
i=1
13
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
SEMANA 2: MATRICES
Ejemplo:
R
En M44 ( ):
1 0 0 0 0 0 1 0
0 0 0 1 0 1 0 0
I24 = , I13 = .
0 0 1 0 1 0 0 0
0 1 0 0 0 0 0 1
14
El resultado consiste en permutar las filas 2 y 4 de A. Analogamente, sea
Propiedad 1.1.
K K
Dadas Ipq Mnn ( ), A Mns ( ) y B Mqn ( ): K
1. Ipq A corresponde a la matriz A con las filas p y q permutadas. Ipq A
R
Tomemos ahora la matriz A M44 ( ) y sea:
1 0 0 0
0 1 0 0
E2,4 () =
0 0 1 0
0 0 1
15
Definicion 1.11 (Matriz elemental). Definimos la matriz elemental Ep,q ()
K
Mnn ( ) como:
col. p col. q
1
..
. 0
1
..
Ep,q () = ..
.
.
K
. 1 p<q
0 1
. ..
.. . 1
.. .. ..
. . .
0 0 0 1
16
Proposicion 1.8. Ep,q () es invertible. Su inversa es la siguiente: (Ep,q ())1 =
p q
Cq = (0 . . . 0 1 0 . . . 0) + (0 . . . 0 . . . 0 0 . . . 0)
p p q
= (0 . . . 0 0 . . . 0) + (0 . . . 0 . . . 0 1 0 . . . 0).
p p q
Ejemplo:
Consideremos, a modo de ejemplo, el sistema de ecuaciones
x1 + 2x2 + x3 + x4 = 2 (1)
2x1 + 3x2 x3 = 1 (2)
x1 + x3 + x4 = 1 (3)
17
1. Eliminamos la variable x1 en las ecuaciones (2) y (3): para ello
x1 + 2x2 + x3 + x4 = 2
7x2 + x3 + 2x4 = 3
x1 + x3 + x4 = 1
x1 + 2x2 + x3 + x4 = 2
7x2 + x3 + 2x4 = 3
2x2 = 1
x1 + 2x2 + x3 + x4 = 2
7x2 + x3 + 2x4 = 3
2 4 1
x3 + x4 =
7 7 7
18
Definicion 1.12 (Sistema de ecuaciones). Un sistema de m ecuaciones-
a11 x1 + + a1n xn = b1
.. .. ..
. . .
am1 x1 + + amn xn = bm
en donde los coeficientes, aij , y el lado derecho, bj , son elementos del cuerpo
K.
Definiendo la matriz:
a11 a1n
A= ..
.
..
. Mmn ( ) K
am1 amn
la m-tupla (lado derecho) y la n tupla de incognitas
b1 x1
b= ..
. K
m
, x= ..
. Kn
bm xn
Podemos escribir el sistema matricialmente: Ax = b
Ax = b,
1 2 1 1 2
(A|b) = 2 3 1 0 1
1 0 1 1 1
Eliminar x1 de la segunda ecuacion es equivalente a producir un cero en
la posicion (2,1) de (A|b). Para ello se multiplica la primera fila por 2 y se
suma a la segunda fila. Para eliminar x1 de la tercera ecuacion se multiplica
la primera fila por 1 y se suma a la tercera
1 2 1 1 2 1 2 1 1 2
(A|b) 0 7 1 2 3 0 7 1 2 3
1 0 1 1 1 0 2 0 0 1
Eliminar x2 en la tercera ecuacion a partir de la segunda es equivalente a
multiplicar la segunda fila por 27 y sumarla a la tercera:
1 2 1 1 2
0 7 1 2 3 = (A|b)
0 0 27 47 17
19
As, el sistema inicial es equivalente al sistema Ax = b.
Ejemplo:
20
Hay casos en que tambien es necesario utilizar matrices de permutacion de
K
Mmn ( ), definimos la matriz escalonada asociada a la matriz A, como matriz escalonada, A
K
A Mmn ( ), tal que:
a a12 a1i2 a1n
11
a2i2 a2n
.. ..
.
.
A =
asis asn .
0 0
donde los elementos a11 6= 0, a2i2 6= 0, ..., asis 6= 0, se denominan pivotes. pivotes
Notar que hemos supuesto que la primera columna no tiene ceros. De no
ser as, quiere decir que la primera variable no juega ningun rol, y por lo
tanto si el sistema tiene solucion esta variable queda de inmediato libre.
Supondremos en lo que sigue que la primera columna no es cero.
21
La matriz A se obtiene mediante la premultiplicacion de A por matrices
22
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 2
Algebra Lineal 08-2
Ejercicios
R
(a) I12 E13 (1, 1), en M44 ( ). (d) E23 (0, 3i)1 E12 (1, i)E34 ( 12 , 3),
C
(b) I34 E23 (i, 2)I34 , en M44 ( ). en M44 ( ). C
R
(c) E12 (2, 1)E13 (1, 1), en M33 ( ).
Problemas
1 1 1
R ..
P1. Sea J Mnn ( ) tal que J = . ..
.
.. y e = .. .
. .
1 1 1
R
A = B x Mm1 ( ), y Mn1 ( ) xt Ay = xt By. R
23
Indicacion: Calcule etj Aei donde ej = (Im )j y ei = (In )i . Im
R
A = B x Mn1 ( ) xt Ax = xt Bx.
x1 + x3 + 2x4 = 1,
x1 x2 + x3 2x4 = 1 ,
x1 2x2 + x3 + 3x4 = 2,
x1 4x2 + 2x3 + 4x4 = 5.
x1 + 2x2 + 3x3 x4 = 1,
x1 + x2 + x4 = 1,
3x2 + 3x3 = 0,
2x1 + x2 + 3x3 2x4 = 2 .
24
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
SEMANA 3: MATRICES
donde los elementos a11 , a2i2 , . . . , asis son no nulos. Claramente, si existe
un ndice j s + 1 tal que bj 6= 0, el sistema no tiene solucion, ya que se
tendra una ecuacion incompatible: 0 = bj 6= 0.
Luego, el sistema tiene solucion si y solo si bk = 0 k s + 1. En efecto, si
bk = 0, k s + 1, se obtiene la(s) solucion(es) despejando desde la s-esima
ecuacion hasta la primera en funcion de las variables independientes. En este
caso diremos que el sistema es compatible. Cada una de las diferencias en sistema compatible
el numero de columnas que son cero bajo las filas sucesivas, las llamaremos
peldanos o escalones . As el peldano que se produce entre la fila k y k+1 peldanos
es ik+1 ik . Notar que el ultimo peldano es: n + 1 is , es decir los peldanos escalones
se miden en la matriz aumentada. La importancia de estos peldanos es la
siguiente:
25
tendra
Ejemplo:
Resolvamos el sistema
x1
1 1 1 1 1 1
x2
1 2 0 1 0 0
x =
0 1 1 0 1 3 0
x4
1 1 1 1 0 1
x5
Escalonando:
1 1 1 1 1 1 1 1 1 1 1 1
0 3 1 0 1 1 0 3 1 0 1 1
(A|b)
0 1 1 0 1 0 0 0 23 0 32 31
0 2 0 0 1 0 0 0 23 0 13 32
1 1 1 1 1 1
0 3 1 0 1 1
0 0 32 0 23 13
0 0 0 0 1 1
Obtenemos que los peldanos medidos desda la fila 1 son sucesivamente:
1,1,2,1. De la ultima ecuacion despejamos x5 = 1.
Con esta informacion en la tercera ecuacion dejamos libre x4 y des-
pejamos x3 . En la segunda ecuacion despejamos x2 y finalmente de la
primera despejamos x1 , para obtener.
x5 = 1
x4 : libre
3 1 2 1 1 1
x3 = ( x5 ) = x5 = + 1 =
2 3 3 2 2 2
1 1 1 1
x2 = (1 x3 x5 ) = (1 + 1) =
3 3 2 2
1 1
x1 = 1 x2 x3 x4 x5 = 1 x4 + 1 = 1 x4
2 2
26
La solucion general es: x1 = 1 x4 , x2 = 12 , x3 = 21 , x4 = x4 , x5 = 1
Ax = b, K
A Mnn ( ), x, b Kn
Escalonemos el sistema y sea A la matriz escalonada, sin considerar el nuevo
lado derecho b:
a11 a1n
.. .
A = . ..
0 ann
donde entre los elementos de la diagonal, aii , podra haber algunos nulos.
Senalemos que en el caso de matrices cuadradas el proceso de escalona-
miento se denomina
Algoritmo de Gauss. Un resultado importante, que relaciona matrices Algoritmo de Gauss
invertibles, solucion de sistemas y el algoritmo de Gauss, es el siguiente:
K
Teorema 1.1. Sea A Mnn ( ), entonces las proposiciones siguientes
son equivalentes:
1. A es invertible.
2. b Kn, Ax = b tiene solucion unica.
n
Q
3. aii 6= 0.
i=1
27
n
Q
(3 1). Supongamos aii 6= 0, esto quiere decir que los elementos dia-
donde las matrices Fk son del mismo estilo que las matricesQelementales
que hemos usado. Sabemos entonces que las matrices D, E = j Ej y F =
Q 1
k Fk son invertibles y como A = E DF 1 concluimos que A tambien es
invertible.
r
Y
A1 = (A)1 ( Ej ),
j=1
y por lo tanto la inversa de A es triangular inferior y ademas sus ele-
mentos diagonales son 1/aii i = 1, .., n. Notar que el producto de las
inversas en la expresion anterior esta tomado en sentido opuesto:
r
Y 1
Y
( Ej )1 = (Ej )1 .
j=1 j=r
28
Departamento de Ingeniera Matematica - Universidad de Chile
Pasando por la traspuesta podemos deducir que la inversa de una trian-
gular superior tambien es triangular superior.
1 0 0 b1
0 1 0 b2
. . . .
= b1 . . . = b,
. + b2 . + bn . = ..
0 0 0 b
n1
0 0 1 bn
y por lo tanto a es una solucion del sistema Ax = b.
Si A no fuese invertible esto quiere decir que al escalonar A, se tendra que
algun aii = 0. Consideremos las filas i e i + 1 de A:
.. ..
. .
Ai 0 0 aii = 0 aii+1 ain
A = = .
Ai+1 0 0 0 ai+1i+1 ai+1n
.. ..
. .
Si aii+1 = 0, ai+1i+1 6= 0 habramos permutados las filas y por lo tanto
la matriz escalonada tendra un 0 en la posicion (i + 1, i + 1), lo que es
una contradiccion. Si aii+1 6= 0 entonces podemos utilizar este elemento
para escalonar hacia abajo y por lo tanto ai+1i+1 = 0. En cualquier caso
se deduce que ai+1i+1 = 0, y por un argumento de induccion que ann = 0,
29
esto es toda la Q
ultima fila de A debe ser 0. Consideremos ahora la matriz
Ejercicio
Para saber si una matriz es invertible hemos entonces probado que basta
estudiar n sistemas lineales. Para el calculo de la inversa podemos ir un
poco mas lejos. Consideremos el siguiente ejemplo:
Ejemplo:
0 1 1
A = 1 1 2
1 1 0
luego:
0 1 1 1 0 0
(A|I) = 1 1 2 0 1 0
1 1 0 0 0 1
30
Escalonando:
Se tiene:
1 0 0 12 41 43
= 0 1
(I|I) 0 12 14 41
0 0 1 12 14 41
Obteniendo los sistemas de solucion trivial:
1 1 3
x11 2 x12 4 x13 4
I x21 = 12 , I x22 = 14 , I x23 = 14 ,
1 1
x31 2 x32 4 x33 14
de donde: 1 1
3
2 4 4
X = A1 = 12 41 1
4
1 1 1
2 4 4
En efecto:
1 1 3
0 1 1 2 4 4 1 0 0
AA1 = 1 1 2 12 41 14 = 0 1 0
1 1 1
1 1 0 2 4 4 0 0 1
K
Luego para calcular la inversa de A Mnn ( ) basta aplicar el Algoritmo
de Gauss sobre la matriz (A|I). Una vez que se ha obtenido la matriz
31
triangular superior A, realizar el mismo procedimiento para los elementos
Despejamos entonces A:
an a1n
Y ..
1
A = ( Ej ) .
j 0 ann
33
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 3
Algebra Lineal 08-2
Ejercicios
Despejamos entonces A:
an a1n
Y ..
A = ( Ej )1 .
j 0 ann
34
c) Demuestre que si A admite la descomposicion LDU de (1.5), en-
Problemas
1 1 1
P1. (a) Sea la matriz de coeficientes reales A = a b c . Demueste
a 2 b 2 c2
que si la ecuacion Ax = 0 tiene una unica solucion entonces (a 6=
b) (a 6= c) (b 6= c).
(b) Considere el sistema lineal a coeficientes reales siguiente
x1 + x3 + x4 = 0,
x2 + x3 + x4 = 0,
x1 + x2 = 0,
x1 + x2 + x3 = 0.
Determine las condiciones sobre los parametros reales y que
garanticen que el sistema tenga una unica solucion.
R
P2. (a) Considere las matrices cuadradas A, B Mnn ( ). Demuestre
que
1) A es invertible si y solo si AAt es invertible.
2) Si A2 = A y B = I A entonces B 3 = B.
Si A es invertible, utilice las condiciones dadas para calcular las
matrices A y B.
R
(b) Considere los vectores u, v Mn1 ( ) \ {0}. Se define la matriz
R
A Mnn ( ) por A = uv t .
R
1) Pruebe que x Mn1 ( ), Ax = 0 v t x = 0.
Indicacion: Observe que v t x .R
2) Encuentre el numero de variables libres en la resolucion del
sistema Ax = 0.
Es A invertible?
P3. Considere
1 2 3 1
1 1 0 1 2
A=
0
b=
0 .
3 3 3
2 1 2 2
Estudiaremos las soluciones del sistema Ax = b, con x M41 ( ). R
Encuentre los valores de y de manera que:
35
El sistema no tenga solucion.
36
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
SEMANA 4: GEOMETRIA
37
Proposicion 2.1. Se tienen las siguientes propiedades:
Ejemplos: Caso K = R.
K R
n = 1: El conjunto de vectores es 1 = , la recta real, el + es la
suma usual en R y la multiplicacion por escalar es el producto en
R .
n = 2: El conjunto de vectores es K2 = R2, el plano x1 x2.
x
1
x x=
2
x
2
x1
x+y
y
38
Departamento de Ingeniera Matematica - Universidad de Chile
2x
x
1/2 x x
x
x
0 x=0
(-1) x
x
3
x 1
x= x 2
x 3
x1
x
2
La ponderacion se represen-
ta de modo similar al caso
plano, y la suma de vectores x+y
tambien corresponde a la dia- y
gonal del paralelogramo defi-
nido por los sumandos:
x
39
Observacion: A veces conviene (por ejemplo, para mayor claridad de
v
y-x
x
0
2.2. Rectas en K n
L1
No pasa por p
q
Las rectas L1 y L2 del dibujo llevan la misma direccion, y lo que las di-
ferencia es que pasan por distintos puntos. De hecho L2 es L1 desplazada.
Intentamos entonces definir una recta en n como sigue: K
K
Definicion 2.2 (Recta). Sean d n \ {0} un vector y p n un K Recta
punto dado. La recta L que pasa por p y va en la direccion de d es el
siguiente subconjunto de n : K
L = Lp,d = {v Kn | v = p + td, t K}.
40
p +t d
td
L
d
Ejercicio
Ejercicio
Ejercicio 2.2: K K
1. Si A n y p n , definimos la traslacion de
A en el vector p por p + A = {p + x | x A}. Mostrar que las
K
rectas que pasan por p n son exactamente las traslaciones en
p de las rectas que pasan por el origen 0.
41
Departamento de Ingeniera Matematica - Universidad de Chile
p
K
2. Sean p, q n , con p 6= q. Mostrar que la recta de posicion p y
vector director d = q p es la unica recta que pasa por ambos
puntos, p y q.
q
p
q-p
K
recta
v = p + d,
2.3. Planos en K n
K K
Sean p n y d1 , d2 n \ {0} vectores no paralelos. Apelando a nuestra
intuicion en el espacio tridimensional, vemos que por p pasan las dos rectas
distintas L1 = Lp,d1 y L2 = Lp,d2 , y ambas estan contenidas en un mismo
plano .
42
Departamento de Ingeniera Matematica - Universidad de Chile
L 1
p+sd + td 1 2
L 2
p
sd 1
d 2
v = p + Er ,r K2
, s, t K
s
= p + d1 | d2
t
3. Notar la similitud con la ecuacion de una recta v = p+td, t . K
En la recta hay un parametro libre: t K
(dimension 1, esto se
formalizara mas adelante) y en el plano dos: s, t (dimension K
2 ).
Ejercicio
Ejercicio 2.3: Se deja como ejercicio para el lector probar las siguien-
tes propiedades:
1. q p,d1 ,d2 q,d1 ,d2 = p,d1 ,d2 . (Cualquier punto de un
plano sirve como su posicion.)
43
K Kn \ {0}, con d1no paralelo a d2 y
K
p,d1 ,d2 = p,d1 ,d2 (A M2,2 ( ) invertible)
d1 | d2
=
d1 | d2
A
K
3. Dado p n , todo plano que pasa por p es la traslacion en p de
un plano que pasa por el origen, y si trasladamos en p un plano
cualquiera que pasa por el origen, obtenemos un plano que pasa
por p.
K
4. Sean p, q, r tres puntos no colineales en n . Probar que si d1 =
q p y d2 = r p, entonces p,d1 ,d2 es el unico plano que pasa
por p, q y r.
44
Departamento de Ingeniera Matematica - Universidad de Chile
x1 = p1 + td1
..
.
xk = pk + tdk
xk+1 = pk+1
.. Constantes.
.
xn = pn
Despejando t en cada una de las primeras k ecuaciones, e igualando:
x1 p1
d1 = x2dp2
= = xkdpk
(= t)
xk+1 = pk+1
2 k
..
.
xn = pn
Este es un sistema de n 1 ecuaciones lineales para las n incognitas
x1
x1 , . . . , xn , que son las componentes de un punto cualquiera v = ...
xn
de L. Las ecuaciones se llaman ecuaciones Cartesianas de la recta L. Como ecuaciones Cartesianas
quedan las ecuaciones cuando k = 1? de L
Ejemplos:
n = 2: La ecuacion Cartesiana (notar que en este caso queda una
sola) de L = L p1 , d1 queda:
( p2 ) d2
x1 p1 x2 p2
= , si d1 , d2 6= 0,
d1 d2
x2 = p2 , si d2 = 0, y
x1 = p1 , si d1 = 0.
L L L
d,d =0
1 2
d =0
2
d =01
x1 p1 x2 p2 x3 p3
= =
d1 d2 d3
(en caso que d1 , d2 , d3 6= 0. Escribir las otras posibilidades.)
45
2.4.2. Planos (caso n = 3)
K
Observacion: Si el plano hubiese estado en n , con n 3, habramos
obtenido un sistema de n 2 ecuaciones cartesianas para el plano.
Que pasa en el caso n = 2? Y que puede decir de n = 1?
46
x1 = 1 + s t
R
-1
0 x+x+x=1
1 2 3
1
1
0
0 1
-1
0
47
Tenemos as una funcion
Rn Rn R
Pn 2
El numero
hx,
xi que aparece en la propiedad 4. es hx, xi = i=1 xi , si
x1
..
x = . . Jugando con el Teorema de Pitagoras se puede verificar
xn
p
facilmente que si n = 2 o n = 3, hx, xi corresponde a la longitud de la
flecha representada por el vector x.
2
2 2 2
x1 + x2 + x3
2
2 +x2
x1 x2
x1 x3
x1
2 2
x2
n=2 x1 + x2
n=3
48
p
hx, xi (raz cuadrada 0). kxk
kk : Rn p R .
x 7 kxk = hx, xi
49
Podemos ahora probar la desigualdad triangular. Sean x, y Rn. Tenemos:
C.Sch.
kxk2 + 2 kxk kyk + kyk2
= (kxk + kyk)2
Observacion:
1. Recordando que q p se puede visualizar como el vector (flecha)
que va de p hasta q, resulta que d(p, q) es la longitud de esta
flecha, es decir, como esperaramos, la longitud del trazo recto
entre p y q.
2. Podemos usar la distancia entre puntos para interpretar la de-
R
sigualdad triangular. Sean p, q, r n tres puntos que forman
R
un triangulo en n . Entonces: kq pk = k(q r) + (r p)k
kq rk + kr pk, es decir d(p, q) d(r, q) + d(p, r). En el
triangulo pqr esto significa que la longitud del lado pq es infe-
rior o igual a la suma de los otros dos lados ( rq + pr), lo que es
un viejo teorema de geometra plana.
q r
p q-r
r-p
q-p q
p q-p
50
El producto punto esta ntimamente ligado a la nocion de angulo entre
Situacion 1:
Consideremos el siguiente diagrama:
x
x-y
x+y
0
-y
R
Los vectores x e y son no nulos en n , y los hemos dibujado en el plano que
pasa por el origen y que los contiene. Supongamos que x es perpendicular a
R
y (vamos a suponer que esto tiene sentido en n , y que en el plano de x, y y
0 se cumplen las propiedades usuales que conocemos de la geometra plana
del colegio). Esperamos entonces que el triangulo que tiene por vertices x,
y y y sea isosceles en x (la altura es la flecha x), y as
kx yk = kx + yk hx y, x yi = hx + y, x + yi
kxk2 2 hx, yi + kyk2 = kxk2 + 2 hx, yi + kyk2
4 hx, yi = 0
hx, yi = 0.
Aprovechemos esto para definir perpendicularidad en Rn :
Definicion 2.8 (Perpendicularidad). Dos vectores x, y n se dicen R
perpendiculares u ortogonales ssi hx, yi = 0. Lo anotaremos como x y. perpendicularidad
xy
Ejercicio
b a
51
Situacion 2:
R
Definicion 2.9 (Angulo entre vectores). Sean x, y n \ {0}. Defi-
nimos el angulo entre x e y como aquel numero [0, ] tal que
angulo
hx, yi
cos = .
kxk kyk
Observacion:
1. Notar que la desigualdad de CauchySchwartz asegura que 1
hx,yi
kxkkyk 1, as la definicion anterior tiene sentido.
52
2.6. Aplicacion a Rectas en R 2
y Planos en R. 3
R2 y L = Lp,d = R2 R
Sea ahora p v | v = p + td, t . Tenemos
que
vL v = p + td, t R
R
(t ) v p = td
p d
v
v p, d = 0.
Si llamamos n = d (o cualquier otro vector paralelo a este), hemos conclui-
R
do que v L hv p, ni = 0, es decir, L = v 2 | hv p, ni = 0 .
La ecuacion
hv p, ni = 0
se llama ecuacion normal de L. El vector n (es decir, d o cualquier otro ecuacion normal de L
paralelo a el) se dice vector normal a L. vector normal a L
53
Departamento de Ingeniera Matematica - Universidad de Chile
v-p
v
L
p
De laecuacion
normal
deL sale facilmente
una ecuacion Cartesiana. Sean
n1 p1 x1
n= ,p= yv= . Desarrollando:
n2 p2 x2
es decir
Ejercicio
2.6.2. Planos en R3 .
R
Sean d1 , d2 vectores no nulos y no paralelos en 3 . Mas adelante se prueba
R
que existe un vector n = d1 d2 3 con las propiedades: n
Con estas propiedades, sea = p,d ,d el plano en R3 que pasa por un p,d1 ,d2
punto p R3 y de vectores directores d1 y d2 . Entonces el lector puede
1 2
54
y la ecuacion
n d2
d1
v
v-p
p
55
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 4
Algebra Lineal 08-2
Ejercicios
(a) q p,d1 ,d2 q,d1 ,d2 = p,d1 ,d2 . (Cualquier punto de un plano
sirve como su posicion.)
K
(b) Dado p n , todo plano que pasa por p es la traslacion en p de
un plano que pasa por el origen, y si trasladamos en p un plano
cualquiera que pasa por el origen, obtenemos un plano que pasa
por p.
K
(c) Sean p, q, r tres puntos no colineales en n . Probar que si d1 =
q p y d2 = r p, entonces p,d1 ,d2 es el unico plano que pasa
por p, q y r.
4. Pruebe las siguientes propiedades del producto punto: Proposicion 2.2
R
(a) (x, y, x, y n ) hx + x, yi = hx, yi + hx, yi hx, y + yi =
hx, yi + hx, yi (Biaditividad).
(b) ( R) (x, y Rn) hx, yi = hx, yi = hx, yi (Bihomogeneidad).
(c) (x Rn) hx, xi 0 hx, xi = 0 x = 0 (Positividad).
5. Pruebe las siguientes propiedades de la norma Euclidiana: Proposicion 2.3
56
Problemas
57
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
SEMANA 5: GEOMETRIA
Observacion:
n o Las propiedades 1. y 2. se abrevian diciendo que
bi, bj, k
b es un conjunto ortonormal en 3 . R
xk 3
x 1
x= x 2
x
k 3
xi
1 j
i xj
2
58
x1 y1
Definicion 2.10 (Producto cruz). Si x = xx2 , y = yy2 3 , R Producto cruz
R
2. x, y 3 x y = y x ( es anticonmutativo).
R
3. x, y, z 3 x (y + z) = x y + x z (x+ y) z = x z+ y z
( distribuye sobre +).
R R
4. x, y 3 ( ) (x) y = x (y) = (x y).
R
5. x 3 x x = 0.
xy = b
b (y1bi + y2bi + y3 k)
(x1bi + x2bj + x3 k)
= x1 y1 i i+x1 y2 i j+x1 y3 i k+x2 y1bjbi+x2 y2bjbj+x2 y3bj k
b b b b b b b
+x3 y1 k b k
b bj+x3 y3 k
b bi+x3 y2 k b
= b b
0 + x1 y2 k + x1 y3 (j) + x2 y1 (k)b + 0 + x2 y3bi + x3 y1bj + x3 y2 (bi) + 0
= b b b
(x2 y3 x3 y2 )i + (x3 y1 x1 y3 )j + (x1 y2 x2 y1 )k.
59
La siguiente es una formula para el producto cruz de 3 vectores. Su demos-
x, y, z R3 x (y z) + y (z x) + z (x y) = 0 (2.3)
Notemos que usando 2.3 y las propiedades anteriores resulta:
x (y z) (x y) z = y (x z),
Proposicion 2.5.
R3 \ {0}
x, y kx yk = kxk kyk |sen | ,
R
x, y 3 hx, yi2 + kx yk2 = kxk2 kyk2 .
Una vez establecida esta identidad, y recordando que hx, yi = kxk kyk cos(),
resulta:
2 2 2 2
kx yk = kxk kyk hx, yi
= kxk kyk (kxk kyk cos())2
2 2
1. z x z y = ( R) z = x y.
2. z x y = (s, t R) z = sx + ty.
60
Demostracion. La demostracion es un ejercicio, explicado en mas detalle
Ejercicio
(s, t R) x 6= 0 + sy + tz
y 6= 0 + sx + tz
z 6= 0 + sx + ty
(, , R) x + y + z = 0 = = = = 0. (2.4)
R
3. Sea A M33 ( ) la matriz descrita por columnas como A =
x | y | z . Pruebeh i que la propiedad 2.9 equivale ahque
i el
sistema homogeneo A = 0 tiene como solucion unica
=
0, es decir, A es invertible.
x, y, z
4. Concluya que tres vectores 3
R
noson coplanares con el
origen ssi la matriz A = x | y | z es invertible.
5. Considere ahora x e y no nulos y no paralelos. Pruebe que los
vectores x, y y x y 6= 0 son no coplanares con el origen.
Indicacion: Verifique la condicion 2.9.
6. Use la conclusion de la parte 2c para probar que
R
R
z 3 (s, t, ) z = sx + ty + x y. (2.5)
61
Departamento de Ingeniera Matematica - Universidad de Chile
x y
y
0,x,y
0 x
L 0,x y
Proposicion 2.7. R
1. Sean x, y 3 \ {0} vectores no paralelos. En-
tonces el area del paralelogramo que definen es kx yk.
R
2. Sean x, y, z 3 \ {0} vectores no coplanares con 0. Entonces el
volumen del paraleleppedo que definen es |hx y, zi|.
y x y
z
H y
h
0
x 0 x
1. El area del paralelogramo es dos veces el area del triangulo cuyos
vertices son x, y y 0. As, Area = 2 21 base altura = 2 21
kxk h, con h = kyk sen . De aqu que Area = 2 21 kxk kyk sen =
kxk kyk sen = kx yk.
2. De la geometra de colegio, el volumen del paraleleppedo se calcula
como el producto del area de su base y su altura. De la parte (a), el
area de la base es kx yk. Por otra parte la altura H es la proyeccion
de z sobre la direccion perpendicular al plano de x e y, con lo que
H = kzk cos(), donde es el angulo entre x y y z. Se obtiene
finalmente entonces que Vol = kx yk kzk cos() = |hx y, zi|.
62
i j
R
Con esta convencion resulta tambien que, si x, y 3 \{0} son no paralelos
y hacemos girar los dedos de la mano derecha en el plano definido por x e
y, desde x hacia y, el pulgar apunta en la direccion de x y.
x
x y
y y
x x y
Hay que indicar, sin embargo, que si alguien prefiriese dibujar los ejes como:
x1 x2
i j
k
x3
63
2.8. Distancia entre un punto y un conjunto. Proyeccio-
d(q, A) = nf {d(q, x) | x A} .
x
d(q,x)
y
d(q,y)
A
d(q,A)
q
z d(q,z)
Ejercicio
Cabe notar que no tiene por que existir un punto r A tal que d(q, A) =
d(q, r), y si tal r llega a existir, no tiene por que ser unico (Construir
ejemplos de estas afirmaciones!).
r L
z
64
Veremos ahora que tal r L efectivamente existe.
de donde u x.
Basta tomar ahora r = p + w =p + hy, x
bi x
b, es decir
r = p + hq p, x
bi x
b,
65
Sea L la recta que pasa por q y que es perpendicular a (es decir, que
r z
2 hp q, ni
hq + tn, ni = hp, ni hq, ni + t knk = hp, ni t = 2 .
knk
Una vez que tenemos la incognita real t despejada, en (2.6) resulta
hp q, ni
r=v=q+ 2 n (2.8)
knk
66
como unica solucion de (2.6) y (2.7).
67
Departamento de Ingeniera Matematica - Universidad de Chile
Observacion:
1. Notemos que la formula (2.8) era facil de adivinar, pues si n b=
1
knk n es el vector unitario en la direccion de n, (2.8) se puede
escribir como r = q + hp q, n bi nb
q
p-q <p-q,n>n
n
r p
68
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 5
Algebra Lineal 08-2
Ejercicios
Para ello:
R
(a) Sean x, y, z 3 tres vectores no coplanares con el origen, es decir,
que no existe un plano que pasa por el origen y que contiene a los
tres vectores x, y y z. Pruebe que esto equivale a:
(s, t R)x 6= 0 + sy + tz
y 6= 0 + sx + tz
z 6= 0 + sx + ty
(, , R) x + y + z = 0 = = = = 0. (2.9)
R
(c) Sea A M33 ( ) la matriz descrita por columnas como A = x | y
| z .
Pruebe
h i que la propiedad 2.9 equivaleha ique el sistema homogeneo
A = 0 tiene como solucion unica = 0, es decir, A es inver-
tible.
x, y, z
(d) Concluya que tres vectores R3 no son coplanares con el
origen ssi la matriz A = x | y | z es invertible.
(e) Considere ahora x e y no nulos y no paralelos. Pruebe que los
vectores x, y y x y 6= 0 son no coplanares con el origen.
Indicacion: Verifique la condicion 2.9.
69
(f ) Use la conclusion de la parte 2c para probar que
Problemas
P1. Se definen las rectas
1 1 3 0
L1 : 2 + t 2 , t R y L2 : 1 + s 1 , s R.
1 2 1 2
70
R
P3. (a) Sean L1 3 el R
de las x y L2 3 larecta que pasa por los
eje
71
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
72
Ejemplos:
(a + b ) . . . (a + b )
a11 + b11 . . . a1n + b1n 11 11 1n 1n
.. .. .. ..
= . . = . .
am1 + bm1 . . . amn + bmn (am1 + bm1 ) . . . (amn + bmn )
a11 . . . a1n b11 . . . b1n
.. .. ..
= . + . . = A + B.
am1 . . . amn bm1 . . . bmn
K
Conclumos entonces que Mmn ( ) es un espacio vectorial sobre
K.
R
3. Sea Pn ( ) el conjunto de los polinomios de grado menor o igual a
n, con la suma de funciones reales y la multiplicacion por escalar
definida por:
R
p, q Pn ( ), (p + q)(x) = p(x) + q(x)
R, (p)(x) = p(x)
n
P n
P
o bien, si p(x) = ai xi , q(x) = bi xi
i=0 i=0
n
X n
X
(p + q)(x) = (ai + bi )xi , (p)(x) = (ai )xi .
i=0 i=0
R
Es directo verificar que Pn ( ) es espacio vectorial sobre . R
Ademas,
R RR
Pn ( ) F( , ), lo cual, nos llevara mas adelante, a definir la
nocion de subespacio vectorial.
73
K
4. Tomemos ahora un cuerpo ( , +, ) arbitrario. Claramente ( , +) K
KKK
(, v) 7 v
K K
donde es la multiplicacion en el cuerpo . Como es cuerpo,
se verifican las propiedades . Conclumos entonces que todo cuerpo,
K , es espacio vectorial sobre si mismo. Dos ejemplos importantes
son R Cy .
C
5. Sea el grupo Abeliano ( , +) con la ley de composicion externa:
RCC
(, a + bi) (a + bi) = a + bi
C R
Es claro que es un espacio vectorial sobre pero no es el mismo
C
espacio vectorial definido sobre . Es decir, el espacio vectorial
C sobre Ces distinto al espacio vectorial C R
sobre , pues los
cuerpos sobre los cuales estan definidos son diferentes.
Ejercicio
74
Demostracion. En efecto, si se verifica la primera definicion entonces,
Ejemplos:
1 (x1 , y1 ) + 2 (x2 , y2 ) = (1 x1 + 2 x2 , 1 y1 + 2 y2 )
75
Esta constatacion nos llevara, mas adelante, a definir una operacion en-
tre espacios vectoriales (la suma) tal que podamos hablar de uniones
Ejemplo:
R
Tomemos v = (1, 1) 2 , el subespacio h{v}i = {(1, 1)/ } corres- R
ponde a la recta que pasa por el orgen con direccion dada por el vector
(1,1). Sean v1 = (1, 0), v2 = (0, 1),
76
3.4. Dependencia e independencia lineal
R
1. El conjunto {(1, 1, 1), (0, 1, 1), (1, 0, 0)} 3 es .d. En efecto,
(1, 1, 1) = (0, 1, 1) + (1, 0, 0), es decir (1, 1, 1) (0, 1, 1) (1, 0, 0) =
(0, 0, 0) donde 1 = 1, 2 = 1, 3 = 1.
P R
2. En el espacio vectorial 4 ( ), los polinomios 1, x son .i En efecto,
tomemos una combinacion lineal nula 1+x = 0, pero si 6= 0 se
tendra que + x es un polinomio de grado 1, luego tiene a lo mas
una raz y el polinomio 0 tiene infinitas races, luego = = 0.
77
3. Los vectores en R4, {(1, 1, 0, 1), (1, 0, 1, 0), (0, 0, 1, 1), (0, 1, 1, 0)},
es equivalente al sistema de 4 4:
1 + 2 = 0
1 + 4 = 0
2 + 3 + 4 = 0
1 + 3 = 0
en terminos matriciales
1 1 0 0 1 0
1 0 0 1 2 0
=
0 1 1 1 3 0
1 0 1 0 4 0
1 1 0 0 0
0 1 0 1 0
1 = 2 = 3 = 4 = 0.
0 0 1 2 0
0 0 0 3 0
K
En general en n , dado un conjunto de m vectores {v1 , ..., vm }, donde
vi = (v1i , ..., vni ),
i = 1, ..., m, podemos estudiar su dependencia o independencia lineal a
traves de un sistema de n ecuaciones y m incognitas. En efecto:
1 v1 + ... + m vm = 0
0
v11 v12 v1m
.
v21 v22 v2m ..
1 .. + 2 .. + ... + m .. = .
. . . ..
vn1 vn2 vnm 0
0
v11 v12 v1m 1
.
v21 v22 v2m 2 ..
... .. .. .. = . Km.
. . . ..
vn1 vn2 vnm m 0
78
K
K
Observacion: Conviene senalar que en n siempre es posible deter-
minar n vectores independientes. Basta tomar el conjunto {ei }ni=1 , ei =
(0, ..., 1, ..., 0), donde la componente no nula es la i-esima.
79
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 6
Algebra Lineal 08-2
Ejercicios
R
(c) {( 10 00 ) , ( 10 10 ) , ( 11 10 ) , ( 11 11 )} M22 ( )
6. (a) Sean a, b, c tres vectores de un espacio vectorial V . Determine si el
conjunto {a + b, b + c, c + a} es un conjunto l.i.
(b) Sea {u1 , u2 , . . . , uk } un subconjunto l.i. de un espacio vectorial V .
Pruebe que escalar, el conjunto:
{u1 + u2 , u3 , . . . , uk } es l.i.
80
Problemas
R
Demuestre que P2 ( ) = h{p1 , p2 , p3 }i.
P2. Sean E, F e.v. sobre un cuerpo K. Sea T una funcion T : E F , que
satisface:
(1) T (0E ) = 0F . En donde 0E y 0F son los neutros aditivos en cada
e.v.
(2) x E, K: T (x) = T (x).
(3) x, y E, T (x + y) = T (x) + T (y).
Considere
T (E) = {y F | y = T (x), x E}.
(a) Muestre que T (E) es un s.e.v. de F .
(b) Suponga ademas que T satisface que:
x E, T (x) = 0 x = 0.
E = {f | f : Z R es funcion}.
81
(a) Sean a1 , a2 R con a2 6= 0 y F0 el conjunto de las funciones
Z
n , f (n) + a1 f (n 1) + a2 f (n 2) = 0.
Z
n , f (n) + a1 f (n 1) + a2 f (n 2) = 1.
82
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
o de manera equivalente:
n
X
v V, {i }ni=1 K, tal que v= i vi .
i=1
Ejemplo:
Tomemos el conjunto {(1, 0), (0, 1), (1, 1)}. Este genera 2 . En efecto,R
(x, y) = x(1, 0) + y(0, 1) + 0(1, 1). Es decir h{(1, 0), (0, 1), (1, 1)}i = 2 . R
Pero, en este caso, la forma de escribir (x, y) no es unica:
Ejemplos:
K
1. En n , el conjunto {ei }ni=1 , donde ei = (0, ..., 1, 0..,0) es base. En
efecto, ya probamos que son l.i., ademas, dado x = (x1 , ..., xn )
K K
Pn
n
,x = xi ei . Esta base de n se denomina base canonica.
i=1
83
2. Estudiemos, en R3
, si el conjunto de vectores, B =
R
3. En el espacio vectorial Pn ( ), el conjunto B = {1, x, x2 , ..., xn } es
base. En efecto. Es claro que cualquier polinomio, q de grado n
se escribe como combinacion lineal de los vectores en B:
n
X
q(x) = ai xi .
i=0
84
n
d2 X
( i xi ) = 22 + ... + n(n 1)n xn2 = 0
( + = 0) ( + 2 = 0) = = 0.
Ademas son generadores: Sea (xn )n una progresion de diferencia
d entonces se tiene xn = x0 + nd y por lo tanto:
(xn ) = x0 1 + de.
85
Una caracterizacion de base, que nos sera util mas adelante, es la siguiente:
n
P
Se tiene entonces (i i )vi = 0. Como B es un conjunto l.i., conclumos
i=1
que i = i para todo i.
) Por hipotesis, cualquier vector v V es combinacion lineal del conjunto
n
P
B, luego B es generador. Supongamos que B es l.d., entonces i vi = 0
i=1
con escalares no todos nulos. Ademas 0v1 + 0v + ... + 0vn = 0 luego el
vector 0 se escribe de dos maneras distintas, lo cual es una contradiccion.
Conclumos entonces que B es base.
86
P
k k vi1 + i1 vi1 = vi1 hB1 i, con K lo que implica que
k1
P
Si k 6= 0 entonces vik = 1k j vij hBk1 i que es una contra-
j=1
diccion. Luego k = 0 y, como Bk1 es linealmente independiente,
j = 0 j = 1...k 1.
Ejemplo:
Si B = {(1, 0), (0, 1), (1, 1)}, los subconjuntos
{(1, 0), (0, 1)}, {(1, 0), (1, 1)} y {(0, 1), (1, 1)} son todos bases de
R 2
.
Daremos ahora una generalizacion del Teorema 3.1.
1 1 + ... + m m = 0, (3.1)
87
reemplazando cada wi como combinacion lineal de B, 3.1 equivale a:
As, si existe una base finita, de cardinal n, entonces cualquier otra base
contiene exactamente n vectores.
Esto nos lleva a definir la dimension de un espacio vectorial.
Definicion 3.5 (Dimension). Diremos que un espacio vectorial V sobre dimension
K es de dimension n (finita) si admite una base de cardinalidad n. En caso
que no exista una base finita, hablaremos de espacio vectorial de dimension
infinita. dimension infinita
Notaremos dim V al cardinal de una base (dim V = , si V no posee una
base finita). En particular dim{0}=0.
Ejemplos:
1. dim Rn = n.
88
2. dim S = .
B = {E[, ] = (e
ij ), eij = 1 (, ) = (i, j) {1, ..., m}, {1, ..., n}}.
= 0 , .
Ademas, dada A = (aij ) Mmn (K):
m X
X n
A= a E[, ].
=1 =1
Luego, el conjunto {E[, ]}, es base. Es decir dim Mmn (K) = mn.
Teorema 3.4.
1. Sea dim V = n. Si {vi }ni=1 es l.i. entonces {vi }ni=1 es base.
Demostracion.
1. Basta probar que V = h{v1 , ..., vn }i. Supongamos u / h{v1 , .., vn }i,
luego
B = {u, v1 , ..., vn } es l.i. y |B| = n + 1 > n. Lo que es una contra-
diccion, pues todo conjunto de cardinal mayor que la dimension debe
ser l.d.
89
2. Supongamos m = dim U > n = dim V , entonces existe {ui }m i=1 base
Teorema 3.5 (Completacion de base). Dado V espacio vectorial so- Completacion de base
bre K con dim V = n, y un conjunto de vectores l.i.; X = {v1 , . . . , vr }, r <
n, entonces existen vectores vr+1 , . . . , vn , tales que el conjunto {v1 , . . . , vn }
es base de V .
Ejemplo:
Consideremos, en R4 el conjunto
X = {(1, 1, 0, 0), (0, 1, 0, 0)}.
90
3.6. Suma de espacios vectoriales
U + W = {v V /v = u + w, u U, w W }.
Ejemplo:
Tomemos en R2, los subespacios U = h{(1, 1)}i , W = h{(1, 0)}i
U + W = {v = (1, 1) + (1, 0)/, R} = R2
U + W = {(x, y, 0) | x, y R} 6= R3.
En general, es directo que U U + W y W U + W . Basta tomar los
elementos de la forma u + 0 y 0 + w, respectivamente.
Dado V = U + W , un vector no necesariamente admite una escritura unica
en terminos de U y W .
Ejemplo:
Si
U =< {(1, 0), (0, 1)} >, W =< {(1, 1)} >
luego R2 = U + W . Pero el vector (1, 1) se escribe de dos maneras:
(1, 1) = (1, 1) + 0
(1, 1) = 0 + (1, 1)
91
manera unica como
Ejemplo:
R
Sean, por ejemplo, los subespacios de 2 , V =< {(1, 0)} >, W =<
{(0, 1)} >
R 2
= U W, pues (x, y) = x(1, 0) + y(0, 1) es unica.
Z = U W (Z = U + W ) (U W = {0})
Demostracion. En efecto:
92
k
P m
P
Como i ui U, i wi W y el vector 0 se escribe de manera
Como V = U W, v V, v = u + w, u U, w W . Pero u U, w
Pk
W se escriben como combinacion lineal de sus bases: u = i ui ,
i=1
m
P
w= i wi , de donde,
i=1
Pk m
P
v= i wi + i wi , luego hBi = V .
i=1 i=1
k
P n
P
Como u = i ui U, w = i ui W , tenemos que un vector v V
i=1 i=k+1
se escribe de manera unica como v = u + w.
Ejemplos:
Tomemos V = R3 y los subespacios
U = h{(1, 0, 0), (0, 1, 0)}i , W = h{(0, 1, 0), (0, 0, 1)}i
93
R
sin embargo 3 = U + W =
94
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 7
Algebra Lineal 08-2
Ejercicios
Para ello:
Considere U W como subespacio de U y W . Si se toma {z1 , ..., zk }
base de U W , se puede extender a
BU = {z1 , ..., zk , u1 , ..., ul } base de U y
BW = {z1 , ..., zk , w1 , ..., wp } base de W.
Se probara que B = {z1 , ..., zk , u1 , ..., ul , w1 , ..., wp } es base de V .
95
Problemas
R
Probar que Pm ( ) = V V (asuma que V es un subespacio
R
vectorial de Pm ( )).
R
P3. Si A Mnn ( ) y V es un subespacio vectorial de Rn, se define:
A(V ) = {Ax | x V }.
R
(a) (1) Pruebe que si A Mnn ( ) y V es s.e.v. de n entonces R
A(V ) tambien es s.e.v. de n . R
R
(2) Sean V, W s.e.v. de n tales que V W = n . Pruebe queR
R
si A Mnn ( ) es invertible entonces A(V ) A(W ) = n . R
R
(3) Sean V, W s.e.v. de n tales que V W = n . Pruebe queR
R
si A(V ) A(W ) = n , entonces A es invertible.
R
Indicacion: Pruebe que para todo z n el sistema Ax = z
tiene solucion.
R
(b) (1) Sea W un s.e.v. de n y definamos E = {A Mnn ( ) | A( n ) R R
W }. Muestre que E es un s.e.v. de Mnn ( ). R
R
(2) Sea W = {(t, t) | t }. Calcule la dimension de E = {A
R R
M22 ( ) | A( 2 ) W }.
96
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
donde A Mmn ( ) R
Este tipo de transformaciones tiene dos propiedades fundamentales:
1. T (u + v) = T (u) + T (v) u, v Rn
2. T (v) = T (v) R, v Rn
En efecto, T (u + v) = A(u + v). Como la multiplicacion matricial distribuye
con respecto a la suma:
T (u + v) = Au + Av = T (u) + T (v)
97
Ejemplos:
RR
5. Sea Fd ( , ) el conjunto de las funciones reales derivables. Es
directo verificar que este conjunto es un s.e.v. de F( , ). Consi- RR
deremos la transformacion:
T : Fd ( ,R R) F(R, R)
f T (f )
df
donde T (f )(x) = dx (x) es la funcion derivada. Es directo, de las
propiedades de derivacion que T es lineal.
S ea V e.v sobre K, V = V1 V2 y sean:
P1 : V V1 , P2 : V V2
v = v1 + v2 P1 (v) = v1 v = v1 + v2 P2 (v) = v2
Ambas funciones (porque son funciones?) son lineales. Verifique-
K
mos para P1 : sean , v = v1 + v2 , u = u1 + u2 , vi , ui Vi , i =
1, 2.
P1 (v + u) = P1 (v1 + u1 ) + (v2 + u2 )) =
= v1 + u1 = P1 (v) + P1 (u)
La funcion, Pi , se denomina la proyeccion de V sobre Vi .
98
4.3. Propiedades de transformaciones lineales
n
P
Dada una combinacion lineal de vectores i xi U y la transformacion
i=1
lineal,
T : U V . Se tiene, por induccion, que:
Xn n
X
T( i xi ) = i T (xi )
i=1 i=1
Ejercicio
99
Departamento de Ingeniera Matematica - Universidad de Chile
Ejercicio 4.1: Pruebe que entonces dada una base = {ui }ni=1 de U
y n vectores X = {vi }ni=1 no necesariamente .i. de V existe una unica
transformacion lineal T
T :U V
u T (u)
tal que T (ui ) = vi i = 1, ..., n.
que a cada vector u le asocia las coordenadas con respecto a una base fija
= {ui }ni=1 .
100
es un isomorfsmo. En efecto solo resta probar que T 1 es lineal, pues es
K
entonces T 1 es lineal.
Una transformacion lineal importante es idU : U U que es la transfor-
macion identidad. Como sabemos que es biyectiva se tiene que idU es un
isomorfsmo.
Con todos estos ingredientes se puede concluir que la relacion entre espacios
vectoriales de ser isomorfos es una relacion de equivalencia.
ImT = T (U ) = {v V /u U : v = f (u)}
101
Ejemplo:
R
T : 4 3
x1
R
x1 +x2
x2
x3 7 x2 x3
x4 x1 +x3
o en terminos matriciales:
x1
1 1 0 0
x
T (x) = 0 1 1 0 2
x3
1 0 1 0
x4
Determinemos los subespacios KerT y ImT . Tenemos que x KerT
Escalonando:
1 1 0 0 1 1 0 0 1 1 0 0
0 1 1 0 0 1 1 0 0 1 1 0 (4.3)
1 0 1 0 0 1 1 0 0 0 0 0
De donde:
x1 = x2
x1 + x2 = 0 x2 = x3
x2 x3 = 0 x3 = x3
x4 = x4
Lo cual permite escribir la solucion general en funcion de dos parametros:
x1 = x3 x1 1 0
x2 = x3 x2 1 0
= x3 + x4
x3 = x3 x3 1 0
x4 = x4 x4 0 1
102
1 0
1 , 00 R
es un s.e.v de 4 de dimension dos.
x1
y1 1 1 0 0
x
y2 = 0 1 1 0 2
x3
y3 1 0 1 0
x4
1 1 0
= x1 0 + x2 1 + x3 1
1 0 1
Dn 1 1 0 oE
Luego ImT = 0 , 1 , 1 .
1 0 1
Pero del resultado
1 de escalonar
0 la matriz
que tiene como columnas a
1 0
los vectores 0 , 1 , 1 y 0 , en 4.3 podemos extraer una ba-
Dn 1 1 1 0 0 1 0 oE0 Dn 1 1 0 oE
se de 0 , 1 , 1 , 0 = 0 , 1 , 1 , tomando
1 0 1 0 1 0 1
aquellos vectores asociados a columnas con pivotes de la matriz
escalonada
n o (Importante: ver gua de ejercicios y problemas). Es decir,
1 1
0 , 1 . Ejercicio
1 0
Dn 1 1 oE
Conclumos entonces que ImT = 0 , 1
1 0
es un s.e.v. de R3 de
dimension dos.
R
Observemos en este ejemplo que 4 = dim 4 = dim KerT + dim ImT .
Ademas T no es inyectiva
ya que KerT contiene mas de un vector, es
0
decir el vector 0 tiene mas de una pre-imagen. Tampoco es epiyectiva
R3 .
0
ya que dim ImT < 3 = dim
103
Departamento de Ingeniera Matematica - Universidad de Chile
Teorema 4.1. Sea T : U V una transformacion lineal entonces
T es inyectiva KerT = {0}
104
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 8
Algebra Lineal 08-2
Ejercicios
(a) Demuestre que el conjunto de vectores {v1 , vj2 , . . . , vjl }, es decir las
columnas correspondientes a los pivotes, es un conjunto l.i.
Indicacion: Estudie que sucede si en la matriz original A solo hu-
biese puesto los vectores v1 , vj2 , . . . , vjl .
(b) Pruebe que las columnas de A que no contienen pivotes, que estan
entre la del pivote k y la del k + 1 (es decir vjk +1 , . . . , vjk+1 1 ), son
combinacion lineal de los vectores v1 , vj2 , . . . , vjk .
Indicacion: Use induccion en k.
(c) Dado un conjunto de vectores {u1 , . . . , um } Rn y una matriz
R
invertible E Mnn ( ), demuestre que:
105
R
2. Sea un conjunto de vectores v1 , . . . , vm n , con U = h{v1 , . . . , vm }i y
Problemas
R
P1. Sea P3 ( ) el conjunto de los polinomios de grado menor o igual a 3
R
con coeficientes reales. Se define la transformacion T : P3 ( ) P3 ( ) R
por:
106
P3. Sean V , W e. v.s sobre R. En V W se definen la suma y ponderacion
Gf = {(v, w) V W : w = f (v)} .
107
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
de donde
v = T (u) = +1 T (u+1 ) + .... + n T (un ),
pues T (u1 ) = ... = T (u ) = 0. Es decir v es combinacion de los elementos
de . Probemos ahora que son l.i., para ello consideremos
o equivalentemente
+1 = ... = n = 0,
108
Es directo del TNI que: si dim U = n, y el rango de T es n se tiene
Ejercicio
109
4.7. Matriz Representante de una Transformacion Lineal
K
Sean U, V espacios vectoriales sobre un cuerpo , dim U = p, dim V = q.
Sean U = {u1 , ..., up }, V = {v1 , ..., vq } bases de U y V respectivamente.
Consideremos finalmente una transformacion lineal T : U V .
o bien,
T (u1 ) = a11 v1 + a21 v2 + ... + aq1 vq
T (u2 ) = a12 v1 + a22 v2 + ... + aq2 vq
..
.
T (up ) = a1p v1 + a2p v2 + ... + aqp vq
110
Departamento de Ingeniera Matematica - Universidad de Chile
Observacion: Una pregunta interesante es: Que sucede con esta
matriz si cambiamos las bases?. Esto lo responderemos en breve.
Ejemplo:
Sea T : R4 R3, definida por
x1
1 1 0 0
x
T (x) = 0 1 1 0 2 .
x3
0 0 1 1
x4
n 1=1U={e
Consideremos , e2 , e3 , e4 }, base canonica de 4 ,
1o R
= V = 1 , 0 , 1
0 1
0
1
R
base de 3 . Se tiene entonces:
1
1 1 1 1 1 1 0
T (e1 ) = T 00 = 0 = 1 + 0 1
0 0 2 0 2 1 2 1
0 1 1 0
1
T (e2 ) = T 10 = 1 = 1 1 + 0 0 + 0 1
0 0 0 1 1
0 0 1 1 0
T (e3 ) = T 0 = 1 =0 1 +0 0 +1 1
1 1 0 1 1
0
0 0
0 1 1 1 1 1 0
T (e4 ) = T 0 = 0 = 1 + 0 + 1
1 1 2 0 2 1 2 1
de donde: 1
2 1 0 21
M (T ) =
1
2 0 0 1
2
M34 ( )
R
21 0 1 1
2
n 1 0 0 o
Tomemos ahora, en R3, la base canonica, = 0 , 1 , 0
0 0
:
1
1
T (e1 ) = 0 = 1e1 + 0e2 + 0e3
0
1
T (e2 ) = 1 = 1e1 + 1e2 + 0e3
0
0
T (e3 ) = 1 = 0e1 + 1e2 + 1e3
1
0
T (e4 ) = 0 = 0e1 + 0e2 + 1e3
1
Luego,
1 1 0 0
M (T ) = 0 1 1 0
0 0 1 1
Sorpresa!, esta matriz representante no solo es distinta de la anterior,
sino que corresponde a la matriz que define T en forma natural. Con-
clumos entonces que: la matriz representante depende de las bases ele-
gidas y que la matriz representante con respecto a las bases canonicas
111
es la matriz asociada a T . Esto ultimo lo podemos verificar en el caso
general:
Se tiene entonces:
0 a
a11 ... a1j ... a1p .. 1j
. a2j
.. .. .. 1 =
TA (ej ) = Aej = .
. . . ...
aq1 ... aqj ... aqp ..
aqj
0
o bien:
q
X
TA (ej ) = a1j e1 + ... + aqj em = aij ei
i=1
u = 1 u1 + ... + p up ,
Pp Pq
y por lo tanto T (u) = j=1 j T (uj ) pero T (uj ) = i=1 mij vi y por lo
tanto p q q X p
X X X
T (u) = j mij vi = ( j mij )vi .
j=1 i=1 i=1 j=1
112
Es directo que LK (U, V ), dotado de las operaciones: LK (U, V )
LK (U, V )
= Mqp ( ) K
En efecto, sean U , V bases de U y V respectivamente y definamos la
funcion.
: LK (U, V ) Mqp ( ) K
T (T ) = MU V (T )
Es decir, a una transformacion lineal arbitraria le asociamos su matriz
representante con respecto a las bases U y V .
T, L LK (U, V ), A = MU V (T ), B = MU V (L).
Calculemos (T + L) = MU V (T + L).
= A + B = MU V (T ) + MU V (L) = (T ) + (L)
(T ) = MU V (T ).
113
2. es biyeccion. Sean T Ker() (T ) = MU V (T ) = 0
K
K
A = (aij ) Mqp ( ), le asociamos la transformacion lineal T , que
q
P
a la base de U asocia: T (uj ) = aij vi . Es directo que (T ) =
i=1
Mqp (T ) = A, luego es epiyectiva. De (1) y (2) conclumos que es
un isomorfismo.
Directamente, de este resultado se tiene: dim LK (U, V ) = dim Mqp ( ) = K
pq = dim U dim V . Es decir, la dimension del espacio de transformaciones
q
X
T (uk ) = bjk vj 1kp
j=1
Xr
L(vj ) = aij wi 1jq
i=1
Calculemos ahora:
Xq
(L T )(uk ) = L(T (uk )) = L( bjk vj ) =
j=1
q
X Xq Xr
= bjk L(vj ) = bjk ( aij wi )
j=1 j=1 i=1
r X
X q
= ( aij bjk )wi 1kp
i=1 j=1
114
obteniendo
= A B = MV W (L) MU V (T )
115
Una aplicacion inmediata de este resultado es
(M (T ))1 = M (T 1 ).
K
Teorema 4.5. Para toda matriz A Mnn ( ), las propiedades siguientes
son equivalentes
1. A es invertible.
2. TA : Kn Kn, v TA(v) = Av es un isomorfismo.
3. El conjunto {Aj}nj=1 es base de Kn .
116
4.8. Matriz de Pasaje o de Cambio de Base
M (idV ),
n
P
Pero, ademas, v = i vi .
i=1
Como la representacion es unica, conclumos:
n
X
i = pij j 1in
j=1
matricialmente: = P .
117
Esta ecuacion establece la relacion entre las coordenadas de un mismo vec-
Estudiaremos ahora la relacion que existe entre las distintas matrices re-
presentantes de una misma transformacion lineal. Esto lo deduciremos de
la regla que tenemos para la matriz representante de una composicion de
aplicaciones lineales. Sea T : U V lineal y consideremos cuatro bases:
, bases de U
, bases de V.
idV T idU = T,
y por lo tanto
C = P AQ.
Diremos que entonces A y C son semejantes. Como ejercicio, probar que matrices semejantes
esta es una relacion de equivalencia. Un caso importante es cuando Q = Ejercicio
P 1 , es decir
C = P AP 1 .
118
En este caso especial diremos que A y C son similares. Esta tambien es matrices similares
119
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 9
Algebra Lineal 08-2
Ejercicios
(a) T (W ) es subespacio de V.
(b) dim T (W ) dim U .
(c) Si T es inyectiva dim T (W ) = dim W .
3. T : U V es una transformacion lineal y , son bases de U y V Ejercicio 4.3
respectivamente entonces
(a) T es invertible ssi M (T ) es una matriz invertible.
(b) Si T es invertible,
(M (T ))1 = M (T 1 ).
Problemas
R
P1. Sean M22 ( ) el espacio vectorial de las matrices de 22 a coeficientes
R R
reales sobre el cuerpo . Sea P2 ( ) el espacio vectorial de los polino-
mios de grado menor o igual a 2 a coeficientes reales sobre el cuerpo
R. Sea
T: R
M22 ( ) P2 ( ) R
a b
c d 7 T ( ac db ) = (a + d) + (b + c)x + (a + b + 2c + d)x2 .
120
P2. Considere las funciones lineales f y g tales que
y las bases
B1 =
1
3
2
4
,
1 0
1 2
,
0 3
0 1
,
2 5
2 4
de M22 ( ) R
y
2 0 1
B2 = 1 , 1 , 2 de 3
R
1 3 1
1 11 1
Sea A = 2 0 0 1 la matriz representante de la funcion f con
R R3.
2 1 1 1
respecto a las bases B1 en M22 ( ) y B2 en
(a) Encuentre la matriz representante de B de la funcion g con res-
R R
pecto a las bases canonicas de 3 y 2 respectivamente.
(b) Obtenga la matriz representante de g f con respecto a la base
R
B1 en M22 ( ) y a la base canonica de 2 . R
P3. Sea T : V V una aplicacion lineal con V espacio vectorial de dimen-
sion finita. Demuestre que
R
(a) Encuentre la base de P2 ( ) tal que Q sea representante de la
R R
identidad de P2 ( ) con en P2 ( )con . Si le sirve, si denotamos
por [p] el vector de coordenadas de p con respecto a la base ,
[p] = Q[p] R
p P2 ( ).
R R
(b) Sea T : P2 ( ) 3 la transformacion lineal cuya matriz repre-
R
sentante con respecto a las bases en P2 ( ) y canonica en 3 es R
la matriz
0 1 0
A = 0 0 2 .
0 0 0
Calcule la matriz representante de T con respecto a las bases
R R
en P2 ( ) y canonica en 3 , donde es la base encontrada en
(a).
121
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
Ejercicio
r(A) = r(B).
Notemos dos cosas: primero que hemos dado un orden especial a esta base
donde los vectores que agregamos van al principio; y segundo que del teo-
K
rema del nucleo imagen p = dim p = dim ImA + dim KerA y por lo tanto
necesitamos agregar tanto vectores como rango de A es decir r = r(A).
Tomemos ahora X = {v1 , ..., vr } donde vi = Awi , i = 1, ...r. Probaremos
que X es un conjunto l.i.. En efecto si
1 v1 + ... + r vr = 0,
se tendra que
122
es decir el vector 1 w1 + ... + r wr esta en el KerA. Como lo hemos hecho
1 w1 + ... + r wr = 1 u1 + ... + u ,
1 w1 + ... + r wr 1 u1 ... u = 0,
A = P HQ.
K
Por otro lado si A, B Mqp ( ) tienen el mismo rango entonces se demues-
tra que existen matrices invertibles P, Q, R, S tal que
r(A) = r(At ).
123
Usando la forma normal de Hermite, se deduce que existen matrices inver-
tibles P, Q tal que
Ejercicio
124
Definicion 5.1 (Vector y valor propio). Diremos que x V es un Vector y valor propio
K, Ax = x.
K
Proposicion 5.1. Dada A Mnn ( ), son equivalentes:
(i) x 6= 0 Ax = x.
(ii) x solucion no trivial del sistema (A I)x = 0.
(iii) Ker(A I) 6= {0}
(iv) A I no es invertible.
K
Necesitamos una forma facil de determinar que valores de son valores
propios. Para ello sera util que la condicion (iv) pudiera expresarse como
una ecuacion en . Veremos que el calculo de los valores propios se reduce a
estudiar un polinomio de grado n cuyos coeficientes dependen de la matriz
A.
Ejemplo:
1 2 3
5 6
A = 4 5 6 A11 = .
8 9
7 8 9
125
n
P
(ii) Si A es de n n |A| = (1)i+1 ai1 |Ai1 |.
Ejercicio
126
Proposicion 5.2. Se tienen las siguiente propiedades:
Dada
permutacion del conjunto {1, 2, ..., n}, se define signo() =
una
ee(1)
(2)
. donde e1 , ..., en son las filas de la matriz identidad. De (2)
.
e.
(n) P
y (4) se obtiene que signo() {1, 1}. Se tiene ademas |A| =
signo() a1(1) a2(2) ...an(n) donde la suma se extiende sobre todas
las n! permutaciones de {1, ..., n}.
9. |AB| = |A||B|.
127
10. Si A es invertible entonces |A1 | = 1/|A|.
n
X
|A| = (1)i0 +j ai0 j |Ai0 j | (Calculo de |A|, usando la fila i0 )
j=1
X n
Y
|A I| = signo () (A I)i(i)
i=1
|A I| = (1)n n + n1 n1 + ... + 1 + 0 ,
Ejemplo:
4 5
A=
2 3
128
Cuales son los valores propios de A?. Para ello estudiemos A I.
Ejemplo:
0 1 1
A= |A I| = = 2 + 1 = 0
1 0 1
R
no tiene solucion en , y por tanto A no tiene valores propios reales.
Sin embargo si el cuerpo donde estamos trabajando es C
entonces A
tiene dos valores propios.
Ejemplo:
R
Sea D( ) = { espacio de funciones infinitamente diferenciables de R
R R
} se prueba facilmente que D( ) es un espacio vectorial sobre . R
Consideremos
R
L : D( ) D( )R
df ,
f Lf =
dt
es decir Lf es la funcion derivada de f .
K
De la definicion v es vector propio si v 6= 0 y tal que Av = v. As,
es valor propio si y solo si existe una solucion no nula de la ecuacion
(A I)v = 0
129
Si A y B son similares es decir si existe P invertible tal que A = P BP 1 ,
A I = P BP 1 P P 1 = P (B I)P 1
Ejemplo:
4 5
Sea A = Sabemos que los valores propios son 1 = 2, 2 =
2 3
1. Calculemos los vectores propios asociados.
1 = 2 La ecuacion de vectores propios es
x1 2 5 x1 0
(A 2I) = =
x2 2 5 x2 0
130
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
1. Si
a11 a1n
..
.
A = ak1 + bk1 akn + bkn ,
..
.
an1 ann
entonces
a11 a1n a11 a1n
.. ..
. .
|A| = an1 akn + bk1 bkn = |A| + |B|.
. .
. ..
.
an1 ann an1 ann
131
entonces
Las matrices Ai1 y Aj1 de dimension n1n1 son iguales excepto que
la fila X esta en distinta posicion. En Ai1 esta en la fila j 1. En Aj1 esta
en la fila i. As podemos llegar de la matriz Ai1 a la matriz Aj1 mediante
132
j 1i permutaciones. Por cada permutacion hay un cambio de signo en
A1 A1 A1 A1
.. ..
.. ..
.
.
. .
Ai Aj
Ai Ai
.. .. . .
0 =| B |= . + = . + .. +
. .
A +A
i j Ai + Aj Ai Aj
. . . .
.. .. .. .
.
An An An An
A
A1 1
.. ..
. .
A
Aj j
. ..
+ .. + . = 0 + |A| + |A| + 0,
Ai Aj
.
. .
..
.
An An
133
y por lo tanto
6. Las filas de A son l.d. | A |= 0. Supongamos que las filas de A son l.d.
es decir 1 , ..., n no todos nulos tal que 1 A1 +2 A2 +...+n An = 0
podemos suponer sin perdida de generalidad que 1 6= 0
1 A1 + 2 A2 + ... + n An
A2
A =
.. =
.
An
0
n
X
A2
= . = (1)1+1 0 | A11 | + (1)j+1 aj1 |Aj1 |,
..
j=2
An
134
pero para j 2 la primera fila de Aj1 es cero luego las filas de Aj1 son
Falta probar que |A| = |At |. Esta proposicion no es facil, para ello
necesitamos la siguiente formula:
P
7. |A| = (signo ) a1(1) a2(2) ...an(n) donde la suma se extiende sobre
todas las permutaciones de {1, ..., n} y signo() se define como
e(1)
signo () = ... ,
e
(n)
1 2 3 n
=
2 1 3 n
e(1) = e2
e(2) = e1
e(i) = ei i2
135
0 1 0 0
Por lo tanto
ek
ek1
e
X X ek2
|A| = a1k a2 Aj =
a1k1 a2k2 ...ankn .
.. ..
k6= k1 ,...,kn
. todos
ekn
a1k1 a2k2 ...ankn distintos
136
Supongamos que tenemos una funcion F que asigna a cada matriz cua-
K
Sea
K
F : Mnn ( ) K
A |AB|
probemos que F es n-lineal. En efecto
A1 A1
.. ..
. .
C1 = X C2 = Y
. .
.. ..
An An
A1 A1 B
.. ..
. .
A = X + Y AB = XB + Y B ,
. .
.. ..
An An B
137
y por lo tanto
9. Si A es invertible entonces
1
|A1 | =
|A|
1
en efecto, |A1 A| = |I| = 1 = |A1 | |A| luego |A1 | = |A| .
Demostracion. Sean
e(1) e (1)
A = ... B = ...
e(n) e (n)
138
e (1) e( (1))
0 j 6= k
etj ek = , se tiene que la primera fila de BA tendra la forma:
1 j=k
1
(BA)1j = et (1) e1 (j) = 1 (1) = (j) ,
0 sino
es decir (BA)1 es un vector de la base canonica, lo que debemos ave-
riguar es en que posicion tiene el 1, pero esto se deduce de la ecua-
cion (1) = 1 (j) pues entonces j = ( (1)) = (1), luego
(B A)1 = eo (1) . As se obtiene:
e (1)
e (2)
BA = ..
.
e (n)
Por lo tanto C = B A, de donde |C| = |B||A| y entonces
signo( )= signo() signo( ). En particular signo( 1 )= signo()
pues
signo( 1 ) = signo(id) = 1 = signo() signo( 1 ),
donde id es la permutacion identidad.
139
Formula para A1
Si |A| =
6 0 definamos B mediante:
1
bij = (1)i+j |Aji |.
|A|
Calculemos AB:
n
X n
X (1)k+j
(AB)ij = aik bkj = aik |Ajk |.
|A|
k=1 k=1
n
P
2. j 6= i (AB)ij = (1)k+j a|A|
ik
|Ajk |, que corresponde al determinante
k=1
de la siguiente matriz, calculado usando la fila j
a11 a1n
.. .. ..
. . .
ai1 ain i
. .. ..
.
. . .
ai1 ain j
|A|
|A|
. .. ..
.. . .
an1 ann
n
P ajk
Como las filas de esta matriz son l.d. se tiene (1)k+j |A| |Ajk | = 0,
k=1
y por tanto AB = I lo que implica que
B = A1 .
Ejemplo:
Sea
a b
A= .
c d
140
Se tendra que
141
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 10
Algebra Lineal 08-2
Ejercicios
r(A) = r(B).
3 0 1 0
2 1 0 0 3 2 2 3 2 1
3 0 0
0 2 0 0 2 1 6 2 1 1
1 3 0
0 0 3 1 1 4 2 6 4
0 0 0 3
Problemas
K
P1. (a) Pruebe que una matriz A Mmn ( ) tiene rango 1 si y solo si
K K
existen u m , v n , ambos no nulos tales que A = uv t .
(b) Si 0 , 1 , ..., n1 R y n > 2, probar por induccion que el
polinomio caracterstico de la matriz
0 0 ... 0 0
1 0 ... 0 1
2
A = 0 1 ... 0
.. .. .. .. ..
. . . . .
0 0 ... 1 n1
n1
P
es igual a: (1)n ( k k + n ).
k=0
R
P2. Sean A, B Mn,n ( ) invertibles y R, 0 < < 1.
a) Sea PA1 B () el polinomio caracterstico de A1 B. Pruebe que
n
|(A + (1 )B)| = (1 ) |A|PA1 B .
1
142
P3. Sean A, B matrices de nn con coeficientes reales tales que AB = BA
143
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
1 0 0
..
0 2 .
MB B (L) = .. .. = D que es diagonal.
. 0 . 0
0 0 n
A
B B
P 1 P.
D
B B
Por lo tanto A = P DP 1
n
Q
(2) |A| = |P DP 1 | = |P ||D||P 1 | = |D| = i .
i=1
6 0 entonces ii 6= 0 y A1 = P D1 P 1 donde
(3) |A| =
1
1 0
..
D1 = . .
0 1
n
En efecto,
A1 = (P DP 1 )1 = (P 1 )1 D1 P 1 = P D1 P 1 ,
144
1
1 0
(4)
Am = (P DP 1 )m = (P DP 1 )(P DP 1 ) (P DP 1 )
m
1 0
.. 1
= P Dm P 1 = P . P
0 m
n
Demostracion.
() Hemos visto que si A es diagonalizable entonces
1 0
A = P DP 1 donde D = ..
.
0 n
y P = (v1 , . . . , vn ). Luego A es similar a una diagonal.
145
K
1 v1 + + k vk = 0, (5.2)
1 1 v1 + + k k vk = A(1 v1 + + k vk ) = A0 = 0.
146
k
2. Si Z = + Ui y Z es de dimension finita, entonces son equivalentes:
k
M
(a) Z = Ui .
i=1
(b) (i {1, . . . , k})(ui Ui \ {0}) {u1 , . . . , uk } es l.i.
(c) La yuxtaposicion de bases de los subespacios Ui es una base (y no
solo un generador) de Z.
k
X
(d) dim(Z) = dim(Ui ).
i=1
lo cual es una combinacion lineal nula, con escalares no nulos (todos 1), de
los vectores ui = wi wi Ui \ {0}. Pero esto es una contradiccion con el
hecho de que dichos vectores son l.i, por hipotesis.
As se tiene que la escritura es unica y por ende la suma es directa
Lk
(a) (b) Supongamos ahora que Z = i=1 Ui . Sea {u1 , . . . , uk }, con
ui Ui , i {1, . . . , k}. Estudiemos
k
X
i ui = 0.
i=1
i {1, . . . , k}, i ui = 0.
147
Departamento de Ingeniera Matematica - Universidad de Chile
K
Teorema 5.3. Sea A Mnn ( ), 1 , . . . , k los valores propios (distintos)
de A y Wi = Ker(Ai I), i {1, . . . , k}. Si W = W1 +W2 + +Wk ,
se tiene que
W = W1 W2 Wk .
En particular, A es diagonalizable si y solo si
Kn = W 1 W2 Wk .
K
Corolario 5.1. Supongamos que A Mnn ( ) y que p() = |A I|, el
polinomio caracterstico de A, tiene n races distintas en K
: 1 , . . . , n ,
entonces
1. Wi = Ker(A i I) es de dimension 1.
2. Sea vi Wi con vi 6= 0 entonces {v1 , . . . , vn } es una base de vectores
propios.
K
Este teorema da un criterio simple para que A Mnn ( ) sea diagonizable,
este es que A tenga n valores propios distintos.
Ejemplo:
Sea
1 1 1
A= 1 1 1
1 1 1
1 1 1
p() = |A I| = 1 1 1
1 1 1
= (1 ){(1 )2 1} 1{(1 ) + 1} {1 + (1 )}
= (1 )3 (1 ) (1 ) 1 1 (1 )
= (1 3 + 32 3 ) 3 + 3 2
= 32 3 4
Ahora = 2 es una raz de p(). Por otro lado p()2 = 2 ++2
As las otras races de p son = 1 y = 2. Por lo tanto p() =
( 2)( + 1)( 2) Se puede probar que A tiene una base de vectores
propios por lo que no es necesario que todos los valores propios sean
distintos para que A sea diagonalizable.
148
Ejemplo:
K
Teorema 5.4. Una matriz A Mnn ( ) es diagonalizable ssi la suma de
las multiplicidades geometricas de sus valores propios es n.
K
Definicion 5.7 (Multiplicidad algebraica). Sean A Mnn ( ) y un Multiplicidad
valor propio de A. Definimos la multiplicidad algebraica de , A (), algebraica, A ()
como la maxima potencia de (x ) que divide al polinomio caracterstico
de A, pA (x) = |A xI|.
K
Proposicion 5.5. Sean A Mnn ( ) y 0 un valor propio de A, entonces:
1 A (0 ) A (0 ) n.
Ejercicio
149
Departamento de Ingeniera Matematica - Universidad de Chile
2. Sea = A (0 ). Considere una base 0 = {v1 , . . . , v } de W0 =
Ker(A 0 I).
3. Extienda dicha base a una base = {v1 , . . . , v , v+1 , . . . , vn } de
K
n
.
4. Calcule la matriz representante de T (x) = Ax, con respecto a la
base . Es decir, M (T ).
5. Pruebe que
pA () = |A I| = ( 0 ) q().
K
Corolario 5.2. Sea A Mnn ( ) y pA () su polinomio caracterstico. Se
tiene entonces que A es diagonalizable si y solo si pA () se factoriza com-
pletamente en K
en factores lineales. Es decir:
pA () = cA ( 1 )A (1 ) ( 2 )A (2 ) . . . ( k )A (k ) ,
pA () = cA ( 1 )A (1 ) ( 2 )A (2 ) . . . ( k )A (k ) q(),
Pk
De donde i=1 A (i ) = n.
Ahora
150
As, gr(q()) = 0. Es decir, es una constante y se tiene la fatorizacion
pA () = cA ( 1 )A (1 ) ( 2 )A (2 ) . . . ( k )A (k ) .
Pk
De donde i A (i ) = n. Y, supongamos que A no es diagonalizable. Esto
implica que
Mk k
X k
X
dim( Wi ) = A (i ) < n = A (i ).
i=1 i=1 i=1
C
Corolario 5.3. A Mnn ( ) es diagonalizable si y solo si para todo valor
propio de A, se tiene que
A () = A ().
151
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 11
Algebra Lineal 08-2
Ejercicios
K
2. Pruebe que, dados A Mnn ( ) y 0 un valor propio de A, entonces: Proposicion 5.5
1 A (0 ) A (0 ) n.
Para ello
(a) Pruebe las desigualdades 1 A (0 ) y A (0 ) n.
(b) Sea = A (0 ). Considere una base 0 = {v1 , . . . , v } de W0 =
Ker(A 0 I).
(c) Extienda dicha base a una base = {v1 , . . . , v , v+1 , . . . , vn } de
Kn
.
(d) Calcule la matriz representante de T (x) = Ax, con respecto a la
base . Es decir, M (T ).
(e) Pruebe que
pA () = |A I| = ( 0 ) q().
En donde q() es un polinomio de grado n .
Indicacion: Pruebe y use que A y M (T ) son similares.
(f ) Concluya el resultado.
Problemas
R
P1. (a) Sea P2 ( ) el espacio vectorial de los polinomios a coeficientes
reales de grado menor o igual a 2, y sea T : P2 ( ) P2 ( ) la R R
transformacion lineal definida por
152
(1) Verifique que la matriz representante de T con respecto a la
R
sea diagonalizable.
R
P2. Sea a . Se define una sucesion de numeros reales (un )nN de la
siguiente manera: u0 = 1, u1 = a, (n 2) un = aun1 un2 .
Sean x0 = ( 10 ), (n 1) xn = ( uun1
n
).
R
P3. Sean R, S Mnn ( ), con S invertible. Considere A = RS y B = SR.
R
(a) Pruebe que v n es vector propio de A asociado al valor propio
R ssi Sv es vector propio de B asociado al mismo valor propio
. Concluya que A y B tienen los mismos valores propios.
(b) Sean W (A) = Ker(A I) el subespacio propio de A asociado al
valor propio R
y W (B) el subespacio propio de B asociado
a . Pruebe que dim(W (A)) = dim(W (B)).
(c) Pruebe que A es diagonalizable ssi B es diagonalizable.
153
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
Pk
Demostracion. Sea i=1 i vi una combinacion lineal nula de los elemen-
tos de {v1 , . . . , vk }. Sea j {1, . . . , k}, luego por propiedades del producto
interno:
* k + k
X X
i vi , vj = 0 i hvi , vj i = 0.
i=1 i=1
154
1. Si x W ,
2. Si x Rn y definimos
k
X
z= hx, ui i ui W,
i=1
Demostracion.
1. Como {u1 , . . . , uk } es una base de W y x W , luego
k
X
x= i ui .
i=0
2. Sea x Rn , z = Pk
hx, ui i ui y w W , veamos:
i=1
* k k
+
X X
hx z, wi = hx, wi hz, wi = hx, wi hx, ui i ui , hw, uj i uj ,
i=1 j=1
155
y como {u1 , . . . , uk } es ortonormal, hui , uj i = 0, i 6= j y
De esta manera
de donde se concluye.
Definimos entonces:
Definicion 6.2 (Proyeccion ortogonal sobre un s.e.v.). Sea W un Proyeccion ortogonal
R
subespacio vectorial n y {u1 , . . . , uk } una base ortonormal de W . Defi-
nimos la proyeccion ortogonal sobre W como la funcion
P: Rn W
k
P
x 7 P (x) = hx, ui i ui W.
i=1
156
Departamento de Ingeniera Matematica - Universidad de Chile
Observacion: Notemos que esta definicion es correcta, es decir que
P no depende de la base ortonormal considerada y que es funcion.
Gracias a la Proposicion 6.2.2, sabemos que independiente de la base
ortonormal considerada para definirla, la proyeccion es aquella que mi-
nimiza la distancia de x a W . As, si hubiese dos proyecciones z1 , z2 ,
asociadas a bases distintas y fuesen distintas, luego:
W = {u Rn | w W hw, ui = 0}.
Proposicion 6.5.
(i) W es un subespacio de Rn .
(ii) Rn = W W . Rn = W W
(iii) dim(W ) = n dim(W ).
Demostracion.
R
(i) Sea u, v W y , debemos probar que u + v W . Sea
w W:
hw, u + vi = hw, ui + hw, vi = 0
lo que es valido para todo w W . Luego u + v W por lo tanto
W es un subespacio vectorial de n .R
157
R
(ii) Es claro que W + W n . Para la otra inclusion, dado x Rn ,
h{v0 , . . . , vm }i = h{u0 , . . . , uk }i .
158
Departamento de Ingeniera Matematica - Universidad de Chile
Algoritmo 1 Metodo Gram-Schmidt
v
1: Partamos con w1 = kv1 k .
1
2: Luego, proyectamos v2 sobre el subespacio generado por u1 :
z2 = hv2 , v1 i u1
w2 = v2 z2
w2
perpendicular a h{u1 }i y normalizamos, u2 = kw2 k .
3: Luego podemos pasar a trabajar con v2
z3 = hv3 , u1 i u1 + hv3 , u1 i u2
w3 = v3 z3 ,
w3
perpendicular a h{u1 , u2 }i y normalizamos, u3 = kw 3k
.
4: se sigue del mismo modo: una vez obtenidos {u1 , . . . , uk }, proyectamos
vk+1 sobre h{u1 , . . . , uk }i y definimos
k
X
zk+1 = hvk+1 , ui i ui
i=0
wk+1 = vk+1 zk+1 ,
wk+1
perpendicular a h{u1 , . . . , uk }i y normalizamos, uk+1 = kw k+1 k
.
5: El proceso termina cuando hemos procesado todos los vi .
159
Con k = dim(h{v0 , . . . , vm1 }i).
R tales que
k1
P hvm ,ul i
Pero gracias a (6.1), existen 0 , . . . , m kwk k ul =
l=0
m
P
l ul . As uk h{v0 , . . . , vm }i y luego
l=0
h{u0 , . . . , uk }i h{v0 , . . . , vm }i .
160
Obteniendo lo buscado.
Observacion:
Notemos que como corolario del Teorema 6.1, se obtiene la Pro-
posicion 6.3.
Ademas, el Teorema 6.1 puede ser aplicado en particular a una
R
base {v0 , . . . , vn1 } de n .
Observacion:
Observar que si alguno de los vectores a normalizar, v1 o los wi , vale
0, significa que el vi correspondiente no aportara un nuevo vector a la
base, y simplemente se descarta, pasandose a trabajar con vi+1 .
Esto trae como consecuencia que el numero de vectores ui sea menor
que el de los vj si estos ultimos son l.d.
En general, esto hara que al procesar el k-esimo vk , estemos producien-
do un ui , con i < k, pero no hemos introducido esto en la descripcion
del algoritmo para no confundir la notacion.
Ejemplo:
0 1 1 1
0 , 1 , 1 , 0 en
R3 .
1 0 1 1
1
0
u0 = v0 / hv0 , v0 i , como hv0 , v0 i = 1 se tiene u0 = 0
2
1
* +
1 1 0 0 1
w1 = 1 1 , 0 0 = 1 .
0 0 1 1 0
1
1 1
hw1 , w1 i = 2 u1 = w1 = 1
2 2 0
* + * +
1 1 0 0 1 1 1
1 1
w2 = 1 1 , 0 0 1 , 1 1
1 1 1 1 1 2 0 2 0
1 0 1 0
1 1
= 1 0 21 = 0
1 1 2 2 0 0
161
1
w2 = 0, por ende ignoramos 1 y redefinimos w2 .
n
X
hu, viH = uj vj .
j=1
Ejercicio
162
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 12
Algebra Lineal 08-2
Ejercicios
Problemas
R
P1. Sea W el subespacio vectorial de 4 generado por:
1 1 1 2
1 1
, , 3 .
3
1 1 1 2
1 1 3 3
R
P2. Sea A Mnn ( ) una matriz invertible y U un s.e.v. de Rn de simen-
sion 0 < k < n. Se define
R Pk
(e) Probar que si v n entonces z = hAv, Aui i ui U y que
i=1
v z W.
R
(f ) Deducir que n = U W y calcular la dimension de W .
*
1 2 +
P3. (a) Sea W = , 1
1
1 1 .
1 0
163
(a.1) Encuentre una base ortonormal de W .
R
164
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
C
Sea A Mnn ( ) entonces el polinomio caracterstico p() = |A I| es
un polinomio de grado n con coeficientes complejos y por lo tanto tiene n
C
races en (con posibles repeticiones). Denotaremos por
(A) = { C/|A I| = 0}
al conjunto de las raices del polinomio caracterstico. Este conjunto lo lla-
R
maremos el espectro de A. Como Mnn ( ) Mnn ( ) podemos definir de C espectro, (A)
igual manera el espectro de A, para A Mnn ( ). R
En general el espectro de A es un subconjunto de , aun cuando A C
R
Mnn ( ), como lo muestra el proximo ejemplo.
165
Ejemplo:
C
Teorema 6.2. Sea A Mnn ( ) hermtica entonces el espectro de A es
subconjunto de .R
pero
hAv, viH = hv, AviH = hv, viH = hv, viH
R
como v 6= 0 hv, viH 6= 0 entonces = es decir . Se tiene que para A
hermtica el polinomio caracterstico p() = |A I| tiene todas sus races
reales.
R
Corolario 6.1. Si A Mnn ( ) es simetrica entonces (A) R.
C
Teorema 6.3. Si A Mnn ( ) es hermtica y 1 6= 2 son valores propios
y v1 , v2 son vectores propios asociados a 1 y 2 respectivamente entonces
hv1 , v2 iH = 0.
166
R C
Notemos que si u, v n n , entonces hu, viH = hu, vi, por lo tanto se
R R
Lema 2. L : n n es simetrica si y solo si la matriz representante
R
con respecto a la base canonica de n es simetrica.
Ejercicio
: W Rn 1
!
Pk ..
x= i=0 i ui 7 (x) = . .
k
R
Teorema 6.4. Sea W subespacio de n , dim W 1 y L : W W lineal,
simetrica, entonces existe una base ortonormal de W de vectores propios
de L.
167
Departamento de Ingeniera Matematica - Universidad de Chile
Demostracion. Por induccion sobre la dimension de W . Si dim W = 1.
Entonces W = h{v}i, con v 6= 0. Notemos que
L(v) W = h{v}i ,
luego existe R
tal que L(v) = v. Es decir, es un valor propio de L
y v vector propio de L.
Definiendo
1
v = v,
kvk
se tendra Lv = v y ademas {v} es una base ortonormal de W . Esto prueba
el caso en que la dimension sea 1.
L : W W
(la restriccion de L a W ),
u Lu = Lu
168
R
Corolario 6.3. Sea A Mnn ( ), simetrica, entonces A es diagonalizable
por lo tanto P t P = I.
Ejercicio
Ejercicio 6.3: Verificar que P es ortogonal si y solo si
u, v Rn hP u, P vi = hu, vi .
Ejercicio
Ejercicio 6.4: Probar que P =
cos
sen
sen
cos
es unitaria en R2 .
Ejemplo:
2 0 0
A = 0 2 0
0 0 1
los valores propios son = 2 y = 1 en efecto:
169
2 0 0
170
El Teorema 6.4 tambien es cierto para L(x) = Ax, con A hermtica, y la
1. P 2 = P .
En efecto: P (u) = w W luego w = w + 0 es la unica descompo-
sicion, de donde
P P (u) = P (w) = w.
Se tiene ademas P (I P ) = 0.
2. Im(P ) = W y Ker(P ) = W .
En efecto, es claro que Im(P ) W . Por otro lado, si w
W P (w) = w, luego Im(P ) = W . Ahora si v W v = 0 + v es
la descomposicion unica y por tanto P (v) = 0, as W Ker(P ).
Sea v Ker(P ), luego P (v) = 0 y por tanto v = 0 + v es decir
v W .
3. P es simetrica.
En efecto sean u1 = w1 + v1 , u2 = w2 + v2 , luego
171
(1 , . . . , n ). Escogemos {1 , . . . , r } una base ortonormal de W , la cual
R
172
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 13
Algebra Lineal 08-2
Ejercicios
: W Rn 1
!
Pk ..
x= i=0 i ui 7 (x) = . .
k
u, v Rn hP u, P vi = hu, vi .
3. Probar que P =
cos
sen
sen
cos
es ortogonal en R2 . Ejercicio 6.4
Problemas
P1. Considere la matriz A M33 ( ) R siguiente,
2 1 1
A = 1 2 1 .
1 1 2
A = 1 v1 v1t + 2 v2 v2t .
174
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
Ejemplo:
q: R 2
R, q(x1 , x2 ) = x21 + 2x1 x2 + x22 = (x1 , x2 )
1 1
1 1
x1
x2
.
Se tiene q(1, 1) = 0, en realidad q(x1 , x1 ) = 0.
A es semidefinida positiva si x xt Ax 0.
A es definida negativa x 6= 0 xt Ax < 0.
A es semidefinida negativa x xt Ax 0.
175
Ejemplo:
R
Teorema 7.1. Supongamos que A Mnn ( ) es simetrica. Entonces las
siguientes proposiciones son equivalentes.
1. x 6= 0 x t Ax > 0 (A es definida positiva)
3. Sea
a11 a12 a1n
a21 a22 a2n
A=
...
an1 an2 ann
a11 a12 a13
a11 a12
A(1) = [a11 ] A(2) = A(3) = a21 a22 a23 . . .
a21 a22
a31 a32 A33
. . . A(n) = A
entonces |A(1) | = a11 > 0 , |A(2) | > 0, |A(i) | > 0 |A(n) | =
|A| > 0
176
(2) (1). Sabemos que por ser A simetrica tiene la descomposicion A =
xt Ax = xt P DP t x = (P t x)t DP t x,
xt Ax = z t Dz = 1 z12 + + n zn2 0,
pues los valores propios son positivos. Mas aun la unica forma en que esta
suma de cuadrados sea cero es que z1 = = zn = 0 es decir z = 0, pero
entonces P t x = 0 x = P 0 = 0 (recordemos que P 1 = P t ).
a!
0
(1) (3). Sea a 6= 0 y definamos x = .. , entonces
.
0
n
X n
X n
X
0 < xt Ax = xi (Ax)i = xi aij xj
i=1 i=1 j=1 .
2
= a a11 , luego a11 > 0
De donde A(1) , A(2) , . . . , A(n) = A son todas definidas positivas. Pero una
matriz definida positiva tiene todos sus valores propios positivos (por lo ya
demostrado). Como el determinante es el producto de los valores propios
entonces el determinante es positivo. Luego
|A(1) | > 0, . . . , |A(n) | > 0.
(3) (4).
Por induccion sobre i a11 > 0 es el primer pivote. En la etapa i tendremos
a11 a12 a1i a1n
.. ..
0 a22 . .
. .. ..
.. . ai1i1 .
B1 B2
..
Ai =
0 0 aii
. = .
.. B3 B4
0 0 aii+1 .
. .. .. .. ..
.. . . . .
0 0 ain ann
177
Donde B1 : i i, B2 : i n i, B3 : n i i, B4 : n i n i. Por hipotesis
(4) (1).
Como todos los pivotes son positivos y no hay que hacer intercambios de
filas se tendra que A = LDU , con L triangular inferior D diagonal y U
triangular superior. U y L tienen 1 en la diagonal y dii = aii . Como A es
simetrica U = Lt entonces
A = LDLt = (L D) ( DLt ) = RRt , con R = L D
y
a11 0
a22
D=
.. .
.
0 ann
Dado que |A| = |A| = a11 a22 , . . . , ann > 0 entonces 0 < |A| = |RRt | = |R|2
luego |R| =
6 0, y por lo tanto R es invertible y as su traspuesta.
Hemos probado de paso la que toda matriz definida positiva tiene la si-
guiente descomposicion.
Definicion 7.3 (Descomposicion de Cholesky). Decimos que A Mnn ( ) Descomposicion de R
admite una descomposicion de Cholesky si existe R matriz triangular infe- Cholesky
rior, con diagonal estrictamente positiva tal que
A = RRt .
178
Notemos que A es definida positiva ssi R triangular inferior con diagonal
Ejemplo:
!
1 3
q(x) = x21 + 2x22 + 3x1 x2 = xt
3
2 x.
2 2
179
Consideremos A la matriz que define esta forma cuadratica.
180
Consideremos el cambio de variables:
donde:
Definamos p
zi = i yi i = 1, . . . , p
p
zi = i yi i = p + 1, . . . , r
zi = yi i = r + 1, . . . , n
es decir,
0
1
2
..
.
p
p
p
p+1
z= ..
y = Qy.
.
r
1
..
.
0 1
181
r r
Teorema 7.2. Sea xt Ax una forma cuadratica, existe L invertible tal que
si z = Lx, entonces en terminos de las variables z la forma cuadratica se
expresa como q(z) = z12 + + zp2 (zp+1
2
+ + zr2 ), donde r=rango A =
numero de valores propios 6= 0, p = numero de valores propios > 0.
7.3. Conicas en R 2
donde
xa cd
A= , g= , v=
yc bf
t 1 0
Supongamos que A = P DP , con D = y P = (v1 v2 ). Entonces
0 2
la ecuacion de la conica es:
e = v t P DP t v + g t v = v t P DP t v + gP P t v.
182
Sea u = P t v. En este nuevo sistema de coordenadas la ecuacion de la conica
1. 1 = 2 = 0 ( a = b = c = 0)
El conjunto solucion es {(x, y)/dy + f x = e} que en general es una
recta (pudiendo ser vaco si d = f = 0 y e 6= 0).
u1 = u1
u2 = u2
con e = e (1 2 + 2 2 + f + d)
2 (u2 )2 + fu1 = e.
Falta ver el caso 1 = 6 0 y 2 6= 0, tomamos = 2f 1 y = 2d2 .
En el sistema u1 , u2 tenemos la ecuacion
1 (u1 )2 + 2 (u2 )2 = e
183
4. 1 > 0 y 2 < 0 podemos suponer que e 0 de otra manera multi-
184
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 14
Algebra Lineal 08-2
Ejercicios
R
3. Sea A Mnn ( ) una matriz simetrica.
R
(a) Probar que v n es vector propio de A si y solo si es vector propio
R
de I A. Si es el valor propio de A asociado a v, cual es el
valor propio de I A asociado a v?
(b) Probar que la matriz I A es definida positiva si y solo si todos los
valores propios de A son menores estrictos que uno.
Problemas
P1. Considere la conica de ecuacion 5x2 + 5y 2 + 6xy + 16x + 16y = 15.
Realice el cambio de variables que permite escribir la conica de ma-
nera centrada y escriba la nueva expresion (escribir explcitamente el
cambio de variables). Identifique la conica resultante y dibujela.
R
P2. Sea A M22 ( ) simetrica definida postiva, b R2 , c R y f : R2
Rtal que
f (x) = xt Ax bt x + c.
Se quiere minimizar f .
(a) Sea x0 = 21 A1 b. Pruebe que f (x) = (xx0 )t A(xx0 )xt0 Ax0 +c.
(b) Concluya que el unico mnimo de f se alcanza en x0 , i.e., que
R
f (x) f (x0 ) para todo x 2 y que la igualdad se alcanza
solamente cuando x = x0 -
185
P3. Sea R y considere la ecuacion
186
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
187
1
Vemos que v11 es vector propio (cabeza de serie) asociado al valor propio
1
1
..
. 1
0 1
..
.
1 1
..
. 1
0 1
..
.
r 1
..
. 1
r
..
.
r 1
..
. 1
r
donde los bloques son de tamano s(1, 1), . . . , s(1, p1 ), . . . , s(r, 1), . . . , s(r, pr ),
Pp1 pr
P
y el espectro es (A) = {1 , . . . , r }, con multiplicidades s(1, j), . . . , s(r, j),
j=1 j=1
respectivamente. La base se escribe:
1 1 1 1
J = {v11 , . . . , v1s(1,1) , v21 , . . . , v2s(1,2) , . . . , vp11 1 , . . . , vp11 s(1,p1 ) , . . . , vprr 1 , . . . , vprr s(r,pr ) }
1 1
v11 v21 vp11 1 r
v11 r
v21 vprr 1
1 1
v12 v22 vp11 2 r
v12 r
v22 vprr 2
.. .. .. .. .. ..
. . . . . .
1 1
v1s(1,1) v2s(2,1) vp11 s(1,p1 ) r
v1s(r,1) r
v2s(r,2) vprr s(r,pr )
(8.1)
188
Departamento de Ingeniera Matematica - Universidad de Chile
vectores de la base vectores de la base
asociados a 1 asociados a r
las flechas indican el encadenamiento de los vectores de base. Por ejemplo
1 1
al vector v1s(1,1) le sigue v21 .
El primer elemento de cada columna corresponde a un vector propio. Bajo
un vector propio figuran las colas asociadas.
Ademas:
(
k
k k k vij si j = 1 (1era fila de la tabla)
TA (vij ) = Avij = k k
(8.2)
vij1 + k vij si j > 1
Una base J , con estas caractersticas se denomina base de Jordan asociada Base de Jordan
a la transformacion lineal T y su matriz representante es justamente J.
Tambien es claro que los subespacios propios son:
1
V1 = v11 , . . . , vp11 1 , dim V1 = p1
2
V2 = v11 , . . . , vp22 1 , dim V2 = p2
..
.
r
Vr = v11 , . . . , vprr 1 , dim Vr = pr
TA : Cn n
C
x 7 TA (x) = Ax
189
Tenemos (J) = {1 = 8, 2 = 0} con multiplicidades 2 y 3 respectivamen-
1 2
v12 v12
asociados a asociados a
V1 V2
190
En el primer caso v i es un vector propio y en el segundo lo denominaremos
C
Ejercicio 8.1: Suponga que Ni Mss ( ), pruebe entonces por in-
N
duccion que m , p, q {1, . . . , s},
1 si q = p + m,
m
(Ni )pq =
0 si q 6= p + m.
191
Departamento de Ingeniera Matematica - Universidad de Chile
Ademas deduzca que Nis = 0. Una matriz con esta propiedad, se dice
nilpotente.
Notar que los valores propios 1 , . . . , r son los valores propios de A con
posible repeticion.
Se tiene que la matriz N es nilpotente, gracias al siguiente ejercicio:
Ejercicio
C
Proposicion 8.1. Dada A Mnn ( ), existen una matriz invertible P ,
una matriz diagonal D y una matriz nilpotente N , tales que
A = P (D + N )P 1 .
192
Usaremos lo anterior para calcular potencias de una matriz. Sea A
C N
m
mk
0 ... k i 0
.. ..
. .
m m m mk
k i
(i Ii )mk Nik = mk
i Nik =
k k
.. ..
. .
0 0
mk
En donde los terminos m k i estan ubicados desde la posicion (1, k)
C
hasta la (k, n). Notar ademas que, si i + Ni Mss ( ), la matriz anterior
es nula para k s.
Finalmente, sumando sobre k, se obtiene:
m m
m1 m
m2 m
m(s1)
i 1 i 2 i ... s1 i
..
0 m m m1 m m2 .
i 1 i 2 i
(i Ii + Ni )m = ... ..
.
..
.
..
.
..
. .
.
.. ... 0 m m m1
i 1 i
m
0 ... ... 0 i
(8.3)
Y tenemos entonces que
(1 I1 + N1 )m 0 ... 0
0 (2 I2 + N2 )m ... 0
1
Am = P .. .. .. .. P ,
. . . .
0 0 ... (r Ir + Nr )m
193
8.2.2. Matriz exponencial
C
Proposicion 8.2. Dadas matrices B, C Mnn ( ), se tiene
1
1. Si C es invertible, eCBC = CeB C 1 .
2. Si BC = CB, entonces eB+C = eB eC = eC eB .
3. Si B es diagonal, B = diag(b1 , . . . , bn ), entonces
eB = diag(eb1 , . . . , ebn ).
C
Sea entonces A Mnn ( ), que gracias a la Proposicion 8.1 se escribe como
A = P (D + N )P 1 , con D matriz diagonal con los vectores propios de A y
N una matriz nilpotente.
Calculamos entonces la exponencial de A, utilizando la Proposicion 8.2 y
el hecho de que D y N conmutan (ya se sus bloques conmutan):
eA = P e(D+N ) P 1 = P (eD eN )P 1 .
Veamos eN ,
X 1 k
eN = N .
k!
k=0
Gracias al Ejercicio 8.2 y sumando en k, se tiene que (este paso se puede
formalizar, pero no lo haremos aqu)
N1
e 0 ... 0
0 eN 2 . . . 0
eN = . . . .. .
.. .. .. .
0 0 . . . eN r
194
Ademas, por la Proposicion 8.2,
C
Ya que si suponemos Ni Mss ( ), como Ni es nilpotente, para k s se
tiene Nik = 0. As:
i 1 i 1 i 1 i
e 1! e 2! e ... (s1)! e
..
0 ei 1 i 1 i .
1! e 2! e
ei eNi = ... ..
.
..
.
..
.
..
. (8.4)
.
.. ... 0 ei 1 i
1! e
0 ... ... 0 ei
Finalmente
e1 eN1 0 ... 0
0 e2 eN2 ... 0
1
eA = P . .. .. .. P ,
.. . . .
0 0 ... er eNr
195
Departamento de Ingeniera Matematica - Universidad de Chile
Demostracion. Consideremos A = P JP 1 , la forma de Jordan de A. Sa-
bemos que dos matrices similares tienen el mismo polinomio caracterstico,
luego
pA (x) = pJ (x).
Ahora, como J es triangular superior, pJ (x) puede ser calculado como:
Ahora, mirando el bloque i-esimo del termino i de este producto (de di-
mensiones s s), tenemos que:
(Ji i Ii )s = Nis = 0,
196
C
Proposicion 8.4. Sea A Mnn ( ), con valores propios distintos 1 , . . . , r .
197
Ingeniera Matematica
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE
Algebra Lineal 08-2
1
v12 vp11 2
.. ..
. . colas asociadas
1 1
v1s(1,1) vps(1,p1)
a los vectores propios de V1
.. .. ..
. . .
m
v11 vpmm 1 vectores propios deVm
m
v12 vpmm 2
.. ..
. . colas asociadas
m
v1s(m,1) vpmm s(m,pm )
P
donde r = dim ImTA = s(i, j) y se verifica:
i,j
(
k
k k vij si j = 1
T (vij ) = k k
vij1 + k vij si j > 1
198
Donde:
J = {w1 , . . . , wr } {z 1 , . . . , z nr }
nr
donde {wi }ri=1 es base de Jordan de ImTA y {z i }i=1 es una base del nucleo
de TA .
La matriz asociada es:
J11
..
.
Jpm m
J =
0 n r bloques
..
. de 1 1 con
0 el valor propio 0
TA wi = i wi o TA wi = wi1 + i wi 1ir
y ademas, TA z i = 0z i
1 i n r.
Subcaso 2: KerTA ImTA = u1 , . . . , up , subespacio de dimension
p 1.
199
Es decir ui KerTA y ui ImTA . Estos vectores son propios TA (ui ) =
1 1
TA v11 = 0 v11
1 1 1
TA v12 = v11 + 0 v12
..
.
1 1 1
TA v1s(1,1) = v1s(1,1)1 + 0 v1s(1,1) (8.5)
..
.
1 1
TA vp1 = 0 vp1
..
.
1 1 1
TA vps(1,p) = vps(1,p)1 + 0 vps(1,p)
Ay 1 = v1s(1,1)
1
Ay 2 = v2s(1,2)
1
..
.
Ay p = vps(1,p)
1
200
Mas aun, los vectores {y j }pj=1 satisfacen:
201
Reemplazando segun la recurrencia de Jordan y recordando que 1 = 0:
TA () = [112 v11
1 1
+ + 11s(1,1) v1s(1,1)1 + 1 v1s(1,1)
1
]+ ...
+ {(k11 k + k12 )v11
k k
+ (k12 k + k13 )v12 + ...
k
+ (k1s(k,1)1 k + k1s(k,1) )v1s(k,1)1 k
+ k1s(k,1) k v1s(k,1) } + = 0
y k 1 (bloques asociados a k ):
k11 k + k12 = 0
k12 k + k13 = 0
..
.
k1s(k,1)1 k + k1s(k,1) = 0
k1s(k,1) k = 0
202
donde {u1 , . . . , up } = ImTA KerTA y h{z1 , . . . , zq }i es un suplementario
J11
..
.
Jp1
J12
..
.
Jp2 2
..
J =
.
J1m
..
.
Jpm m
0
0
donde J11 , . . . , Jp1 son los bloques asociados a 1 = 0 con la cola agre-
gada {yi }. El ultimo grupo de q bloques de 0s corresponde a la base del
suplementario de
ImTA KerTA en KerTA .
Con esto hemos demostrado que, si A es regular (no invertible), esta es
reductible a la forma de Jordan.
203
que:
Ejercicio
204
Ingeniera Matematica
FACULTAD DE CIENCIAS
Gua
FISICAS Y MATEMATICAS
UNIVERSIDAD DE CHILE Semana 15
Algebra Lineal 08-2
Ejercicios
N
Pruebe por induccion que m , p, q {1, . . . , s},
1 si q = p + m,
(Nim )pq =
6 p + m.
0 si q =
Ademas deduzca que Nis = 0. Una matriz con esta propiedad, se dice
nilpotente.
2. Sea B una matriz diagonal por bloques, es decir
B1 0 . . . 0
0 B2 . . . 0
B= . .. .. ..
.. . . .
0 0 . . . Br
(b) Considere
4 1 3
0 4 1 .
0 0 2
Encuentre P invertible y J en forma de Jordan tal que A =
P JP 1 .
(c) Para la matriz A de la parte anterior y n 1 cualquiera calcule
An explcitamente, encontrando expresiones para los coeficientes
de An en funcion de n.
206