MATEMA TICAS I

A LGEBRA LINEAL
TEORI A

1. Espacios vectoriales.

a. Espacio vectorial .............................................................................................. 1

b. Subespacios vectoriales ............................... 2
c. Interseccin de dos subespacios vectoriales ................................................... 3
d. Combinaciones lineales ................................................................................... 3
e. Dependencia e independencia lineal .............................................................. 3
f. Sistema generador .......................................................................................... 4
g. Bases y dimensin. .......................................................................................... 5
h. Teoremas sobre bases y dimensiones ............................................................. 5
i. Frmula de Grassman. .................................................................................... 7
j. Suma directa. ................................................................................................... 7
k. Espacio vectorial cociente. .............................................................................. 8
l. Coordenadas ................................................................................................... 8
m. Matriz de cambio de base ............................................................................... 8
n. Cuestiones ....................................................................................................... 9

2. Aplicaciones lineales.

a. Aplicaciones lineales ...................................................................................... 12

b. Imagen y ncleo de una aplicacin lineal .......... 12
c. Tipos de aplicaciones lineales ........................................................................ 13
d. Matriz asociada a una aplicacin lineal ......................................................... 14

3. Valores y vectores propios. Diagonalizacin.

a. Valores propios, vectores propios y polinomio caracterstico ...................... 15

b. Matriz diagonalizable ........................................ 15

4. Espacio eucldeo.

a. Producto escalar ............................................................................................ 16

b. Norma ................................................................16
c. Ley del paralelogramo y teorema de Pitgoras. ............................................ 16
d. ngulo y distancia entre dos vectores........................................................... 17
e. Ortogonalidad ... ........................................................................................... 17
f. Subespacios ortogonales y complementarios ............................................... 17
g. Proyeccin ortogonal .................................................................................... 19
h. Bases ortogonales y ortonormales ................................................................ 19
i. Proceso de ortogonalizacin de Gram-Schmidt ............................................ 20
j. Coeficiente de Fourier ................................................................................... 21
 1
1a. Espacio vectorial. Definicin y propiedades.

Sean un cuerpo dado y un conjunto distinto de vaco, con reglas de suma y producto por un
escalar que asignan a cada par 

 V y a cada par
, un producto
 . recibe el nombre de espacio vectorial sobre el cuerpo (y los elementos de se llaman
k
vectores) si se satisfacen los siguientes axiomas:

o [A1] Propiedad asociativa: 

=

o [A2] Propiedad conmutativa: 

o
[A3] Existe un vector en , denotado por y denominado el vector cero o vector neutro, tal
que .
o [A4] existe un nico vector en V, llamado vector opuesto, denotado por
 tal que
o [M1] Propiedad distributiva:  y todo par de vectores ,

o [M2] Propiedad pseudodistributiva: a, b y todo vector ,

o [M3] Propiedad asociativa del producto: para todo par de escalares a, b y todo vector  ,

o [M4] El escalar unidad 1 cumple  .
MAT ALG LIP ALG 167-168

1a2. Propiedades y ejemplos de los espacios vectoriales .

A continuacin vamos a demostrar cada uno de los ocho axiomas anteriores:

  a, b, k

o [A1] 







o [A2]
 
o [A3] 

o [A4]  
o [M1]   
o [M2] 
    
o [M3]   
o [M4]   

Los ocho axiomas anteriores se dividen en dos categoras. Los cuatro primeros hacen referencia
nicamente a la estructura aditiva de V, y pueden resumirse diciendo que V es un grupo conmutativo
bajo la suma. De ello se deriva que cualquier suma de vectores de la forma  1 + 2 m no
requiere parntesis y no depende del orden de los sumandos, que el vector cero, , es nico, que el
opuesto - de
es nico y que se verifica la ley de cancelacin; esto es, para tres vectores cualesquiera




 implica que .

Por otra parte, los cuatro axiomas restantes se refieren a la <<accin>> del cuerpo K sobre V. Empleando
estos cuatro ltimos axiomas se pueden demostrar las cuatro siguientes propiedades elementales de un
espacio vectorial:
 2

i.  . Demostracin por el axioma [A3], sabemos que

Por lo
tanto, segn el axioma [M1],

Sumando a ambos miembros
conseguimos el resultado deseado.
ii.  Demostracin Una propiedad de K es que Por
consiguiente, de acuerdo con el axioma [M1],

Sumando a
ambos miembros llegamos al resultado requerido.
iii. Si donde y entonces  o Demostracin Supongamos que
y . Entonces existe un escalar tal que luego

Algunos ejemplos de espacios vectoriales son:

v Espacio Kn. Sea K un cuerpo arbitrario. La notacin Kn se usa frecuentemente para designar el
conjunto de todas las n-plas de elementos de K.
v Espacio de matrices Mm,n. La notacin Mm,n se utilizar para designar el conjunto de todas las
matrices m x n sobre el cuerpo arbitrario K. Mm,n es un espacio vectorial sobre K con respecto a las
operaciones usuales de suma matricial y producto por un escalar.
v Espacio de polinomios P (t). Denotaremos por P (t) el conjunto de todos los polinomios
con coeficientes sobre el cuerpo K. P (t) es un espacio vectorial
sobre el cuerpo K con respecto a las operaciones usuales de suma de polinomios y producto de un
polinomio por una constante.
MAT ALG LIP ALG 168-169-192

1b. Subespacios vectoriales. Definicin.

Sea V un espacio vectorial sobre el cuerpo K, un subconjunto no vaco se llama subespacio
vectorial de E si se cumplen las tres condiciones siguientes:


a.
b.    

c.    

Las dos ltimas condiciones pueden combinarse en una sola, como se hace a continuacin:

  
d. 

Estas condiciones nos dicen que las operaciones de V permiten definir unas operaciones en F.
Observamos que con estas operaciones, F es automticamente un espacio vectorial sobre K. (*)
En estas condiciones se puede afirmar tambin que el conjunto  es el menor
subespacio vectorial de V que contiene a Si , se dice que est generado por

Ejemplos :

o  , ya que todo par es de la forma

o
o
o  es un subespacio vectorial de , siendo

MAT ALG CAS ALG 70-71
 3

1b2. Subespacios vectoriales. Demostracin

En las condiciones anteriores, si suponemos que F satisface estas tres condiciones, vamos a demostrar
porqu F es automticamente un espacio vectorial sobre el cuerpo K:

Por la primera condicin se puede afirmar que F no es vaco, y por la segunda y la tercera se puede
afirmar que las operaciones de suma vectorial y producto por un escalar estn bien definidas sobre F.
Adems, los axiomas [A1],[A2],[M1],[M2],[M3],[M4] se verifican en F, puesto que los vectores de F
pertenecen a V. Por tanto, solo necesitamos probar que [A3] y [A4] tambin se verifica en F.

[A3] Necesitamos comprobar que existe el vector en W. Por la propiedad a; W no es vaco. Sea
entonces, por la propiedad c;  Luego W satisface [A3].

[A4] Necesitamos comprobar que existe el vector opuesto en W. Si  , por
lo que necesariamente  Luego W satisface [A4].
Al satisfacer los ocho axiomas, podemos afirmar que W es un subespacio vectorial sobre el cuerpo K.

MAT ALG LIP ALG 194

1c. Interseccin de dos subespacios vectoriales. Definicin.

Dados los subespacios vectoriales U y W de V, se define interseccin de U y W como cualquier vector

      

Demostremos que la interseccin  es tambin subespacio de V: Claramente, U y V,

porque U y V son subespacios, por lo que  .
Supongamos ahora que   dado que U y W son subespacios

 
para cualquier escalar k.
As,
  
MAT ALG LIP ALG 171

1d. Combinaciones lineales. Definicin.

Sean V un espacio vectorial sobre un cuerpo K y   es

combinacin lineal de  cuando el vector 
MAT ALG LIP ALG 172

1e. Dependencia e independencia lineal. Definicin.

Sea V un espacio vectorial sobre el cuerpo K. Se dice que los vectores  son linealmente
dependientes si existen escalares no todos 0, tales que

Es decir, se dice que un conjunto de vectores es linealmente dependiente si al menos uno de ellos es
combinacin lineal de los restantes.
 4

Por ejemplo, los vectores son linealmente dependientes, ya que el

tercero es la suma de los primeros, es decir: y por lo tanto
; Como tienen coeficientes no nulos, son l.d.

Sea V un espacio vectorial sobre el cuerpo K. Se dice que los vectores  son linealmente
independientes si una combinacin lineal nula de los elementos de V implica tener coeficientes nulos,
es decir
; implica que

Es decir, se dice que un conjunto de vectores son linealmente independientes si ninguno de ellos se
puede representar como combinacin lineal de los restantes.

Por ejemplo, los vectores son linealmente independientes porque

ninguno de ellos se puede poner como combinacin lineal de los restantes, es decir

; Implica que
MAT ALG LIP ALG 175

1e2 Combinaciones lineales y dependencia lineal. Demostracin

Vamos a demostrar que un conjunto de vectores es linealmente dependiente si y slo

si uno de ellos es una combinacin lineal de los otros

 Supongamos que es una combinacin lineal de los otros, es

decir
; Al pasar a la derecha, nos queda
; Donde el primer coeficiente  0, por lo que son l.d.

Supongamos que los vectores son linealmente dependientes

; Donde

Al pasar al otro lado de la ecuacin y dejar solo en un lado de la igualdad se tiene que


; Donde se tiene que el vector es una combinacin
lineal de los restantes.
MAT ALG LIP ALG 177

1f. Sistema generador. Definicin.

Sea V un espacio vectorial y
un conjunto de vectores de V, s e dice que S es un
sistema generador de V, si el conjunto de las combinaciones lineales de
es igual a V.
MAT ALG GAR ALG 18
 5

1g. Bases y dimensin. Definicin.

Definiremos el concepto de base de dos formas diferentes, y a continuacin demostraremos que las
dos definiciones son equivalentes:

A: Un conjunto de vectores es una base de V si se verifican las dos condiciones:

1. son linealmente independientes.
2.  es un sistema generador de V.

B: Un conjunto de vectores es una base de V si todo vector puede escribirse

de forma nica como combinacin lineal de los elementos de la base.

Se dice que un espacio vectorial V es de dimensin finita escrito   si V tiene una base
con n elementos.
MAT ALG LIP ALG 178

TEOREMAS SOBRE BASES Y DIMENSIONES CON SU DEMOSTRACIN:

1h1 Todas las bases de V tienen el mismo nmero de elementos.

Sea V un espacio vectorial de dimensin finita, entonces todas las bases de V tienen el mismo
nmero de elementos.

Demostracin Sean  dos bases del espacio vectorial V.

Supongamos que . Como es una base con elementos y es un conjunto linealmente
independiente, se deduce que cualquier conjunto de vectores con elementos ser una base de V, es
decir, que es una base y que ( los vectores que sobran en ya
que hemos considerado dependen linealmente de , lo que contradice la
independencia lineal de . Si se supone , un razonamiento anlogo llevara a que no es un
conjunto linealmente independiente, por lo tanto, para que sean linealmente independientes,
.
MAT ALG GAR ALG 21-22

1h2. B es una base de E si y slo si todo elemento de E se

expresa de manera nica como combinacin lineal de los elementos de B .

se expresa de manera nica como combinacin

Sea B , B es una base de E si y slo si todo
lineal de los elementos de B. Demostracin

Dado  ,
es combinacin lineal de elementos de B, ya que B es sistema generador de E.
 y
Sean  dos expresiones del mismo vector como

combinacin lineal de vectores de B. [Si un vector no aparece en la segunda expresin, aadimos a sta el
sumando ; anlogamente, si no aparece en la primera expresin, aadimos a esta el sumando .]
Obtenemos as dos combinaciones lineales del mismo vector

=

;  Restando  obtenemos :

 6

Los vectores pertenecen a una base y, por tanto, son linealmente independientes. Los coeficientes
de esta combinacin lineal han de ser no nulos, por tanto, el vector  se expresa de manera nica como
combinacin lineal de los elementos de B, ya que .

Todo vector de E se expresa como combinacin lineal de vectores de B. Es decir,  .

con ; Como tambin se cumple que
Si y la

expresin ha de ser nica . B es, pues, linealmente independiente.
MAT ALG CAS ALG 72-73

1h3. Si S es linealmente independiente y ,

entonces
es linealmente independiente.

Demostracin Consideremos con  Si ,

tenemos  en contra de

existe por lo que despejando
la hiptesis hecha. Por tanto,  y todos los
vectores de esta expresin son de S. Por ser S linealmente independiente,
 .
MAT ALG CAS ALG 73

1h4. Todo espacio vectorial E generado por un nmero

finito de vectores tiene una base finita.

Demostracin Sea  . Si los generadores son linealmente independientes, forman

una base. En caso contrario, hay uno, pongamos que es combinacin lineal de los otros. Entonces
     Si este nuevo conjunto de generadores es
linealmente independiente, forman base. En caso contrario, podemos suprimir uno de ellos,
obteniendo un nuevo conjunto de generadores. Repitamos el proceso tantas veces como sea
necesario, eliminando siempre aquellos vectores que son combinacin lineal de los restantes.
Llegamos de esta manera a un conjunto linealmente independiente (es decir, a una base), o los
eliminaremos todos. En este ltimo caso, si los eliminamos todos,

En esta demostracin tambin probamos que todo sistema generador contiene, al menos, una base.

1h5. Sea F un subespacio vectorial de E, si la dimensin

de E es finita, la de F tambin lo es y  
Adems,   

Demostracin   

         
    

 
 
   


MAT ALG CAS ALG 74
 7

1i. Frmula de Grassman. Demostracin.

Sean F y G dos subespacios vectoriales de E y supongamos la dimensin de E finita. Entonces,

   son todos ellos de dimensin finita y

   

Demostracin Sea  una base de , podemos completar esa base hasta obtener una base de F
y otra de G. La base de F ser
y la base de G ser



Todo
vector de forma con  , ser pues, combinacin lineal de



 . Si demostramos que todos estos vectores son linealmente
independientes, habremos obtenido una base de con un nmero de vectores que demuestra la
igualdad del enunciado

Demostremos que todos estos vectores son linealmente independientes sea pues



De donde






 y dado que


 es una base de G, y . Por tanto,


dado que  es una base de F, 

Es decir, en la combinacin lineal inicial todos los coeficientes son 0, por lo que queda demostrado que son
linealmente independientes
MAT ALG CAS ALG 77-78

1j. Suma directa. Definicin y propiedades.

Sean F y G dos subespacios del espacio vectorial V, diremos que la suma es una suma directa si
y se denota por

Propiedad: La suma es directa si y slo si la expresin de un vector de como suma de un vector de F
y un vector de G es nica.
Demostracin () si tenemos dos expresiones con  entonces


, de donde

, por lo que y

, resulta que
() si
son dos expresiones del mismo vector de Las dos
expresiones deben coincidir, luego

Propiedad: Si la dimensin de V es finita, para todo subespacio F hay otro subespacio G tal que
Demostracin Sea
una base de F. Completmosla a una base de V:



El subespacio cumple el enunciado de la proposicin. Este subespacio se llama un
complementario de F. Un subespacio F tiene, en general, muchos complementarios.
MAT ALG CAS ALG 78-79
 8

1k. Espacio vectorial cociente. Definicin .

Sea E un espacio vectorial y F un subespacio vectorial de E. Diremos que estn

relacionados mdulo F si . Esta relacin es de equivalencia y se puede formar el
correspondiente conjunto cociente, que designaremos por .
La clase de un vector es el conjunto  y la denotaremos tambin por
Si  son equivalentes mdulo F a  respectivamente, entonces (   son
equivalentes mdulo F. Podemos, pues definir una operacin suma  que no
depende de los representantes. Anlogamente, la operacin no depende de los
representantes. Estas dos operaciones hacen de un espacio vectorial sobre K.
MAT ALG CAS ALG 80-81

1l. Coordenadas. Definicin.

Fijada una base

en un espacio vectorial E, la expresin de cada vector de E
es nica. Diremos entonces, que [ son las coordenadas de en la

base
. Naturalmente, las coordenadas de en otra base sern distintas. Las coordenadas de
un vector respecto a una base y respecto a otra pueden relacionarse mediante la denominada matriz
de cambio de base.
MAT ALG CAS ALG 82

1m. Matriz de cambio de base.

Supongamos que   ,

es una base de un espacio vectorial V y que
, es otra. Por ser S base, cada vector de S se puede escribir de forma nica como
combinacin lineal de los elementos de S. Por ejemplo

+


 

+


 

Siendo P la traspuesta de la matriz de coeficientes anterior. Esta matriz recibe el nombre de matriz
de cambio de base desde la antigua base S hasta la nueva base S. Permite transformar las
coordenadas de un vector respecto de la antigua base a la nueva.

MAT ALG LIP ALG 190
 9

1m. Cuestiones.

o Sea V un espacio vectorial de dimensin , de las siguientes afirmaciones, demuestra

las ciertas y da un contraejemplo de las falsas.

1. Todo sistema de vectores siempre genera a V.

FALSO. Contraejemplo Los vectores no generan a porque son
linealmente dependientes. La afirmacin ser verdadera si y slo si en los vectores hay, al
menos, n vectores linealmente independientes.

2. Un sistema de m vectores con  es siempre linealmente independiente.

FALSO. Contraejemplo En el sistema 1,0,0,2),(2,1,1,0),(3,1,1,2)} est formado por 3
vectores y es linealmente dependiente (el tercer vector es la suma de los dos primeros) . Ser
verdadero solo cuando los  vectores sean linealmente independientes.

3. Un sistema linealmente independiente con n vectores es generador de V.

VERDADERO. Demostracin por reduccin a la absurda Supongamos que los vectores son
linealmente dependientes ; Donde
Al pasar al otro lado de la ecuacin y dejar solo en un lado de la igualdad se tiene
que 

; Donde se tiene que el vector es una

combinacin lineal de los restantes y por lo tanto para que el sistema sea linealmente
independiente, habra que sacar el vector que es combinacin lineal de los otros, fuera del
conjunto. De esta forma, tendramos vectores y llegamos a un contradiccin que indica
que cualquier sistema linealmente independiente con n vectores siempre genera a V (cualquier
elemento de V se puede poner como combinacin lineal de los vectores del conjunto)

4. Un sistema generador de V con n vectores es un sistema linealmente independiente.

VERDADERO. Demostracin por reduccin a la absurda Supongamos que es una
combinacin lineal de los otros, es decir ; Al pasar a la
; Donde el primer coeficiente
derecha, nos queda
 0, por lo que son linealmente dependientes. De esta forma, para que el sistema sea
linealmente independiente, habra que sacar que es combinacin lineal de los otros, fuera
del conjunto. De esta forma, tendramos vectores y llegamos a un contradiccin que
indica que cualquier sistema generador de V con n vectores es linealmente independiente.
(ningn vector del sistema generador se puede poner como combinacin lineal de los otros)

5. Ningn sistema que contenga al vector nulo es linealmente independiente.

VERDADERO. Demostracin sea cualquier sistema que contenga a ser linealmente
dependiente porque  . El primer
,puede tomar cualquier valor, por lo que tenemos una combinacin
coeficiente, que multiplica a
lineal nula, con un coeficiente no nulo Por lo tanto, son l.d.

6. Todo sistema que no contenga al vector nulo es linealmente independiente.

FALSO. Contraejemplo no contiene al vector nulo y no es linealmente
independiente, ya que el tercer vector es la suma de los dos primeros.
 10

7. Si un conjunto S de vectores es linealmente independiente, cualquier subconjunto de S tambin

es linealmente independiente.
VERDADERO Demostracin por reduccin a la absurda 
 






 



8. Si un conjunto S de s vectores es linealmente dependiente, cualquier subconjunto de S tambin

es linealmente dependiente.
VERDADERO. Demostracin por reduccin a la absurda  Sea S tal que Segn se ha
demostrado anteriormente, ningn conjunto de vectores linealmente independientes puede
contener un subconjunto de vectores linealmente dependientes. Por tanto, S es un conjunto de
vectores linealmente dependientes.

o Sea un conjunto de vectores

linealmente
dependientes

9. se puede asegurar que 

son linealmente dependientes?
NO. Contraejemplo en este caso, el tercer vector es combinacin de los
dos primeros, mientras que los dos primeros vectores son linealmente independientes entre s.

10. se puede asegurar que depende linealmente de los otros dos?

NO. Contraejemplo son linealmente dependientes, pero no es
combinacin lineal de   Esta afirmacin ser cierta si llamamos al vector que es
combinacin lineal de los otros.

11. se puede asegurar que uno de los tres vectores es combinacin lineal de los otros dos?
SI. Demostracin 

  
   

  



12. Si

 es un sistema generador del espacio vectorial V, entonces debe ser

SI. Demostracin por reduccin a la absurda 


 es un
conjunto de cinco vectores linealmente independientes en V. Como los cuatro primeros
vectores son un sistema generador de V, cualquier vector de V puede ponerse como
combinacin lineal de esos cuatro vectores. Esto quiere decir que el vector  se podra
escribir como combinacin lineal de los cuatro primeros, luego seran linealmente
dependientes. Con esta contradiccin demostramos que el mximo nmero de vectores
linealmente independientes en V siempre ser cuatro, y por lo tanto, 

13. Si
 es un conjunto libre del espacio vectorial V, entonces debe ser

NO. Contraejemplo la afirmacin solo ser cierta en espacios vectoriales cuya dimensin es igual
o menor que 4. En   , por ejemplo, son
linealmente independientes, pero 


 11


o 



  
 
 


  
Demostracin 

   
   

 
Demostracin 


17. Si es una base es posible que ?

NO. Demostracin Como los vectores forman una base, son linealmente independientes. Al
ser linealmente independientes, una combinacin lineal nula de los elementos de la base
implica coeficientes nulos cuando en el enunciado

18. Si son linealmente independientes los conjuntos de vectores entonces

debe ser el conjunto { linealmente independiente?
NO. Contraejemplo 

o Sea un conjunto de vectores linealmente independientes, razone si son

linealmente independientes los siguientes conjuntos:

SI. Demostracin por reduccin a la absurda 

 
 


20. {  SI  
 

21. {  NO. De forma anloga al anterior, esta vez nos queda

. En este caso, el sistema si que tiene solucin, ya que =. Estos dos
parmetros pueden tomar cualquier valor, por lo que son l.d.

22. con . SI. Al desarrollar de forma anloga a los ejemplos

anteriores, nos queda: + . Como implica que
para que la igualdad se cumpla, , luego son l.i.
 12

2a. Aplicacin lineal. Definicin.

Sea V y W dos conjuntos no vacos arbitrarios. Supongamos que a cada elemento de A se le asigna un
nico elemento de B. La coleccin de tales asignaciones se denomina una aplicacin de A en B.
El conjunto A se llama dominio de la aplicacin, y el conjunto B, su codominio.

Sean V y W dos espacios vectoriales, la aplicacin de V en W, denotada por , es lineal si:

i. 
ii.

V se denomina espacio origen y W espacio imagen de la aplicacin.

MAT ALG GAR ALG 61-62
MAT ALG LIP ALG 369

2b. Imagen y ncleo de una aplicacin lineal. Definicin.

Sea una aplicacin lineal, se denomina imagen de al conjunto   que constituye
un subespacio vectorial de W. Este subespacio vectorial se denomina
 , y se representa por o

Sea una aplicacin lineal, se denomina ncleo de f , y se representa por N() o Ker, al
conjunto de los elementos de V cuya imagen es el vector cero de W, es decir:
. El ncleo de una aplicacin lineal es un subespacio vectorial de V.
 

 
 
MAT ALG GAR ALG 63-65

2b2. Imagen y ncleo de una aplicacin lineal. Demostracin.

Sea una aplicacin lineal. Vamos a demostrar que la imagen de es un subespacio de W y el

ncleo de es un subespacio vectorial de V

    
  
 

 




    

 



  

 MAT ALG LIP ALG 391
 13

2b3. . Demostracin.

Sea V de dimensin finita y sea una aplicacin lineal, la suma de las dimensiones de la
imagen (tambin llamada rango de ) y la dimensin del ncleo (tambin llamada nulidad de )
de la aplicacin lineal es igual a la dimensin de su dominio. Demostracin

Supongamos que el ncleo de la aplicacin es un subespacio de V de dimensin , con , donde

.

Sea
una base de , esta base se puede ampliar a una base de V, que ser:



De esta forma, cualquier vector
se podr escribir como
combinacin lineal de los elementos de la base de V, tal que

; Entonces

Como
(la aplicacin de los elementos de la base del ncleo es

nos queda que
igual a

De aqu deducimos que generan el subespacio imagen, y que por lo tanto,
dichas imgenes forman una base de la imagen.

A continuacin vamos a demostrar que son linealmente independientes

, como es lineal

Si  ,

por lo que 

Y por lo tanto, se puede expresar como una combinacin lineal de los elementos de la base del
ncleo, por lo que existirn tales que




.

Pasando todo a un lado de la igualdad, nos queda

De donde se obtiene que   ya que

 es una base.
MAT ALG GAR ALG 67-68

2c. Tipos de aplicaciones lineales.

Se dice que una aplicacin es o uno-a-uno si los elementos diferentes de A

tienen imgenes diferentes, es decir  .
Cuando la aplicacin es inyectiva, diremos que se trata de un
Se dice que la aplicacin es inyectiva / monomorfismo si y slo si

  
 14

Se dice que una aplicacin es o si todo es la imagen de,

al menos, un .
Cuando la aplicacin es suprayectiva, diremos que se trata de un
Se dice que la aplicacin es suprayectiva / epimorfismo si y slo si
  

Se dice que una aplicacin es , o que es una uno-a-uno entre A

y B, si es simultneamente.
Cuando la aplicacin f es diremos que se trata de un
Dos espacios vectoriales E y F se llaman isomorfos si existe un isomorfismo  Escribiremos
entonces

En los casos donde el espacio vectorial origen y el espacio vectorial de llegada sean iguales, es decir,
una aplicacin del tipo , diremos que se trata de un
Si el endomorfismo es biyectivo, diremos que se trata de un

2c2. Inyectividad y suprayectividad. Demostracines.

o Una aplicacin lineal es suprayectiva si y slo si . Demostracin 




o Una aplicacin lineal es inyectiva si y slo si . Demostracin 


     
      


 

MAT ALG CAS ALG 92

2d. Matriz asociada a una aplicacin lineal..

Sean V y U espacios vectoriales sobre el mismo cuerpo K, y sean

 y

 dos bases de V y U respectivamente. Supongamos la aplicacin .
Entonces los vectores pertenecen a U, luego cada uno de ellos es combinacin lineal
de los elementos de la base de U. Es decir

+



 

+



 

La traspuesta de la matriz de coeficientes anterior, denotada por ser la matriz asociada a
respecto de las bases  .
MAT ALG LIP ALG 415
 15

3a. Valores propios, vectores propios y polinomio caracterstico. Definicin.

Sea A una matriz cuadrada de orden n. Un nmero real 



Sea A una matriz cuadrada de orden n. El polinomio caracterstico de A es el polinomio de grado n

que resulta al desarrollar el determinante de la matriz

Sea A una matriz cuadrada de orden n y un autovalor de A. Una matriz X de orden  no nula, es
un autovector de A relativo a si se verifica que  , lo que equivale a (A-
MAT ALG GAR ALG 340-341-343

3a2. Valores y vectores propios. Propiedades.

o Sea A una matriz cuadrada de orden n. Entonces Como

1. y tienen los mismos valores propios.

2. Si  es un valor propio de A, k es valor propio de .
 

3. Si   .
  

4. Si  es valor propio de .

   

5. Si  es un valor propio de .

6. Si es un valor propio de A, entonces

o
Sea
es un sistema de vectores propios no nulos asociados a autovalores
distintos, es libre. Adems, si es autovector de A asociado a , entonces

7. es vector propio de asociado a autovalor k.






8. es vector propio de asociado al autovalor

9. es vector propio de asociado al autovalor
10. es vector propio de  asociado al autovalor
11. Si   necesariamente  .
 

por tanto,

3b. Matriz diagonalizable. Definicin.

Se dice que A es diagonalizable si existe una matriz no singular P tal que es una matriz
diagonal, siendo P la matriz de paso (aquella cuyas columnas son los vectores propios) y D la matriz
diagonal (aquella con los valores propios en la diagonal principal)
MAT ALG LIP ALG 336
 16

4a. Producto escalar. Definicin.

Sea V un espacio vectorial sobre C. Una aplicacin que asocia un nmero complejo a cada
pareja de vectores  en V, se dice que es un producto escalar sobre V si satisface las siguientes
propiedades para cualesquiera
 

[I1] (Linealidad) 

 

[I2] (Simetra) 
[I3]   
[I4] (Positividad)  siempre que
[I5]
  .

A este espacio vectorial con un producto escalar se le denomina espacio eucldeo

MAT ALG IZQ ALG 487

4b. Norma. Definicin y propiedades.

de V a la raz positiva del

Sea V un espacio eucldeo. Llamamos longitud o norma de un elemento
producto escalar del vector consigo mismo, es decir:

La norma satisface las siguientes propiedades:

a.

b.
 

c.
d. 
 (Desigualdad de Cauchy-Schwartz)
e.
  (Desigualdad triangular)

MAT ALG IZQ ALG 493

4c. Ley del paralelogramo y teorema de Pitgoras. Demostracin

Ley del paralelogramo 

Demostracin    



       
    
  

Teorema de Pitgoras: si  son vectores ortogonales, entonces se cumple


.

Demostracin se realiza de forma anloga a la demostracin anterior (desarrollando el producto

escalar por la propiedad de la linealidad), solo que ahora, al ser los vectores ortogonales, su producto
escalar es cero.
MAT ALG IZQ ALG 496
 17

4d. ngulo y distancia entre dos vectores.

ngulos entre dos vectores: Sea V un espacio eucldeo real, la desigualdad de Cauchy-Schwarz se
puede escribir como

   
-  Por lo tanto, el producto escalar entre los dos vectores estar
siempre entre  . De esta forma, definimos el coseno formado por los vectores   como



Distancia entre dos vectores: Sea V un espacio eucldeo. Podemos definir la distancia entre dos
y de la forma
vectores

D(
MAT ALG IZQ ALG 495-497

4e. Ortogonalidad. Definicin.

Sea V un espacio eucldeo. Dados se dice que son ortogonales si  . Adems, si

es ortogonal a cada vector de un conjunto , se dice que  es ortogonal a W.

MAT ALG IZQ ALG 500

4f. Subespacios ortogonales y complementarios. Definicin.

Sea V un espacio eucldeo y U un subespacio vectorial de V. Denotamos por al conjunto de todos

los vectores de V ortogonales a cualquiera de U es decir

   
 ; a se le llama ortogonal de U en V.

Sea U un espacio eucldeo y U un subespacio vectorial de dimensin finita. Entonces todo vector de
V se puede expresar de forma nica como



; donde

Cuando se cumple este teorema, se dice que V es suma directa de U y , o bien que  son
subespacios complementarios. Algunas propiedades de los subespacios complementarios son

i. es subespacio vectorial de V

ii.  
iii. Si  es ortogonal a los elementos de una base de U, entonces
iv. Si U  
v. 
 18

Demostracin las propiedades (i), (ii) y (iv) son inmediatas. Veamos las restantes

 una base de U. Sea tal que

(iii) Sea  , .Veamos que

es elemento de 
Dado que  existen escalares de manera que

Entonces   
   . Como , podemos decir que

(v) Es evidente que . Adems, como dim  anlogamente tenemos

que    
MAT ALG IZQ ALG 501-503

4f2. En un espacio eucldeo, todo vector 

de manera nica como
. Demostracin

Sea V un espacio eucldeo y U un subespacio vectorial de dimensin finita. Entonces todo vector de
V se puede expresar de forma nica como



; donde

Demostracin la demostracin se realiza en dos partes. Primero encontraremos los vectores


con las propiedades mencionadas y, a continuacin, demostramos que estos son los nicos
vectores con estas propiedades.

Supongamos que  . Por el proceso de ortogonalizacin de Gram-Schmidt, existe una base

ortonormal {
 de U. Tomando los vectores

   




Vamos a comprobar que cumplen las propiedades deseadas. Es evidente que



As pues, solo nos falta comprobar que

un elemento cualquiera de la base de U. Se tiene

Sea


        

 



  
  
 
 

Para ver que son los nicos vectores con estas propiedades, supongamos que tambin se puede
escribir como , donde  .
Si restamos esta ecuacin de se obtiene  -
  

 
.
o bien
Como  se tiene que y, adems,

Luego

 . Como sabemos que  ,


Luego 
y

MAT ALG IZQ ALG 529-530

 19

4g. Proyeccin ortogonal. Definicin.

Al vector   se le llama proyeccin ortogonal de sobre U y se denota por  . El vector -

  se conoce como componente de ortogonal a U.

Sea V un espacio eucldeo y un subespacio vectorial de dimensin finita. Dado 


   
 


   
     
   

           

   




   

MAT ALG IZQ ALG 508

4h. Bases ortogonales y ortonormales.

Sea V un espacio eucldeo. Un sistema de vectores no nulos de V, se dice que es un sistema
ortogonal si cada vector del sistema es ortogonal con todos los dems, es decir

  

Si adems los vectores del sistema son unitarios, es decir,  se dice que es un
sistema ortonormal.
MAT ALG IZQ ALG 514-515

4i. Bases ortogonales. Demostracin y ventajas de utilizar una base ortogonal.

Sea V un espacio eucldeo. Todo sistema ortogonal    es linealmente independiente. El

recproco no es cierto.
Demostracin Consideremos Vamos a deducir que todos los escalares son
nulos
Multiplicando la ecuacin por   obtenemos
      o de modo equivalente
   
teniendo en cuenta que     la ecuacin anterior se reduce a
  Entonces .
Por tanto, los vectores    son linealmente independientes.
 20

Para demostrar que el recproco no es cierto basta tomar, en el espacio eucldeo con el producto escalar
usual, los vectores  . Vemos que son linealmente independientes, y sin embargo no son
ortogonales, ya que su producto escalar vale cuatro.

Veamos algunas ventajas de tener en un espacio eucldeo una base ortonormal u ortogonal.

Sea    una base ortogonal de un espacio eucldeo V. Dado , por el hecho de ser base,
existen unos nicos escalares tales que

Multiplicando por   los dos miembros de la ecuacin obtenemos

    y por la ortogonalidad de los vectores  se tiene
               por tanto
    

En consecuencia, las coordenadas de cualquier vector respecto de una base ortogonal u ortonormal estn
automticamente determinadas.
Cada recibe el nombre de Coeficiente de Fourier generalizado de respecto de .
MAT ALG IZQ ALG 510

4h. Proceso de ortogonalizacin de Gram-Schmidt..

Proceso de ortogonalizacin de Gram-Schmidt: el siguiente proceso sirve para convertir una base
cualquiera  a una base ortogonal

, que a su vez puede transformarse
en una base ortonormal






 





Y as sucesivamente normalmente no nos pedirn ortogonalizar bases de ms de tres

componentes, ya que el proceso es cada vez ms largo y tedioso.

Una vez obtenida la base ortogonal, bastara dividir cada vector ortogonal entre su norma, para as
obtener la base ortonormal es decir




 21

4j. Coeficiente de Fourier. Definicin y explicacin.

Consideremos un vector no nulo en un espacio vectorial con un producto interno V. Para todo vamos
a demostrar que c es el nico escalar tal que
es ortogonal a
siendo c







Demostracin para que 

, debe cumplirse


   
  

   
 









Recprocamente, supongamos en tal caso







 


 



   Por lo que

Luego queda demostrado que c , denominado coeficiente de Fourier, es el nico escalar tal que
es
 De esta forma, una vez demostrado, podremos utilizar este coeficiente para calcular la
ortogonal a
proyeccin de un vector a lo largo de una recta
, como en el ejemplo que se da a continuacin.

1. Dado el vector  calcular su proyeccin ortogonal sobre la recta generada por

considerando a dotado con el producto escalar cannico. (ejercicio del examen de 2013)

 


Luego       

Libros recomendados:

PROBLEMAS Y TEORA:

o lgebra Lineal...McGraw Hill..Seymour Lipschutz...MAT.ALG.LIP.ALG

o lgebra. Teora y Ejercicios..Paraninfo..M Teresa Garca Gonzlez.MAT.ALG.GAR.ALG

TEORA:

o lgebra Lineal y Geometra..Revert.Manuel Castellet.MAT.ALG.CAS.ALG

o lgebra y ecuaciones diferenciales.Joaqun Izquierdo Sebastin..MAT.ALG.IZQ.ALG

PROBLEMAS:

o Problemas de lgebraA. de la VillaMAT.ALG.VIL.PRO

o Problemas resueltos de lgebra..ThomsonJorge Arves CarballoMAT.ALG.ARV.PRO