Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Espacios Vectoriales
Objetivos
J
J Conocer el concepto de espacio vectorial y sus propiedades.
J Conocer los conceptos de sistema generador e independencia lineal.
J Saber determinar una base de un espacio vectorial.
Calcular la matriz de cambio de base.
1.1 Definiciones
Un espacio vectorial es una estructura algebraica creada a partir de un conjunto no vacío,
una operación interna y otra operación externa que cumplen ciertas propiedades fundamen-
tales. A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.
Definición Sea E un conjunto no vacío, en el que hay definidas una operación interna
y otra externa denominadas suma y producto por escalares, respectivamente.
+ : E × E −→ E · : R × E −→ E
Denominamos espacio vectorial sobre el cuerpo R de los números reales a la terna (E, +, ·),
si se cumplen las siguientes propiedades:
(i) El par (E, +) verifica las siguientes propiedades que lo dotan de estructura de grupo
abeliano.
(a) (~u + ~v) + w ~ (asociativa)
~ = ~u + (~v + w)
(b) ~u + ~v = ~v + ~u (commutativa)
(c) existe un elemento de E, ~0, denominado elemento neutro de E, tal que ~u +~0 = ~u,
para todo ~u ∈ E.
(d) para todo elemento ~u ∈ E, existe un elemento de E denotado por −~u, y
denominado elemento opuesto de ~u, tal que ~u + (−~u) = ~0.
1
2
Los elementos de un espacio vectorial se denominan vectores, y los números reales reciben
el nombre de escalares.
Ejemplo Los siguientes conjuntos con las operaciones definidas en cada caso son espacios
vectoriales
(i) El conjunto R3 = (x, y, z) : x, y, z ∈ R con las operaciones
(ii) El conjunto Rn [x] de los polinomios con coeficiente reales de grado menor o igual que
n con las operaciones habituales
λp(x) = λ(a0 + a1 x + · · · + an xn )
(iii) El conjunto MR (m, n) de las matrices de orden m × n con las operaciones suma de
matrices y producto por escalares visto en Càlcul.
(i) ~u, ~v ∈ F =⇒ ~u + ~v ∈ F .
(ii) λ ∈ R y ~u ∈ F =⇒ λ~u ∈ F .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
3
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
4
~u = λ1~v1 + · · · + λm~vm .
Una combinación lineal se denomina nula si es igual al vector ~0. Cuando todos sus escalares
son nulos obtenemos la combinación lineal trivial; es decir,
~0 = 0 · ~v1 + · · · + 0 · ~vm .
Definición Un conjunto S = ~v1 , . . . , ~vm de vectores de un espacio vectorial E se llama
libre si su única combinación lineal nula es la combinación lineal trivial. En caso contrario,
el conjunto S se denomina ligado. Los vectores de un conjunto libre se denominan lineal-
mente independientes, mientras que los de un conjunto ligado se denominan linealmente
dependientes.
Ejemplos
Expresar el vector ~u = (2, −1) ∈ R como combinación lineal de
2
(b) S = ~v1 = (2, 2), ~v2 = (4, 1)
Escribimos el vector como combinación lineal de los elementos de S
−1 = 2λ + β
( c) S = w~ 1 = (0, 1), w
~ 2 = (2, 1), w
~ 3 = (−1, −2)
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
5
−1 = λ + β − 2γ
que es compatible e indeterminado y las soluciones son λ = −5 + 3β y γ = 2β − 2. Por
tanto,
Observamos que existen infinitas combinaciones lineales de los vectores de S que nos dan el
vector ~u.
( d) S = ~z1 = (4, −6), ~z2 = (−6, 9)
Escribimos el vector como combinación lineal de los elementos de S
(2, −1) = λ(4, −6) + β(−6, 9) = (4λ − 6β, −6λ + 9β).
Igualando componentes obtenemos el sistema
)
2 = 4λ − 6β
−1 = −6λ + 9β
que es incompatible. Por tanto, el sistema no tiene solución y el vector ~u no se puede expresar
como combinación lineal de los elementos de S. Observar que
3~z1 + 2~z2 = ~0.
Por lo que S es un sistema ligado y el vector ~u es independiente de los vectores de S.
Ejemplos Comprobar si los vectores ~u = (3, 1, 2) y ~v = (4, −1, 2) son linealmente
independientes o linealmente dependientes.
Planteamos el sistema que nos proporciona la combinación lineal nula
(0, 0, 0) = λ(3, 1, 2) + β(4, −1, 2) = (3λ + 4β, λ − β, 2λ + 2β).
Por tanto,
0 = 3λ + 4β
0=λ−β =⇒ λ = β = 0.
0=λ+β
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
6
Como la única solución del sistema es la nula, el sistema de vectores S = {~u, ~v } es linealmente
independiente.
Comprobar si los vectores ~u = (−1, 1, 0) y ~v = (3, −3, 0) son linealmente independientes
o linealmente dependientes.
Planteamos el sistema que nos proporciona la combinación lineal nula
Por tanto,
0 = −λ + 3β
0 = λ − 3β =⇒ λ = 3β.
0=0
Existen infinitas combinaciones lineales no nulas de los vectores ~u, ~v , por lo que el sistema
de vectores S = {~u, ~v} es linealmente dependiente. Observar que ~v = −3~u.
Proposición Un conjunto de vectores S con al menos 2 elementos, es libre si y sólo si
ningún vector de S es combinación lineal del resto.
Demostración Sea S = ~v1 , . . . , ~vm con m ≥ 2. Supongamos que
para algún j = 1, . . . , m, donde ~vbj significa que el vector ~vj no aparece en la combinación.
Entonces,
~0 = λ1~v1 + · · · − ~vj + · · · + λm~vm
es una combinación lineal de los vectores de S no trivial, ya que λj = −1 6= 0. Por tanto, S
es ligado.
Recíprocamente, si S es ligado existen λ1 , . . . , λm no todos nulos tales que
~0 = λ1~v1 + · · · + λj ~vj + · · · + λm~vm .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
7
(vi) Sean λ ∈ R y ~vi , ~vj ∈ S. El conjunto S2 obtenido al reemplazar en S el vector ~vi por
v~i + λ~vj es libre.
Ejemplo Sea S = ~u, ~v , w
~ un subconjunto ligado de un espacio vectorial E. Demostrar,
o en caso contrario dar un contraejemplo, las siguientes afirmaciones.
(i) El vector ~u depende linealmente de los otros dos.
(ii) Uno de los tres vectores depende linealmente de los otros dos.
~ = ~0.
α~u + β~v + γ w
β γ
~u = − ~v − w.
~
α α
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
8
Método 1 Como los vectores ~u, ~v son linealmente independientes, construimos la matriz
de coordenadas de los vectores e imponemos que tenga rango 2. Calculamos el determinante
e imponemos que se anule.
1 1 1
det 1 1 0 = −k.
k 0 1
Por tanto,
Método 2 Como los vectores ~u, ~v son linealmente independientes, imponemos que el
vector w
~ sea combinación lineal del resto.
k 1 1
0 = λ 1 + β 1 ;
1 1 0
Por tanto,
hSi = λ1~v1 + λ2~v2 + · · · + λm~vm ; λ1 , . . . , λm ∈ R .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
9
Observación Si S = ~v1 , . . . , ~vm es un sistema de generadores de F , entonces todo
elemento de F se puede escribir como combinación lineal de los elementos de S.
Definición Sea E un espacio vectorial con un sistema de generadores finito S; es decir,
tal que E = hSi. Decimos que E es un espacio vectorial de dimensión finita.
Proposición Sea S = ~v1 , . . . , ~vm un sistema de generadores finito de un espacio
vectorial E.
(ii) Si para algún i, ~vi ∈ S es tal que ~vi es combinación lineal de los elementos de S \ {~vi },
entonces S \ {~vi } es también es un sistema de generadores de E.
(v) Sean λ ∈ R y ~vi , ~vj ∈ S. Entonces, el conjunto S2 obtenido al reemplazar el vector ~vi
de S por ~vi + λ~vj es un sistema generador de E.
~v = c1~v1 + . . . + cm~vm .
c1
.
[~v ]B = .
. .
cm
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
10
Ejemplo (1) El conjunto C = ~e1 = (1, 0, 0), ~e2 = (0, 1, 0), ~e3 = (0, 0, 1) es una base de
R3 , denominada base canónica.
En primer lugar tenemos que ver que el conjunto de vectores C genera R3 . Sea (x, y, z) ∈
R3 , entonces
(x, y, z) = x~e1 + y~e2 + z~e3 .
En segundo lugar debemos comprobar que son linealmente independientes. Para ello, basta
observar que la matriz formada por los vectores es invertible y por tanto tiene rango 3.
Observar que
dim(R3 ) = 3.
(2) El conjunto C = 1, x, . . . , xn es una base de Rn [x], denominada base canónica.
En primer lugar tenemos que ver que el conjunto de vectores C genera Rn [x]. Sea
p(x) ∈ Rn [x], entonces
p(x) = a0 · 1 + a1 · x + · · · + an · xn .
En segundo lugar, debemos comprobar que son linealmente independientes. Para ello, basta
observar que cada elemento de la base es un polinomio de grado diferente. Observar que las
coordenadas del vector p(x) en la base canónica son (a0 , a1 , . . . , an ), y que
dim(Rn [x]) = n + 1.
implica que
! !
α β 0 0
= =⇒ α = β = γ = δ = 0.
γ δ 0 0
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
11
! ! ! ! !
a11 a12 1 0 0 1 0 0 0 0
= a11 + a12 + a21 + a22 .
a21 a22 0 0 0 0 1 0 0 1
es decir, )
1 = −α + 2β
=⇒ β = 2, α = 3.
1=α−β
Por tanto,
!
3
[~v ]B′ = = 3~v1 + 2~v2 .
2
¿Qué relación hay entre [~v ]B y [~v ]B′ ? ¿Podemos ver alguna regla? Observemos que las
coordenadas de ~v en la base B ′ se obtienen como la solución del sistema escrito en forma
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
12
matricial siguiente ! ! !
1 −1 2 α
= .
1 1 −1 β
Por tanto,
!
−1 2
[~v ]B = [~v]B′ .
1 −1
La matriz que aparece en la relación anterior esta formada por las coordenadas de los vectores
de la base B ′ en la base B.
Definición Sean B y B ′ dos bases de un mismo espacio vectorial E de dimensión n.
La matriz de cambio de base de B ′ a B, denotada por [IE ]B′ B es
[IE ]B′ B = [~u1 ]B , [~u2]B , . . . , [~un ]B ∈ MR (n),
donde B ′ = ~u1 , . . . , ~un .
En el ejemplo anterior, !
−1 2
[IE ]B′ B = .
1 −1
Observación
[IE ]BB′ = [IE ]−1
B′ B
.
Ejemplo En el espacio vectorial E = R2 [x] consideramos las siguientes bases
C = 1, x, x2 , B = 1, 1 − x, x + x2 , B ′ = 1 + 3x, 2 + x + x2 , 1 + x + x2 .
Obtener las coordenadas del vector p(x) = 1 + 2x + 4x2 en cada una de las bases.
En primer lugar calculamos las coordenadas del vector p(x) en la base canónica C,
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
13
1
[p(x)]C = 2 .
4
1 1 0 1 2 1
[IE ]BC = 0 −1 1 y [IE ]B′ C = 3 1 1 .
0 0 1 0 1 1
mientras que
2
−1 −
1 2 1 1 0 −1 1 1 3
1
− 7 .
[p(x)]B′ = [IE ]−1 [p(x)]C
= 3 1 1 2 = − −3 1 2 2 = 3
B′ C
3
0 1 1 4 3 −1 −5 4 19
3
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
14
Problemas Resueltos
(i) F1 = {(x, y, z, t) ∈ R4 : 2x − y + z + t = 0} .
~v1 = (1, 0, 0, −2), ~v2 = (0, 1, 0, 1), ~v3 = (0, 0, 1, −1) es un sistema de generadores.
Problema
2. En el espacio vectorial de R4 se considera el conjunto de vectores S =
(2, 0, −1, 1), (−1, 1, −2, 0), (0, 2, −5, 1), (5, −1, 0, 2) y el espacio generado por S, F=hSi.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
15
Por tanto,
rang(F ) = 2.
es decir,
−4 = λ
0 = −λ + 2β
2 = 2λ − 5β
−2 = β
El vector w
~ 1 si pertenece a F .
El vector w
~ 1 si pertenece a F .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
16
El vector w
~ 2 no pertenece a F .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
17
Problemas
Problema 3. Determinar si los siguientes subconjuntos son subespacios vectorial del cor-
respondiente espacio vectorial:
( !)
a11 −a11
(i) F1 = A ∈ M2×2 (R) : A = ⊂ M2×2 (R).
a21 a22
(ii) F2 = (x, y) ∈ R2 : x − 3y = 0 ⊂ R2 .
(iii) F3 = (x, y) ∈ R2 : 2x + y = 2 ⊂ R2 .
(iv) F4 = p(x) ∈ Rn [x] : p(0) = 0 ⊂ Rn [x].
Problema 4. Calcular los subespacios generados por los subconjuntos que se indican:
(i) S = (1, −1), (1, 0) ⊂ R2 .
(ii) S = 1 − x, x2 ⊂ R2 [x].
( !)
1 −1
(iii) S = ⊂ M2 (R).
0 1
(iv) S = (1, −1, 0, 1), (1, 1, 1, 1) ⊂ R4 .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
18
sean
Problema
8. En el espacio vectorial de R4 se considera el conjunto de vectores S =
(2, 0, −1, 1), (−1, 1, −2, 0), (0, 2, −5, 1), (5, −1, 0, 2) y el espacio generado por S, F=hSi.
Problema 10. Sea ~u, ~v , w~ un subconjunto ligado de un espacio vectorial E. Demostrar,
o en caso contrario dar un contraejemplo, las siguientes afirmaciones.
(ii) Uno de los tres vectores depende linealmente de los otros dos.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
19
Problema 14. Sea S = ~u, ~v, w ~ un conjunto
independiente de vectores de un espacio
vectorial E. Determinar si el conjunto B = ~u − 2~v + w,
~ ~u + ~v, ~u − ~v es linealmente
independiente o dependiente.
Problema 15. Comprueba si los siguientes subconjuntos son base de R3 , y en caso afir-
mativo halla las coordenadas en dicha base del vector ~v ∈ R3 que se indica:
B1 = {~u1 = (−1, 0, 1), ~u2 = (−1, 0, 0), ~u3 = (0, 2, −1)}, ~v = (−3, 2, 1).
B2 = {~u1 = (1, 1, 1), ~u2 = (−1, 0, 1), ~u3 = (5, 2, −1)}, ~v = (1, 2, 3).
B3 = {~u1 = (1, 1, 2), ~u2 = (2, 1, 2), ~u3 = (−1, 0, 1)}, ~v = (−3, 0, 2).
Problema 16. Hallar la dimensión de los siguientes subespacios vectoriales y una base de
cada subespacio:
(i) F1 = {(x, y, z, t) ∈ R4 : 2x − y + z + t = 0} .
(ii) F2 = {(x, y, z) ∈ R3 : x − y + z = 0, x + y = 0} .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
20
Problema 17. Hallar la condición que debe cumplir el vector (x, y, z) ∈ R3 para formar
una base de R3 , junto con los vectores (1, 1, 0) y (1, 0, −2).
Problema 18. Hallar la condición que debe cumplir el vector (x, y, z) ∈ R3 para formar
una base de R3 , junto con los vectores (1, 0, −1) y (3, 1, 0).
Problema 19. Sea B = ~v1 , ~v2 una base de R2 y los vectores ~u1 ,~u2 cuyas coordenadas
en la bese B son ! !
−1 2
[~u1 ]B = , [~u2 ]B = .
2 0
(i) Demostrar que B ′ = ~u1 , ~u2 también es una base de R2 .
Problema 20. Sean B = ~v1 , ~v2 , ~v3 y B ′ = ~u1 , ~u2 , ~u3 dos bases de un espacio vectorial
de dimensión 3, E. Sabiendo que
Problema 21. Comprobar que B ′ = ~u1 = (2, 1, −1), ~u2 = (1, 0, 4), ~u3 = (2, 3, −2)
es una base de R3 , y dar las matrices de cambio [IR3 ]BB′ y [IR3 ]B′ B , donde B es la base
canónica de R3 . Hallar las coordenadas de un vector ~v , cuyas coordenadas en base B ′ son
[~v ]B′ = (1, 0, −1, 2).
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
21
Problema 22. En el espacio de polinomios de orden menos o igual que 3, R3 [x], consid-
eramos las bases canónic, C y N = {q1 (x), q2 (x), q3 (x), q4 (x)}, donde
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
22
2. Aplicaciones lineales
JObjetivos
J Conocer el concepto de aplicación lineal y matriz asociada (Identificación).
Conocer la relación entre las matrices asociadas a una misma aplicación lineal en difer-
entes
J bases.
J Calcular los valores y vectores propios de un endomorfismo ( o una matriz).
J Saber determinar si un endomorfismo (o una matriz) es diagonalizable.
Saber determinar una base de vectores propios y la matriz diagonal de un endomorfismo
diagonalizable (o una matriz).
2.1 Definiciones
En este apartado se estudian las funciones entre espacios vectoriales y sus propiedades más
relevantes así como su relación con las matrices. Una aplicación lineal es una correspondencia
entre espacios vectoriales que preserva las operaciones de suma de vectores y multiplicación
por un escalar.
Definición Sean E y F espacios vectoriales reales. Una correspondencia f : E −→ F
se denomina aplicación lineal si se cumplen las siguientes propiedades:
(i) Si ~u, ~v ∈ Rn , entonces f (~u + ~v) = k(~u + ~v ) = k~u + k~v = f (~u) + f (~v).
(b) La aplicación f : Rn [x] −→ Rn−1 [x] definida por f (p(x)) = p′ (x) es una aplicación
lineal.
Comprobamos que se cumplen las dos propiedades:
(i) Si p(x), q(x) ∈ Rn [x], entonces f (p(x) + q(x)) = (p(x) + q(x))′ = p′ (x) + q ′ (x) =
f (p(x)) + f (q(x)).
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
23
Las siguientes propiedades nos permiten conocer las principales características de las
aplicaciones lineales.
Propiedades Sea f : E −→ F una aplicación lineal. Entonces,
(i) Conociendo las imágenes mediante f de los vectores de una base de E, se puede calcular
también la imagen de cualquier vector de E.
(ii) La imagen del vector nulo de E mediante la aplicación lineal f es el vector nulo de F .
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
24
(g ◦ f ) = IE y (f ◦ g) = IF .
Ker(f ) = ~u ∈ E : f (~u) = ~0 .
Es decir, el núcleo de f está formado por todos los elementos de E que se transforma en el
vector nulo de F . Observar que Ker(f ) ⊂ E.
Dada f ∈ LR (E, F ) se llama imagen de f , y se representa por Im(f ), al conjunto
Im(f ) = ~v ∈ F : existe ~u ∈ E, f (~u) = ~v = f (E).
Es decir, la imagen de f está formada por todos los elementos de F que son imagen de algún
vector de E. Observar que Im(f ) ⊂ F.
Proposición Sea f ∈ LR (E, F ). Entonces,
(i) Los conjuntos Ker(f ) y Im(f ) son subespacios vectoriales de E y F , respectivamente.
(v) Si los espacios vectoriales E y F tienen la misma dimensión, se puede asegurar que
existe entre ellos una aplicación lineal biyectiva.
(vi) Si el conjunto ~u1 , . . . , ~um es un conjunto de generadores de E, el conjunto f (~u1), . . . , f (~um)
es un conjunto de generadores de Im(f ).
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
25
Demostración (i)
(i) Sean ~u, w
~ ∈ Ker(f ), entonces de la linealidad de la aplicación f tenemos que
f (α~u + β w) ~ = ~0.
~ = αf (~u) + βf (w)
f (αw
~ 1 + βw
~ 2 ) = αf (w ~ 2) = α~u1 + β~u2 .
~ 1 ) + βf (w
λ1 = · · · = λm = 0.
(iv) Supongamos que la dimensión de E es n y que el conjunto B = ~u1 , . . . , ~un es una
base. Sea ~v ∈ Im(f ), entonces existe ~u ∈ E talque f (~u) = ~v . Expresamos el vector ~u en la
base B,
~u = λ1~u1 + · · · + λn ~un .
Por la linealidad de f obtenemos que
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
26
dim(Im(f )) ≤ dim(E).
a11 a12 · · · a1n
.. .. .. .. ∈ M (m × n),
[f ]B1 B2 = . . . . R
am1 am2 · · · amn
[f ]C1 C2 = 1 −2 ∈ MR (1 × 2)
Ejemplo Sea f : R −→ R2 definida por f (x) = (x, 4x). Hallar la matrix asociada a f
en las bases canónicas de R y R2 , respectivamente.
Consideramos C1 = {v~1 = 1} y C2 = {~e1 = (1, 0), ~e2 = (0, 1)} las bases canónicas de R y R2 ,
respectivamente. Entonces, f (~v1 ) = (1, 4) = 1 · e~1 + 4 · ~e2 . Por tanto,
" #
1
[f ]C1 C2 = ∈ MR (2 × 1).
4
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
27
" #
1 −3
[f ]C1 C2 = ∈ MR (2 × 2).
5 1
" #
1 −1 1
[f ]C1 C2 = ∈ MR (2 × 3).
2 3 −1
[f ]BC = 1 5 ∈ MR (1 × 2).
[f ]CB = 6 −9 ∈ MR (1 × 2).
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
28
f (λp1 (x)) = λ(a1 − b1 ), λ(b1 − 2c1 ), λ(3a1 − 2b1 − 2c1 )
= λ a1 − b1 , b1 − 2c1 , 3a1 − 2b1 − 2c1
= λf (p1 (x)).
(ii) Consideramos las bases canónicas C1 = {1, x, x2 } y C2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
de R2 [x] y R3 respectivamente. Entonces,
f (1) = (1, 0, 3), f (x) = (−1, 1, −2), f (x2 ) = (0, −2, −2).
Por tanto,
1 −1 0
[f ]C1 C2 = 0 1 −2 ∈ MR (3 × 3).
3 −2 −2
Por tanto,
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
29
Cambios de bases
De ahora en adelante V1 , N1 serán bases del espacio vectorial E y V2 , N2 serán bases del
espacio vectorial F .
Proposición Sea f ∈ LR (E; F ). Entonces:
(i) [f ]N1 V2 = [f ]V1 V2 [IE ]N1 V1 .
(i) Para hallar [f ]C1 C2 , basta colocar las imágenes de la base canónica C1 en las columnas
de la matriz:
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
30
−1 1
[f ]C1 C2 = 2 0 ∈ MR (3 × 2).
2 1
(ii) Si las coordenadas de un vector de R2 en base canónica son (x, y), entonces:
" # −1 1 " #
x x
f (x, y) = [f ]C1 C2 = 2 0 = (−x + y, 2x, 2x + y).
y y
2 1
−1 1 " # 0 1
1 2
[f ]N C2 = 2 0 = 2 4
1 3
2 1 3 7
3. Endomorfismos
f (~v ) = λ~v.
Entonces, cada vector ~u ∈ E tal que f (~u) = λ~u se denomina vector propio de f de valor
propio λ. El conjunto de vectores propios asociados a un autovalor es un espacio vectorial
de dimensión mayor o igual que 1; ya que ~0 ∈ E y verifica la condición f (~0) = λ~0.
A veces también se utiliza la nomenclatura autovalor (VAP) y autovector (VEP). El con-
junto de valores propios de un endomorfismo f se denota por σ(f ), y se denomina espectro
de f .
Observación Si λ1 y λ2 son valores propios distintos de f y ~u y ~v son vectores propios
no nulos asociados a cada uno ellos, entonces ~u y ~v son linealmente independientes.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
31
β = α = 0;
Ker(f − λI) 6= 0,
o de forma equivalente que rang(f − λI) < n o que det(f − λI) = det(A − λI) = 0.
Definición Llamamos polinomio característico de f , y lo denotaremos por pf (x),
al polinomio
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
32
~v ∈ Ker(f − λI).
4 −2 5
A = [f ]C = 5 −3 5 .
0 0 4
Por tanto,
4 − λ −2 5
4 − λ −2
pf (λ) = det(A − λI) = 5 −3 − λ 5 = (4 − λ)
5 −3 − λ
0 0 4 − λ
= (4 − λ) (4 − λ)(−3 − λ) + 10 = (4 − λ)(2 − λ)(−1 − λ).
Por tanto, la ecuación característica de f es
(4 − λ)(2 − λ)(−1 − λ) = 0,
y el espectro es
Para hallar los vectores propios asociados a cada uno de los valores propios basta hallar los
núcleos.
(a) Ker(A − 4I) = h(5, 5, 2)i, ya que
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
33
0 −2 5 x −2y + 5z
5
(A − 4I)(~u) = 5 −7 5 y = 5x − 7y + 5z = ~0 ⇐⇒ x = y = z.
2
0 0 0 z 0
2 −2 5 x 2x − 2y + 5z
(A − 2I)(~u) = 5 −5 5 y = 5x − 5y + 5z = ~0 ⇐⇒ z = 0, x = y.
0 0 −2 z −2z
5 −2 5x 5x − 2y + 5z
5
(A + I)(~u) = 5 −2 5 y = 5x − 2y + 5z = ~0 ⇐⇒ z = 0, y = x.
2
0 0 5 z 5z
λ1 0 · · · 0
0 λ2 · · · 0
A = [f ]V = . .. . . ,
.. . . 0
0 0 · · · λn
y por tanto
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
34
es decir, los escalares λi son valores propios de f y los vectores ~ui son vectores propios de f .
Caracterización de los endomorfismo diagonalizables Un endo-
morfismo f , es diagonalizable si y sólo si se cumplen las siguientes propiedades:
1 ≤ dim Ker(f − λi I) ≤ mi ,
f , es diagonalizable.
Observación Si f es un endomorfismo diagonalizable, y denotamos por B a la base de
vectores propios, entonces
donde [IE ]BC es la matrix que expresa los vectores propios en la base canónica.
Matrices diagonalizables
Como cada matrix cuadrada de orden n se puede identificar con un endomorfismo sobre
un espacio vectorial de dimensión n, podemos extender los conceptos de valor propio, vector
propio, Ker, polinomio y ecuación característica y diagonalización al caso de matrices.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
35
Problemas resueltos
Problema 23. Clasifica la siguiente función, halla una base y las ecuaciones implícitas de
Im(f ) y Ker(f )
f : R2 −→ R2 , f (x, y) = (3y, 0).
Indicación: Para encontrar una base o las ecuaciones implícitas del subespacio vectorial
Im(f ) basta hallar el subespacio vectorial generado por las columnas de la matrix asociada a
f en una base cualquiera, y después encontrar sus ecuaciones. Esto es debido a que ~u ∈ Im(f )
sii f (~v ) = ~u, y por tanto
~u = f (~v) = [f ]V [~v ]B ,
" #
0 3
A = [f ]C =
0 0
Hallamos el núcleo de f :
Ker(f ) = h(1, 0)i, ya que
y = 0.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
36
(λ − 4)2 (λ + 2) = 0,
y el espectro es
4 −2 1 x 4x − 2y + z
z
(A + 2I)(~u) = −2 4 1 y = −2x + 4y + z = ~0 ⇐⇒ x=y=− .
2
4 4 4 z 4(x + y + z)
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
37
−2 −2 1 x −2x − 2y + z
(A − 4I)(~u) = −2 −2 1 y = −2x − 2y + z = ~0 ⇐⇒ z = 2x + 2y.
4 4 −2 z 4x + 4y − 2z
−2 0 0 −1 1 0
0 4 0 y P = [I]N C = −1 0 1.
0 0 4 2 2 2
(9 − λ)2 (3 − λ) = 0,
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
38
y el espectro es
2 −2 2 x 2x − 2y + 2z
(A − 3I)(~u) = 1 5 1 y = x + 5y + z = ~0 ⇐⇒ y = 0, z = −x.
5 1 5 z 5x + y + 5z
−4 −2 2 x −4x − 2y + 2z
(A − 9I)(~u) = 1 −1 1 y = x − y + z = ~0 ⇐⇒ x = 0, y = z.
5 1 −1 z 5x + y − z
Problemas propuestos
Problema 26. Determina si las siguientes aplicaciones son lineales y, en caso de que lo
sean, halla la matriz asociada a f en las bases canónicas.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
39
Problema 27. Clasifica las siguientes funciones, halla una base y las ecuaciones implícitas
de Im(f ) y Ker(f ):
Problema 28. Demostrar que una aplicación lineal f es inyectiva si y sólo si Ker(f ) = {~0}.
Problema 29. Determinar la relación entre los parámetros a, b y c para que la matrix
1 a b
A = 0 4 c
0 0 1
sea diagonalizable.
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018
40
Problema 33. Sea f un endomorfismo de R2 cuya matriz en la base B formada por los
vectores v1 = (1, 1), v2 = (1, 2) es
1 0
M= .
−1 2
c
Carmona, Á. & Encinas, A.M. ÀLGEBRA I CÀLCUL MULTIVARIABLE. EEBE, 2018