Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebra Lineal 2015-D PDF
Algebra Lineal 2015-D PDF
este
trabajo
los
estudiantes
de
la
Escuela
Politécnica
Nacional
PRÓLOGO
Esta obra está dirigida a los estudiantes que están iniciando sus estudios
superiores en las diferentes carreras de ingeniería, así también como a
los docentes y personas en general que necesitan una obra de consulta.
Loa Autores
ISBN: 978-9942-21-774-5
COPIA LEGAL
I
CONTENIDO
CAPÍTULO 1..............................................................................................................................................1
MATRICES ................................................................................................................................................1
DEFINICIÓN ..........................................................................................................................................1
OPERACIONES CON MATRICES........................................................................................................3
SUMA DE MATRICES........................................................................................................................3
DIFERENCIA DE MATRICES ...........................................................................................................3
MULTIPLICACIÓN POR UN ESCALAR ...........................................................................................4
MULTIPLICACIÓN DE MATRICES..................................................................................................6
MATRIZ TRANSPUESTA ...................................................................................................................10
TRAZA DE UNA MATRIZ ..................................................................................................................16
MATRIZ INVERTIBLE........................................................................................................................17
OPERACIONES ELEMENTALES ......................................................................................................23
OPERACIONES ELEMENTALES INVERSAS ..................................................................................23
MATRICES ELEMENTALES..............................................................................................................23
MATRICES EQUIVALENTES ............................................................................................................24
FORMA ESCALONADA DE UNA MATRIZ......................................................................................27
MATRIZ ESCALONADA POR FILAS ..............................................................................................27
MATRIZ ESCALONADA REDUCIDA POR FILAS..........................................................................27
1
ALGORITMO PARA EL CALCULO DE A ....................................................................................30
PROBLEMAS PROPUESTOS .............................................................................................................31
CAPÍTULO 2............................................................................................................................................49
DETERMINANTES.................................................................................................................................49
DEFINICIÓN ........................................................................................................................................49
DESARROLLO POR MENORES Y COFACTORES ..........................................................................50
PROPIEDADES ....................................................................................................................................51
DETERMINANTES DE MATRICES ELEMENTALES......................................................................57
INVERSA DE UNA MATRIZ ..............................................................................................................60
PROBLEMAS PROPUESTOS .............................................................................................................63
CAPÍTULO 3............................................................................................................................................81
SISTEMAS DE ECUACIONES LINEALES.........................................................................................81
SISTEMAS EQUIVALENTES .............................................................................................................83
SOLUCIÓN DE SISTEMAS DE ECUACIONES.................................................................................83
MÉTODOS DE RESOLUCIÓN............................................................................................................84
MÉTODO DE GAUSS ......................................................................................................................85
MÉTODO DE GAUSS-JORDAN ......................................................................................................85
MÉTODO DE CRAMER...................................................................................................................85
PROBLEMAS PROPUESTOS .............................................................................................................89
CAPÍTULO 4..........................................................................................................................................101
ESPACIOS VECTORIALES ................................................................................................................101
DEFINICIÓN ......................................................................................................................................101
SUBESPACIOS VECTORIALES.......................................................................................................104
COMBINACIÓN LINEAL .................................................................................................................105
CONJUNTO GENERADOR...............................................................................................................106
CÁPSULA LINEAL............................................................................................................................106
DEPENDENCIA E INDEPENDENCIA LINEALES .........................................................................107
BASE...................................................................................................................................................110
DIMENSIÓN.......................................................................................................................................114
CAMBIO DE BASE ............................................................................................................................123
PROBLEMAS PROPUESTOS ...........................................................................................................127
II
CAPÍTULO 5..........................................................................................................................................163
PRODUCTO INTERNO........................................................................................................................163
DEFINICIÓN ......................................................................................................................................163
EJEMPLOS .........................................................................................................................................163
NORMA DE UN VECTOR .................................................................................................................164
VECTORES ORTOGONALES ..........................................................................................................167
PROYECCIÓN ORTOGONAL ..........................................................................................................167
CONJUNTO ORTOGONAL...............................................................................................................168
VECTOR UNITARIO .........................................................................................................................169
NORMALIZACIÓN DE UN VECTOR ..............................................................................................169
CONJUNTO ORTONORMAL ...........................................................................................................169
BASE ORTONORMAL ......................................................................................................................169
3
PRODUCTO CRUZ EN R ...............................................................................................................171
DEFINICIÓN ......................................................................................................................................173
DEFINICIÓN ......................................................................................................................................174
PROBLEMAS PROPUESTOS ...........................................................................................................175
CAPÍTULO 6..........................................................................................................................................189
TRANSFORMACIONES LINEALES .................................................................................................189
DEFINICIÓN ......................................................................................................................................189
NÚCLEO .............................................................................................................................................190
IMAGEN .............................................................................................................................................191
INYECTIVIDAD, SOBREYECTIVIDAD Y BIYECTIVIDAD ........................................................194
CONJUNTO DE LAS TRANFORMACIONES LINEALES L (V , W ) ............................................196
IGUALDAD ....................................................................................................................................196
OPERACIONES CON TRANFORMACIONES LINEALES.............................................................197
SUMA..............................................................................................................................................197
MULTIPLICACIÓN POR UN ESCALAR .......................................................................................197
COMPOSICIÓN DE TRANSFORMACIONES LINEALES ............................................................198
TRANSFORMACIONES LINEALES INVERTIBLES .....................................................................201
MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL ...................................................204
REDEFINICIÓN DE NÚCLEO E IMAGEN ......................................................................................207
MATRIZ ASOCIADA A UNA COMPOSICIÓN DE FUNCIONES ..................................................208
SEMEJANZA DE MATRICES...........................................................................................................209
PROBLEMAS PROPUESTOS ...........................................................................................................213
CAPÍTULO 7..........................................................................................................................................241
VALORES Y VECTORES PROPIOS .................................................................................................241
DEFINICIÓN ......................................................................................................................................241
VALORES Y VECTORES PROPIOS DE MATRICES......................................................................242
POLINOMIO CARACTERÍSTICO DE UNA MATRIZ ....................................................................245
ECUACIÓN CARACTERÍSTICA DE UNA MATRIZ ......................................................................245
CÁLCULO DEL POLINOMIO CARACTERÍSTICO ........................................................................246
MULTIPLICIDAD ALGEBRAICA....................................................................................................246
MULTIPLICIDAD GEOMÉTRICA ...................................................................................................246
MATRICES SEMEJANTES Y DIAGONALIZACIÓN......................................................................247
DIAGONALIZACIÓN DE MATRICES SIMÉTRICAS ....................................................................250
TEOREMA DE CALEY - HAMILTON..............................................................................................254
FORMAS CUADRÁTICAS Y CANÓNICAS ....................................................................................257
SECCIONES CÓNICAS..................................................................................................................260
PROBLEMAS PROPUESTOS ...........................................................................................................265
1
MATRICES
Capítulo 1
MATRICES
DEFINICIÓN
x
Una matriz A de m n es un ordenamiento rectangular de m
por n números distribuidos en un orden definido de m filas y n
columnas:
a11 a12 ... a1 j ... a1n
a21 a22 ... a2 j ... a2n
... ... ... ... ... ...
A
ai1 ai 2 ... aij ... ain
...
am1 am 2 ... anj ... amn
a1 j
a2 j
.
La j-ésima columna de A es: y constituye la matriz columna A j
a1 j
.
a
mj
A puede ser representada por matrices fila, así: A A1 , A2 , , Ai , , Am
A puede ser representada por matrices columna, así: A A , A 2 , , A j , , A n
1
ÁLGEBRA LINEAL
2
MATRICES
IGUALDAD
Sean las matrices A aij mn y B bij mn ,
A B aij bij
Ejemplos
1 2 1 2
1. Las siguientes matrices son iguales A B
3 4 3 4
1 2 1 2
2. Las siguientes matrices no son iguales A B
3 4 3 4
MATRIZ CUADRADA
Sea A aij mn .
Ejemplos
2 1 0
1 5
A B 7 8 9
2 7 10 5 8
MATRIZ NULA
Sea O aij mn .
O es una matriz nula si y sólo si aij 0 , es decir, es una matriz cuyos elementos son
iguales a cero.
Ejemplos
Las siguientes marices son nulas:
0 0 0 0
0 0 0
0 0 0 0 0 0
O2 O3 0 0 0 O4
0 0 0 0 0 0 0 0 0
0 0 0 0
ÁLGEBRA LINEAL
3
MATRICES
OPERACIONES CON MATRICES
SUMA DE MATRICES
Sean las matrices A aij mn y B bij mn .
La suma de matrices está definida cuando ambas matrices tienen el mismo tamaño.
Ejemplo
1 2 3 3 4 0 4 6 3
5 0 1 1 1 0 6 1 1
2 3 4 1 1 6 3 4 10
DIFERENCIA DE MATRICES
Sean las matrices A aij mn y B bij mn .
Ejemplos
2 5 1 7 1 12
1.
0 3 3 2 3 1
1 3 4 5 6 0 4 9 4
2. 1 0 1 1 2 3 2 2 4
2 3 7 1 4 10 1 1 3
ÁLGEBRA LINEAL
4
MATRICES
MULTIPLICACIÓN POR UN ESCALAR
Si A aij mn y es un escalar, entonces A está dada por:
Ejemplos
2 3 10 15
1. 5
7 1 35 5
0 8 0 16
2. 2
10 4 20 8
2 3 3 1
A B
1 0 0 1
Solución:
5 9
2 A 3B
2 3
0 11
3 A 2 B
3 2
DEFINICIÓN
(1) A A
ÁLGEBRA LINEAL
5
MATRICES
PROPIEDADES
TEOREMAS
1. A ( B C ) ( A B) C
2. A B B A
3. AO A
4. A ( A) O
5. A = A
6. 1. A A
7. A A A
8. A B A B
9. 0. A O
DEMOSTRACIONES
=(A+B)+C
=A
ÁLGEBRA LINEAL
6
MATRICES
5. ( ) A ( ) A Axioma reflexivo
( A)
MULTIPLICACIÓN DE MATRICES
Sean las matrices A aij mn y B b jk np .
El producto de A y B es la matriz C cik mp , donde
n
cik aij b jk .
j 1
En forma desarrollada:
cik ai1b1k ai 2b2 k aij b jk aip b pk .
a11 a12 a1 p
a21 a22 a2 p b11 b12 b1k b1n c11 c12 c1n
b21 b22 b2k b2n c21 c22
ai1 ai 2 aip cik
b p1 b p 2 b pk
b pn cm1 cm 2 cmn
am1 am 2 amp
Observaciones
1. El elemento i, k -ésimo de AB es el producto escalar de la i -ésima fila de A y
la k -ésima columna de B .
2. Dos matrices A y B se pueden multiplicar solo si el número de columnas de la
primera es igual al número de filas de la segunda. De otra manera el producto no
estará definido.
ÁLGEBRA LINEAL
7
MATRICES
Ejemplo
Solución:
ÁLGEBRA LINEAL
8
MATRICES
Ejemplo
Comprobar que las siguientes identidades algebraicas
A B 2 A2 2 AB B 2
( A B )( A B ) A2 B 2
no son ciertas si A y B son matrices cuadradas de orden n , usando las marices
1 1 1 0
A B
0 2 1 2
¿Por qué las identidades dadas no son ciertas?
Modificar el segundo miembro de ambas identidades de manera que el resultado sea
válido para cualesquiera A y B matrices cuadradas.
Solución:
2 1 0 1
A B A B
1 4 -1 0
1 3 1 0
A2 B 2
0 4 3 4
0 2
AB
2 4
1 1
BA
1 3
Por lo tanto
3 6 2 7
A B 2 A2 2 AB B 2
6 15 7 16
1 2 0 3
( A B)( A B) A2 B 2
4 1 3 0
A B 2 A2 AB BA B 2
( A B)( A B) A2 AB BA B 2
ÁLGEBRA LINEAL
9
MATRICES
y como ordinariamente AB BA
AB BA 2 AB
AB BA O
Por lo que
A B 2 A2 2 AB B 2
( A B)( A B) A2 B 2
Observación
No existe ley conmutativa para la multiplicación de matrices.
PROPIEDADES
TEOREMAS
A M mxn,B, C M nxp
13. A ( B C ) AB AC
14. ( A B)C AC BC
15. ( AB) C A ( BC )
DEMOSTRACIONES
( AB) Notación
ÁLGEBRA LINEAL
10
MATRICES
13. A( B C ) A( B C ) Axioma reflexivo
n
aij (b jk c jk ) Multiplicación de matrices
j 1
n
(aij b jk aij c jk ) Propiedad de campo
j 1
n n
aij b jk aij c jk Propiedad del sumatoria
j 1 j 1
AB AC Notación
p
(aij ) b jk c kl Notación
k 1
n
p
aij b jk c kl Multiplicación de matrices
j 1 k 1
p
n
aij b jk c kl Propiedad del sumatoria
k 1 j 1
n
aij b jk (c kl ) Multiplicación de matrices
j 1
( AB) C Notación
MATRIZ TRANSPUESTA
Sea la matriz A aij mn .
Ejemplo
1 0
1 2 3
A At 2 1
0 1 5 3 5
ÁLGEBRA LINEAL
11
MATRICES
PROPIEDADES
TEOREMAS
A, B M mxn ,
16. ( A B) t A t B t
17. ( A t ) t A
K , A M mxn ,
18. (A) t A t
DEMOSTRACIONES
16. ( A B) t ( A B) t Axioma reflexivo
(a ij bij ) t Notación
(a ji b ji ) Definición de transpuesta
At B t Notación
(aij ) t Notación
A Notación
aij a ji
19. , numéricamente
b jk bkj
( AB) t (cik ) t
t
n
aij b jk Producto de matrices
j 1
ÁLGEBRA LINEAL
12
MATRICES
n
a ji bkj Definición de transpuesta
j 1
n
bkj a ji Propiedad de campo
j 1
B t At Notación
DEFINICIÓN
A. A A 2
A
A.
A An
n veces
MATRIZ SIMÉTRICA
Sea la matriz A aij mn .
Ejemplos
1 2 1 2
1. A , At , A A t A es simétrica.
2 3 2 3
1 2 1 1 2 1
2. A 2 2 3 , A 2 2 3 , A A t A es simétrica.
t
1 3 3 1 3 3
TEOREMA 20
ÁLGEBRA LINEAL
13
MATRICES
DEMOSTRACIÓN
A A t (1)
Hipótesis
B B t (2)
Sumando (1) y (2)
A B At B t
( A B) t (Teorema 16)
MATRIZ ANTISIMÉTRICA
Sea la matriz A a ij n .
A es antisimétrica si y sólo si A A t .
Ejemplo
0 1 2 0 1 2 0 1 2
t
Si A 1 0 3 A 1 0 3 1 0 3 A
2 3 0 2 3 0 2 3 0
A es matriz antisimétrica.
MATRICES CONMUTABLES
Sean las matrices A, B M nxn .
A y B son conmutables si y sólo si AB BA.
Ejemplo
ÁLGEBRA LINEAL
14
MATRICES
MATRIZ TRIANGULAR SUPERIOR
Sea la matriz A a ij n .
a11 0 0
a a 22 0
A 21
a a mn
m1 am2
MATRIZ DIAGONAL
Sea la matriz A aij n .
Ejemplos
2 0
1. A
0 1
1 0
2. I
0 1
1 0 0
0 3 0
3. D
0 0 2
ÁLGEBRA LINEAL
15
MATRICES
MATRIZ ESCALAR
Sea la matriz A a ij n .
5 0 0
0 5 0
A
0 0 5
MATRIZ IDENTIDAD
Sea la matriz I a ij n .
Ejemplos
1 0 0
1 0 0
1 0 0 1 0
I 1 1, I 2 , I 3 0 1 0 , In
0 1 0 0 1
0 0 1
MATRIZ NILPOTENTE
Sea la matriz A a ij n .
Ejemplos
0 2
1. A es matriz nilpotente de orden 2, pues, A2 O
0 0
0 1 3
2. B 0 0 2 es matriz nilpotente de orden 3, pues, B3 O
0 0 0
ÁLGEBRA LINEAL
16
MATRICES
TRAZA DE UNA MATRIZ
Sea A M nxn .
La traza de A es la suma de los elementos de la diagonal. Así:
n
Tr ( A) aij .
i 1
Ejemplos
2 0
1. Si A , entonces Tr ( A) 7
7 5
1 0 4
2. Si A 2 2 1 , entonces Tr ( A) 5
3 4 6
Propiedades
1. Tr ( A) .Tr ( A)
2. Tr ( A B) Tr ( A) Tr ( B)
3. Tr ( AB) Tr ( BA)
TEOREMA 21
DEMOSTRACION
Sean A (aij ) mn
I (b jk ) nn , donde b jk 0, j k b jk 1, j k
n
cik aij b jk
j 1
ÁLGEBRA LINEAL
17
MATRICES
si k=1
ci1 ai1b11 ai 2 b21 aij b j1 ain bn1
ci1 ai1
si k=2
ci 2 ai1b12 ai 2 b22 aij b j 2 ain bn 2
ci 2 a i 2
si k=j
cij ai1b1 j ai 2 b2 j aij b jj ain bnj
TEOREMA 22
Corolario
Sean las matrices A , I M nxn
A.I I . A A
MATRIZ INVERTIBLE
Sea la matriz A M nxn .
ÁLGEBRA LINEAL
18
MATRICES
Notas
1. B es matriz inversa de A , B A 1 , de la definición,
AA 1 A 1 A I .
2. B es matriz invertible, A B 1 , de la definición,
BB 1 B 1 B I
TEOREMA 23
Sea A M nxn ,
Si A es matriz invertible, entonces su inversa es única.
DEMOSTRACION
Por contradicción:
Se supone que la inversa de A no es única, es decir, existen matrices B1 y B2 , inversas
de A , tales que B1 B2 .
AB1 B1 A I (1) (1)
AB 2 B2 A I ( 2) (2) (
B1 B1 I (3)
Reemplazando (2) en (3)
B1 B1 ( AB 2 )
B1 ( B1 A) B2
Reemplazando (1) en (4)
B1 IB2
B1 B 2
Lo que contradice la suposición.
Por lo tanto la inversa de A es única.
TEOREMA 24
ÁLGEBRA LINEAL
19
MATRICES
DEMOSTRACION
AA 1 A 1 A I , ( (
Igualando
A A 1
1
TEOREMA 25
DEMOSTRACION
Si A y B son invertibles
a) ( AB ) B 1 A 1 A( BB 1 ) A 1
A( I ) A 1
AA 1
I (1)
b) B 1 A 1 ( AB ) B 1 ( A 1 A) B
B 1 ( I ) B
B 1 B
I (2)
Por lo tanto ( AB ) 1 B 1 A 1
ÁLGEBRA LINEAL
20
MATRICES
TEOREMA 26
MATRIZ ORTOGONAL
Sea la matriz A M nxn .
Ejercicio
Comprobar que la matriz dada es ortogonal
2 2 1
1
2 1 2
3 1 2
2
TEOREMA 27
DEMOSTRACION
Sean las matrices A (aij ) mn O (b jk ) np , donde, b jk 0
AO (aij )(b jk )
n
aij b jk
j 1
n
aij .0
j 1
O
ÁLGEBRA LINEAL
21
MATRICES
TEOREMA 28
DEMOSTRACION
Se deja como ejercicio.
TEOREMA 29
DEMOSTRACION
A= A1 , A2 , , Ai , , Am
B= B1 , B 2 ,, B i , B P
Fila i-ésima de AB= Ai B1 , Ai B 2 , Ai B i , , Ai B p
= Ai. B
=Fila i-ésima de A.B
TEOREMA 30
Fila i-ésima de A ei . A
DEMOSTRACION
Fila i-ésima de I A ei . A (Teorema 29)
I . A A , entonces
Fila i-ésima de A ei . A
ÁLGEBRA LINEAL
22
MATRICES
TEOREMA 31
DEMOSTRACION
Ai es la Fila i-ésima de A
B (b jk ) np
Por lo tanto
AB tiene fila de ceros.
TEOREMA 32
Sea A M nxn
Si A tiene fila de ceros, entonces A no es invertible.
DEMOSTRACION
Por contradicción.
Se supone que A es invertible, por lo tanto
AA 1 A 1 A I
AA 1 tiene fila de ceros (Teorema 31)
I tiene fila de ceros
Lo que contradice la hipótesis, pues, la matriz identidad no tiene fila de ceros.
Por lo tanto:
A no es invertible.
ÁLGEBRA LINEAL
23
MATRICES
OPERACIONES ELEMENTALES
Una operación elemental se representa por e y se la puede aplicar sobre matrices.
Existen tres tipos de operaciones elementales:
Fi F j , C i C j ,
1) e I' e I A A
2) e II' e II A A
'
3) e III eIII A A
MATRICES ELEMENTALES
Una matriz elemental se la representa por E , y se la puede obtener mediante la
aplicación de una operación elemental sobre la matriz identidad.
TEOREMA 33
e ( A) E. A , siendo e , una operación elemental que se aplica tanto en
A como en I .
ÁLGEBRA LINEAL
24
MATRICES
MATRICES EQUIVALENTES
A es equivalente por filas o columnas a B si y sólo si B se obtiene por medio de una
aplicación sucesiva e infinita de operaciones elementales sobre A .
A B B e K e K 1 e 2 e1 A .
TEOREMA 34
Sea A M mxn , A es equivalente a A , es decir,
Toda matriz es equivalente a sí misma.
DEMOSTRACION
Corolario
Sean A, B M mxn .
Si A es equivalente a B , B es equivalente a A .
TEOREMA 35
Sean A, B, C M mxn .
ÁLGEBRA LINEAL
25
MATRICES
DEMOSTRACION
Si A es equivalente a B,
B eK eK 1 e2 e1 A (1)
Si B es equivalente a C,
C e J e J 1 e2 e1 B (2)
TEOREMA 36
DEMOSTRACION
E matriz elemental
E´ matriz inversa de A
I e , eI e e , I
e(A)=EA
P.D. EE´=E´E=I
a) EE´=I
e e , I I
eE I
,
(Teorema 33)
EE´=I (1)
b) E´´E=I
e , eI I
e´(E)=I (Teorema 33)
EE´=I (2)
Igualando (1) y (2)
EE´=E´E=I
ÁLGEBRA LINEAL
26
MATRICES
TEOREMA 37
DEMOSTRACION
a) “Si A es equivalente por filas a B , entonces B es un producto de matrices
elementales por A ”
Si A es equivalente por filas a B ,
B eK eK 1 e2 e1 A ,
Por lo tanto:
B E K E K 1 E 2 E1 A
B E K E K 1 E 2 ( E1 A)
Corolario
Sean A, B M mxn .
A es equivalente a B si y sólo si B PA , donde P es un producto de matrices
elementales por A .
ÁLGEBRA LINEAL
27
MATRICES
FORMA ESCALONADA DE UNA MATRIZ
Ejemplos
1 2 3 1 2 3 1 2 0 0 0 3 2
0 1 2 0 0 2 0 0 2 0 0 0 5
1 0 0 0
2 3 4 4 2 1 1 3 2
0 1 0 0
0 0 0 0 1 3 0 1 0 0
0 0 0 0 0 5 0 0 1 0
0 0
0
0 0 1
Ejemplos
1 0 0 1 0 0 1 0 3
0 1 0 0 0 1 0 1 2
0 0 0 0 0 0 0 0 0
1 0 5 0 1 0 0 0
0 1 3 0 0 1 0 0
0 0 0 0 0 0 1 0
0 0 0 1
0 0 0 0
1 0 0 5
0 0 1 2
ÁLGEBRA LINEAL
28
MATRICES
TEOREMA 38
Sea A M mxn .
A es equivalente por filas a una matriz escalonada por filas.
TEOREMA 39
Sea A M mxn .
A es equivalente por filas a una matriz escalonada reducida por filas
TEOREMA 40
DEMOSTRACION
“Si A no tiene fila de ceros, entonces A I ” (Contra recíproca)
Si A no tiene fila de ceros,
An 0 0 0 0 0 1
An 1 0 0 0 0 1 0
A2 0 1 0 0 0 0
A1 1 0 0 0 0 0 ,
A ( A1 , A2 , , An 1 , An )
A I AA
ÁLGEBRA LINEAL
29
MATRICES
TEOREMA 41
Sea A M nxn .
A es invertible si y sólo si es equivalente por filas a I .
DEMOSTRACION
Corolario
A es invertible si y sólo si es un producto de matrices elementales.
ÁLGEBRA LINEAL
30
MATRICES
TEOREMA 42
Si A es invertible y reducible a la matriz identidad por sucesión de
operaciones elementales, al aplicar a I esta sucesión, se obtiene A 1 .
DEMOSTRACION
Si A es invertible,
A es equivalente por filas a I, (Teorema 41)
I E K E K 1 E 2 E1 A (1) (Teorema 37)
I ( E K E K 1 E 2 E1 ) A
IA 1 ( E K E K 1 E 2 E1 ) AA 1
A 1 ( E K E K 1 E 2 E1 ) I
A 1 e K e K 1 e2 e1 I
I eK eK 1 e2 e1 A (2)
Ejemplo
1 3
Hallar la inversa de la matriz A
2 2
1 3 1 0 1 3 1 0 1 3 1 0 1 0 2
85
8
2 2 0 1 0 8 2 1 0 1 2
8
1
8 0 1
2
8
1
8
1 2 5
A1
2 2 1
ÁLGEBRA LINEAL
31
MATRICES
PROBLEMAS PROPUESTOS
1. Sean las matrices:
1 0 1 3 1
1 2 3
A B 2 1 C 1 1 1
2 1 0 3 2 0 1 2
2 1 0
1 2
D E 1 2 3
2 5 4 3 1
Calcular:
a) C+E, AB, BA, 2C-3E, CB+D, AB+D 2 , 3(2A), 6A
ÁLGEBRA LINEAL
32
MATRICES
b) A(BD), (AB)D, A(C+E), AC+AE, 3A+2A, 5A
ÁLGEBRA LINEAL
33
MATRICES
ÁLGEBRA LINEAL
34
MATRICES
x 0
2. Sea A . Hallar A2 , A3 , A4
z y
1 0
3. Sean las matrices A del problema anterior y B . Determinar A tal
26 27
que A3 B .
ÁLGEBRA LINEAL
35
MATRICES
1 2 3
4. Comprobar que A 0 1 2 es raíz de F ( X ) X 3 4 X 2 5 X 2 I .
0 0 2
ÁLGEBRA LINEAL
36
MATRICES
1 2 0 1 0 0
6. Sean las matrices A 2 1 3 e I 3 0 1 0 . Si R , calcular
0 3 1 0 0 1
I 3 A
7. Calcular AB
1 1 3 42
1 2 3 0 1
1 2 3 1 5
0 3 2 1 3 2 1
2 1 4
A B 1 5 4 2 3
5 1 3 2 0
3 1 0 0
1 4 6
1 3 0
3 1
2 1 0 4 6
3 5 0
ÁLGEBRA LINEAL
37
MATRICES
8. Dadas las matrices
1 2 x 1 3
1 x 3 1 3 1 2 1
A B C
x 1 2 0 1 0 x 0
1 3 1 1 x
a)
Encontrar el valor de x tal qué Tr AB t C 0 .
b) Calcular el rango (número de filas no nulas de la matriz escalonada
equivalente) de CA sí x 0 .
9.
Escribir una matriz simétrica A M 3 , A aij tal que
aij
i 1 j 1 , si i j
i j
ÁLGEBRA LINEAL
38
MATRICES
10. Reducir las siguientes matrices a su forma escalonada y luego a su forma
escalonada reducida por filas
1 2 3 0
1 1 1 0
a) 2 1 0 1
0 1 2 1
0 1 2 3
0 1 1 0
b) 0 2 1 3
0 0 0
1
ÁLGEBRA LINEAL
39
MATRICES
1 0 1 3
c) 1 2 3 0
2 1 0 1
4 3
b)
3 1
ÁLGEBRA LINEAL
40
MATRICES
1 0 0
c) 2 2 0
3 3 3
1 2 2
d) 1 3 0
0 2 1
2 1 3
e) 1 0 4
1 1 2
ÁLGEBRA LINEAL
41
MATRICES
12. Dadas las matrices
1 1 1 1 0 0
P 2 0 1 y J 0 1 1 . Hallar
1 1 0 0 0 1
a) P 1 y J n .
b) A tal que A PJP 1 .
c) An PJ n P 1 . Verificar que A0 I y A1 A .
ÁLGEBRA LINEAL
42
MATRICES
cos sen
13 Sea la matriz A . Hallar A n
sen cos
Deducir la ley y demostrar por inducción.
x y
14. Sea la matriz A . Hallar A n . Usar el Teorema del Binomio.
0 x
ÁLGEBRA LINEAL
43
MATRICES
x 1 0
15. Sea la matriz A 0 x 1 . Hallar A n . Usar el Teorema del Binomio.
0 0 x
16. Si K nn es una matriz diagonal cuyos elementos, sobre la diagonal, son todos
17. Demostrar que la suma de dos matrices triangulares inferiores es una matriz
triangular inferior.
ÁLGEBRA LINEAL
44
MATRICES
18. Si A es una matriz simétrica probar que A t y A 2
son simétricas.
ÁLGEBRA LINEAL
45
MATRICES
20 Dadas la matrices
1 2 0 0 1 0 2 1
A B C
1 1 4 3 1 0 3 2
Determinar la matriz X indicando su número de filas y columnas que cumple:
a) 2A X B
b) At 2 X C
c) CX AB t BB t
ÁLGEBRA LINEAL
46
MATRICES
de orden n , esto es, I n y la matriz B M n , se define A I n B B t B
1
Bt .
ÁLGEBRA LINEAL
47
MATRICES
24. Demostrar que toda matriz cuadrada es la suma de una matriz simétrica y una
matriz antisimétrica.
ÁLGEBRA LINEAL
48
MATRICES
25. mn se cumple que .A O 0 A O .
Demostrar que R, A aij
26. Considerando Amn X n1 Om1 y Amn X n1 Bm1 , sistemas definidos sobre los
reales, demostrar que:
a) Si H es solución de AX O , R , H es solución de AX O .
b) Si H y K son soluciones de AX O , H K es solución de AX O .
c) Si H y K son soluciones de AX B , H K es solución de AX O .
ÁLGEBRA LINEAL
49
DETERMINANTES
Capítulo 2
DETERMINANTES
DEFINICIÓN
El determinante es una función que establece una correspondencia
entre el conjunto de matrices cuadradas y el campo real o complejo.
Asi:
f : M nxn K
A f (A) det(A)
NOTACIÓN
Sea A (aij ) n , el determinante de A se nota así:
A det( A)
O también
a11 a12 a1n
a a 22 a2n
A 21
a n1 a n 2 a nn
DEFINICIÓN
Sea A M 2x 2
a a12
Si A 11 , entonces
a 21 a 22
ÁLGEBRA LINEAL
50
DETERMINANTES
DEFINICIÓN
Sea A M 3x 3
a 22 a 23 a a 23 a a 22
det( A) a11 a12 21 a13 21
a32 a33 a31 a33 a31 a32
MENOR
Sea la matriz A (aij ) n y M ij la submatriz de A de orden (n 1) , obtenida por
COFACTOR
Sea la matriz A (aij ) n . El cofactor Aij del elemento aij se define como:
Aij (1) i j M ij
n
det( A) aij Aij
j 1
ÁLGEBRA LINEAL
51
DETERMINANTES
PROPIEDADES
TEOREMAS
Sea A (aij ) n .
3. K , det(A) n det( A) .
4. Si las matrices A, B, C , son idénticas, excepto en la j-ésima
columna (fila) tal que la j-ésima columna (fila) de C es la suma
de las j-ésimas columnas (filas) de A y B ,
det(C ) det( A) det( B)
5. Si se intercambian dos filas (columnas ) de A , para obtener la
matriz B , det( B) det( A) .
6. Si la matriz A tiene dos filas (columnas) iguales, det( A) 0 .
7. Si una fila (columna) de A es un múltiplo de una fila (columna)
de A , det( A) 0 .
8. Si un múltiplo de una fila (columna) de A , se suma a otra fila
(columna) de A , el determinante no se altera.
9. det( A) det( A t ) .
10. El determinante de una matriz triangular es igual al producto de
los elementos de la diagonal.
DEMOSTRACIONES
ÁLGEBRA LINEAL
52
DETERMINANTES
n
2. det( B) bij Bij
j 1
n
det( B) aij Bij
j 1
n
det( B) aij Aij
j 1
det( B) det( A)
3. , det(A) n det( A)
Por inducción
i) n 1
A1 ( a11 )
det(A1 ) 1. det( A1 )
n
det(AK 1 ) (1) i j K aij Aij
j 1
n
det(AK 1 ) K 1 (1)i j aij Aij
j 1
det(AK 1 ) K 1 det( AK 1 )
n n
(1)i j aij Aij (1)i j bij Aij
j 1 j 1
det( A1 , , Ai , , An ) det( A1 , , Bi , , An )
ÁLGEBRA LINEAL
53
DETERMINANTES
5 Sean
a11 a1n a11 a1n
a ain a ai 1,n
A i1 B i 1,1
a11,1 ai 1,n ai ,1 ai ,n
a a nn a ann
n1 n1
P.D. det( A) det( B)
n
det( A) aij Aij
j 1
n
det( B) bi 1, j Bi 1, j
j 1
n
a
j 1
ij Aij
det(A)
6. Sea
a11 a1n
a ain
A i1
a11,1 ai 1,n
a a nn
n1
ÁLGEBRA LINEAL
54
DETERMINANTES
2 det( A) 0
det( A) 0
7. Sea
a11 a1n
a ain
B i1
a11,1 ai 1, n
a ann
n1
det( B) det( A)
Pero, det( A) 0 ,
Por lo tanto det( B) 0
8. Sea
a11 a1n
a ain
A i1
a11,1 ai 1,n
a a nn
n1
a11 a1n
ai1 ain
B
ai1 a11,1 ain ai 1,n
a n1 a nn
Al aplicar el Teorema 7
ÁLGEBRA LINEAL
55
DETERMINANTES
a11 a1n a11 a1n
ai1 ain ai1 ain
det( B) +
ai1 ain ai 1,1 ai 1,n
a n1 a nn a n1 a nn
0 det(A)
det(B) det( A)
B bij K 1
bij a ji
ÁLGEBRA LINEAL
56
DETERMINANTES
Pero, a j1 b1 j , es decir,
B1 j A j1
t
B1 j A j1
t
B1 j A j1
De (1)
n
B (1)1 j a j1 A j1
K
j 1
B A
det( A) det( A t )
A a11 a 22
2
A aii
i 1
ii) Si n k
K
AK aii Hipótesis inductiva
i 1
K 1
AK 1 aii Tesis inductiva
i 1
K 1
AK 1 (1) K 1 j a K 1, j AK 1, j según la fila K 1
j 1
K
(1)2 K 2 aK 1, K 1 aii
i 1
ÁLGEBRA LINEAL
57
DETERMINANTES
K
aK 1, K 1 aii
i 1
K
aii
i 1
Observación E 0 .
TEOREMA 11
Si E es una matriz elemental, entonces:
EA E A , y
AE A E
DEMOSTRACION
a) Intercambio de dos filas o columnas
E 1
Por lo tanto:
EA E A
ÁLGEBRA LINEAL
58
DETERMINANTES
EA A
EA E A
c) Se reemplaza una fila o columna por la suma de una de ellas multiplicada por
E 1
EA A 1 A
EA E A
Corolario
Si A y B son equivalentes:
B E K E K 1 E 2 E1 A
TEOREMA 12
Sea A M nxn
A es invertible si y sólo si A 0
DEMOSTRACION
1. “Si A es invertible, entonces A 0 "
Si A es invertible,
A es producto de matrices elementales,
A E K E K 1 E 2 E1 (M, Teorema 41)
A E K E K 1 E 2 E1 (Teorema 11)
A 0 , puesto que E 0
Se demuestra la contrarrecíproca:
Si A no es invertible, entonces A 0
Si A no es invertible,
A es equivalente a una matriz B que tiene fila de ceros,
ÁLGEBRA LINEAL
59
DETERMINANTES
A E K E K 1 E 2 E1 B es matriz con fila de ceros (M, Teorema 31)
A E K E K 1 E 2 E1 B (Teorema 11)
A 0
TEOREMA 13
Sean las matrices A, B M nxn
AB A B
DEMOSTRACION
1. A es invertible
Si A es invertible
A E K E K 1 E 2 E1 (1)
A E K E K 1 E 2 E1 (2)
AB E K E K 1 E 2 E1 B
A B E K E K 1 E 2 E1 B (3)
2. A no es invertible
Si A no es invertible
A 0 (Teorema (12)
AB 0. B
Por lo tanto:
AB A B
ÁLGEBRA LINEAL
60
DETERMINANTES
INVERSA DE UNA MATRIZ
TEOREMA 14
Sea A M nxn
DEMOSTRACION
Sea B es la matriz obtenida al reemplazar la k-ésima fila de A por la i-ésima fila de A ,
así:
a11 a12 a1n a11 a12 a1n
a a12 a an a a12 aan
i1 i1
A B
a ak 2 a kn a ai 2 ain
k1 i1
a n1 an2 a nn an1 an 2 ann
DEFINICIÓN
Sea A M nxn , se define como matriz adjunta de A a la transpuesta de
Ejemplo
2 1 3 1 3 1
A Cof (A) adjA
1 3 1 2 1 2
ÁLGEBRA LINEAL
61
DETERMINANTES
TEOREMA 15
Sea A M nxn
adjA. A A.adjA A I
DEMOSTRACION
a i1 Ak 1 a i 2 Ak 2 a in Akn A , si i k
A 0 0
0 A 0
A.adjA
0 0 0
0 0 A
adjA. A A.adjA A I
Corolario
Sea A M nxn y A 0 , entonces
1
A 1 .adjA
A
ÁLGEBRA LINEAL
62
DETERMINANTES
Ejemplo
Dada la matriz
1 2 4
A 3 8 2
2 0 4
a) Calcular A .
d) Calcular A1 .
Solución:
1 2 4
2 4 1 2
a) A 3 8 2 2 4 2(36) 4(2) 64
8 2 3 8
2 0 4
8 2 2 4 2 4
0 4 0 4 8 2
3 32 8 36
2 1 4 1 4
b) Adj ( A) 16 4 14
2 4 2 4 3 2
16 4 2
3 8 1 2 1 2
2 0 2 0 3 8
1 2 4 32 8 36 64 0 0
c) A. Adj ( A) 3 8 2 16 4 14 0 64 0
2 0 4 16 4 2 0 64
0
32 8 36 1 2 4 64 0 0
Adj ( A). A 16 4 14 3 8 2 0 64 0
16 4 2 2 0 4 0 64
0
32 8 36
1
1 1
d) A Adj ( A) 16 4 14
A 64
16 4 2
1/ 2 1/ 8 9 / 16
1
A 1/ 4 1 / 16 7 / 32
1 / 4 1 / 16 1 / 32
ÁLGEBRA LINEAL
63
DETERMINANTES
PROBLEMAS PROPUESTOS
1. Encontrar el valor de los siguientes determinantes
1 1 0
a) 1 2 3
2 1 1
1 2 1
b) 1 1 0
0 3 1
1 2i 0 1
c) 0 2 1 i
3 0 1
ÁLGEBRA LINEAL
64
DETERMINANTES
1 2 3 4
4 3 2 1
d)
2 1 4 3
3 4 1 2
1 a 1 1 1
1 1 a 1 1
e)
1 1 1 a 1
1 1 1 1 a
2 0 1 x
1 9 8 4
f) , donde x es el último dígito del año actual.
1 9 8 7
1 9 9 0
ÁLGEBRA LINEAL
65
DETERMINANTES
2. Determinar el valor de
1 2 3 4 5 6
2 3 4 5 6 1
3 4 5 6 1 2
a)
4 5 6 1 2 3
5 6 1 2 3 4
6 1 2 3 4 5
1 1 1 1 1 1
1 2 2 2 2 2
1 2 3 3 3 3
b)
1 2 3 4 4 4
1 2 3 4 5 5
1 2 3 4 5 6
ÁLGEBRA LINEAL
66
DETERMINANTES
a b c 1
b c a 1
c)
c a b 1
1 1 1 1
i) abc 0
ii) abc 3
ÁLGEBRA LINEAL
67
DETERMINANTES
1 a1 a2 a3 an
a1 1 a2 a3 an
d) a1 a2 1 a3 an
a1 a2 a3 1 an
x2 y2 z2
e) x y z
x3 y3 z3
ÁLGEBRA LINEAL
68
DETERMINANTES
3 7i 0 4 1 7
2 3i 8 1 0 5
g) 2 8 0 6 6
1 10i 8 3 1 2
3i 0 1 6 0
3. Demostrar que:
0 a a a
a 0 a a
3 a 4
a a 0 a
a a a 0
ÁLGEBRA LINEAL
69
DETERMINANTES
4. Demostrar que el determinante nxn
a b b b b
b a b b b
b b a b b
a b
n 1
a (n 1)b
b b b a b
b b b b a
5. Hallar el valor de
a1 b1 a1 b2 a1 bn
a2 b1 a2 b2 a2 bn
an b1 an b2 an bn
ÁLGEBRA LINEAL
70
DETERMINANTES
6. a) Demostrar que:
b 2 ac bc c2
A ab ac bc 4a 2b 2 c 2
a2 ab b 2 ac
2
b c 0
Verificar primero que: A a 0 c
0 a b
ÁLGEBRA LINEAL
71
DETERMINANTES
7. Demostrar que
1 0 a a2
0 1 b b2
a c b d a b c d
1 0 c c2
0 1 d d2
a2 ab ab b2
ab a2 b2 ab
ab b2 a2 ab
b2 ab ab a2
ÁLGEBRA LINEAL
72
DETERMINANTES
9. Probar que
b c 2 b2 c2
a2 a c 2 c2 2abca b c
3
a2 b2 a b 2
ÁLGEBRA LINEAL
73
DETERMINANTES
11. Aplicaciones a la Geometría Analítica
a) Si P1 ( x1 , y1 ), P2 ( x 2 , y 2 ), P3 ( x3 , y 3 ) son tres puntos no colineales, la
y 1 x x2
y1 1 x1 x12
=0
y2 1 x2 x 22
y3 1 x3 x32
Hallar la ecuación de la parábola que pasa por los puntos:
(1,5), (2,6), (2,2).
ÁLGEBRA LINEAL
74
DETERMINANTES
b) Si P1 ( x1 , y1 ), P2 ( x 2 , y 2 ), P3 ( x3 , y 3 ) son tres puntos no colineales, la
ecuación del círculo que pasa por los puntos P1 , P2 , P3 , puede escribirse:
x2 y2 x y 1
x12 y12 x1 y1 1
0
x 22 y 22 x2 y2 1
x32 y 32 x3 y3 1
Hallar la ecuación del círculo que pasa por los puntos:
(1,5), (2,6), (2,2).
ÁLGEBRA LINEAL
75
DETERMINANTES
c) Si se conoce que:
L1 : a11 x a12 y a13 0,
ÁLGEBRA LINEAL
76
DETERMINANTES
d) El volumen de tetraedro determinado en el espacio por los puntos
P1 ( x1 , y1 , z1 ), P2 ( x 2 , y 2 , z 2 ), P3 ( x3 , y 3 , z 3 ), P4 ( x 4 , y 4 , z 4 ) , está dado por el
1
valor absoluto de D , siendo D el determinante de:
6
x1 y1 z1 1
x2 y2 z2 1
x3 y3 z3 1
x4 y4 z4 1
ÁLGEBRA LINEAL
77
DETERMINANTES
12. Sea
1 2 a
A 1 a 1
0 1 a
a) Determinar los valores de a para que para que A sea invertible.
b) Hallar la inversa de A cuando existe.
ÁLGEBRA LINEAL
78
DETERMINANTES
13. Sea
1 1 1
A 1
3 3 2
a) Determinar el valor de para que A sea invertible.
ÁLGEBRA LINEAL
79
DETERMINANTES
14. Sea
1 3
A 2 3
3 1 2
a) Determinar los valores de para que para que A sea invertible.
b) Hallar la inversa de A cuando existe.
ÁLGEBRA LINEAL
80
DETERMINANTES
15. Dada la matriz
1 a a 2
A 1 b b 2
1 c c 2
a) Hallar A .
b) Encontrar Adj(A) .
c) Calcular A1 .
ÁLGEBRA LINEAL
81
SISTEMAS DE ECUACIONES
Capítulo 3
SISTEMAS DE ECUACIONES LINEALES
DEFINICIÓN
Ecuación lineal, es una expresión del tipo:
a1 x1 a 2 x 2 a n x n b (1)
donde
x1 = variable
x2 , x3 , xn , = variables libres
b = término constante
a, b K
xi K
I. Si a1 0
b a2 a
x1 x2 n xn
a1 a1 a1
II. Si a1 a2 an 0 b 0
Reemplazando en (1)
0 x1 0 x 2 0 x n b
0b
Para ningún valor se verifica la igualdad anterior. La ecuación (1) es
inconsistente, por lo tanto, no tiene solución, o se dice que CS Ø
ÁLGEBRA LINEAL
82
SISTEMAS DE ECUACIONES
III. Si a1 a2 an 0 b 0
De (1)
0 x1 0 x 2 0 x n 0
00
Se obtiene una identidad
La ecuación (1) se cumple para todos los valores de xi .
DEFINICIÓN
Los sistemas de ecuaciones lineales son expresiones del tipo:
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2 2n n 2
(1)
am1 x1 am 2 x2 amn xn bm
Observaciones
ÁLGEBRA LINEAL
83
SISTEMAS DE ECUACIONES
SISTEMAS DE ECUACIONES
INCONSISTENTE CONSISTENTE
NO HOMOGÉNEO HOMOGÉNEO
SISTEMAS EQUIVALENTES
Son aquellos sistemas que tienen las mismas soluciones.
Para obtener un sistema equivalente de uno dado, se pueden realizar las siguientes
operaciones:
1. Intercambiar ecuaciones ( Ei E j ) .
ÁLGEBRA LINEAL
84
SISTEMAS DE ECUACIONES
Del sistema (1),
A X B
Observaciones
1. A todo sistema AX B le corresponde la matriz ampliada (2).
2. De toda matriz ampliada (2) se puede escribir el sistema AX B
correspondiente.
3. Si la matriz ampliada ( A B ) es equivalente a la matriz ampliada ( C D ), los
sistemas AX B y CX D son equivalentes.
MÉTODOS DE RESOLUCIÓN
Para resolver sistemas de ecuaciones se utilizarán los métodos de Gauss (o de la
triangulación), Gauss-Jordan y Cramer, los mismos que se detallan a continuación.
ÁLGEBRA LINEAL
85
SISTEMAS DE ECUACIONES
MÉTODO DE GAUSS
Consiste en encontrar una matriz ampliada escalonada equivalente por filas a la matriz
correspondiente al sistema original, se escribe el sistema equivalente conforme a la
matriz escalonada y se resuelve el sistema así obtenido. Si la matriz A tiene fila de
ceros y la matriz ( A B ) no tiene fila de ceros, el sistema es inconsistente.
MÉTODO DE GAUSS-JORDAN
Consiste en encontrar una matriz ampliada escalonada reducida por filas equivalente
por filas a la matriz correspondiente al sistema original, se escribe el sistema
equivalente ajustado a la matriz escalonada reducida por filas y se resuelve el sistema
así obtenido.
MÉTODO DE CRAMER
Este método sirve para resolver sistemas que tienen el mismo número de incógnitas que
de ecuaciones.
TEOREMA DE CRAMER
Sea un sistema de ecuaciones nxn donde:
A es matriz de los coeficientes
xi es la fila i-ésima de X (matriz de las variables)
DEMOSTRACIÓN
Se expresa el sistema en forma matricial.
AX B
De acuerdo a la hipótesis:
A 0
ÁLGEBRA LINEAL
86
SISTEMAS DE ECUACIONES
A es invertible y existe A 1
A( A 1 X ) A 1 B
X A 1 B
adjA.B
X
A
siendo
Fi (adjA.B)
xi
A
Se calcula Ai
ÁLGEBRA LINEAL
87
SISTEMAS DE ECUACIONES
Desarrollando por cofactores de acuerdo a la i-ésima columna:
Fi (adjA.B) Ai
xi
A A
Síntesis
Si A M n con A 0 , entonces AX B tiene como solución única:
b1 a12 a1n
1 b2 a22 a2 n
x1
A
bn an 2 ann
a11 b1 a1n
1 a21 b2 a2 n
x2
A
an1 bn ann
a11 a12 b1
1 a21 a22 b2
xn
A
an1 an 2 bn
Observación
x
Ejemplo
Resolver usando el método de Cramer
x1 x 2 x3 2
2 x1 x 2 2 x3 1
3x x x 0
1 2 3
ÁLGEBRA LINEAL
88
SISTEMAS DE ECUACIONES
Solución:
1 1 1
A 2 1 2 12 0 el sistema es de Cramer
3 1 1
2 1 1
1 1 2
0 1 1 1
x1
12 2
1 2 1
2 1 2
3 0 1 5
x2
12 3
1 1 2
2 1 1
3 1 0 1 1 5 1
x3 CS , ,
12 6 2 3 6
Resumen
En ciencia y tecnología existe una gran variedad de situaciones que pueden expresarse
en términos matemáticos mediante sistemas de ecuaciones lineales, o bien acercarse a
un sistema de este tipo, de ahí el interés de su estudio.
Una vez que se ha planteado un sistema lineal de ecuaciones, se delinean tres cuestiones
importantes. La primera de ellas es conocer si tiene o no solución, la segunda es la
unicidad de la misma y, por último, el cálculo de la solución cuando existe.
A las dos primeras cuestiones da respuesta el teorema de Rouché-Fröbenius, tal como se
ilustra en este capítulo. En este punto del estudio es importante tomar en cuenta también
las propiedades que presentan los conjuntos de soluciones de los sistemas lineales
homogéneos y no homogéneos.
La cuestión referente al cálculo de las soluciones tiene múltiples respuestas, ya que
existen diversos métodos para determinarlas. Entre ellos, cabe destacar el método de
triangulación de Gauss y la regla de Cramer.
ÁLGEBRA LINEAL
89
SISTEMAS DE ECUACIONES
PROBLEMAS PROPUESTOS
1. Resolver
2 x1 x2 3 x3 5
a) 3 x1 2 x2 2 x3 6
5 x1 3 x2 x3 16
2 x1 3 x2 2 x3 5
b) x1 2 x2 3 x3 2
4 x1 x2 4 x3 1
x1 ax2 1
c) x2 x3 2
x x x 2
1 2 3
ÁLGEBRA LINEAL
90
SISTEMAS DE ECUACIONES
x1 2 x2 3 x3 2 x4 2
e) 2 x1 5 x2 8 x3 6 x4 5
3 x 4 x 5 x 2 x 4
1 2 3 4
x1 2 x2 2 x3 2
3 x 2 x x 5
1 2 3
f)
2 x1 5 x2 3 x3 4
x1 4 x2 6 x3 0
ÁLGEBRA LINEAL
91
SISTEMAS DE ECUACIONES
x1 5 x2 4 x3 13 x4 3
g) 3 x1 x2 2 x3 6 x4 2
2 x 2 x 3 x 4 x 1
1 2 3 4
ÁLGEBRA LINEAL
92
SISTEMAS DE ECUACIONES
x1 x2 kx3 2
b) 3 x1 4 x2 2 x3 k
2 x 3 x x 1
1 2 3
x1 3 x3 3
c) 2 x1 kx2 x3 2
x 2 x kx 1
1 2 3
ÁLGEBRA LINEAL
93
SISTEMAS DE ECUACIONES
3. Determinar los valores de para que el sistema
( 1) x1 x2 x3 1
2 x1 ( 1) x2 2 x3 2 3
x1 2 x2 ( 1) x3
a) Tenga solución única. Hallarla
b) Tenga más de una solución. Hallarlas
c) No tenga solución.
ÁLGEBRA LINEAL
94
SISTEMAS DE ECUACIONES
4. Determinar los valores de para que el siguiente sistema:
x1 x2 x3
2 x1 x2 x3 0
x1 2 x2 x3
2
ÁLGEBRA LINEAL
95
SISTEMAS DE ECUACIONES
5. Determinar los valores de a y b para que el siguiente sistema:
x1 x2 x3 1
2 x1 (3 a ) x2 (2 a ) x3 1
3 x 3 x2 (4 2a ) x3 3 b
1
a) Tenga solución única. Hallarla.
b) Tenga más de una solución. Hallarlas.
c) No tenga solución.
ÁLGEBRA LINEAL
96
SISTEMAS DE ECUACIONES
6. Determinar los valores de a y b para que el siguiente sistema:
x1 x2 x3 3
x1 x2 x3 1
2 x ax3 b
1
a) Tenga solución única. Hallarla
b) Tenga más de una solución. Hallarlas.
c) No tenga solución.
ÁLGEBRA LINEAL
97
SISTEMAS DE ECUACIONES
7. Determinar los valores m para que el siguiente sistema:
(2m 2) x1 (m 1) x2 (m 3) x3 2m 2
(m 1) x2 (m 1) x3 0
x2 x3 m 1
mx1
ÁLGEBRA LINEAL
98
SISTEMAS DE ECUACIONES
8. Determinar los valores m para que el siguiente sistema
(m 2) x1 x2 x3 m 1
mx1 (m 1) x2 x3 m 1
(m 1) x (m 1) x3 m 1
1
ÁLGEBRA LINEAL
99
SISTEMAS DE ECUACIONES
9. Determinar los valores de a para que el sistema
2a 2x1 a 1x2 a 3x3 2
a 1x2 a 1x3 0
2 x1 x2 x3 1
a) Tenga solución única. Hallarla
b) Tenga más de una solución. Hallarlas
c) No tenga solución.
ÁLGEBRA LINEAL
100
SISTEMAS DE ECUACIONES
10. Determinar los valores a , b , c y k para que el sistema
x1 x2 x3 1
ax1 bx2 c x3 k
2
a x1 b x2 c x3 k
2 2 2
ÁLGEBRA LINEAL
101
ESPACIOS VECTORIALES
Capítulo 4
ESPACIOS VECTORIALES
DEFINICIÓN
2. K , u V | u V Axioma de clausura
EJEMPLOS
1. R , R,, es el espacio vectorial de las n úplas de números reales.
n
R n a1 , a2 , , an ai R, i 1,2, , n
ÁLGEBRA LINEAL
102
ESPACIOS VECTORIALES
2. M mxn , R,, es el espacio vectorial de todas las matrices mxn .
Observaciones
1. Los elementos de V se llaman vectores, los elementos de K se llaman
escalares.
2. La operación (+) se llama suma vectorial, la operación ( ) se llama
multiplicación por un escalar.
3. El vector 0V se llama vector nulo o vector cero.
TEOREMA 1
Sea V , K ,, un espacio vectorial
K , u, v, w K se cumple que:
a) uvvwu w
b) 0.u Ov
c) .OV OV
d) .u OV 0 u OV
e) ( .u ) (u ) ( .u )
DEMOSTRACIONES
ÁLGEBRA LINEAL
103
ESPACIOS VECTORIALES
a) u 0V u Axioma del neutro
Axioma reflexivo
(0 V 0 V ) 0 V Axioma reflexivo
0 u 0V
1
K , tal que, 0,
0V 0V Hipótesis
1 1
u 0V
1.u 0V Axioma del inverso
u 0V
Lo que contradice la suposición
0 u 0V
ÁLGEBRA LINEAL
104
ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES
Sean V y S dos espacios vectoriales definidos en el campo K , entonces S es un
subespacio vectorial de V , si y sólo si, S V . De hecho, todos los espacios vectoriales
tienen subconjuntos que también son espacios vectoriales. Gráficamente se tiene
V
S
TEOREMA 2
Sea V , K , , un espacio vectorial, S V , S Ø,
DEMOSTRACION
1) ""
Se cumple pues S V
2. ""
P.D. S , K , , es un espacio vectorial
S , es un grupo conmutativo
a) u, v S | u v S Axioma de clausura
Si cumple
b) u, v, w S | (u v) w u (v w) Axioma de asociatividad
Si cumple
c) !e S , u S | e u u e (e 0 v ) Axioma del neutro aditivo
P.D. e 0V S
Si 0
ÁLGEBRA LINEAL
105
ESPACIOS VECTORIALES
u 0u
u 0 V
0V S
Si cumple
d) u S , ! u , S | u u , u , u e Axioma del inverso aditivo
P.D. u , u S
Si 1
u 1.u
u u
es decir,
uS
Si cumple
e) u, v V | u v v u
Si cumple
Puesto que S V se cumplen las propiedades de los espacios vectoriales.
Si S es espacio vectorial y S V , entonces S es subespacio vectorial de V.
Observación
0V pertenece a todo subespacio vectorial de V .
Corolario
S V , si S es subespacio vectorial de V , entones se cumple que:
1. 0V S , S Ø
2. K , u, v S | u v S
COMBINACIÓN LINEAL
Sean V , K , , un espacio vectorial, T V ,
T t1 , t 2 , t n
ÁLGEBRA LINEAL
106
ESPACIOS VECTORIALES
CONJUNTO GENERADOR
Sean V , K , , un espacio vectorial, S V , S s1 , s 2 , s n , u V .
CÁPSULA LINEAL
Sean V , K , , un espacio vectorial, S V , S Ø, S s1 , s 2 , s n
S v V | v 1s1 2 s2 n sn , i K
TEOREMA 3
Sean V , K , , un espacio vectorial, S V , S Ø
DEMOSTRACION
1. 0v S y S Ø
u S
Sea 0 K
u 0 V
0u 0V
0v S
2. u , v S | u v S
u 1 s1 2 s 2 n s n
v 1 s1 2 s 2 n s n
u v ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
uv S
ÁLGEBRA LINEAL
107
ESPACIOS VECTORIALES
3. K , u S | u S
u 1 s1 2 s 2 n s n
u 1 s1 2 s 2 n s n
i i
u 1 s1 2 s 2 n s n
u S
TEOREMA 4
Sean V , K , , un espacio vectorial, S1 S 2 V
1. Si S1 es linealmente dependiente., entonces S 2 también lo es.
2. Si S 2 es linealmente intependiente., entonces S1 también lo es.
DEMOSTRACION
1 S1 s1 , s2 ,, sn
S 2 s1 , s2 ,, sr
ÁLGEBRA LINEAL
108
ESPACIOS VECTORIALES
Si S1 es linealmente dependiente, 1 0 , tales que:
1s1 2 s2 n sn 0v
Se puede escribir que:
1s1 2 s2 n sn 0.sn 0.sr 0v ,
donde no todos los coeficientes son cero.
S 2 es linealmente dependiente
2. Por contradicción:
Se supone que S1 es linealmente dependiente
S1 es linealmente dependiente S1 S 2
S 2 es linealmente dependiente
Lo que contradice la suposición.
S1 es linealmente independiente.
TEOREMA 5
Sean V , K , , un espacio vectorial, S V .
S es linealmente dependiente si y sólo si si S , tal que,
DEMOSTRACION
1. ""
Si S es linealmente dependiente, entonces i 0 , tales que:
1 s1 2 s 2 i si n s n 0V , es decir,
i si 1 s1 2 s 2 n s n
Despejando si
si 1 s1 2 s 2 n s n
Por lo tanto:
si es combinación lineal de los restantes vectores.
ÁLGEBRA LINEAL
109
ESPACIOS VECTORIALES
2. ""
Sea si S , tal que, es combinación lineal de los restantes vectores de S ,
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n (1)
si si (2)
Sumando (1) y (2) y reordenando
1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n 0V
S es linealmente dependiente.
TEOREMA 6 EL WRONSKIANO
x D f , S f1 , f 2 ,, f n es linealmente independiente si y sólo
si x D f , tal que:
f1 f2 fn
f1' f2 ' fn '
W f1, f 2 ,, f n 0
f1( n 1) f 2( n 1) f n ( n 1)
DEMOSTRACION
a) ""
Por contradicción
Se supone que W 0 , entonces
Una fila o columna de W es combinación lineal de las restantes, por ejemplo:
f1 2 f 2 n f n , es decir, S es linealmente dependiente.
Lo que contradice la suposición.
W 0
b) ""
Por contradicción:
Se supone que S es linealmente dependiente, entonces
Una fila o columna de W es combinación lineal de las restantes, es decir,
W 0 , lo que contradice la suposición
Por lo tanto S es linealmente independiente.
ÁLGEBRA LINEAL
110
ESPACIOS VECTORIALES
BASE
DEFINICION
Sean V , K , , un espacio vectorial y S V ,
S es una base de V , si y sólo si:
1. S genera a V , y
2. S es linealmente independiente.
TEOREMA 7
Sean V , K , , un espacio vectorial y S V ,
Si S s1 , s 2 , s n es una base del espacio vectorial V , entonces todo
vector de S se puede expresar de una y solo una manera como
combinación lineal de los vectores de S. La combinación lineal es
única.
DEMOSTRACION
Sea u V
Se supone que la combinación lineal no es única, es decir,
u 1 s1 2 s 2 n s n (1)
u 1 s1 2 s 2 n s n (2)
i i
Restando (1) y (2)
u (u ) ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
0V ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
Si S es base de V , entonces S es linealmente independiente,
i i 0 ,
i i
ÁLGEBRA LINEAL
111
ESPACIOS VECTORIALES
Lo que contradice la suposición.
Por lo tanto: la combinación lineal es única.
TEOREMA 8
Sean V , K , , un espacio vectorial y S V ,
Si S es un conjunto finito de vectores no nulos que genera a V
entonces, S contiene a una base T de V .
DEMOSTRACION
a) Si S es linealmente independiente, entonces es base de V. //
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n (1)
S1 genera a V?
Sea u V
u es combinación lineal de S
u 1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n (2)
Se sustituye (1) en (2)
u 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n , es decir,
S1 es generador de V .
ÁLGEBRA LINEAL
112
ESPACIOS VECTORIALES
TEOREMA 9
Sean V , K , , un espacio vectorial y S , T V ,
S s 1 , s 2 , , s n , es una base de V , y
T t1 , t 2 , , t r es un conjunto linealmente independiente de V ,
entonces n r . Esto es, todo conjunto linealmente independiente no
tiene más que n vectores.
DEMOSTRACION
Se supone que:
nr
Si S genera a V
t i es combinación lineal de S
t i 1 s1 2 s 2 n s n
Se despeja s n 0V
(En caso contrario, si se despeja otro)
t i 0V a n 0
1 1
s n t1 ( 1 s1 2 s 2 n 1 s n 1 )
an an
S1 s1 , s 2 , , s n1 , t1 genera a V
t 2 es combinación lineal de S1
t 2 1 s1 2 s 2 n 1 s n 1 t1
t 2 0V
si 1 n 1 0
t 2 t1 , entonces
T es linealmente independiente
Lo que contradice la suposición.
Por lo tanto debe(n) existir algún(nos) i 0
n 1 0
En caso contrario se elige otro
ÁLGEBRA LINEAL
113
ESPACIOS VECTORIALES
1 1
s n 1 t 2 ( 1 s1 2 s 2 n 2 s n 2 )
n 1 n 1
de donde,
S 2 s1 , s 2 , , s n 2 , t1 , t 2 genera a V
Repitiendo el proceso n veces, se encuentra el conjunto
S n t1 , t 2 , , t n que es base de V , pues genera y es linealmente independiente
(Teorema 4).
Si r n
t n 1 1t1 2 t 2 n t n , entonces
T es linealmente dependiente
Lo que contradice la suposición.
Por lo tanto:
nr.
TEOREMA 10
Sean V , K , , un espacio vectorial, S , T V ,
S s 1 , s 2 , , s n , es una base de V , y
T t1 , t 2 , , t r es otra base de V , entonces
nr
DEMOSTRACION
Si S es base de V y T es linealmente independiente, n r (Teorema 9)
Si T es base de V y S es linealmente independiente, n r (Teorema 9)
Se concluye que n r .
Es decir, las diferentes bases de un mismo espacio vectorial tienen igual número de
vectores.
Corolario
Si S es base de V y tiene n vectores, un conjunto con n 1 vectores es linealmente
dependiente.
ÁLGEBRA LINEAL
114
ESPACIOS VECTORIALES
DEFINICIÓN
Las coordenadas de un vector u V , respecto a una base dada S , son
los escalares que sirven para expresar u como combinación lineal de
S , así:
u 1 s1 2 s 2 n s n
1
u S 2 , es el vector coordenadas de u respecto a S .
n
DIMENSIÓN
Sean V , K , , un espacio vectorial, S V , S s 1 , s 2 , , s n , es una base
de V , entonces la dimensión de V es igual a n , y se nota por dim V n . La
dimensión de espacio vectorial trivial se considera cero, esto es, dim 0V 0 .
DIMENSIÓN FINITA
Un espacio vectorial V es de dimensión finita si y sólo si la base de V tiene un finito
número de vectores.
Ejemplos: R n , C n , Pn , M mn .
DIMENSIÓN INFINITA
Un espacio vectorial V es de dimensión infinita si y sólo si la base de V tiene un
infinito número de vectores.
Ejemplo: P el espacio vectorial de todos los polinomios.
TEOREMA 11
Sean V , K , , un espacio vectorial, dim V n , S V ,
S s 1 , s 2 , , s n , entonces
Si S es linealmente independiente, S es una base de V .
ÁLGEBRA LINEAL
115
ESPACIOS VECTORIALES
DEMOSTRACION
Por contradicción
Se supone que S no es base de V ,
Si S no es base, entonces S no genera a V
u V tal que no es combinación lineal de S ,
S s1 , s 2 ,, s n , u es linealmente independiente
TEOREMA 12
Sean V , K , , un espacio vectorial, dimV n , S V ,
S s 1 , s 2 , , sn
Si S es generador de V , entonces S es una base de V .
DEMOSTRACION
Por contradicción
Se supone que S no es base de V ,
Si S no es base, entonces S es linealmente independiente (Teorema 9)
si S , que es combinación lineal de los restantes,
S1 S si
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
2. Si S1 es linealmente dependiente,
S 2 S1 Si 1
ÁLGEBRA LINEAL
116
ESPACIOS VECTORIALES
Si S 2 es linealmente independiente, es base y dim V n 2
Lo que contradice la suposición.
Por lo tanto S es base de V .
TEOREMA 13
Sean V , K , , un espacio vectorial, dim V n , S es un conjunto
de vectores linealmente independientes, entonces existe una base T
de V que contiene a S .
DEMOSTRACION
S s1 , s 2 ,, s j
TEOREMA 14
Sean V , K , , y W , K ,, espacios vectoriales de dimensión
finita, si W es subespacio vectorial de V , entonces se cumple que
dim W dim V
ÁLGEBRA LINEAL
117
ESPACIOS VECTORIALES
DEMOSTRACION
Si W es subespacio vectorial de V ,
W V , es decir,
W V W V
1. Si W V , dim W dim V
2. Si W V , u V t.q. u W ,
Una base de W tiene menor número de vectores que una base de V,
dim W dim V
Por lo tanto dim W dim V .
TEOREMA 15
Sea V , K , , un espacio vectorial. La intersección de cualquier
colección de subespacios vectoriales de V , es un subespacio
vectorial de V , es decir, si V1 , V2 , , Vn , son subespacios vectoriales
de V , entonces
n
W Vi , es subespacio vectorial de V .
i 1
DEMOSTRACION
1. 0v W
0v W
2. u, v W u v W
n
u Vi , u Vi , i 1,2,, n
i 1
n
v Vi , v Vi , i 1,2,..., n
i 1
n
u v Vi
i 1
u v W
ÁLGEBRA LINEAL
118
ESPACIOS VECTORIALES
3. K , u W .u W
n
u W , entonces u Vi
i 1
n
u Vi , entonces u Vi
i 1
n
u V , entonces αu W .
i 1
DEFINICIÓN
Sean V1 , V2 , , Vn subespacios vectoriales del espacio vectorial
V1 V2 Vn v v1 v2 vn v1 V1 , v2 V2 , , vn Vn
TEOREMA 16
Sean V , K , , un espacio vectorial, y W1 y W 2 subespacios
TEOREMA 17
Sean V , K , , un espacio vectorial, y W1 y W 2 subespacios
W1 W2 B1 B2
DEFINICIÓN
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
W1 W2 v V !v1 W1 !v2 W2 , v v1 v2
ÁLGEBRA LINEAL
119
ESPACIOS VECTORIALES
TEOREMA 18
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
vectoriales de dimensión finita de V .
U W1 W2 , si y sólo si U W1 W2 y W1 W2 0V .
DEMOSTRACION
u1 W 2 , v 2 W 2 v u 2 v 2
u1 v1 u 2 v 2
u1 u 2 v 2 v1
u1 u 2 W1 W2 0V
v1 v 2 W1 W2 0V
u1 u 2 0V
u1 u 2
v1 v 2 0V
v1 v 2
Por lo tanto u1 v1 son únicos.
Corolario
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios vectoriales de
dimensión finita de V , entonces
dimW1 W2 dim W1 dim W2
TEOREMA 19
Sean V , K , , un espacio vectorial, y W1 un subespacio vectorial
de V . entonces existe un subespacio (complemento) W 2 del espacio
ÁLGEBRA LINEAL
120
ESPACIOS VECTORIALES
DEMOSTRACION
1. W1 V
W2 0V
W1 W2 0V V W1 W 2 .
2. W1 V
S1 W1
S 2 v r 1 , , v r , donde v j S1 , j r 1,..., n
S 2 W2
W1 W2 0V
W1 W2 v1 , v 2 , , v r , v r 1 , , v n
S1 S 2 v1 , v 2 , , v r , v r 1 , , v n
W1 W2 V S1 S 2 V , entonces
V W1 W 2 .
Ejercicio
Sea W1 ax 3 bx 2 cx d P3 x a 2b c d b c subespacio vectorial de
TEOREMA 20
Sean W1 y W 2 subespacios vectoriales de dimensión finita de un
ÁLGEBRA LINEAL
121
ESPACIOS VECTORIALES
DEMOSTRACION
W1 W2 Ø
S1 S 2 tiene k m n vectores
S1 S 2 genera a W1 W2 (Definición)
P.D. S1 S 2 es linealmente independiente
k n m
iui i vi i wi 0v (1)
i 1 i 1 i 1
Reordenando
m k n
( i wi ) iui i vi W1
i 1 i 1 i 1
m
( w ) W
i 1
i i 2
( w ) W
i 1
i i 1 W2
m k
( i wi ) i ui
i 1 i 1
Reordenando
k m
i u1 i w1 0V
i 1 i 1
i 0, i 1,2, , m
i u1 i vi 0V
i 1 i 1
i 0, i 1,2, , k
ÁLGEBRA LINEAL
122
ESPACIOS VECTORIALES
i 0, i 1,2, , n
dim W1 dim W2 ( k n) ( k m)
dim W1 dim W2 ( k n m) k
TEOREMA 21
Sean W1 y W 2 subespacios vectoriales de dimensión finita de un
espacio vectorial V , K , , .
W2 W1 .
DEMOSTRACION
a) ""
Por contradicción
Se supone que:
W1 W2 W2 W1
u1 u1 W1 u1 W2
u 2 u 2 W2 u 2 W1
u1 W1 W1 W2
u 2 W2 W1 W2
u1 , u 2 W1 W2 que es subespacio vectorial
u1 u 2 W1 W2 , entonces
u1 u 2 W1 u1 u 2 W2
1. Si u1 u 2 W1
u1 W1 u1 W1
u1 u1 u 2 W1
u 2 W1
ÁLGEBRA LINEAL
123
ESPACIOS VECTORIALES
Lo que contradice la suposición.
2. Si u1 u 2 W2
u 2 W 2 u 2 W 2
u 2 u1 u 2 W 2
u1 W 2
Lo que contradice la suposición.
b) ""
W1 W2
W1 W2 que es subespacio vectorial
Por lo tanto
W1 W2 es subespacio vectorial de V si y sólo si W1 W2 W2 W1
CAMBIO DE BASE
En este apartado se estudia la relación entre dos vectores coordenadas para el mismo
vector, respecto a bases diferentes.
S s1, s 2 ,, s n
T t1 , t 2 , , t n
v V
v 1 s1 2 s 2 n s n (I)
v 1 t1 2 t 2 n t n (II)
ÁLGEBRA LINEAL
124
ESPACIOS VECTORIALES
s1 a11t1 a12 t 2 a1n t n (1)
s 2 a 21t1 a 22 t 2 a 2 n t n (2)
s n a n1t1 a n 2 t 2 a nn t n (n)
a11
a
s1 T 21
a
n1
a12
a 22
s 2 T
a
n2
a1n
a2n
s n T
a
nn
PS T S1 T S 2 T S n T
En forma desarrollada
ÁLGEBRA LINEAL
125
ESPACIOS VECTORIALES
Sustituyendo (1),(2),…,(n) en (I) e igualando a (II)
n (a n1t1 a n 2 t 2 a nn t n )
Reordenando
Escribiendo matricialmente
1 a11 a12 a1n 1
2 a 21 a 22 a2n 2
a a nn n
n n1 an2
O también
v T PS T v S
Similarmente
v S QT S v T
Ejemplo
Sean los conjuntos S y T bases ordenadas del espacio vectorial R 3 , tales que
ÁLGEBRA LINEAL
126
ESPACIOS VECTORIALES
u (6, ,3,3) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
2
u T 1
1
v ( 4, ,3,1) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
2
vT 1
1
w (5,2,2) 1( 2,0,1) 2(1,2,0) 1(1,1,1)
1
wT 2
1
La matriz requerida es
2 2 1
P 1 1 2
1 1 1
Resumen
En este capítulo se revela y se enseña una parte importante del Álgebra Lineal, ya que
se analiza la estructura de espacio vectorial, que es el ambiente de trabajo del que se
parte para la obtención de los resultados y desarrollos que se verán a continuación en los
siguientes temas.
Se comenzó reflexionando con vectores en el plano y en el espacio considerándolos
como segmentos de rectas orientados, junto con las posibles operaciones que pueden
realizarse entre ellos y sus propiedades. Una vez conocidos los espacios R 2 y R 3 como
conjuntos de vectores, se procedió a generalizar, en un proceso de abstracción, los
aspectos que los caracterizan, obteniéndose así la estructura de un espacio vectorial.
De la definición de subespacio vectorial W surge de manera inmediata el concepto de
conjunto generador, que permite definir, a partir de un número finito de vectores, todos
los elementos de W . Dentro de los conjuntos generadores interesan aquellos que
contienen el menor número de elementos y estos pueden encontrarse con ayuda de los
conceptos de dependencia e independencia lineales. Estos conjuntos generadores
“mínimos” se conocen como las bases de los espacios vectoriales y, el número de
elementos que las componen, la dimensión de los mismos.
ÁLGEBRA LINEAL
127
ESPACIOS VECTORIALES
PROBLEMAS PROPUESTOS
ESPACIOS VECTORIALES Y SUBESPACIOS
1. Sea R n el conjunto de n-uplas ordenadas (a1 , a 2 , , a n ) en el campo R , con la
k (a1 , a 2 , , a n ) (ka1 , ka 2 , , ka n )
ÁLGEBRA LINEAL
128
ESPACIOS VECTORIALES
ÁLGEBRA LINEAL
129
ESPACIOS VECTORIALES
3. El conjunto dado con las operaciones dadas no es un espacio vectorial. ¿Qué
propiedades de la definición no se satisfacen?
a) Los reales positivos sobre los reales con las operaciones + y .
b) El conjunto de las ternas ordenadas de números reales con las
operaciones:
( x, y , z ) ( x , , y , , z , ) ( x x , , y y , , z z , ) , y
r ( x, y, z ) ( x,1, z )
x
c) El conjunto de las matrices M 2x1 tal que , donde x 0 ,
y
con las operaciones usuales en R 3 .
ÁLGEBRA LINEAL
130
ESPACIOS VECTORIALES
4. Sea el espacio vectorial de M 3x1 .
a
2
a) W b a b c 1
2 2
c
a
b) W b a b 1
c
a
c) W b b a 2c
c
Determinar si W es subespacio vectorial de M 3 x1 .
ÁLGEBRA LINEAL
131
ESPACIOS VECTORIALES
5. Determinar si el conjunto W es subespacio vectorial de R 3 .
a)
W ( x, y , z ) e x y 0
b) W ( x, y, z ) y x z
c)
W ( x, y , z ) x z 2
d) W ( x, y, z ) x y 0 2 x z 0
e) W ( x, y, z ) x 2 y z 0
ÁLGEBRA LINEAL
132
ESPACIOS VECTORIALES
6. Determinar si el conjunto W es subespacio vectorial de P2 x
a)
W p( x) ax 2 bx c p(0) p(1) 1
b) W p( x) ax 2
bx c p' (0) p' ' (0) 0
b) W p ( x ) ax 2
bx c b c
c) W p( x) ax 2
bx c p(0) p' (1)
ÁLGEBRA LINEAL
133
ESPACIOS VECTORIALES
7. Sea el espacio vectorial V f : 1,1 R , W V .
Determinar cuáles de los siguientes conjuntos son subespacios vectoriales de V .
a) W f : 1,1 R f es contínua
b) W f : 1,1 R f es derivable
e) W f : 1,1 R f (0) 1
2
f) W f : 1,1 R f 12 0
ÁLGEBRA LINEAL
134
ESPACIOS VECTORIALES
COMBINACIONES LINEALES Y CONJUNTOS GENERADORES
1. Dado el espacio vectorial R 2 . Expresar vector u (1 2) como combinación
lineal de T cuando es posible.
a) T ( 2,1)
b) T (2,1), (1,2)
c) T (3,1), (1, 13 )
ÁLGEBRA LINEAL
135
ESPACIOS VECTORIALES
2. Escribir si es posible el vector u (1,1,4) R 3 como combinación lineal los
vectores de R 3
a) (1,1,2),((0,0,1)
b) (2,-2,0),(-1,1,2)
c) (3,0,-2),(2,-1,1)
d) (1,1,0),(1,0,1),(0,1,1)
ÁLGEBRA LINEAL
136
ESPACIOS VECTORIALES
3. Determinar si el conjunto de vectores dado genera al espacio vectorial indicado.
a) S (1,1), ( 2,3) . En R 2 .
1 1
c) S 2 , 2 . En M 3x1 .
3 3
d)
S 1 x,3 x 2 , x 2 x 1 . En P2 x .
1 0 1 2 4 1 2 5
e) S , , , . En M 2 x 2 .
1 0 0 0 3 0 6 0
ÁLGEBRA LINEAL
137
ESPACIOS VECTORIALES
4. Hallar la cápsula de S en el espacio vectorial dado.
a) S (1,2,1,2), (0,1,2,3. En R 4 .
b)
S 1 t , 1 t . En P2 t .
2
1
S 2 . En M 3 1 .
x
c)
3
ÁLGEBRA LINEAL
138
ESPACIOS VECTORIALES
5. ¿Para qué valor de el vector (2,2,0) pertenece a la cápsula formada por el
conjunto de vectores B (1,1,1), (3, ,0)?
1 1 1 0 0 1
6. Dado el conjunto de matrices S , ,
0 0 0 1 1 1
a) Calcular S .
b) Encontrar una base para S .
ÁLGEBRA LINEAL
139
ESPACIOS VECTORIALES
1 1
7. Sea el conjunto S 1 , 0 del espacio vectorial M 3x1 .
0 1
a) Hallar S .
1
b) Probar que la matriz F 2 pertenece a S .
3
c) Demostrar que S es subespacio vectorial de M 3x1 .
ÁLGEBRA LINEAL
140
ESPACIOS VECTORIALES
8. En el espacio vectorial indicado determinar el valor de para que el conjunto
de vectores dado sea linealmente independiente y linealmente dependiente.
a) T (1,1,1), (1, 2,0), (4,3 ,4). En R 3 .
1 0 1
b) T 1, 1 , 0 . En M 3x1 .
1 1
c)
S 1 x x 2 , 1 x x 2 , x x 2 . En P2 x .
ÁLGEBRA LINEAL
141
ESPACIOS VECTORIALES
9. Hallar un conjunto linealmente independiente en P2 x que contenga a los
ÁLGEBRA LINEAL
142
ESPACIOS VECTORIALES
11. En el espacio vectorial R 3 demostrar que los vectores 1, a, a 2 , 1, b, b 2 , 1, c, c 2
son linealmente independientes si a b, a c y b c .
ÁLGEBRA LINEAL
143
ESPACIOS VECTORIALES
12. Cuáles de los siguientes conjuntos de R 3 son linealmente dependientes? Para los
que lo sean expresar uno de los vectores como combinación lineal de los
restantes (relación de dependencia).
a) (1,1,0), (3,4,2
b) (1,10), (0,1,1), (1,0,1), (1,2,2)
c) (1,1,0), (0,2,3), (1,2,3), (0,0,0)
ÁLGEBRA LINEAL
144
ESPACIOS VECTORIALES
13. Considerar el espacio vectorial P2 t . Hacer lo mismo que en ejercicio 12.
a) t 2 1, t 2, t 3
b) 2t 2 t, t 2 3, t
c) 2t 2 t 1,3t 2 t 5, t 13
ÁLGEBRA LINEAL
145
ESPACIOS VECTORIALES
14. Sea el espacio vectorial de las funciones continuas de valor real. Hacer lo mismo
que en el ejercicio 12.
a) cos t , sent , e
t
b) t , e , sent
t
ÁLGEBRA LINEAL
146
ESPACIOS VECTORIALES
BASES Y DIMENSION
1. Cuáles de los siguientes conjuntos forman una base en R 3 ? Expresar el vector
u ( 2,1,1) como una combinación lineal de los vectores del conjunto que
sea base.
a) (1,1,1), (1,2,3), (0,1,0)
b) (1,0,2), (2,1,3), (2,0,4)
c) (1,1,3), (1,0,1), (1,1,0), (1 1,1)
ÁLGEBRA LINEAL
147
ESPACIOS VECTORIALES
2. Hallar una base de R 3 que incluya a:
a) El vector (1,0,2)
b) Los vectores (1,0,2) , (0,1,3).
ÁLGEBRA LINEAL
148
ESPACIOS VECTORIALES
1 1 0 1
4. Sean las matrices A y B
1 0 1 1
a b
a) Determinar las matrices M , tales que AM MB
c d
b) Demostrar que las matrices M forman un subespacio vectorial de M 2x2
c) Escribir una base de este subespacio vectorial.
d) Determinar la dimensión de este subespacio vectorial.
ÁLGEBRA LINEAL
149
ESPACIOS VECTORIALES
1 1
5. Sea la matriz A
1 1
a b
a) Determinar las matrices M tales que AM O .
c d
b) Demostrar que las matrices M forman un subespacio vectorial de M 2x2
c) Escribir una base de este subespacio vectorial.
d) Determinar la dimensión de este subespacio vectorial.
ÁLGEBRA LINEAL
150
ESPACIOS VECTORIALES
6. Sea W el conjunto de las matrices simétricas de orden 2.
a) Demostrar que W es subespacio vectorial de M 2x 2 .
b) Hallar una base y determinar la dimensión de W .
ÁLGEBRA LINEAL
151
ESPACIOS VECTORIALES
7. Sea el conjunto W del espacio vectorial P2 t
W p (t ) at 2 bt c p (t ) p (1 t )
ÁLGEBRA LINEAL
152
ESPACIOS VECTORIALES
8. Sea el conjunto W del espacio vectorial P2 x
a b c 0
W p ( x ) ax 2 bx c b c 0
2a b c 0
a) Demostrar que W es subespacio vectorial de P2 x .
b) Encontrar una base y la dimensión de W .
ÁLGEBRA LINEAL
153
ESPACIOS VECTORIALES
9. Sea el conjunto W del espacio vectorial M 2x 2
a b a b c 0
W
c d a c d 0
ÁLGEBRA LINEAL
154
ESPACIOS VECTORIALES
10. Dado el subespacio vectorial de P3 x
W p ( x ) ax 3 bx 2 cx d abc
a) Determinar una base B1 de W y su dimensión.
b) ¿El polinomio p( x) x 1 W ?
c) A partir de B1 , completar una base B2 para el espacio vectorial P3 x .
ÁLGEBRA LINEAL
155
ESPACIOS VECTORIALES
11. Sean bases ordenadas de P2 t
B t 2 t 1, t 2,1 , C t 2 , t ,1
a) Hallar p (t ) B si p(t ) t 2t 1
2
1
b) Encontrar p (t ) C si p (t ) B 1
3
ÁLGEBRA LINEAL
156
ESPACIOS VECTORIALES
12. Dados W1 y W 2 los subespacios vectoriales de R 4
a b c 0 a b c d 0
W1 (a, b, c, d ) y W2 (a, b, c, d )
a b d 0 2a c d 0
a) Determinar W1 W2 .
ÁLGEBRA LINEAL
157
ESPACIOS VECTORIALES
13. Dado W1 un subespacio vectorial de R 3 .
W1 (1,2,3), (01,1
a) Hallar W1 explícitamente.
b) Hallar un subespacio vectorial W2 tal que W1 W2 R 3 .
ÁLGEBRA LINEAL
158
ESPACIOS VECTORIALES
14. Sean W1 y W2 subespacios vectoriales de R 2 .
W1 ( x, y ) 2 x 3 y 0
W 2 ( x, y ) 5 x 4 y 0
a) Hallar W1 W2 , W1 W2 y W1 W2 .
b) Establecer si W1 W2 es subespacio vectorial de R 2 .
c) Determinar si R 2 W1 W2 .
ÁLGEBRA LINEAL
159
ESPACIOS VECTORIALES
15. Dados W1 , W2 y W3 subespacios vectoriales de R 3 .
W1 ( x, y , z ) x y z 0
W 2 ( x, y , z ) x z
W3 ( x, y , z ) x 0 y 0
ÁLGEBRA LINEAL
160
ESPACIOS VECTORIALES
16. Dados W1 yW2 subespacios vectoriales de R 3
W1 ( x, y , z ) x y 0
W2 ( x, y , z ) y z 0
a) Calcular W1 W2 , W1 W2 y W1 W2 .
b) Determinar cuáles de los subconjuntos anteriores son subespacios
vectoriales de R 3 .
c) Comprobar si se verifica que R 3 W1 W2 .
ÁLGEBRA LINEAL
161
ESPACIOS VECTORIALES
17. Dados los sistemas de ecuaciones lineales
x yzw0
x 2 y 4 z 2w 0
2 z y 3 z w 0
x y zw0
2 z 2w 0
ÁLGEBRA LINEAL
162
ESPACIOS VECTORIALES
18. Dados los sistemas de ecuaciones lineales
x y z w 0
a b c 0 x 2z w 0 x y 3z w 0
x 2 y 4 z 4w 0
ÁLGEBRA LINEAL
163
PRODUCTO INTERNO
Capítulo 5
PRODUCTO INTERNO
DEFINICIÓN
Sean (V , K ,,) un espacio vectorial, un producto interno sobre V ,
es una función que asigna a cada par de vectores u, v V , un escalar
(u, v) K y cumple que:
1. u, v V (u, v) (v, u )
2. u V (u , u ) 0 u 0V u 0V
EJEMPLOS
1. Sea ( R n , R,,.) u , v R n
u a1 , a 2 , , a n
v b1 , b2 , , bn
n
(u, v) a1b1 a2b2 anbn ai bi Producto interno usual en Rn
i 1
2. Sea (C n , C ,,.) u , v C n
u z1 , z 2 , , z n
v w1 , w2 , , wn
n
(u, v) z1 w1 z 2 w 2 z n w n z i w i Producto interno usual en C n
i 1
ÁLGEBRA LINEAL
164
PRODUCTO INTERNO
3. Sea M n , R,. A, B M n
4. Sea M n , C ,. A, B M n
p ( x ) a0 a1x an x n
q ( x ) b0 b1x bn x n
NORMA DE UN VECTOR
Sea el espacio vectorial (V , K ,,)
u V
u (u , u )
Terminología
u se lee: “norma de u ”.
ÁLGEBRA LINEAL
165
PRODUCTO INTERNO
Observación. Al referirse a los espacios euclidianos R, R 2 , R 3 , la norma, es un número
real que representa la distancia entre el origen y el extremo del vector.
TEOREMAS
Sea (V , K ,,) un espacio vectorial definido con producto interno.
1. Si u 0V , u 0
2. Si u 0V , u 0
u u
3.
(u , v) u v Desigualdad de Cauchy-Schwartz
4.
uv u v Desigualdad triangular
5.
DEMOSTRACIONES
1. Si u 0V , u 0
Si u 0V , (u, u ) 0
Si (u, u ) 0 , (u , u ) 0
Si (u , u ) 0 , u 0
3. u u
u u
( u , u )
2 ( u, u )
2 (u, u )
(u, u )
u
5. uv u v
uv
2
u v, u v
2
ÁLGEBRA LINEAL
166
PRODUCTO INTERNO
u 2 Re(u, v) v
2 21
u 2 (u, v) v
2 2
u 2u v v
2 2
u v
2
Por lo tanto:
uv u v
TEOREMA 6
Sea (V , K ,,) un espacio vectorial definido con producto interno,
u , v V , u 0V , v 0V K R
DEMOSTRACION
uv u v 2 u v cos
2 2 2
(1)
uv (u v, u v)
2
u 2(u, v) v
2 2
(2)
1
Re( z ) z
Re(u , v ) (u , v ) u v , (Teorema 4)
z z 2 Re( z )
ÁLGEBRA LINEAL
167
PRODUCTO INTERNO
u v 2 u v cos u 2(u, v) v
2 2 2 2
Simplificando:
u v cos (u , v) 2
VECTORES ORTOGONALES
Sea (V , K ,,) un espacio vectorial definido con producto interno, u, v V , u y v son
ortogonales si y solamente sí su producto interno es igual a cero, es decir,
(u , v)
cos 0
u v
Observación.
El vector nulo se considera ortogonal a todo vector v V .
PROYECCIÓN ORTOGONAL
El vector w es la proyección ortogonal de v sobre u si y solamente si (v w, w) 0 .
CÁLCULO DE w
Según la figura anterior:
w es paralelo a u , entonces
w u (1)
(v w, w) 0 , pues v w es ortogonal a w .
ÁLGEBRA LINEAL
168
PRODUCTO INTERNO
(v u , u ) 0
(v, u ) (u, u ) 0
(v, u )
(2)
(u , u )
Sustituyendo (2) en (1)
u
w ( v, u ) 2
u
CONJUNTO ORTOGONAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V .
T es un conjunto ortogonal si y solamente sí:
u, v T , (u v) (v, u ) 0
Ejemplo
Sea T R 3
T (1,0,0), (0,2,0), (0,0,1) es ortogonal.
TEOREMA 7
Sea (V , K ,,) un espacio vectorial con producto interno, T V
Si T es ortogonal, entonces es linealmente independiente.
DEMOSTRACION
Sea T t1 , t 2 , , t n conjunto ortogonal
1 t1 2 t 2 n t n 0 V
(0 V , t i ) 0 , donde 1 i n
( 1t1 2 t 2 n t n , t i ) 0
i (t i , t i ) 0
i 0
ÁLGEBRA LINEAL
169
PRODUCTO INTERNO
Si i 0 , entonces T es linealmente independiente.
Corolario
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
conjunto ortogonal, entonces se cumple que si T tiene n vectores, T es base ortogonal
de V.
VECTOR UNITARIO
Sea u V . Se dice que u es un vector unitario si su norma es igual a 1.
NORMALIZACIÓN DE UN VECTOR
Sea u V
u
1
u
CONJUNTO ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
ortogonal, entonces se cumple que: Si u V es unitario, entonces T es ortonormal.
BASE ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , entonces
Si T es conjunto ortonormal y es base de V , entonces T es base ortonormal de V.
Ejemplos
1. Sea el conjunto T R 2
2. Sea el conjunto T R 3
ÁLGEBRA LINEAL
170
PRODUCTO INTERNO
DEMOSTRACION
1. DimW 2
A partir de S s1 , s 2 , se construye una base T t t ,t 2 ortogonal.
Si s1 t1
t 2 1 s1 2 s 2 (1)
(t 2 , s1 ) ( 1 s1 2 s 2 , t1 )
( 1t1 2 s 2 , t1 )
t2 ,t1 1 (t1 , t1 ) 2 ( s 2 , t1 )
0
0 1 (t1 , t1 ) 2 ( s 2 , t1 )
( s 2, t1 )
1 2 (2)
(t1 , t1 )
Sustituyendo (2) en (1)
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
2. DimW 3
Se repite el proceso anterior
A partir de S s1 , s 2 , s3 , se construye una base T t t , t 2 , t 3 ortogonal
t 3 1 t1 2 t 2 3 s 3 (1)
(t 3 , t1 ) ( 1t1 2 t 2 3 s3 , t1 )
ÁLGEBRA LINEAL
171
PRODUCTO INTERNO
0 1 t1 , t1 2 t2 , t1 3 s3 , t1 ,
0
de donde:
( s 3 , t1 )
1 3 (2)
(t1 , t1 )
(t 3 , t 2 ) ( 1t1 2 t 2 3 s3 , t 2 )
( s3 , t 2 )
2 3 (3)
(t 2 , t 2 )
Sustituyendo (2) y (3) en (1)
(s , t ) (s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 ) (t1, t1 )
PRODUCTO CRUZ EN R3
Sean u, v R 3 tales que u a1 , a 2 , a3 y v (b1 , b2 , b3 ) , el producto cruz entre u y v
se define por:
a2b3 a3b2
uxv a3b1 a1b3
ab a b
1 2 2 1
ÁLGEBRA LINEAL
172
PRODUCTO INTERNO
Ejemplo
Sea el espacio vectorial R 4 . S R 4 . S s1 , s2 , s3 base de R 4 .
Primero se considera t1 s1
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
2
t 2 2 (1,1,1,1) (1,1,1,1)
4
1
t 2 2 (1,1,1,1) (1,1,1,1)
2
2 2
2
t 2 2(1,1,1,1) (1,1,1,1) (3,1,1,1)
4
(s , t ) (s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 ) (t1, t1)
2 2
t 3 3 (1,1,1,1) (3,1,1 1) (1,1,1,1)
12 4
1 1
t 3 3 (1,1,1,1) (3,1,1 1) (1,1,1,1)
6 2
6
2
4
6 1 1
t3 (1,1,1,1) (3,1,1 1) (1,1,1,1)
4 6 2
t 3 (0,1,1,2)
t1 4 t 2 12 2 3 t3 6
1 1 1
T* (1,1,1,1), (3,1,1,1), (0,1,1,2 es base ortonormal.
4 2 3 6
ÁLGEBRA LINEAL
173
PRODUCTO INTERNO
DEFINICIÓN
Sean (V , K ,,) un espacio vectorial definido con producto interno
y W un subespacio vectorial de V . Un vector de V es ortogonal al
subespacio vectorial W si es ortogonal a cada uno de los elementos
de W .
Ejemplo
Sea el espacio vectorial R 3 .
a) Hallar el conjunto W de todos los vectores ortogonales a u 5,3 2 .
b) Demostrar W que es subespacio vectorial de V .
c) Hallar una base de W y su dimensión.
Solución:
a)
W v x, y, z R3 : v, u 0
v, u 5 x 3 y 2 z 0
2
W v x, y, z R3 : x y z
3
5 5
b) i. 0 W
R3
r,0 0
R3
ii. R, v, w W | v w W
u , v w u , v u , w
u , v w u , v u , w
u , v w 0
Por i. y ii. W es subespaio vectorial de R 3 .
c) Cálculo de una base de W :
3 2
v y z , y, z
5 5
3 2
v y ,1,0 z ,0,1
5 5
B 3,5,0 , 2,0,5 es base de W
Dim W 2
ÁLGEBRA LINEAL
174
PRODUCTO INTERNO
DEFINICIÓN
Sean (V , K ,,) un espacio vectorial definido con producto interno
y W un subespacio vectorial de V . El subespacio ortogonal de V
notado por W ┴ se define por:
W ┴ u V : w W , u, w 0
Ejemplo
Sea el espacio vectorial R 4 . W R 4
W u x, y, z, w R 4 : x y 3z w 0
a) Hallar W ┴.
b) Demostrar que R 4 W W ┴.
Solución:
a) u y 3 z w , y , z , w
B es base de W
W ┴ v x' , y' , z ' , w' R 4 : v, u 0
W ┴ se obtiene de : v, u1 0 , v, u2 0 , v, u3 0
De donde
x' y ' 0 y ' x'
3 x' z ' 0 z ' 3 x'
x' w' 0 w' x'
W ┴ v x' , y' , z ' , w' R 4 : y' x' , z ' 3x' , w' x`'
ó también: v x ' , x ' ,3 x ' , x ' x ' 1,1,3,1
W ┴ 1,1,3,1
b) Se deja como ejercicio.
ÁLGEBRA LINEAL
175
PRODUCTO INTERNO
PROBLEMAS PROPUESTOS
1. Sea el espacio vectorial P1 t , p (t ), q (t ) P1 t , tales que p (t ) a1t a0 y
producto interno en P1 t .
ÁLGEBRA LINEAL
176
PRODUCTO INTERNO
interno en R3 .
ÁLGEBRA LINEAL
177
PRODUCTO INTERNO
3. Sea el espacio vectorial S de las matrices simétricas de orden 2.
a) Demostrar que A, B Tr ( AB ) define un producto interno en S .
1 3 0 8 2 1
b) Sean las matrices A , B , C
3 4 8 0 1 3
Hallar ( A, B ), ( B, C ), ( 4 A 5C , B ), A , B C
ÁLGEBRA LINEAL
178
PRODUCTO INTERNO
4. Sea V un espacio vectorial definido con producto interno, probar que u, v V ,
ÁLGEBRA LINEAL
179
PRODUCTO INTERNO
6. En el espacio vectorial R 2 , determinar:
a) x , tal que (3,2) y (1, x +2) sean ortogonales.
b) t , tal que u (t ) (1 t ,2t 2) sea unitario, t R .
ÁLGEBRA LINEAL
180
PRODUCTO INTERNO
8. Dada la base B del espacio euclidiano R 3
B (1,01), (0,1,1), (1,1,0)
Utilizar el proceso de Gram-Schmidt para obtener, una base ortonormal.
ÁLGEBRA LINEAL
181
PRODUCTO INTERNO
9. Dada la base B del espacio euclidiano R 3
B (1,01), (0,1,11), (0,0,1)
Utilizar el proceso de Gram-Schmidt para obtener, una base ortonormal.
ÁLGEBRA LINEAL
182
PRODUCTO INTERNO
10. Sea W subespacio vectorial de las funciones reales, tal que
W f : 1,1 R f contínua
S W , un conjunto linealmente independiente, donde S 1, t , t 2 . A partir
1
de S encontrar un conjunto ortonormal de W , si f , g f (t ).g (t ).dt , define
1
un producto interno en el espacio vectorial de las funciones reales en el intervalo
dado.
ÁLGEBRA LINEAL
183
PRODUCTO INTERNO
a) W ( x, y , z ) 2 x y 2 z 0
b) W ( x, y , z ) x 2 y z 0
c) W (1,1,1), (1,2,3)
ÁLGEBRA LINEAL
184
PRODUCTO INTERNO
12. Sea W subespacio vectorial del espacio vectorial R 3
W ( a, b, c ) a b c 0
ÁLGEBRA LINEAL
185
PRODUCTO INTERNO
14. Sean W1 y W2 dos subespacios vectoriales del espacio vectorial M 2 x 2 , R,,
a b a b a 2b c d 0
W1 a b 2c 0 , y W2
c d c d b 3c d 0
a) Calcular W1 W2 , una base y su dimensión.
b) Calcular una base ortogonal para W1 W2 , usando el producto interno
A, B Tr A.B t .
ÁLGEBRA LINEAL
186
PRODUCTO INTERNO
15. Si W p ( x ) P2 x p ( x ) p ( x 1) un subespacio vectorial de P2 x con el
ÁLGEBRA LINEAL
187
PRODUCTO INTERNO
16. Sea la matriz A del espacio vectorial del problema 3.
1 2
A
2 3
Hallar el conjunto complemento ortogonal de A , esto es, A ┴.
ÁLGEBRA LINEAL
188
PRODUCTO INTERNO
ÁLGEBRA LINEAL
189
TRANSFORMACIONES LINEALES
Capítulo 6
TRANSFORMACIONES LINEALES
DEFINICIÓN
Sean V y W dos espacios vectoriales definidos sobre el mismo
campo. Una función L de V en W que asigna a cada vector v V ,
un vector L(v) W es una transformación lineal, si y sólo si,
1. L (v i v j ) L (v i ) L (v j )
2. L(vi ) L(vi )
Gráficamente:
Notación
espacio vectorial W .
Terminología
A las transformaciones lineales suele llamárseles operadores o aplicaciones lineales.
ÁLGEBRA LINEAL
190
TRANSFORMACIONES LINEALES
TEOREMA 1
Sea L : V W una transformación lineal, entonces se cumple que:
1. L (0 V ) 0 W
DEMOSTRACION
1. L( vi ) L(vi )
0
vi 0V
L (0 V ) 0 W
L(vi ) L(1v j )
L (v i ) L (v j )
NÚCLEO
Sea L : V W una transformación lineal, entonces el núcleo de L , notado por N (L) ,
es el subconjunto de V , que contiene todos los elementos v V , tales que sus imágenes
son iguales al vector nulo de W . Así:
N ( L) v V | L(v) 0W
TEOREMA 2
Sea L : V W una transformación lineal, entonces se cumple que:
El núcleo de L es un subespacio vectorial de V .
ÁLGEBRA LINEAL
191
TRANSFORMACIONES LINEALES
DEMOSTRACION
1. 0V N ( L )
L (0 V ) 0 W
0V N ( L )
2. K , vi , v j N ( L) vi v j N (L)
0W
Gráficamente:
V W
L
N (L)
IMAGEN
Sea L : V W una transformación lineal, entonces la imagen de L , notada por Im(L) ,
es el subconjunto de W , que contiene todos los elementos wW , que son imágenes de
vectores v V debidas a la transformación L . Así:
Im(L) w W v V , L(v) w
Se debe destacar que las definiciones de núcleo e imagen son muy importantes en el
estudio de las transformaciones lineales.
ÁLGEBRA LINEAL
192
TRANSFORMACIONES LINEALES
TEOREMA 3
Sea L : V W una transformación lineal, entonces se cumple que:
La imagen de L es un subespacio vectorial de W .
DEMOSTRACION
1. 0W Im(L)
L (0 V ) 0 W
0W Im(L)
L(vi ) wi (1)
L (v j ) w j
L (v j ) w j (2)
wi w j Im(L)
Gráficamente:
ÁLGEBRA LINEAL
193
TRANSFORMACIONES LINEALES
TEOREMA 4
Una transformación lineal queda totalmente determinada si se conocen
las imágenes de los elementos de la base del espacio de salida.
Sea L : V W una transformación lineal, dim V n
S n v1 , v 2 , , v n , una base de V tal que vi V
DEMOSTRACION
Si S n es base de V y vi V
vi 1v1 2 v 2 n v n
Aplicando el operador lineal L a los dos miembros
L(vi ) 1 L(v1 ) 2 L(v 2 ) n L(v n )
TEOREMA 5
Sea L : V W una transformación lineal, dim V n
dim V dim N ( L) dim Im(L)
DEMOSTRACION
Sea S v1 , v 2 , , v k , una base de N (L) , donde: 1 k n
Se puede extender este conjunto hasta una base de V . Asi:
S v1 , v 2 , , v k , v k 1 , , v n
Sus imágenes son:
L(v1 ), L(v2 ), , L(vk ), L(vk 1 ), , L(vn )
0W
ÁLGEBRA LINEAL
194
TRANSFORMACIONES LINEALES
1. T genera Im(L)
Sea wi W tal que vi V
L(vi ) wi
vi 1v1 2 v 2 k v k k 1v k 1 n v n
L( k 1v k 1 n v n ) 0W
k 1v k 1 n v n N ( L)
k 1v k 1 n v n 1v1 2 v 2 k v k
1v1 2 v 2 k v k k 1v k 1 n v n 0V
i i 0
T es linealmente independiente.
Por las partes 1. y 2. T es base de Im(L)
dim Im(L) n k
Por lo tanto:
dim V dim N ( L) dim Im(L)
v1 v j L (v i ) L (v j ) , ó
L (v i ) L (v j ) v i v j
2. L es sobreyectiva si y sólo si L (V ) W ó
dim Im( L ) dim W
3. L es biyectiva si y sólo si L es inyectiva y es sobreyectiva.
ÁLGEBRA LINEAL
195
TRANSFORMACIONES LINEALES
TEOREMA 6
Sea L : V W una transformación lineal.
L es inyectiva si y sólo si N ( L) 0V
DEMOSTRACION
1. Si L es inyectiva, entonces N ( L) 0V
Por contradicción:
Se supone que
N ( L) 0V
L (v ) L (0 V )
v 0V
N ( L) 0V
L (v j ) L (v j ) (2)
L (v j v j ) 0W
v j v j 0V
vj vj
Corolario 2
Sea L : V W una transformación lineal.
L biyectiva si: 1. dim N ( L) 0
2. dim Im(L) dim(W )
Corolario 3
Sea L : V W una transformación lineal, dim V dim W . Las siguientes proposiciones
son lógicamente equivalentes:
L es biyectiva L es sobre L es inyectiva dimN ( L) 0 dim Im(L) dim(W )
Gráficamente:
IGUALDAD
L i , L j L (V ,W )
ÁLGEBRA LINEAL
197
TRANSFORMACIONES LINEALES
OPERACIONES CON TRANFORMACIONES LINEALES
SUMA
L i , L j L (V ,W ) ( Li L j )(v) Li (v) L j (v)
TEOREMA 7
L i , L j L (V ,W ) se cumple que:
Li L j L (V ,W )
DEMOSTRACION
Sean Li , L j L (V ,W )
Sea vi V
Li (vi ) wi
L j (vi ) wi,
Considerando que
Li , L j L (V ,W )
wi , wi, W ,
wi wi,
Por lo tanto Li L j L (V ,W ) .
ÁLGEBRA LINEAL
198
TRANSFORMACIONES LINEALES
TEOREMA 8
K, L i L (V ,W ) se cumple que:
Li L (V ,W )
TEOREMA 9
L (V ,W ) definido sobre el campo K , con las operaciones de suma y
producto es un espacio vectorial ( L (V ,W ) , K ,,) .
DEMOSTRACION
Como ejemplo se demuestra el axioma de asociatividad:
Li , L j , Lk L (V ,W ) ( Li L j ) Lk Li ( L j Lk )
( Li L j ) Lk (v) ( Li L j ) Lk (v)
( Li L j )(v) L j (v)
Li (v) ( L j )(v) L j (v)
Li (v) ( Li L j )(v)
Li ( L j Lk )
ÁLGEBRA LINEAL
199
TRANSFORMACIONES LINEALES
Terminología
Li oL j se lee: “ Li compuesta L j ”
TEOREMA 10
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
Li oL j L (V , Z )
DEMOSTRACION
( Li oL j )(v) ( Li oL j )(v)
Li ( L j (v))
Li (w)
z , zZ
Por lo tanto:
Li oL j L (V , Z )
ÁLGEBRA LINEAL
200
TRANSFORMACIONES LINEALES
TEOREMA 11
Li L (V ,W ) , Lm , Lk L (W , Z ) , se cumple que:
TEOREMA 12
Li , L j L (V ,W ) , Lk L (W , Z ) , se cumple que:
Lk o( Li L j ) Lk oLi Lk oL j
TEOREMA 13
K , L j L (V ,W ) , Li L (W , Z ) , se cumple que:
1. 1.
Li oL j Li oL j
2. 2. Li oL j Li o L j
3.
TEOREMA 14
Lk L (V ,W ) , L j L (W , Z ) , Li L ( Z ,U ) , se cumple que:
Li o( L j oLk ) ( Li oL j )oLk
ÁLGEBRA LINEAL
201
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES INVERTIBLES
Sea Li L (V ,W ) , Li es invertible si existe una transformación L j : W V , tal que:
Li oL j I W y L j oLi I V .
Gráficamente:
L j Li 1
Li oL1
i IW
L1
i oLi I V
ÁLGEBRA LINEAL
202
TRANSFORMACIONES LINEALES
TEOREMA 15
Sea L una transformación lineal invertible de V en W , entonces:
1. v V : L1 ( L(v)) v
2. w W : L ( L1 ( w)) w
DEMOSTRACION
1. ( L1oL)(v) ( L1oL)(v)
L1 ( L(v))
L1 ( w)
w
2. ( LoL1 )( w) ( LoL1 )( w)
L( L1 ( w))
L(v)
w
TEOREMA 16
Sea L L (V ,W ) , si L es invertible, entonces
DEMOSTRACION
P.D. L1 ( L(vi ) L(v j )) L1 (( L(vi )) L1 ( L(v j ))
L(vi ), L(v j ) W
L1 ( L((vi v j ))
ÁLGEBRA LINEAL
203
TRANSFORMACIONES LINEALES
v i v j (Teorema 15)
TEOREMA 17
Sea la transformación lineal L L (V ,W ) ,
L es invertible si y solamente sí L es biyectiva.
DEMOSTRACION
a) L es inyectiva
Sean vi , v j V
Se supone que:
L (v i ) L (v j )
vi v j
L es inyectiva
b) L es sobreyectiva
Sea L L (W ,V ) ,
w W , v V : L1 ( w) v
L (v ) w (1)
ÁLGEBRA LINEAL
204
TRANSFORMACIONES LINEALES
w W , v V H ( w) v (2)
De (1)
H ( L(v)) H ( w)
H ( L(v)) v
HoL(v) v
HoL I V (3)
De (2)
L( H ( w)) L(v)
De (1)
L( H ( w)) w
( LoH )( w) w
LoH I W (4)
x1
x
L( X ) AX , donde X 2
x
n
Recíprocamente a toda matriz A se le puede asociar con una transformación lineal
L :V W .
ÁLGEBRA LINEAL
205
TRANSFORMACIONES LINEALES
TEOREMA 18
Sea L una transformación lineal, dim V n, dim W m .
coordenadas L(v j ) de L(v j ) , 1 j n .
Bl
DEMOSTRACION
1. Existencia
Sea v V
v es combinación lineal de Bs
v 1v1 2 v 2 n v n (1)
1
vBs 2 (2)
n
L(v) W
L(v) es combinación lineal de Bl
L(v) 1 w1 2 w2 n wm (3)
1
L(v)Bl 2 (4)
m
De (3)
m
L(v) i wi (5)
i 1
ÁLGEBRA LINEAL
206
TRANSFORMACIONES LINEALES
n
L (v ) i v j (6)
j 1
L (v j ) W
L(v j ) a1 j w1 a 2 j w2 a nj wm
a1 j
L(v )j Bl
a2 j
a
mj
m
L(v j ) aij wi (7)
i 1
m n
L(v) aij j wi (8)
i 1 j 1
Igualando (8) y ((5)
m m n
w
i i aij j wi
i 1 i 1 j 1
Se cumple la igualdad anterior si
n
i a ij j
j 1
Desarrollando
i ai1 1 ai 2 2 ain n
También
2 a 21 1 a 22 2 a 2 n n
m a m 1 a m 2 2 a m n
ÁLGEBRA LINEAL
207
TRANSFORMACIONES LINEALES
Escribiendo matricialmente
L(v)Bl A vBs
2. Unicidad
Por contradicción
Se supone que A no es única, entonces
A ' tal que A ' A
L(v)Bl A ' v Bs (1)
Imagen de L :
Av w
Núcleo de L :
Av O
ÁLGEBRA LINEAL
208
TRANSFORMACIONES LINEALES
Observaciones
1. Dim Im(L) Rango de L = Rango de A
Rango es el número de filas no nulas de una matriz escalonada.
2. DimN ( L) n Rango de A .
TEOREMA 19
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
L oL
i
B1
j B3
B2
Li B 3 . L j
B1
B2
ÁLGEBRA LINEAL
209
TRANSFORMACIONES LINEALES
DEMOSTRACION
( L oL (v)
i
j B3
( Li oL j (v) B3
= L ( L (v) i j B3
L L (v)
B2
i B3 j B2
(Teorema 18)
L oL v L .L
i
B1
j B3 B1
B2
i B3
B1
j B2
L oL L .L
i
B1
j B3
B2
i B3
B1
j B2
SEMEJANZA DE MATRICES
TEOREMA 20
Sea L : V W una transformación lineal, dimV n y la dimW m .
B QT1'T . A. PS ' S
DEMOSTRACION
S s1 , s 2 , .s n
S ' s1' , s 2' ,.s n'
T t1 , t 2 , .t n
T ' t1' , t 2' ,.t n'
s S Ps S ' (1)
t T Qt T ' (2)
Si A LT , entonces
S
ÁLGEBRA LINEAL
210
TRANSFORMACIONES LINEALES
L( s)T As S (Teorema 18) (3)
L( s ) t (4)
Sustituyendo (4) en (2)
L( s)T Qt T ' (5)
Igualando (5) y (3)
QL( s )T ' As S (6)
Sustituyendo (1) en (6)
QL( s )T ' APs S ' (7)
LTS
'
' Q 1 AP
Gráficamente:
S
A L
vi S
T L(vi ) T
P Q
S'
B L
vi S ' '
T L(vi ) T '
ÁLGEBRA LINEAL
211
TRANSFORMACIONES LINEALES
P y Q son las matrices de cambio de base de S ' a S y de T ' a T respectivamente.
Entonces se pueden considerar:
Además:
Corolario
Sea L : V V una transformación lineal y sean S , S ' bases ordenadas de V con matriz
B P S 1' S . A. P S ' S
DEFINICIÓN
Sean las matrices A, B M n xn , B es semejante a A si existe una
TEOREMA 21
Sean L : V W una transformación lineal y A, B M mxn . Las
ÁLGEBRA LINEAL
212
TRANSFORMACIONES LINEALES
Observaciones
1. Si B es la matriz asociada a f respecto a la base B2 y A es la matriz asociada a
Resumen
La teoría de matrices es una herramienta muy útil en muchas áreas del conocimiento, ya
que permite trabajar con grandes conjuntos de información de una forma cómoda y
activa. Sin embargo, el concepto de matriz consiste en algo más que una "tabla de
“números”, de hecho, es la representación de funciones definidas entre espacios
vectoriales que se conocen como transformaciones lineales. En este sentido, se ilustra en
distintos ejercicios la correspondencia uno a uno existente entre el conjunto de matrices
de orden mxn y el de las transformaciones lineales de V en W , que son espacios
vectoriales de dimensiones n y m respectivamente.
La conexión entre estos conceptos es tan estrecha que las operaciones entre
transformaciones lineales tienen una simetría en términos de matrices. Otra muestra
más, de esta relación, la ofrece el concepto de matriz inversa, que está asociado al de
transformación lineal inversa.
Así pues, los contenidos que se enfatizan en este capítulo son:
Transformaciones lineales.
Núcleo e imagen.
Isomorfismos.
Operaciones entre transformaciones lineales.
Matriz asociada a una transformación lineal.
Matriz asociada a una transformación lineal compuesta.
Matriz y transformación lineal inversa.
ÁLGEBRA LINEAL
213
TRANSFORMACIONES LINEALES
PROBLEMAS PROPUESTOS
1. Determinar si la función dada es una transformación lineal
f :RR
x y f ( x)
a) f ( x) x 2
b) f ( x) ax b , si : i) b 0 ii) b 0
c) f ( x) senx
d) f ( x) e x
e) f ( x) x
ÁLGEBRA LINEAL
214
TRANSFORMACIONES LINEALES
2. Determinar si la función f es una transformación lineal
f : R2 R2
a) x, y f x, y x y , x 2 y
f : Mn Mn
b)
A f ( A) At
F :V R
c) b , donde V f a , b R : f es contínua
f F ( f ) f ( x)dx
a
ÁLGEBRA LINEAL
215
TRANSFORMACIONES LINEALES
3. Sea la función
f : R4 P1 x
(a, b, c, d) f ( a, b, c, d ) a b d a c d x
ÁLGEBRA LINEAL
216
TRANSFORMACIONES LINEALES
4. Dada la función
f : R 2 P1 x
(a, b) f (a, b) (a b) (b 2a) x
a) Demostrar que f es una transformación lineal.
b) Hallar la imagen de f una base y su dimensión.
c) Encontrar el núcleo de f una base y su dimensión.
d) ¿f es inyectiva, es sobreyectiva?
ÁLGEBRA LINEAL
217
TRANSFORMACIONES LINEALES
5. Sean T : R 3 R 2 una transformación lineal y B una base de R 3 tales que
B (1,0, 1), ( 2, 1,1), ( 1,1, 1)
ÁLGEBRA LINEAL
218
TRANSFORMACIONES LINEALES
Hallar:
a) f (a bx cx 2 ) explícitamente.
b) Hallar la imagen de f , una base y su dimensión.
c) Encontrar el núcleo de f, una base y su dimensión.
ÁLGEBRA LINEAL
219
TRANSFORMACIONES LINEALES
7. Sea la transformación lineal
f : P2 x R3
a bx cx 2
f a bx cx 2 a b c, a b c, a b c
b) Calcular f 1 para 0 .
ÁLGEBRA LINEAL
220
TRANSFORMACIONES LINEALES
8. Sea f : R 3 M una transformación lineal tal que
x 2z 2x y 2z
f ( x, y, z )
2 x y 2 z 3x y ( 1) z
donde M es el espacio vectorial de las matrices simétricas de orden 2x2.
a) Hallar los valores de para los cuales f es biyectiva.
b) Encontrar la inversa de f si 0 .
ÁLGEBRA LINEAL
221
TRANSFORMACIONES LINEALES
9. Dada f : R 3 R 3 , una transformación lineal invertible tal que
f ( x, y , z ) x 2 y z , y 3 z , x 2 z
y. además, B1 (1,1,0), (0,1,1), (1,0,1) y B2 (1,1,1), (0,1,1), (0,0,1), bases R 3 .
a) Comprobar que f es invertible
b) Hallar A f BB12 .
1
c) Si f (u )B 2 3 hallar u . Sugerencia: u B1 A 1 f (u )B 2 .
1
ÁLGEBRA LINEAL
222
TRANSFORMACIONES LINEALES
10. Sea la transformación lineal
f : Ms Ms
a b a b a b a b c
f
c d c d a b c a c
x
1 0 0 1 0 0 1 0 0 1 0 0
B1 , , , B2 , ,
0 0 1 0 0 1 0 1 1 0 0 1
son bases ordenadas del subespacio vectorial M S , R,, .
2 1
b) Encontrar f ( E ) B2 , conociendo que E .
1 0
ÁLGEBRA LINEAL
223
TRANSFORMACIONES LINEALES
11. Sea el conjunto B u1 , u 2 , u 3 base de R 3 donde
b) Encontrar L( x, y, z )
c) ¿ L es inyectiva, sobre, biyectiva?
d) A partir del conjunto v 2 , v3 completar una base ortogonal para R 3 .
ÁLGEBRA LINEAL
224
TRANSFORMACIONES LINEALES
12. Dada la transformación lineal
L: R3 R3
x, y , z L x, y , z x 2 y , x 3 y 5 z ,2 x 3 y z
ÁLGEBRA LINEAL
225
TRANSFORMACIONES LINEALES
13. Dada la transformación lineal
L: P2 P2
p(x) L(p(x)) p' (x) - 2 p(x)
a) Comprobar que L es invertible
b) Hallar L1
C 1, x, x 2 y B 1 x, x x 2 ,1 x 2 son bases de P2 .
ÁLGEBRA LINEAL
226
TRANSFORMACIONES LINEALES
ÁLGEBRA LINEAL
227
TRANSFORMACIONES LINEALES
15. Sean f L P2 t , R 3 y B1 y B2 bases ordenadas de P2 t , R 3 respectivamente
B1 t t 2 ,1, t 2 y B2 0,1,1, 1,0,1, 1,1,0
1 1 1
A f 1 1 1
B1
B2
1 1 1
a) Calcular explícitamente f L P2 t , R 3 .
b) Encontrar f ( p( x)) de dos maneras: usando la matriz asociada y el
ÁLGEBRA LINEAL
228
TRANSFORMACIONES LINEALES
16. Sean las transformaciones lineales
f : R3 R3
x, y , z f x, y , z x z, y z, x y
g: R3 R3
x, y , z f x, y , z x , x y , x y z
c) Verificar que A BC
ÁLGEBRA LINEAL
229
TRANSFORMACIONES LINEALES
17. Sea gof : P2 t R 3 , una transformación lineal tal que
gof ( p(t )) g ( f ( p(t )) g ( p(0), p' (1)) ( p(0), p' (1), p(0) p' (1)) , y las bases
B1 1 t , t , t 2
B2 (1,1), (1,2)
B3 (1,1,0), (01,1), (0,1,0)
ÁLGEBRA LINEAL
230
TRANSFORMACIONES LINEALES
1 11
A f B1
B2
0 1 1
1 1 0
1
c) Encontrar f (u ) de dos maneras. Considerar que u B1 2 .
1
ÁLGEBRA LINEAL
231
TRANSFORMACIONES LINEALES
19. Sea la transformación lineal
f : M 2x 2 R2
a b a b
f a b c, b c d
c d c d
1 0 0 1 0 0 0 0
B , , , base ordenada de M 2
x
0 1 1 0 1 1 0 1
2
1
1
c) Determinar f (E ) usando a). Si E B .
0
2
ÁLGEBRA LINEAL
232
TRANSFORMACIONES LINEALES
20. Sean las bases del espacio vectorial P2 x
B 1 x, x, x x 2 y S 2,1 x, x 2
a) Hallar la matriz de cambio de base de B a S.
2
b) Calcular p ( x)S si p( x)B 1 y determinar p (x ) .
1
ÁLGEBRA LINEAL
233
TRANSFORMACIONES LINEALES
21. Dadas las transformaciones lineales f : R 2 R 3 y g : R 3 R 2 definidas por
f (u1 , u 2 ) (u1 , u 2 ,0)
g (v1 , v2 , v3 ) (v1 v3 , v2 v3 )
b) Expresar A f CC .
c) Hallar B g CB .
Encontrar E hB .
B
d)
ÁLGEBRA LINEAL
234
TRANSFORMACIONES LINEALES
22. Sean las bases de R 2
B1 (1,0), (0,1) y B 2 (1,3), ( 2,5)
a) Hallar la matriz de cambio de base Q de B1 a B2 .
b) Encontrar la matriz de cambio de base P de B2 a B1 .
c) Verificar que P Q 1 .
f ( x, y , z ) ( 2 y , 3 x y ) .
ÁLGEBRA LINEAL
235
TRANSFORMACIONES LINEALES
c) Verificar que P Q 1 .
f ( x, y , z ) ( 2 y z , x 4 y , 3 x ) .
ÁLGEBRA LINEAL
236
TRANSFORMACIONES LINEALES
24. Dada la transformación lineal f : R 2 R 2 si se conoce que
f( 1, 1 ) ( 2 ,1 ) y f ( 2,3) (3,1)
a) Calcular f explícitamente.
ÁLGEBRA LINEAL
237
TRANSFORMACIONES LINEALES
25. Dadas la transformación lineal f y las bases C y S de R 2
f : R2 R2
x, y f x, y x, y
C es base canónica y S (1,1), (1,2
a) Hallar A f CC .
ÁLGEBRA LINEAL
238
TRANSFORMACIONES LINEALES
26. Dada la transformación lineal
f : R3 R3
, y
x, y , z f x, y , z ( 2 x z , x y z , z )
C la base canónica de R 3
S (1,0,11), (0,1,0), (1,1,0) base ordenada de R 3
a) Hallar A f CC .
ÁLGEBRA LINEAL
239
TRANSFORMACIONES LINEALES
27. Dada la transformación lineal f : R 3 R 2 donde
2 1 1
A f C
B
3 2 3
B e1 , e2 , e3 es base canónica R 3
C f 1 , f 2 es base canónica R 2
f1 ' f1 f 2
1
2
f 2 ' f1 f 2
1
2
Calcular f CB ''
ÁLGEBRA LINEAL
240
TRANSFORMACIONES LINEALES
28. Dada la transformación lineal f : R 2 R 2 donde
2 3
A f C
B
1 1
B (1,1), ( 2,3) es base R 3
ÁLGEBRA LINEAL
241
VALORES Y VECTORES PROPIOS
Capítulo 7
VALORES Y VECTORES PROPIOS
DEFINICIÓN
Sean L L (V ,V ) , (V , K ,,) , K
L (v ) v .
v V , v 0V , es vector propio de L asociado con el valor propio
.
Gráficamente:
Observaciones
1. 0V no es un vector propio
2. 0 si es un valor propio
ÁLGEBRA LINEAL
242
VALORES Y VECTORES PROPIOS
Notación
V representa al conjunto de vectores propios de la transformación lineal L asociados
al valor propio , incluyendo al vector nulo.
V v L(v) v 0V
TEOREMA 1
V es subespacio vectorial de (V , K ,,)
DEMOSTRACION
1. 0 V V
Si cumple por definición
2. K , u , v V u v V
L(u ) u (1)
L (v ) v (2)
L(u v) L(u ) L(v) (3)
Sustituyendo (1) y (2) en (3)
L(u v) u v
(u v)
u v VK
AX X
ÁLGEBRA LINEAL
243
VALORES Y VECTORES PROPIOS
TEOREMA 2
Sean L L (V ,V ) , (V , K ,,) , A LS y X M nx1 , entonces
S
DEMOSTRACION
1. Si es un valor propio de L , entonces es un valor propio de A
Si es un valor propio de L , L(v) v
L(v)S vS
Av S v S
AX X
es un valor propio de A
2. Si es un valor propio de A , entonces es un valor propio de L .
Seguir el proceso inverso
TEOREMA 3
Si es un valor propio de A , V CS ( I A) X O ó también
V CS ( A I ) X O
DEMOSTRACION
Si es un valor propio de A , entonces
AX X
X AX O
( I A) X O
CS X ( I A) X O (1)
V X (I A) X O 0 nK 1 (2)
Igualando (1) y (2)
ÁLGEBRA LINEAL
244
VALORES Y VECTORES PROPIOS
V CS ( I A) X O
Corolario 1
DimV n Rango ( I A) n Rango ( A I )
Corolario 2
es valor propio de A si y sólo si det( I A) 0 ó det( A I ) 0
TEOREMA 4
Sea A M nxn y sean 1 , 2 , , n valores propios diferentes de A , con
DEMOSTRACION
Se demuestra por inducción
1. Si n 2
v1 , v 2 son vectores propios asociados a los valores propios 1 , 2
1v1 2 v 2 0V (1)
Multiplicando (1) por A
1 Av1 2 Av 2 0V
11v1 2 2 v 2 0V (2)
2 (1 2 )v 2 0V
2 0 , ya que, 1 2 , y
v 2 0V (vector propio)
ÁLGEBRA LINEAL
245
VALORES Y VECTORES PROPIOS
De (1)
1 0
v1 , v 2 es linealmente independiente.
2. nk
Si v1 , v 2 , , v n es LI, entonces v1 , v 2 , , v n , v n 1 es linealmente independiente
1 2 n 0
De (4)
n 1 0 , por lo tanto
ÁLGEBRA LINEAL
246
VALORES Y VECTORES PROPIOS
CÁLCULO DEL POLINOMIO CARACTERÍSTICO
Si A M 2 x 2 p ( ) 2 tr ( A) det A
Generalizando:
Si
A M nxn p ( ) tr ( A) tr2 ( A)
n 1 n2 n 3
tr3 ( A) 0 det A
n
siendo tri ( A) la suma de todos los menores de orden i que contienen en su diagonal
TEOREMA 5
K es un valor propio de A M nxn si y solo si es raíz de la
ecuación característica de A .
DEMOSTRACION
a) Si K es un valor propio de A M nxn , es raíz de la ecuación
característica de A .
Si K es un valor propio de A , entonces
p( ) det(I A) det( A I ) 0
es raíz de la ecuación característica de A .
b) Se sigue el proceso inverso
MULTIPLICIDAD ALGEBRAICA
Sea A M nxn y p ( ) 1 n1 2 n 2 n nr 0 su ecuación característica
n1 , n 2 , , n r .
MULTIPLICIDAD GEOMÉTRICA
DimVi MGi
ÁLGEBRA LINEAL
247
VALORES Y VECTORES PROPIOS
Observación
MGi MAi
DEFINICIÓN
Sean A, B M nxn . A es semejante a B si existe una matriz P
DEFINICIÓN
Sea A M nxn . A es diagonalizable si existe una matriz diagonal D tal
TEOREMA 6
Sean A M nxn una matriz asociada a L y L L (V ,V ) entonces, A es
DEMOSTRACION
a) Si A es diagonalizable, existe una base del espacio vectorial M nx1 ,
formada por vectores propios de A .
Si A es diagonalizable,
D P 1 AP
Multiplicando a los dos miembros de la igualdad anterior por P , se obtiene
ÁLGEBRA LINEAL
248
VALORES Y VECTORES PROPIOS
PD AP
P.D j (1)
A.Pj (2)
b1 j
b2 j
P.D j j
b jj
b
nj
P.D j j Pj
De (3)
A.Pj j Pj
ÁLGEBRA LINEAL
249
VALORES Y VECTORES PROPIOS
b) Si existe una base de M nx1 formada por vectores propios de A , entonces A
es diagonalizable.
Sea S v p1 , v p 2 ,, v pn base de nK 1
v V es combinación lineal de S
v 1v p1 2 v p 2 n v pn
n (0.v p1 0.v p 2 n v pn )
Reordenando
L(v) (11 0. 2 0. n )v p1 (0.1 2 . 2 0. n )v p 2
Escribiendo matricialmente
1 1 0. 2 0. n
L(v)S 0. 1 2 2 0. n
0. 0. .
1 2 n n
1 1
2 2
L(v)S
n n
v S
DL S
S
ÁLGEBRA LINEAL
250
VALORES Y VECTORES PROPIOS
L(v)S Dv S
A es semejante a D , entonces
A es diagonalizable.
Corolario 1
Si An tiene n vectores propios, entonces An es diagonalizable ( MGi MAi )
Corolario 2
Si An es diagonalizable, la matriz diagonal semejante a An tiene en su diagonal los
valores propios de An .
Observación
Si vi c son las coordenadas del vector vi en la base canónica C , entonces vi s son
AL C
vi C
C L (v )
i C
P 1
D L S
vi S
S L (v )
i S
TEOREMA 7
Todas las raíces de la ecuación característica de una matriz real y
simétrica son reales.
ÁLGEBRA LINEAL
251
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Se supone que existen valores propios C de A M ( R ) nxn tales que
AX X
_____ _____
AX .X
____ __ ____
A X . X (1)
Multiplicando (1) por X t
____ __ ____
X tA X X t . X
____ __ ____
( X t A) X . X t X
____ __ ____
( AX t ) X . X t X
____ __ ____
( X ) t X . X t X
____ __ ____
X t X .X t X
__
Lo que contradice la suposición, entonces
R
TEOREMA 8
Si A M nxn es matriz simétrica, entonces los vectores propios
asociados a valores propios distintos de A son ortogonales.
DEMOSTRACION
Sean X 1 y X 2 vectores propios de A con valores propios 1 y 2 , tales que:
AX 1 1 X 1 (1)
AX 2 2 X 2 (2)
1 ( X 1 , X 2 ) 1 ( X 1 , X 2 )
(1 X 1 , X 2 ) (3)
Sustituyendo (1) en (3)
ÁLGEBRA LINEAL
252
VALORES Y VECTORES PROPIOS
1 ( X 1 , X 2 ) ( AX 1 , X 2 )
( X 1 , AX 2 ) (4)
Sustituyendo (2) en (4)
1 ( X 1 , X 2 ) ( X 1 , 2 X 2 )
1 ( X 1 , X 2 ) 2 ( X 1 , X 2 )
1 ( X 1 , X 2 ) 2 ( X 1 , X 2 ) 0
DEFINICION
Una matriz cuadrada A es ortogonal si su matriz inversa es igual a su
TEOREMA 9
Sea A M nxn , A es ortogonal si y sólo si las columnas y las filas de A
TEOREMA 10
Si A es una matriz real y simétrica, entonces existe una matriz
ortogonal P , tal que P 1 AP P t AP D . En consecuencia se dice que
la matriz A es ortogonalmente diagonalizable.
ÁLGEBRA LINEAL
253
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Si A es una matriz real y simétrica, existe una base de vectores de M nx1 , (Teorema 6)
existe una base de vectores ortonormales de M nx1 , entonces existe una matriz P
TEOREMA 11
Sea la matriz A M ( R) n .
Si A es simétrica, entonces es diagonalizable.
PROPIEDADES
Sea A M nxn
ÁLGEBRA LINEAL
254
VALORES Y VECTORES PROPIOS
TEOREMA DE CALEY - HAMILTON
TEOREMA 12
Si P( ) y Q( ) son polinomios en la variable escalar , con
coeficientes matriciales cuadrados y si P( ) Q( ).(I A) , entonces
P( A) O.
DEMOSTRACION
P ( ) 0 1 2 2 n n I A
Si A
P( A) 0 A 1 A2 2 A3 n An 1 0 A 1 A2 2 A3 nn 1
P ( A) O //
TEOREMA 13
Toda matriz cuadrada satisface su ecuación característica, es decir, si
P( ) 0 , es la ecuación característica de A , entonces P ( A) O .
DEMOSTRACION
Considerando que
ÁLGEBRA LINEAL
255
VALORES Y VECTORES PROPIOS
Además:
det I A I adj I A
. I A
Si A
P ( A) O // (Teorema 12)
p ( ) n a n 1 n 1 a1 a0 0
P ( ) n a n 1 n 1 a1 a0 I O
Si A
P ( A) A n a n 1 A n 1 a1 A a0 I O
A 1.P ( A) A n 1 a n 1 A n 2 a1I a0 A 1 O
A1
1
a0
An 1 an 1 A n 2 a1I
Ejemplo
ÁLGEBRA LINEAL
256
VALORES Y VECTORES PROPIOS
Dada la matriz
1 1 4
A 3 2 1
2 1 1
a) Encontrar la ecuación característica
b) Verificar que P( A) O
c) Hallar A 1
Solución:
a) p ( ) 3 tr ( A)2 ( P11 P22 P33 ) A 0
p ( ) 3 22 5 6 0
b) P ( A) A3 2 A 2 5 A 6 I O
1 1 4 6 1 1 11 3 22
A 3 2 1 A 7 0 11
2
A 29 4 17
3
2 1 1 3 1 8 16 13 5
11 3 22 6 1 1 1 1 4 1 0 0 0 0 0
P( A) 29 4 17 2 7 0 11 5 3 2 1 6 0 1 0 0 0 0
16 13 5 3 1 8 2 1 1 0 0 1 0 0 0
P( A) O
c) A1
1
6
A2 2 A 5I
1 1 4
A 3 2 1
2 1 1
6 1 1
A 7 0 11
2
3 1 8
6 1 1 2 2 8 5 0 0
1
A 1 7 0 11 6 4 2 0 5 0
6
3 1 8 4 2 2 0 0 5
1 3 7
1
1
A 1 9 13
6
1 3 5
ÁLGEBRA LINEAL
257
VALORES Y VECTORES PROPIOS
FORMAS CUADRÁTICAS Y CANÓNICAS
DEFINICION
Sea A M nxn , la función:
QA : R n R
x Q A ( x) X t AX
se llama forma cuadrática asociada a la matriz A a la expresión
Q A ( x) X t A X
En forma desarrollada:
a11 a12 a1n x1
a21 a22 a2n x2
Q A ( x) x1 x2 xn
a
n1 an 2 ann xn
Observación
Q A ( x ) puede ser representada por muchas matrices, pero solo por una matriz simétrica.
Particular
a b2
A b
2 c
TEOREMA 12
Sea A M nxn , existe una matriz simétrica A1 , tal que
QA ( x) QA1 ( x) , X t A X X t A1 X
DEMOSTRACION
Sea la matriz
ÁLGEBRA LINEAL
258
VALORES Y VECTORES PROPIOS
1 t
A1 A A
2
t
1 t
A1t A A
2
A1t
1 t 1
2
1
A A A At A1 , entonces
2 2
A1 es matriz simétrica.
Sean
1 t
A1 A A (1)
2
X t A1 X X t A1 X (2)
Sustituyendo (1) en (2)
X t A1 X X t .
1
2
A At X
1 t 1
X t A1 X X A X X t At X (3)
2 2
X t AX X t AX t (4) pues es matriz 1x1
Sustituyendo (4) en (3)
1 t 1
X t A1 X X A X X t At X t
2 2
1 t 1
X t A1 X X AX X t AX
2 2
X t A X X t A1 X //.
TEOREMA 13
decir, X t A X Y t DY .
ÁLGEBRA LINEAL
259
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Si A es matriz simétrica, existe una matriz P invertible tal que:
Q A ( x) X t A X (2)
Sustituyendo (1) en (2)
Q A ( x) X t P D P t X (3)
Sea P t X Y , entonces
Y t X tP (4)
Sustituyendo (4) en (3)
Q A ( x ) Y t DY , es decir,
Q A ( x ) Q D ( y ) //
Observación
D es matriz de los valores propios de A , y los vectores propios de P son ortonormales.
Sea ax12 bx1 x2 cx22 d , ! 0,2 , tal que la ecuación anterior
a b
son los valores propios de la matriz asociada A b 2 .
2 c
MATRIZ DE ROTACIÓN
Sea P una matriz real y ortogonal, entonces
P.P 1 P.Pt 1
2
P . Pt 1 P.P 1 P 1 P 1
ÁLGEBRA LINEAL
260
VALORES Y VECTORES PROPIOS
cos sen
P , donde 0 2 .
sen cos
DEFINICIÓN
Se llaman invariantes de una curva, a todas las expresiones formadas
por los coeficientes de su ecuación, que no varían al realizar rotaciones
y traslaciones paralelas de los ejes coordenados.
SECCIONES CÓNICAS
Sea la curva
X t AX BX a 0
Como A es matriz simétrica es ortogonalmente diagonalizable, por lo tanto
0
P t AP 1
0 2
y
Si X PY , donde Y 1
y2
1 y12 2 y22 b1 y2 b2 y2 a 0
La ecuación anterior no tiene término de producto cruzado.
ÁLGEBRA LINEAL
261
VALORES Y VECTORES PROPIOS
2. El determinante formado por los coeficientes de los términos principales
a a12
11 A
a21 a22
1 0 0
0 2 0 12 c (1)
0 0 c
0
1 1 2 (2)
0 2
ÁLGEBRA LINEAL
262
VALORES Y VECTORES PROPIOS
Sus graficas se presentan a continuación.
Elipse
Hipérbola
Parábola
ÁLGEBRA LINEAL
263
VALORES Y VECTORES PROPIOS
Ejemplo
Dada la forma cuadrática
2 x1 2 x1 x2 2 x22 9 0
Identificar y expresar en la forma canónica
Solución:
s4
2 1 0
2 1
A 3 0 es curva de tipo elíptico, 1 2 0 27 0
1 2
0 0 9
p ( ) 2 4 3 ( 3)( 1) 0
Los valores propios de A son
1 3 2 1
Con vectores propios asociados
1 1
v1 y v2
1 1
1 1
B , base ortogonal, entonces
1 1
1 1 1 1
T* , base ortonormal
2 1 2 1
1 1 1
P
2 1 1
3 0
D
0 1
P 1 P es matriz de rotación
Y t DY f 0
3 0 y1
y1 y 2 9
0 1 y 2
3 y12 y22 9
La ecuación canónica de la elipse es
y12 y22
1
3 9
ÁLGEBRA LINEAL
264
VALORES Y VECTORES PROPIOS
Resumen
Una de las diferentes propiedades de las transformaciones lineales es la de proteger la
estructura de espacio vectorial. En concreto, si f es una transformación lineal definida
en el espacio vectorial V de dimensión n en sí mismo y W es un subespacio vectorial
de V , se verifica que su transformado es de nuevo subespacio vectorial de V . En
ocasiones, se tiene además que f (W ) W , por lo que en este caso W permanece
invariante por f . Las nociones que permiten determinar los subespacios invariantes por
una transformación lineal f son los de valores y vectores propios de f o, exactamente,
dada la correspondencia uno a uno existente entre el conjunto M n y el de las
trasformaciones lineales L (V , V ) , de su matriz asociada A .
Una vez mostrados los métodos analíticos de cálculo de valores y vectores propios de
una matriz A (o de la transformación lineal f que representa) se ilustran diversas
propiedades de ambos conceptos, que son de gran utilidad en el estudio de la
diagonalización de una matriz A M n . El indicado problema consiste en determinar
ÁLGEBRA LINEAL
265
VALORES Y VECTORES PROPIOS
PROBLEMAS PROPUESTOS
1. Sea u un vector propio de las transformaciones lineales f y g . Mostrar que u es
también vector propio de la transformación lineal a f b g , donde a y b son
escalares arbitrarios.
1 a
3. Dada la matriz A . Calcular los valores de los parámetros a y b para
2 b
que el vector 2,1 sea un vector propio asociado al valor propio 1 5 en la
matriz A . ¿Cuál es el otro valor propio en este caso?
ÁLGEBRA LINEAL
266
VALORES Y VECTORES PROPIOS
5. Dada la transformación lineal
f : R2 R2
x, y f x, y x 2 y ,2 x y
Calcular los valores y vectores propios, una base para cada espacio propio, du
dimensión y una base de vectores propios S tal que f esté representada con
respecto a S por una matriz diagonal.
ÁLGEBRA LINEAL
267
VALORES Y VECTORES PROPIOS
6. Probar que si es un valor propio de una matriz A con vector propio asociado
1 4
7. Sea la matriz A . Hallar los valores y vectores propios de A y A 2 .
2 3
ÁLGEBRA LINEAL
268
VALORES Y VECTORES PROPIOS
1 1 1 1 1 1
8. Sea la matriz A a b c con vectores propios 1 , 0 , 1
p q r 1 1 0
Encontrar los valores de a, b, c, p, q, r .
9. Hallar una matriz A M 3x 3 tal que sus valores propios son 1, 2 2 con
ÁLGEBRA LINEAL
269
VALORES Y VECTORES PROPIOS
11. Dada una matriz simétrica A M n con elementos reales, comprobar que si
todos sus valores propios son iguales a cero entonces A es una matriz nula.
ÁLGEBRA LINEAL
270
VALORES Y VECTORES PROPIOS
12. Determinar una matriz de orden tres simétrica tal que
rango A 3I 3 1 .
W x, y, x R 3 : 4 x 3 y 0 es un espacio propio de A .
tr ( A) 7 .
ÁLGEBRA LINEAL
271
VALORES Y VECTORES PROPIOS
13. Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
hallar las matrices D y P , tales que, D P 1 AP .
1 3 3
a) 3 5 3
6 6 4
3 1 1
b) 7 5 1
6 6 2
ÁLGEBRA LINEAL
272
VALORES Y VECTORES PROPIOS
3 1 1
c) 2 2 1
2 2 0
3 2 1
d) 0 2 0
0 0 0
ÁLGEBRA LINEAL
273
VALORES Y VECTORES PROPIOS
14. Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
1 0 3
a) 0 2 0
3 0 1
1 2 1
b) 2 0 2
1 2 1
ÁLGEBRA LINEAL
274
VALORES Y VECTORES PROPIOS
3 1 1
c) 1 5 1
1 1 3
0 1 1
d) 1 0 1
1 1 0
ÁLGEBRA LINEAL
275
VALORES Y VECTORES PROPIOS
15. Identificar las siguientes curvas y reducir la ecuación de estas a la forma
canónica
c) x12 x22 2 x1 1 0
ÁLGEBRA LINEAL
276
VALORES Y VECTORES PROPIOS
ÁLGEBRA LINEAL
277
VALORES Y VECTORES PROPIOS
16) Del ejercicio anterior graficar las curvas:
a)
d)
ÁLGEBRA LINEAL
278
VALORES Y VECTORES PROPIOS
f)
ÁLGEBRA LINEAL
SIN INGENIEROS
Se murió un Ingeniero y se fue a las puertas del Cielo. Sabido es que los Ingenieros por
su honestidad siempre van al cielo. San Pedro buscó en su archivo, pero últimamente
andaba un poco desorganizado y no lo encontró en el montón de papeles, así que le dijo:
"Lo lamento, no estás en listas...". De modo que el Ingeniero se fue a la puerta del
infierno y le dieron albergue y alojamiento inmediatamente.
Poco tiempo pasó y el Ingeniero se cansó de padecer las miserias del infierno, y se puso
a diseñar y construir mejoras. Con el paso del tiempo, ya tenían ISO 9001, sistema de
monitoreo de cenizas, aire acondicionado, inodoros con drenaje, escaleras eléctricas,
equipos electrónicos, redes de telecomunicaciones, programas de mantenimiento
predictivo, sistemas de control visual, sistemas de detección de incendios, termostatos
digitales, etc. Y el Ingeniero se hizo de muy buena reputación.
Un día Dios llamo al Diablo por teléfono y con tono de sospecha le preguntó. “¿Y
qué…cómo están por allí en el infierno?”.
"¿QUÉ?, ¡¿QUÉ?! ¿¿TIENEN un Ingeniero allí?? ¡Eso es un error! Nunca debió haber
llegado ahí un Ingeniero. Los ingenieros siempre van al cielo, eso está escrito y resuelto
ya. ¡Me lo mandas inmediatamente!”.
Y el Diablo, con la vista nublada por la tremenda carcajada que soltó, le contestó a
Dios: "¿¿Ah Sí?? ......y por curiosidad... ¡¿DE DÓNDE VAS A SACAR UN
ABOGADO?!" si todos están aquí.
Ofrece este mensaje a tus amigos y amigas para que tengan una idea de lo que es un
ingeniero