Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NOTAS DE CLASE
ÁLGEBRA LINEAL I
2011-I
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
ÍNDICE GENERAL
Prólogo
1. Preliminares 1
Funciones …………………………………………………………………. 1
Leyes de composición interna y externa ………………………………… 2
Conjuntos R n y C n …………………………………………………….. 2
Grupos y campos …………………………………………………………. 2
2. Espacios vectoriales 7
Espacios vectoriales ……………………….……………………………… 7
Ejercicios ………………………………………………………………….. 14
Subespacios ……………………………………………………………….. 16
Ejercicios ………………………………………………………………….. 19
Operaciones con subespacios ……………………………………………… 20
Ejercicios ……………………………………………………………...…… 25
Independencia y dependencia lineal –
Base y dimensión de un espacio vectorial ………………………..……….. 26
Ejercicios ………………………………………………………………...… 44
i
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
5. Determinantes 110
Formas n-lineales ……………………………………………………….…. 114
Función determinante ……..……………………………………………… 115
Adjunta de una matriz ………………………………………………..…… 126
Regla de Cramer ……………………………………………………...…... 131
Ejercicios …………………………………………………………………… 133
ii
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Prólogo
El Álgebra Lineal es un curso básico en la formación de los estudiantes de ciencias,
ingenierías, economía y ciencias administrativas.
Para finalizar agradeceré a mis colegas y alumnos por las sugerencias y críticas que
tengan a bien hacer llegar a la siguiente dirección vosoriov@unmsm.edu.pe.
EL AUTOR
iii
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRELIMINARES
1. FUNCIONES
DEFINICIÓN 1.1.- Sean X e Y dos conjuntos cualesquiera; llamaremos producto
cartesiano de X por Y al conjunto denotado por:
X Y ( x, y ) / x X y Y
DEFINICIÓN 1.2.- Dados X, Y conjuntos; diremos que R es una relación de X en
Y si y solo si R es un subconjunto de X Y .
DEFINICIÓN 1.3.- Sean X, Y conjuntos; f : X Y es una aplicación o función
de X en Y si y solo si f es una relación de X en Y y además satisface:
( x, y ) f ( x, z ) f y z
Si ( x, y ) f entonces y f (x) , y se denomina valor de f en x ó imagen de x
según f.
DEFINICIÓN 1.4.- Sea f : X Y una función.
a) f es inyectiva si y solo si se cumple:
x1 , x 2 X : f ( x1 ) f ( x 2 ) x1 x 2
o equivalentemente,
x1 , x 2 X : x1 x 2 f ( x1 ) f ( x 2 ) .
b) f es suryectiva si y solo si f ( X ) Y ; es decir, para todo y Y , existe x X
tal que f ( x) y .
c) f es biyectiva si y solo si es inyectiva y suryectiva.
DEFINICIONES 1.5
a) Sea f : X Y y A X , llamaremos imagen de A según f al conjunto
denotado por:
f ( A) { y Y / y f (a ), a A } .
b) Sea f : X Y y B Y , llamaremos pre-imagen o imagen inversa de B
según f al conjunto denotado por:
1
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1
f ( B ) { x X / f ( x ) b, b B } .
DEFINICIÓN 1.6.- Sean f : X Y , g : Y W funciones, llamaremos función
composición de g con f ó f seguida de g a la función denotada por:
g f : X W tal que ( g f )( x) g f ( x)
3. LOS CONJUNTOS R n Y C n
Sea R el conjunto de número reales, C el conjunto de los números complejos y n un
número entero positivo. Denotaremos por:
R n { x ( x1 , , x n ) / n uplas ordenadas , x i R, i 1, 2, , n }
para todo i 1, 2, , n .
De manera análoga denotaremos:
C n { z ( z1 , , z n ) / n uplas ordenadas , z i C , i 1, 2, , n }
4. GRUPOS Y CAMPOS
DEFINICIÓN 4.1.- Sea un conjunto G , si en G definimos una ley de
composición interna T, diremos que el objeto (G , T ) es un grupo si satisface las
siguientes condiciones:
G1) (a T b)T c a T (b T c) para todo a, b, c G .
G2) Existe e G tal que para todo a G se cumple que a T e e T a a
2
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
NOTAS:
(1) e se denomina elemento identidad o nulo del grupo.
(2) El elemento a relativo a la propiedad G3) recibe el nombre de elemento
inverso de a.
EJEMPLO 4.1.1.- ( Z , ), (Q, ), ·( R, ), ( R {0} , · ) donde "+" y "." denotan la
adición y multiplicación usuales, son grupos conmutativos.
EJEMPLO 4.1.2.- El conjunto de las matrices de componentes reales de orden
m n denotada por R mn con la operación usual de suma de matrices es un grupo
abeliano.
(a i j ), (bi j ) R mn / (a i j ) (bi j ) (a i j bi j ) donde 1 i m y 1 j n .
ˆ : Z n Z n Zn
[a], [b] [a ] ˆ [b] [a b]
donde + es la adición usual en Z. ( Z , ˆ ) es un grupo conmutativo.
EJEMPLO PARTICULAR.- Sea n 3 , Z 3 [0] , [1] , [2] .
3
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Multiplicación:
·: K K K
(a , b) a·b
Diremos que el objeto ( K , , ·) es un campo si y solo si satisface las siguientes
condiciones:
K1) (a b) c a (b c) para todo a, b, c K .
K2) Existe 0 K tal que a 0 0 a a para todo a K . 0 es llamado elemento
nulo o cero.
K3) Para todo a K , existe un elemento de K que se llama opuesto de a o inverso
aditivo de a que denotaremos por a y es tal que: a ( a ) ( a ) a 0 .
K4) a b b a para todo a, b K .
K5) (ab) c a (bc ) para todo a, b, c K .
K6) Existe e K tal que a e e a a para todo a K . e es llamado elemento
idéntico o identidad.
K7) Para todo a 0 elemento de K, existe un elemento también en K llamado
opuesto de a o inverso de a con respecto a la multiplicación que se denota por
a 1 y es tal que: a a 1 a 1 a e .
K8) a b b a para todo a, b K .
K9) a (b c) a b a c y (a b) c a c b c para todo a, b, c K .
OBSERVACIONES:
(1) ( K , ) es un grupo aditivo conmutativo.
(2) ( K {0}, ·) es un grupo multiplicativo conmutativo.
(3) El elemento 0 que cumple K2), y e que cumple K6) son únicos.
(4) El inverso aditivo y multiplicativo ( K3), K7)) de cada elemento es único.
(5) a 0 0 para todo a K .
(6) a b 0 entonces a 0 ó b 0 . Esta propiedad se expresa diciendo que K no
tiene divisores de cero.
EJEMPLO 4.2.1.- (Q, , ·), ( R, , ·), (C , , ·) donde "+" y "." son las
operaciones usuales de adición y multiplicación son campos.
4
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
operaciones: [a ] ˆ [b] [a b]
[a ] ˆ [b] [a · b]
donde "+" y "."· son las operaciones usuales de adición y multiplicación. ( Z p , ˆ , ˆ. )
es un campo.
NOTA.- Si p no es primo la afirmación anterior no es verdadera. En efecto,
consideremos:
Z 4 [0], [1], [2], [3] y construyamos la tabla siguiente:
̂ [1] [2] [3]
[1] [1] [2] [3]
[ 2] [ 2] [ 0] [ 2]
[3] [3] [2] [1]
de la tabla podemos observar que [2] [0] pero; sin embargo, no tiene inverso
multiplicativo, es decir no cumple K7) de la definición 4.2.
EJEMPLO 4.2.3.- Consideremos el conjunto Q ( 2 ) { a b 2 / a, b Q } . Si
Adición : (a b 2 ) (c d 2 ) (a c) (b d ) 2
Probar que Q ( 2 ), , · es un campo.
PRUEBA:
Sólo probaremos la condición K7) de la definición 4.2.; las restantes condiciones no
ofrecen dificultad.
Sea a b 2 0 donde (b 0) , debemos probar que existe c d 2 tal que
( a b 2 ) (c d 2 ) 1 .
5
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 2bd
c (3)
a
ad
c (4)
b
igualando (3) y (4), obtenemos:
b
d
2b a 2
2
Luego:
a b 2
cd 2 2
a 2b
2 2
a 2b 2
Q( 2 ) es un campo.
6
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
ESPACIOS VECTORIALES
7
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
OBSERVACIONES:
a) Un conjunto V para que sea espacio vectorial sobre un campo K debe tener
definidas dos operaciones “adición” y “multiplicación por un escalar”; las
cuales deben cumplir las ocho propiedades arriba mencionadas. En caso que no
cumpla con alguna de ellas no es un espacio vectorial.
b) A los elementos de V se les llaman vectores y el elemento neutro aditivo
recibe el nombre de vector nulo.
c) Si K R , V es llamado espacio vectorial real y si K C , V se denomina
espacio vectorial complejo.
d) En lo que sigue de las notas si no se dice lo contrario en lugar de denotar la
adición de vectores con el símbolo “ ” simplemente denotaremos con “+”,
haciendo la diferencia según el contexto cuando se trata de la suma de vectores
( x y ) o la suma de escalares (a b) ; el símbolo “ ” se usará más adelante
para denotar la suma directa.
Omitiremos escribir el símbolo “” que denota la ley de composición externa,
simplemente con la yuxtaposición se entenderá la multiplicación de un vector
por un escalar haciendo la diferencia según el contexto cuando se trate de la
multiplicación de un vector por un escalar (ax) o la multiplicación de dos
escalares (ab).
Con las precisiones hechas en d), la definición de espacio vectorial se puede
enunciar formalmente como sigue:
8
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Dados x ( x1 , , x n ) , y ( y1 , , y n ) R n y a R , definimos:
x y ( x1 y1 , , x n y n )
a x (a x1 , , a x n )
V1) Sean x, y, z R n
( x y ) z [ ( x1 , , x n ) ( y1 , , y n ) ] ( z1 , , z n )
( x1 y1 , , x n y n ) ( z1 , , z n )
[ ( x1 y1 ) z1 , , ( x n y n ) z n ]
[ x1 ( y1 z1 ), , x n ( y n z n ) ]
( x1 , , x n ) ( y1 z1 , , y n z n )
x ( y z)
V4) Sean x, y R n
x y ( x1 , , x n ) ( y1 , , y n )
( x1 y1 , , x n y n )
( y1 x1 , , y n x n )
yx
V5), V6), V7) y V8) se verifican análogamente.
9
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
cx (ck1 , , ck n )
( K n , , K , ·) es un espacio vectorial.
x y (a 0 b0 , a1 b1 , , a n bn , )
cx (ca 0 , ca1 , , ca n , )
10
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
p ( x ) a 0 a1 x a n x n
P[ x], , R, · es un espacio vectorial. La verificación es análoga en el ejemplo
1.1.2.
NOTA.- Si se considera el conjunto de todos los polinomios de grado igual a
n (n Z ) con las mismas operaciones, no constituye un espacio vectorial sobre R,
pues la adición para este conjunto no es una ley de composición interna.
a11 a1n
K m n
A : P K / A (i, j ) a i j K , A
a m1 a mn
A: P K
(1, 1) a11
(1, 2) a12
(1, n) a1n
(i , j ) a i j
(m, n) a mn
11
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Fácilmente se verifica que K mn con las operaciones definidas arriba es un espacio
vectorial sobre K.
a m 1 x1 a m 2 x 2 a m n x n 0
con coeficientes en R.
Sea S { ( x1 , , x n ) /( x1 , , x n ) es solución del sistema }
S con las operaciones usuales de adición y multiplicación por escalares es un
espacio vectorial sobre R.
x y f 1
f ( x) f ( y)
ax f 1
af ( x)
12
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
demostrar que (1, 1) con las operaciones arriba definidas es un espacio vectorial
sobre R.
SOLUCIÓN
Sólo verificaremos las condiciones V1) y V7) las restantes se dejan al lector para
que las verifique.
1
V1 ) ( x y ) z f ( f ( x y ) f ( z ))
1 1
f (f(f ( f ( x) f ( y ))) f ( z ))
1
f (( f ( x) f ( y )) f ( z ))
1
f ( f ( x) ( f ( y ) f ( z )))
1 1
f ( f ( x) f ( f (( f ( y ) f ( z ))))
1
f ( f ( x) f ( y z ))
x ( y z)
V7) (a b) x ax bx para todo a, b R y para todo x (1, 1) .
1
ax bx f ( f (ax) f (bx))
1 1 1
f (f(f (af ( x)))) f ( f (bf ( x))))
1
f (af ( x) bf ( x))
1
f ((a b) f ( x))
( a b) x
13
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Por otro lado en virtud de la condición V2) de espacios vectoriales existe V tal
que x x x para todo x V , haciendo x tenemos que:
' ' ' (2)
de (1), (2) y V4) finalmente se tiene: '.
Prueba de v):
(ax) ax por V3)
0x por ii)
(a a) x por suma de opuestos en K
(ax ) ax ax ax por V6)
(ax) ax por la ley de cancelación.
EJERCICIOS
a R; x R : a x xa
14
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a k k a k 1 ; k Z
Por ejemplo
2,75 4 2,75 4 (2)(4) 8 , 2,15 3 2,15 3 (3)(3) 9
( a b 2 ) (c d 2 ) ( a c ) (b d ) 2
(a b 2 ) a b 2
15
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
2. SUBESPACIOS
DEFINICIÓN 2.1.- Sea (V , , K , ·) un espacio vectorial cualesquiera. Diremos
que W, un subconjunto de V diferente del vacío es un subespacio si y solo si
(W , , K , ·) con las operaciones definidas para V es por sí mismo un espacio
vectorial.
NOTA.- El conjunto { } y V son subespacios vectoriales de V, denominados
subespacios triviales; cualquier otro subespacio es llamado subespacio propio.
Nótese además que el elemento neutro aditivo de W es el mismo que el de V.
TEOREMA 2.2.- Sea V un K-espacio vectorial un espacio vectorial y W un
subconjunto de V diferente del vacío. W es un subespacio vectorial de V si y solo si:
i) Para todo x, y W , x y W .
ii) Para todo a K , para todo x W , ax W .
PRUEBA
) Es obvio
) Por hipótesis tenemos que se cumple i) y ii), probaremos que W es un K-espacio
vectorial.
V1) ( x y ) z x ( y z ) para que x, y, z W . Se verifica: x, y, z W V y
en V se cumple V1).
V2) Existe W / x x x para todo x W . En efecto, sea:
y W (1) y y W (por ii)) y ( y ) W por i)).
V3) Para todo x W , existe x W tal que x ( x) x x en virtud de i) y
ii).
Análogamente se puede verificar que (W , , K , ·) cumple las condiciones restantes
del espacio vectorial.
16
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
C { f : R R / f es continua}
elementos de R 3 . Construimos:
W {w R 3 / w u a (v u ), a R }
17
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
W1 { f C / 10 f (t ) dt 0 }
W2 { f C / 10 f (t ) dt 1}
T { A R nn / ai j a j i ; i, j }
H es un subespacio de C nn .
18
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJERCICIOS
b) W { ( x, y ) R 2 / xy 0 }
c) S { ( x, y ) R 2 / x 2 y }
d) T { ( x, y ) R 2 / x 2 y 1}
b) U 2 { ( x, y, z ) R 3 / x 2 y 2 z 2 1}
c) U 3 { ( x, y , z ) R 3 / x y }
d) U 4 { ( x, y , z ) R 3 / 2 x y z 0 }
e) U 5 { ( x, y , z ) R 3 / x y z }
d) W4 { f F / f ( x ) 0 }
e) W5 { f F / f (1) 0 }
f (0) f (1)
f) W6 f F / f (1 / 2)
2
19
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
g) W7 { f F / f ( x 2 ) ( f ( x )) 2 }
h) W8 { f F / f (3) 1 f (5) }
i) W9 { f F / f (1) 0 f (1) 0 }
b) S 2 { ( z , u ) C 2 / Re( z ) Re(u ) }
d) S 4 { ( z , u ) C 2 / Im( z ) Im(u ) 0 }
5. Analizar si ( R 2 , , R, ·) es un subespacio de ( R 3 , , R, ·) .
b) T2 { B R 22 / AB BA }
c) T3 { B R 22 / BA 0 }
W Wi
iI
entonces, W es un subespacio de V.
PRUEBA
W V por definición y además es no vacío ya que Wi i I , entonces W .
i) Sean x, y W x, y Wi i x y Wi i
x y W .
ii) Sean a K , x W a K x Wi i ax Wi i
ax W .
20
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
W1 { ( x, y, z ) R 3 / x y 0 }
W2 { ( x, y , z ) R 3 / 2 x z 0 }
W1 W2 { ( x, y, z ) R 3 / x y 0 2 x z 0 } es un subespacio de ( R 3 , , R, .)
W { x V / x x1 x 2 , x1 W1 x 2 W2 }
W se denota por W W1 W2 y se le llama suma de subespacios W1 y W2 .
W1 { ( x, 0, z ) R 3 / x, z R } y W2 { (0, y, z ) R 3 / y, z R }
Tenemos:
(u , v, w) R 3 /(u , v, w) ( x1 , 0, z1 ) (0, y 2 , z 2 );
W1 W2
( x1 , 0, z1 ) W1 y (0, y 2 , z 2 ) W2
21
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
W1 { ( x, y ) R 2 / y x } y W2 { ( x, y ) R 2 / y x }
R 2 W1 W2 . En efecto:
22
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Sea f V p Vi f V p f Vi
f ( x) f ( x), x R f ( x) f ( x), x R
2 f ( x) 0, x R f
De i), ii) y definición 3.4. tenemos que:
V V p Vi
23
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 1
( ( A AT )) T ( A AT ) T
2 2
2
1 T
A AT T
1 T
( A A)
2
1
( A AT )
2
Probando b)
1 1
( ( A AT ))T ( A AT )T
2 2
2
1 T
A AT T
1 T
( A A)
2
1
( A AT )
2
Luego satisface la condición i).
ii) Demostraremos que U W { } .
Sea A U W A U A W A AT A AT A .
Luego U W { } .
De i), ii) y de la definición 3.4 se tiene:
V U W
OBSERVACIÓN 3.5.- La definición de suma de espacios puede ser generalizada
para una familia finita de subespacios. En efecto la suma de los subespacios
W1 , W2 , , Wn de (V , , K , ·) es el conjunto:
n
n
W Wi v V / v wi wi Wi ; i 1, 2, , n
i 1 i 1
W es un subespacio de (V , , K , ·) . Además si tales subespacios tienen como único
elemento común al vector cero, es decir si para todo i j se tiene que
Wi W j { } , entonces diremos que W es la suma directa y escribiremos:
W W1 W2 Wn
24
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJERCICIOS
R 4 . Definimos:
W1 {v R 4 / v av1 bv 2 ; a, b R }
W2 {v R 4 / v av3 ; a R }
i) Calcule W1 W2
ii) ( S1 S 2 ) S 3 S1 ( S 2 S 3 )
iv) S V V S V
4. Demostrar que para todo subespacio vectorial W de V se tiene que W W W .
5. Dados U, W y T subespacios de un espacio vectorial V. Demostrar:
(U T ) (U W ) U (T W )
R 2 L1 L2
25
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a v
i 1
i i a1v1 a 2 v 2 a n v n , donde ai K y vi A .
a1 a 2 0 (1)
a1 2a 2 1 ( 2)
2a 2 3
(3)
26
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
b1 b2 1 (1' )
b1 2b2 0 ( 2' )
2b2 2
(3' )
27
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA
Tenemos que A {v1 , , v n } es un subconjunto de V diferente del vacío. L{ A} V
de (1) y (2)
n n n n
v u ai vi bi vi (ai bi )vi ci vi
i 1 i 1 i 1 i 1
donde ci ai bi .
v u L{A}
ii) Sea a K , v L{ A} hay que mostrar que av L{A} .
donde bi aai
av L{A}
luego L{A} es un subespacio de V y es llamado subespacio generado por A.
28
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a 3b x
2a y (*)
a b z
en el sistema (*) eliminando a y b
y
y 3b x 2 (1)
a y
2 y
b z ( 2)
2
multiplicando (2) por 3 y sumando con (1), resulta x 2 y 3 z 0 .
x 2b 2c (1)
y a b 5c ( 2)
z a 3b c
(3)
eliminando a, b y c
(2)-(3) y z 4b 4c (4)
y ahora multiplicando (1) por 2 y restando (4) resulta: 2x y z 0
Luego L{ A} {( x, y, z ) R 3 / 2 x y z 0 }
x a b c (1' )
y a 2b ( 2' )
z a 4b 2c
(3' )
eliminando a, b y c
29
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
(2)-(3) y z 2a 2b 2c ( 4' )
y ahora multiplicando (1) por 2 y restando ( 4' ) resulta: 2 x y z 0
Luego L{B} {( x, y, z ) R 3 / 2 x y z 0 }
De i) y ii) L{ A} L{B} . Es decir, A y B generan los mismos subespacios.
PROPOSICIÓN 4.4.- Sea el espacio vectorial (V , , K , ·) , A {v1 , , v n } un
subconjunto de V diferente del vacío y Wi iI la familia de todos los subespacios
L{ A} Wi
iI
PRUEBA
i) Probaremos L{ A } Wi .
iI
n
Sea v L{A} , entonces existen escalares a1 , , a n K tal que v a j v j ;
j 1
v j A, j 1, , n . Pero como A Wi , i I v j Wi , i I , j 1, , n
n
v a j v j ; v1 , , v n Wi , i I v Wi ; i I v Wi
j 1 iI
L{ A} Wi .
iI
v j 0v1 0v j 1 1v j 0v j 1 0v n ; j 1, , n .
A L{ A} L{ A} Wi 0 para algún i 0 I
Wi Wi 0 L{ A} Wi L{ A}
iI iI
30
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a v
i 1
i i ai 0 ; i 1, , n
a v
i 1
i i y a i 0 para algún i entre 1 y n
1 0 0 1 0 0 0 0
EJEMPLO 4.5.3.- En R 22 , , , , son linealmente
0 0 0 0 1 0 0 1
independientes
EJEMPLO 4.5.4.- En F , el espacio vectorial de las funciones sobre R, {e t , e 2t }
es linealmente independiente. En efecto, sea la combinación lineal:
ae t be 2t 0 (1)
derivando (1) obtenemos:
ae t 2be 2t 0 (2)
y resolviendo (1) y (2) resulta a b 0 .
PROPOSICIÓN 4.6.- Sea (V , , K , ·) un espacio vectorial.
a) Un vector v V es linealmente independiente. si y solo si v .
b) Si v1 , v 2 , , v n son linealmente independientes, entonces v1 , v 2 , , v m donde
31
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a i vi a i vi
i 1 i 1
a v
i m 1
i i
32
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 0 0 1 0 0 0 0
EJEMPLO 4.9.3.- El conjunto , , , es una base
0 0 0 0 1 0 0 1
para el espacio vectorial ( R 22 , R ,.) .
subespacio de ( R 3 , , R, ·) .
SOLUCIÓN
S {( x, y, z ) R 3 / 2 x y 2 z 0 }
{( x, 2 x 2 z , z ) / x, z R }
{( x, 2 x, 0) (0, 2 z , z ) / x, z R }
{ x(1, 2, 0) z (0, 2,1) / x, z R }
L {(1, 2, 0), (0, 2,1)}
El conjunto {(1, 2, 0), (0, 2,1)} es una base para S, pues:
i) Es linealmente independiente.
ii) S L {(1, 2, 0), (0, 2,1)}
PROPOSICIÓN 4.10.- Un conjunto de elementos {v1 , , v n } del espacio vectorial
PRUEBA
) Asumamos que v1 , , v n es una base. Sabemos que v V , v puede ser
ai bi 0, i 1, , n
ai bi , i 1, , n
puede ser expresado de una única forma como combinación lineal de los v1 , , v n .
33
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA
Sea u V un elemento arbitrario, mostraremos que u se puede expresar como una
combinación lineal de elementos de S i .
n
Por hipótesis: V L{S } u bi vi (1)
i 1
1
vi v ( a j / a i )v j (2)
ai j i
34
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA
Consideremos V1 L{S} .
n
Sea u V1 u1 ai vi
i 1
L{u1 , v 2 , v3 , , v n } V1 .
PRUEBA
i) Si S es base de V, entonces L{S } V . Por otra parte, S ' V L{S } y S ' es
linealmente independiente por ser base de V, en virtud de la proposición 5.12.
resulta que m n .
ii) Análogamente, S ' base de V L{S '} V . Como S V L{S '} y S
linealmente independiente por ser base de V, aplicando nuevamente la
proposición 5.12. resulta que n m .
De i) y ii) se sigue que m n .
NOTA.- Del corolario podemos observar que si V tiene una base infinita, entonces
cualquier otra base tiene un número infinito de elementos.
35
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
R 3 , entonces dim R R 3 3 .
EJEMPLO 4.13.3.- El conjunto {(1, 0, , 0), (0, 1, , 0), , (0, 0, , 1)} es una
z j (a j i 0) (0 ib j )
Afirmamos que:
B {(1, 0, , 0), (i, 0, , 0), (0, 1, , 0), (0, i, , 0), , (0, 0, , 1), (0, 0, , i )}
es una base.
En efecto
i) B es linealmente independiente.
ii) L{B} C n , pues cualquier ( z1 , , z n ) C n se puede escribir como:
Luego dim R C n 2n .
36
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA
Sea a1v1 a 2 v 2 a m v m av 0 .
i) m n.
ii) Si m n , entonces existen v m 1 , , v n V tal que {v1 , , v m , v m 1 , , v n } es
una base para V.
PRUEBA
i) Sea {u1 , , u n } una base para V. Entonces V L{u1 , , u n } , pero
37
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
genera V.
COROLARIO 4.16.1.- Sea W un subespacio de un espacio vectorial V sobre K.
V W dim K W dim K V
COROLARIO 4.16.2.- Sea V un espacio vectorial de dimensión finita sobre un
campo K y W un subespacio propio de V. Entonces existe un subespacio U propio de
V tal que: V W U
PRUEBA
Hay que demostrar la existencia de U y además
i) V W U
ii) W U { }
definida U V .
Nos resta probar que
L{w1 , , wm , u1 , , u n m } W U V
m nm
donde v a i wi W y b u i i U
i 1 i 1
38
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
V W U
ii) W U { } es evidente por la definición de U.
Por consiguiente existe U subespacio propio de V tal que:
V W U
EJEMPLO 4.16.3.- Sea el espacio vectorial ( R 2 , , R, ·) y W {( 2t , t ) / t R} .
W {( x, y, z ) R 3 / 3 x y z 0 }
1) Hallar una base para W.
2) Construir U subespacio de R 3 tal que R 3 W U .
SOLUCIÓN
1) W {( x, y, z ) R 3 / 3 x y z 0 }
{( x, 3 x z , z ) / x, z R }
{( x, 3 x, 0) (0, z , z ) / x, z R }
{x(1, 3, 0) z (0, 1, 1) / x, z R }
L{(1, 3, 0), (0, 1, 1)}
{(1, 3, 0), (0, 1, 1)} es una base para el subespacio W.
2) Completamos dicha base para R 3 y sea {(1, 3, 0), (0, 1, 1), (1, 0, 0)} . Definimos
U L{(1, 0, 0)} y R 3 W U .
W { A R 22 / Tr ( A) 0 }
39
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a a12
11 / a11 a 22 0
a 21 a 22
a a12
11 / a11 , a12 , a 21 R
a 21 a11
a 0 0 a12 0 0
11 / a11 , a12 , a 21 R
0 a11 0 0 a 21
0
1 0 0 1 0 0
a11 a12 a 21 / a11 , a12 , a 21 R
0 1 0 0 1 0
1 0 0 1 0 0
L , 0 0 , 1 0
0 1
1 0 0 1 0 0
, 0 0 , 1 0 es una base para W dim R W 3 .
0 1
2) Pero sabemos que dim R R 22 4 . Luego tenemos que completar la base de W
con un vector más de R 22 que con los ya hallados sea l.i. Si elegimos
1 0 2 2
0 0 R .
1 0 0 1 0 0 1 0
0 0 , 1 0 , 0 0 es una base para R .
2 2
,
0 1
1 0 22
Definimos U L y se cumple que R W U .
0 0
PROPOSICIÓN 4.17.- Sea V un espacio vectorial sobre un campo K de dimensión
finita ( dim VK n ). Si U, W son subespacios de V, entonces se verifica que:
40
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Prueba de la afirmación
i) Que sea linealmente independiente.
Considérese la combinación lineal
r pr qr
ai vi bi ui ci wi
i 1 i 1 i 1
(1)
r pr qr
ai vi bi u i ci wi (2)
i 1 i 1 i 1
qr
ci wi U W pues la relación (2), por un lado por ser igual a una
i 1
ai vi bi ui d i vi
i 1 i 1 i 1
r pr
(ai d i )vi bi u i
i 1 i 1
a d i 0 , i 1, , r
i
bi 0 , i 1, , p r ( 4)
41
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a v c w
i 1
i i
i 1
i i
a 0 , i 1, , r (5)
i
ci 0 , i 1, , q r ( 6)
r pr
r qr
v ai vi bi u i ci vi d i wi
i 1 i 1 i 1 i 1
r pr qr
(ai ci )vi bi u i d i wi
i 1 i 1 i 1
{v1 , , v r , u1 , , u p r , w1 , , wq r } genera U W .
resulta que
dim K (U W ) r ( p r ) (q r )
pqr
42
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA.- Ejercicio
EJEMPLO 4.17.2.- Sea el espacio vectorial ( R 4 , , R, ·) . Consideremos
U {( x, y, z , t ) R 4 / 2 x y z t} y W {( x, y, z , t ) R 4 / x y z 0 x 2t}
Hallar dim R (U W )
SOLUCIÓN
Hallemos dim R U , dim R W y dim R (U W ) .
Para U
U {( x, y, z , t ) R 4 / 2 x y z t }
{( x, y, z , 2 x y z ) / x, y, z R }
{( x, 0, 0, 2 x) (0, y, 0, y ) (0, 0, z , z ) / x, y, z R }
{x(1, 0, 0, 2) y (0, 1, 0, 1) z (0, 0, 1, 1) / x, y, z R }
L{(1, 0, 0, 2), (0, 1, 0, 1), (0, 0, 1, 1)}
{(1, 0, 0, 2), (0, 1, 0, 1), (0, 0, 1, 1)} es una base para U. Entonces
dim R U 3 .
Para W
W {( x, y, z , t ) R 4 / x y z 0 x 2t }
{( 2t , z 2t , z , t ) / z , t R }
{( 2t , 2t , 0, t ) (0, z , z , 0) / z , t R }
{t (2, 2, 0, 1) z (0, 1, 1, 0) / z , t R }
L{( 2, 2, 0, 1), (0, 1, 1, 0)}
{( x, y, z , t ) R 4 / x 0, t 0 }
{(0, y, y, 0) / y R }
{ y (0, 1, 1, 0) / y R }
L{(0, 1, 1, 0)}
43
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
3 2 1
4
EJERCICIOS
a) x2 x 3
b) x4 1
1 3 5 2
c) x x x 1
2 2
3. Sea el espacio vectorial C [0, 1] { f / f : [0, 1] R} sobre R. Si
f , g C [0, 1] donde:
0 si 0 x 1 / 2 x 1 / 2 si 0 x 1 / 2
f ( x) g ( x)
x 1 / 2 si 1 / 2 x 1 0 si 1 / 2 x 1
Hallar: L{ f }, L{ g } y L{ f , g} .
4. En el espacio vectorial F de las funciones de R en R. Averiguar si f , g , h F
son linealmente independiente donde:
a) f (t ) e t , g (t ) sen t , h(t ) t 2
b) f (t ) e t , g (t ) e 2t , h(t ) t
44
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
b) {2 x, x 2 1, x 1, x 2 1}
c) {x( x 1), x 3 , 2 x 3 x 2 , x}
d) {1, x, x 2 , x 3 , x 2 x 1}
3 2 1 5 3 3
8. Probar que los polinomios: 1, x, x , x x forman una base para el
2 2 2 2
espacio vectorial de los polinomios de grado menor que cuatro.
9. Sean u , v, w vectores l.i. de un espacio vectorial V sobre el campo Q.
Demostrar que u v, u w, v w son también l.i. sobre Q. ¿Esto es verdad
para un campo arbitrario K?
10. Averiguar si los subconjuntos A {(1, 1, 2), (3, 0, 1)} y B {( 1, 2, 3),
A {sen 2 t , cos 2 t , sen t cos t} y B {1, sen 2t , cos 2t} generan el mismo
subespacio.
12. Hallar una base para los espacios vectoriales que se dan a continuación:
a) V {( x, y, z , r ) R 4 / x y z r 0 }, K R
b) W {( x, y, z , r ) R 4 / x y z , 2 x 3 y r }, K R
c) U {( x, y, z , r ) R 4 / x y z , x y 3 z , x 2 y r 0 }, K R
13. Sea V un espacio vectorial sobre un campo K. Si {v1 , , v n } es l.i. y
45
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
espacio vectorial (C 3 , , C , ·) .
17. Sean:
U {( x, y, z , t ) R 4 / x y z t 0 } y
W {( x, y, z , t ) R 4 / x y z t 0 }
W L{x 3 4 x 2 6, x 3 2 x 2 x 5, 2 x 3 2 x 2 3 x 9 }
Hallar la dimensión de U W .
19. Sea el espacio vectorial ( R 4 , , R, ·) . Si se consideran los subespacios:
U {( x, y, z , t ) R 4 / x y z 0 2 x y t 0 } y
W {( x, y, z , t ) R 4 / x 2 y 3 z 4t 0 }
a) Hallar la dimensión de U , W , U W , U W .
R 4 W W ' .
20. Una compañía constructora almacena tres mezclas básicas A, B, y C. Las
cantidades se miden en gramos y cada “unidad” de mezcla pesa 60 gramos.
Pueden formularse mezclas especiales de argamasa efectuando combinaciones
de las tres mezclas básicas. Por ello, las mezclas especiales posibles pertenecen
al espacio generado por los tres vectores que representan las tres mezclas
básicas. La composición de éstas es:
46
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
A B C
Cemento 20 18 12
Agua 10 10 10
Arena 20 25 15
Grava 10 5 15
Hormigón 0 2 8
a) ¿Es posible hacer una mezcla que consiste en 1000 gramos de cemento,
200 gramos de agua, 1000 gramos de arena, 500 gramos de grava y 300
gramos de hormigón?. ¿Por qué se puede y por que no?. Si se puede
¿Cuántas unidades de cada mezcla básica A, B, y C se necesitan para
formular la mezcla especial?.
b) Supóngase que se desea hacer 5400 gramos de argamasa de manera que
contenga 1350 gramos de cemento, 1675 gramos de arena y 1025 gramos
de graba. Si la razón de agua a cemento es de 2 a 3, ¿que cantidad de
hormigón debe utilizarse para hacer los 5400 gramos de argamasa?. ¿Se
puede formular esta masa como una mezcla especial?. Si es así, ¿cuántas
unidades de las mezclas A, B y C se necesitan para formular la mezcla
especial.
47
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1. TRANSFORMACIONES LINEALES
DEFINICIÓN 1.1.- Sean (V , , K , ·) y (W , , K , ·) dos espacios vectoriales. Una
función T : V W es llamada transformación lineal si satisface las siguientes
condiciones:
i) T (u v) T (u) T (v), u, v V .
ii) T (av) aT (v), a K y v V .
EJEMPLO 1.1.1.- Dados (V , , K , ·) y (W , , K , ·) espacios vectoriales.
Definimos:
T :V W
v T (v) W ; v V
T así definida es una transformación lineal pues satisface las condiciones i) y ii) de
la definición 1.1. y es llamada transformación lineal nula o cero y se denota por
T .
EJEMPLO 1.1.2.- Dado (V , , K , ·) espacio vectorial. Definimos:
I :V V
v I (v) v ; v V
I es transformación lineal y es llamada transformación lineal idéntica de V.
EJEMPLO 1.1.3.- Sea (V , , K , ·) un espacio vectorial. La aplicación:
T :V V
v T (v) av
para todo a K fijo y para todo v V , es una transformación lineal.
EJEMPLO 1.1.4.- Sea ( R 2 , , R, ·) espacio vectorial. Definimos T : R 2 R 2 tal
que T ( x, y) ( x 1, y 2) ; no es una transformación lineal.
pi : K n K
ésima proyección.
48
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.6.- Sea el espacio vectorial (P [ x], , R, ·) . (Ejemplo 1.1.6. Cap.
1). Definimos:
D : P [ x] P [ x ]
tal que:
n n n
D a k x k kak x k 1 para todo p( x) a k x k P [ x]
k 0 k 0 k 0
lineal.
PRUEBA DE LA AFIRMACIÓN
i) Probaremos que T ( f g ) Tf Tg ; f , g V .
x
(T ( f g ))( x) ( f g )(t )dt
0
x
( f (t ) g (t ))dt
0
x x
f (t )dt g (t )dt
0 0
(Tf )( x) (Tg )( x)
T ( f g ) Tf Tg .
ii) Ahora probaremos que T (af ) aTf .
x
(T (af ))( x) (af )(t )dt
0
x
af (t )dt
0
x
a f (t )dt
0
a(Tf )( x)
T (af ) aTf .
De i) y ii) T es una transformación lineal.
49
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 1.2.- Dados (V , , K , ·) y (W , , K , ·) espacios vectoriales.
T : V W es una transformación lineal si y solo si:
T (au bv) aT (u) bT (v) ; a, b K y u, v V
PRUEBA
) Asumamos que T es una transformación lineal.
T (au bv) T (au) T (bv) por def. 1.1. parte i)
aT (u) bT (v) por def. 1.1. parte ii)
T (au bv) aT (u) bT (v)
) Hay que probar que cumpla las condiciones de la definición 1.1. asumiendo
que:
T (au bv) aT (u) bT (v) ; , a, b K y u, v V
i) T (u v) T (1u 1v)
1T (u) 1T (v)
T (u) T (v), u, v V
ii) T (av) T (0u av)
0T (u) aT (v)
aT (v), a K y v V
PROPOSICIÓN 1.3.- Sean (V , , K , ·) y (W , , K , ·) dos espacios vectoriales y
T : V W una transformación lineal. Se cumplen las siguientes afirmaciones:
n n
i) T a i v i a i T (v i )
i 1 i 1
ii) T ( V ) W
Entonces T ( V ) W
50
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
W por la parte ii)
x y1 x2 y 2
1 x1 x2 , y1 y 2
x1 y1 x2 y 2
( x1 , y1 ) ( x2 , y 2 )
Luego T es un monomorfismo.
ii) T es un epimorfismo. Probaremos que:
( x2 , y 2 ) R 2 , ( x1 , y1 ) R 2 tal que T ( x1 , y1 ) ( x2 , y 2 ) .
T ( x1 , y1 ) ( x1 y1 , x1 y1 ) ( x2 , y2 )
x y1 x2 x2 y 2 x y2
1 x1 y y1 2
x1 y1 y 2 2 2
( x y 2 ) ( x2 y 2 )
Luego ( x2 , y 2 ), ( x1 , y1 ) 2 , tal que:
2 2
T ( x1 , y1 ) ( x2 , y 2 )
En consecuencia T es epimorfismo.
De i) y ii) T es un isomorfismo y por lo tanto un automorfismo.
51
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.4.3.- Sea T : R 2 R 3 definida por:
T ( x, y) ( x y, 0, x y)
T es una transformación lineal.
i) T no es monomorfismo pues considerando x y se tiene:
( x, y) ( y, x) T ( x, y) T ( y, x)
i 1, 2, , n .
PRUEBA
i) Existencia
Sea v V , entonces v se puede expresar de una única forma como:
n
v ai vi ; i 1, 2, , n, ai K
i 1
Definimos T : V W como:
n
T (v) ai wi
i 1
n n
T (au bv) T a ai vi b bi vi
i 1 i 1
n n
T (aai )vi (bbi )vi
i 1 i 1
52
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n
T (aai bbi )vi
i 1
n
(aai bbi ) wi por definición de T
i 1
n n
(aai ) wi (bbi ) wi
i 1 i 1
n n
a ai wi b bi wi
i 1 i 1
aT (u) bT (v)
tomando extremos resulta que:
T (au bv) aT (u) bT (v)
con lo cual queda demostrada la afirmación.
Además T cumple con la condición de que:
T (vi ) wi ; i 1, 2, , n
T (vi ) wi ; i 1, 2, , n
ii) Unicidad
Sea T : V W otra transformación lineal tal que
n
T ' (v) ai wi
i 1
53
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Nu(T ) {v V / T (v) W }
Es decir, el núcleo de T es el conjunto formado por todos los elementos de V
tales que sus imágenes mediante T es igual al elemento nulo de W.
T
V
W
V W
Nu (T )
T
V
W
W
Im(T )
OBSERVACIONES 2.1.1.
(1) Nu(T) es un subespacio de V e Im(T) es un subespacio de W.
(2) Si V L{v1 , , vn } entonces Im(T ) L{T (v1 ), , T (vn )} .
54
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 2.1.2.- Dada la transformación lineal T : R 2 R 2 definida en el
ejemplo 1.4.2. como
T ( x, y) ( x y, x y) .
Hallar Nu(T) e Im(T).
SOLUCIÓN
i) Nu(T ) {( x, y) R 2 / T ( x, y) (0, 0)}
{( x, y) R 2 /( x y, x y) (0, 0)}
{( x, y) R 2 / x y 0 x y 0}
{( x, y) R 2 / x 0 y 0}
{(0, 0)}
Luego Nu(T ) {(0, 0)} y dim R Nu(T ) 0 .
{( x, y) R 2 /( x y, 0, x y) (0, 0, 0)}
{( x, y) R 2 / x y 0}
{( x, x) / x R}
{x(1, 1) / x R}
L{(1, 1)}
Luego dim R Nu(T ) 1 .
55
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
T R3
R2
Nu (T )
Im(T ) {T ( x, y) / x, y R}
{( x y, 0, x y) / x, y R}
{( x, 0, x) ( y, 0, y) / x, y R}
{x(1, 0, 1) y(1, 0, 1) / x, y R}
L{(1, 0, 1), (1, 0, 1)}
L{(1, 0, 1)}
Luego dim R Im(T ) 1 .
T R3
2 Im(T )
R
SOLUCIÓN
56
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Expresamos primero (1, 1), (4, 1) y (1, 5) como una combinación lineal de los
vectores (1, 0) y (0, 1) .
(1, 1) 1(1, 0) 1(0, 1) (1)
(4, 1) 4(1, 0) 1(0, 1) (2)
(1, 5) 1(1, 0) 5(0, 1) (3)
aplicando T a (1), (2) y (3), tenemos:
T (1, 1) T (1(1, 0) 1(0, 1)) T (1, 0) T (0, 1) (2, 1) (1, 1) (3, 0)
T (4, 1) T (4(1, 0) 1(0, 1)) 4T (1, 0) T (0, 1) 4(2, 1) (1, 1) (9, 3)
T (1, 5) T (1(1, 0) 5(0, 1)) T (1, 0) 5T (0, 1) (2, 1) 5(1, 1) (7, 4)
Y
Y
5
T
3
X X
0 1 4 0 3 7 9
-4
57
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
SOLUCIÓN
i) Expresamos (3, 1, 5) como una combinación lineal de la base dada para R 3 .
(3, 1, 5) a(1, 1, 0) b(1, 2, 1) c(0, 1, 3)
(a b, a 2b c, b 3c)
luego tenemos
ab 3
a 2b c 1
b 3c 5
23 17 9
Resolviendo el sistema, obtenemos a , b y c , entonces:
2 2 2
23 17 9
(3, 1, 5) (1, 1, 0) (1, 2, 1) (0, 1, 3)
2 2 2
y aplicando T
23 17 9
T (3, 1, 5) T (1, 1, 0) T (1, 2, 1) T (0, 1, 3)
2 2 2
23 17 9
(1, 3) (5, 1) (0, 1)
2 2 2
61
(31, )
2
ii) Sea ( x, y, z ) R 3 un vector arbitrario.
( x, y, z) a(1, 1, 0) b(1, 2, 1) c(0, 1, 3)}
(a b, a 2b c, b 3c)
Luego
ab x
a 2b c y
b 3c z
1 1
Resolviendo el sistema obtenemos a (7 x 3 y z ), b (3x 3 y z ) y
4 4
1
c ( x y z ) , entonces:
4
1 1 1
( x, y, z ) (7 x 3 y z )(1, 1, 0) (3x 3 y z )(1, 2, 1) ( x y z )(0, 1, 3)
4 4 4
y aplicando T
58
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 1
T ( x, y, z ) (7 x 3 y z )T (1, 1, 0) (3x 3 y z )T (1, 2, 1)
4 4
1
( x y z )T (0, 1, 3)
4
1 1 1
T ( x, y, z ) (7 x 3 y z )(1, 3) (3x 3 y z )(5, 1) ( x y z )(0, 1)
4 4 4
1
(2 x 3 y z, (17 x 5 y 3z ))
4
1
T ( x, y, z ) (2 x 3 y z, (17 x 5 y 3z ) )
4
PROPOSICIÓN 2.2.- Sean (V , , K , ·) y (W , , K , ·) espacios vectoriales y
T : V W una transformación lineal. Se cumplen:
i) T es un monomorfismo Nu(T ) { V } .
independiente.
PRUEBA
i) ) Asumiendo que T es monomorfismo probaremos que:
Nu(T ) { V }
Nu(T ) { V } .
Nu(T ) { V }
) Asumamos ahora que Nu(T ) { V } . Probaremos que T es mono-
morfismo.
T ( x) T ( y ) T ( x) T ( y ) W
x y Nu(T ) { V }
59
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
x y V
x y
T es un monomorfismo.
ii) Ejercicio.
iii) {v1 , v2 , , vn } es linealmente independiente y T un monomorfismo.
a i T (v i ) V T ( a i v i ) W
i 1 i 1
n
T a i vi W
i 1
n
a i vi V por ser un monomorfismo
i 1
ai 0 ; i 1, 2, , n
Luego Nu( D) { p( x) a0 / a0 R}
{a0 / a0 es constante}
L{1}
entonces tenemos que dim R Nu( D) 1 , en consecuencia D no es un mono-
morfismo.
EJEMPLO 2.4.- Sea f : R 2 R 33 una transformación lineal definida por:
x2 x2 0
f ( x1 , x 2 ) x1 x2 x1 x 2
0 x1 x 2 x1
60
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
averiguar si f es un monomorfismo.
SOLUCIÓN
x2 x2 0 0 0 0
f ( x1 , x 2 ) x1 x2 x1 x 2 0 0 0
0 x1 x 2 x1 0 0 0
EJERCICIOS
1. De las siguientes aplicaciones, averiguar cuáles son transformaciones lineales:
a) T : C C / T ( z) z (C espacio vectorial sobre R)
b) G : R 3 R 2 / G( x, y, z) ( x z, x y z)
c) E : R R / E ( x) e x
a a12
d) H : R 22 R 2 / H 11 (a11 a 22 , a 21a12 )
21
a a 22
2. Con relación al ejercicio 1., hallar una base y dimensión del núcleo e imagen de
aquellas que sean transformaciones lineales.
3. Hallar la transformación lineal T : R 4 R 3 tal que:
T ( xi ) yi , 1 i 4
61
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
6. Sean V un espacio vectorial sobre K, U y W subespacios de V tal que
V U W . Si E1 y E 2 son aplicaciones lineales definidas como: E1 (v) u y
E2 (v) w , donde v u w, u U , w W . Verificar que:
es un monomorfismo de R 4 en W.
8. Sea V C un espacio vectorial sobre el campo de los reales, se define una
función:
x 7 y 5y
T : C R 22 tal que T ( x iy )
10 y x 7 y
a b c d e f g h i j k l m n ñ o p q r s t u v w x y z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
62
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
3. COMPOSICIÓN DE TRANSFORMACIONES LINEALES
DEFINICIÓN 3.1.- Sean T : V U y F : U W dos transformaciones lineales
entre espacios vectoriales sobre un mismo campo K. La función compuesta.
F T :V W
es definida como:
( F T )(v) F (T (v))
PROPOSICIÓN 3.2.- La composición de dos transformaciones lineales es una
transformación lineal.
PRUEBA
Sean T y F las transformaciones lineales dadas en la definición 3.1.
( F T )(au bv) F (T (au bv)) definición de composición 3.1.
F (aT (u)) bF (T (v)) por ser T transformación lineal
aF (T (u)) bF (T (v)) por ser F transformación lineal
a( F T )(u) b( F T )(v) def. de composición.
F T es una transformación lineal.
y F : R R 2 / F ( x) (2 x, x) .
Hallar F T .
SOLUCIÓN
( F T )( x, y, z) F (T (( x, y, z))
F ( x 2 y z)
(2( x 2 y z), x 2 y z)
(2 x 4 y 2 z , x 2 y z )
Notación.- Denotaremos F T 1 .
LEMA 4.2.- Si T : V W es una transformación lineal inversible, su inversa
T 1 : W V también es una transformación lineal.
PRUEBA.- Ejercicio.
63
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
TEOREMA 4.3.- Sean V, W espacios vectoriales de dimensión finita y T : V W
una transformación lineal. Entonces T es inversible si y solo si T transforma una
base de V en una base de W.
DEMOSTRACIÓN
) Asumiremos que T es inversible y sea {v1 , , vn } una base de V.
a1v1 a2 v2 an vn V
a1 a2 an 0
n n
w T (T 1 ( w)) ai T (vi ) ai wi
i 1 i 1
que T es inversible.
Definamos F : W V tal que F (wi ) vi , i 1, 2, , n . Lo cual siempre es
( F T )(v) F (T (v))
64
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n
F T ai vi sustitución de v
i 1
n
F a i T (v i ) por ser T transformación lineal
i 1
n
F ai wi por def. de T
i 1
n
ai F ( wi ) por ser F transformación lineal
i 1
n
a i vi por def. de F
i 1
v
F T IV (1)
n
Por otro lado si w W donde w bi wi tenemos:
i 1
(T F )(w) T ( F (w))
n
T F bi wi sustitución de w.
i 1
n
T bi F ( wi ) por ser F transformación lineal
i 1
n
T bi vi por def. de F
i 1
n
bi T (vi ) por ser T transformación lineal
i 1
n
bi wi por def. de T
i 1
w
T F IW (2)
65
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
i) T es inversible.
ii) T es inyectiva.
iii) T es suryectiva.
iv) T transforma bases en bases.
DEMOSTRACIÓN
i) ii)
T (u) T (v) T 1 (T (u)) T 1 (T (v))
uv por ser T inversible.
ii) iii)
Sea {v1 , v2 , , vn } V una base para V. Como T es inyectiva
n
Entonces existe v V donde v ai vi tal que:
i 1
n n n
T (v) T ai vi ai T (vi ) ai wi w
i 1 i 1 i 1
en consecuencia T es suryectiva.
iii) iv)
Sea {v1 , v2 , , vn } una base de V y T (vi ) wi ; i 1, 2, , n , sus imágenes
n n n
w T (v) T ai vi ai T (vi ) ai wi
i 1 i 1 i 1
66
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 4.5.- Sean V y W dos espacios vectoriales de dimensión finita
sobre un mismo campo K. V W si y solo si dim K V dim K W .
PRUEBA.- Ejercicio.
PROPOSICIÓN 4.5.-.- Sean V, W espacios vectoriales de dimensión finita sobre
un campo K y T : V W una transformación lineal. Entonces:
dim K V dim K Nu(T ) dim K Im(T )
PRUEBA.- Ejercicio.
67
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a(bT (u) cT (v)) por ser T t.l.
(ab)T (u) (ac)T (v)
b(aT )(u) c(aT )(v)
EJERCICIOS
1. Si T1 , T2 , T3 L(V , V ) y a K . Entonces demuestre que se cumple:
a) T1 (T2 T3 ) T1 T2 T1 T3
b) (T1 T2 ) T3 T1 T2 T2 T3
68
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
OBSERVACIÓN 5.2.1.- L(V , W ) es un álgebra sobre K con la operación de
composiciones lineales.
como:
W , si k i
Ti j (v K )
w j , si k i
ik wj
0 si k i
donde: iK delta de Kronecker ( )
1 si k i
Por el teorema fundamental de las transformaciones lineales 1.5. existe una
transformación lineal única que satisface las condiciones anteriores.
Afirmación.- {Ti j } donde 1 i n 1 j m es una base para L(V , W ) .
Prueba de la afirmación
i) Que son linealmente independientes
n, m
Sea a T
i , j 1
ij i j
a T
i , j 1
ij i j (v K ) W
n, m
a
i , j 1
ij i k w j W
a
j 1
kj w j W
69
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a K j 0, 1 j m y 1 k n
ai j 0, 1 i m y 1 j n
Entonces:
m
T (v k ) a k j w j ; a k j K
j 1
n, m
Probaremos que T a T
i , j 1
ij i j (1)
n, m
G (v k ) a T
i , j 1
ij i j (v k )
n, m
a
i , j 1
ij i k w j , definición de Ti j
m n
aij ik w j
j 1 i 1
m
ak j w j
j 1
T (v k )
70
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
6. ESPACIO DUAL DE UN ESPACIO VECTORIAL
DEFINICIÓN 6.1.- Sea V un espacio vectorial sobre el campo K. Llamaremos
espacio dual del espacio vectorial V al espacio vectorial de las transformaciones
lineales de V en K.
NOTACIÓN.- El espacio dual del espacio vectorial V sobre el campo K
denotaremos por V * . Luego V * L(V , K ) ; los elementos de V * se llaman
funcionales lineales o formas lineales.
Sean {v1 , , vn } y {1} bases para V y K respectivamente. Definimos:
Ti j : V K , donde 1 i n y j 1
En virtud del teorema 6.3., tendremos que dim K V * n 1 n , y {T11, T21, , Tn1}
definida por
( x1 , , xn ) a1 x1 an xn
71
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
TEOREMA 6.2.- Sea V un espacio vectorial de dimensión finita sobre el campo K
y sea B { v1 ,, vn } una base de V sobre K. Sean 1 , , n V los
funcionales lineales definidos como
1 si i j
i (v j ) ij
0 si i j
Entonces el conjunto B {1 , , n } es una base de V*.
PRUEBA
i) El conjunto B {1 , , n } es linealmente independiente.
ai = 0 ; i = 2, ….., n
Entonces a1 0, a2 0, , an 0 .Luego B {1 , , n } es linealmente
independiente.
ii) B {1 , , n } genera V*
(v1 ) k1
72
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
(vi ) (k11 k 2 2 kii k n n )(vi )
k11 (vi ) k 2 2 (vi ) kii (vi ) k n n (vi )
ki
EJEMPLO 6.2.1.- Hallar la base dual de {(1, 0, 1), (2, 1, 0), (0, 1, 2)} .
SOLUCIÓN
Hallaremos funcionales f1 , f 2 , f 3 ( R 3 ) * tales que:
f i (vk ) ik para i 1, 2, 3 y k 1, 2, 3
de donde:
a1 2a 2 x
a2 a3 y (2)
a1 2a 3 z
1 1
resolviendo el sistema (2) se tiene que a1 ( x 2 y z ), a 2 ( x 2 y z ) y
2 4
1
a3 ( x 2 y z ) , y reemplazando estos valores en (1) tenemos:
4
1 1 1
v ( x 2 y z )v1 ( x 2 y z )v2 ( x 2 y z )v3 (3)
2 4 2
aplicando f1 , f 2 y f 3 a (3), se tiene:
73
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1
f 1 ( x, y , z ) ( x 2 y z)
2
1
f 2 ( x, y , z ) ( x 2 y z ) (4)
4
1
f 3 ( x, y , z ) ( x 2 y z )
4
Por consiguiente la base dual de {(1, 0, 1), (2, 1, 0), (0, 1, 2)} está formada por
{ f1 , f 2 , f 3 } obtenida en (4).
74
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
y toda funcional lineal V se puede escribir como
(v1 )1 (v2 ) 2 (vn ) n (2)
Prueba
Supongamos que
u a1v1 a2 v2 an vn (3)
a1 1 (u)
De forma similar se tiene aplicando i ; i 2,, n
i (u) i (a1v1 ai vi an vn )
a1i (v1 ) ai i (vi ) ani (vn )
ai i (u) ; i 1, , n
Luego se tiene que
1 (u) a1 , 2 (u) a2 ,, n (u) an
y reemplazando los valores anteriores en (3) se tiene
u 1 (u)v1 2 (u)v2 n (u)vn
75
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Sea V un K-espacio vectorial de dimensión finita y v un vector
perteneciente a V. Probar, que existe f V * tal que f (v) 0 .
2. Hallar una base dual para cada una de las siguientes bases de R 3 :
i) {(1, 0, 0), (1, 1, 0), (1, 1, 1)}
ii) {(1, 2, 3), (1, 1, 1), (2, 4, 7)}
3. Sea V el espacio vectorial de los polinomios reales de grado menor o igual a 2.
Si 1, 2 y 3 son funcionales lineales sobre V definidas como:
1
1( f (t )) f (t )dt , 2 ( f (t )) f ' (1) y 3 ( f (t )) f (0)
0
{ 1, 2 , 3 } .
76
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 7.1.- . Sea V un K-espacio vectorial de dimensión finita.
Demostrar que si v V y v , entonces existe V * tal que (v) 0 .
PRUEBA.
Sea dim V n , v ≠ 0 es linealmente independiente.
Por el teorema de completación de bases existen v2 , , vn V , tal que
77
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Del teorema, consideraremos a V como el espacio de las funcionales lineales sobre
V * y se escribirá V V ** .
la base de V V ** dual a i .
8.- ANULADORES
Sea V un K-espacio vectorial y W un subconjunto (no necesariamente subespacio)
de V. Se dice un funcional lineal V * es un anulador de W si
(w) 0, w W ; es decir (W ) {0} . El conjunto formado por todas las
funcionales lineales que cumplen la definición anterior se denota por W 0 y es
llamado el anulador de W. Es decir,
W 0 { V * / (w) 0; w W }
78
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
SOLUCIÓN
Por el ejercicio anterior es suficiente hallar una base del conjunto de funcionales
lineales : R 4 R / ( x, y, z, w) ax by cz dw tal que (v1 ) 0 y
(v2 ) 0 .
(v ) 0 (1, 2, 3, 4) a 2b 3c 4d 0
1
(v1 ) 0 (0, 1, 4, 1) b 4c d 0
1 2 3 4 0 1 0 11 6 0
~
0 1 4 1 1 0 1 4 1 1
a 11c 6d 0 a 11c 6d
b 4c d 0 b 4c d
i) Para c 1, d 0, a 11, b 4 , se tiene 1 ( x, y, z, w) 11x 4 y z
ii) Para c 0, d 1, a 6, b 1 , se tiene 2 ( x, y, z, w) 6 x y w .
ii) S1 S 2 S 20 S10 .
PRUEBA
i) Sea v S S 0 , vˆ( ) (v) 0 vˆ (S 0 ) 0 . Por lo tanto, por medio
Sea S 20 (v) 0 ; v S 2
(v) 0 ; v S1 Por hipótesis
S10
Luego, S 20 S10 .
79
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
TEOREMA 8.3.- Sea V un K-espacio vectorial de dimensión finita y W un
subespacio de V. Entonces se cumplen las siguientes proposiciones:
i) dim W dim W 0 dim V
ii) W 00 W
donde W 00 { v V / (v) 0 ; W 0 } , también es usual denotar
Por definición de la base dual, cada una de las anteriores anula a cada wi ,
luego 1 , , nr W 0 .
Prueba de la afirmación
a) Que sea { j } linealmente independiente.
linealmente independiente.
b) Que { j } genere a W 0 .
80
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
ii) Supongamos que dim V n y dim W r . Entonces, dim V * n y por i)
En consecuencia W W 00 .
PROPOSICIÓN 8.4.- Sean U y W subespacios de V. Probar que
(U W ) 0 U 0 W 0 .
PRUEBA
i) Sea (U W ) 0 anula U W .
anula U y W U 0 W 0 (U 0 W 0 )
(U W ) 0 U 0 W 0 .
(U W ) 0 .
Luego, U 0 W 0 (U W ) 0 .
Finalmente de la doble inclusión y definición de igualdad se tiene
(U W ) 0 U 0 W 0
81
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA
T * (af bg ) (af bg ) T por def. 9.1.
(af ) T (bg ) T
a( f T ) b( g T )
aT * ( f ) bT * ( g )
T * es una transformación lineal.
b) (T * ( f ))( x, y) ( f T )( x, y)
f (T ( x, y))
f ( 2 x y, x y )
2(2 x y) ( x y)
5x y
82
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL
tal que:
n
v a1v1 a 2 v2 a n vn ai vi (1)
i 1
de tal forma que el vector v V se puede caracterizar únicamente por los escalares
ai K , i 1, 2,, n correspondientes a la combinación lineal (1); esto es, por la n-upla
de elementos de K que expresamos como un vector columna y denotamos por:
a1
a
[v]B 2 (2)
a n
DEFINICIÓN.- La relación (2) se denomina vector de coordenadas de v relativo a la
base B, a los escalares a i se les llaman coordenadas o componentes del vector v V
la base B.
Nota.- En lo que se sigue de esta sección supondremos que el K-espacio vectorial es de
dimensión finita y la base considerada B es ordenada.
Ejemplo.-Sea B { (1, 0, 0), (1, 1, 0), (1, 1, 1) } una base ordenada del espacio vectorial
Solución
(2, 3, 1) a1 (1, 0, 0) a2 (1,1, 0) a3 (1, 1, 1)
(2, 3, 1) 1(1, 0, 0) 4(1,1, 0) 1(1, 1, 1)
83
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1
[v]B 4
1
cualquier vector de K n .
x1
x
[v]B 2 y denotaremos [v]B [v]
xn
T (vn ) a1n w1 a2n w2 amn wm
entonces construimos una matriz que tenga como columnas los vectores de coordenadas
de T (v1 ), T (v2 ),, T (vn ) la cual denotaremos por:
84
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
A [T ]B
B
'
(5)
como
B' {(1, 0, 0, 0), (1,1, 0, 0), (1,1,1, 0), (1,1,1,1)} es la base para R 4
Solución
a) Respecto a las bases canónicas
{(1, 0, 0), (0,1, 0), (0, 0,1)} de R 3
1 0 0
0 1 0
luego [T ]
0 0 0
0 0 1 43
1 0 0
0 1 1
luego [T ]B
B
'
0 0 1
0 0 1 43
85
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Ejemplo.- Dados los espacios vectoriales ( R, , R, .) , ( R 2 , , R, .) y la
Solución
T (1) (1, 2) 1(1, 0) 2(1,1)
1
[T ]B
B
'
2 21
Ejemplo.- Sea V un espacio vectorial sobre K de dimensión n y F : V V una
transformación lineal definida como
F (v) 2v
Hallar la matriz asociada de F respecto a ala base: B B' {v1 , v2 ,, vn }
Solución
F (v1 ) 2v1 0v2 0vn
F (vn ) 0v1 0v2 2vn
2 0 0
0 2 0
[ F ]B
B
0 0 2 nn
z x
se define la transformación lineal G : W1 W2 como G( x, y, z )
x 0
Hallar la matriz asociada de G respecto a las bases:
1 0 0 0 0 1
B' , , de W2 .
0 0 0 1 1 0
Solución
86
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
0 1 1 0 0 0 0 1
G(1,1, 0) 0 0 1
1 0 0 0 0 1 1 0
1 0 1 0 0 0 0 1
G(0, 0,1) 1 0 0
0 0 0 0 0 1 1 0
0 1
[G ] B'
B 0 0
1 0 32
Si A [T ]B
B es la matriz asociada a la transformación lineal T respecto a las bases B y
'
c1
c
B' , v V y C [v]B 2 las coordenadas de v respecto a la base B, entonces
c n
[T (v)]B' AC son las coordenadas de T(v) en la base de B' .
Prueba
Si A [T ]B '
B es la matriz asociada a la transformación lineal T, entonces:
m
T (v j ) aij wi , j 1, , n (1)
i 1
c1
c
como C [v]B 2 son las coordenadas de v respecto a la base de B, entonces:
cn
n
v c jv j (2)
j 1
n
ahora T (v) T c j v j
j 1
n
c j T (v j )
j 1
n
m
c j aij wi de (1)
j 1 i 1
87
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
m n
aij c j wi (3)
i 1 j 1
Escribiendo explícitamente la relación (3) se tiene
n n n
T (v) a1 j c j w1 a 2 j c j w2 a nj c j wn (4)
j 1 j 1 j 1
Luego de (4)
n
a1 j c j
jn1
a c
T (v)B ' j 1
2j j
n
a mj c j
j 1
AC
Finalmente, tomando extremos se obtiene [T (v)]B' AC .
i) Hallar [T ]B '
B .
Solución
i) T (1,1) (2, 2, 0) 0(1, 1,1) 0(1, 0,1) 2(1,1, 0)
T (1, 2) (2, 3, 1) 0(1, 1,1) 1(1, 0,1) 3(1,1, 0)
88
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
0 0
[T ] B'
B 0 1
2 3 23
7
luego [v]B
5
0 0 0
T (v) B'
7
0 1 5
5
2 3 1
1 1 / 2 3 / 2
Sabiendo que T B
B'
2 1 / 2 3 / 2
i) Hallar T (3, 0, 2)
ii) Hallar T ( x, y, z )
Solución
i) v (3, 0, 2) 3(1,1,1) 1(0, 0,1) 3(0, 1, 0) luego
3
[v]B 1
3
3
1 1 / 2 3 / 2 7
T (v)B ' 1
2 1 / 2 3 / 2 3 10
T (3, 0, 2) 7(1,1) 10(1, 1)
(17, 3)
ii) Sea v ( x, y, z) x(1,1,1) ( z x)(0, 0,1) ( x y)(0, 1, 0) luego
89
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
x
[v]B z x
x y
x
1 1 / 2 3 / 2
T ( x, y, z )B ' z x
2 1 / 2 3 / 2 x y
3 1
2 x 2
y z
2
3 1
3 x y z
2 2
3 1 3 1
T ( x, y, z ) (2 x y z ) (1,1) (3 x y z ) (1, 1)
2 2 2 2
T ( x, y, z) (5x 3 y z, x)
bases ordenadas B { v1 , v2 , , vn } de V y B { w1 , w2 , , wm } de W.
Se tiene
(aT bS )(v j ) aT (v j ) bS (v j ) ; j 1, , n
m m
a aij wi b bij wi ; j 1, , n
i 1 i 1
m m
(aaij ) wi (bbij ) wi ; j 1, , n
i 1 i 1
m
(aaij bbij ) wi ; j 1, , n
i 1
De este modo,
aT bS BB aaij bbij ; i 1,, m, j 1,, n
90
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
aaij bbij ; i 1,, m, j 1,, n
aT B bS B
B B
Prueba
) Asumiendo que la transformación lineal T : V W es nula.
Sean B { v1 , v2 , , vn } y B { w1 , w2 , , wm } las bases ordenadas de V y
W respectivamente, entonces
m
T (v j ) aij wi ; j 1, , n
i 1
aij 0 ; i 1, , m , j 1, , n
0 0
T 0
B
B
0 0
c1
c
[v]B 2 , luego por una proposición demostrada anteriormente se tiene que
c n
c1 0 0
0 0 0
T BB [v]B [T (v)]B
c2
0
[T (v)]B
0 0
c n 0 0
Entonces, T (v) 0w1 0w2 0wm 0, v V . En consecuencia la
91
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Teorema.- Sean V, W dos K-espacios vectoriales de dimensiones n y m
respectivamente. Para cada par de bases B {v1 , v2 ,, vn } de V y B' {w1 , w2 ,, wm }
de W se tiene que:
L(V , W ) K mn
Prueba
Definimos:
: L(V , W ) K mn
T (T ) [T ]B
B
'
(T ) [T ]B
B [aij ] mn A
'
(S ) [S ]B
B [bij ] mn B
'
Se tiene
(aT bS ) [aT bS ]B
B
'
Por definición de .
a[T ]B
B b[ S ]B
' B'
Por la proposición anterior.
a (T ) b (S ) Sustitución
Con lo cual se verifica la afirmación 1.
Afirmación 2.- es un isomorfismo. En efecto:
i) es inyectiva
Nu( ) {T L(V , W ) / (T ) 0}
{T L(V , W ) / [T ]B
B 0}
'
L(V , W ) K mn
92
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Proposición .-Dados V, W, U espacios vectoriales de dimensión finita sobre el campo K
y sean T : V W y S : W U transformaciones lineales. Si B , B y B son las
bases ordenadas de los espacios vectoriales V, W y U respectivamente, entonces:
B B
B [ S ]B [T ]B
[S T ]B
Prueba
Consideremos: B {v1 , v2 ,, vn }, B {w1 , w2 ,, wm } y B {u1 , u 2 ,, u r } las
m
S aij wi
i 1
m
aij S ( wi )
i 1
m
r
aij bki u k
i 1 k 1
r
m
bki aij u k
k 1 i 1
luego:
r
m
( S T )(v j ) bki aij u k
k 1 i 1
ck j
r
ck j u k 1 j n
k 1
entonces: B [c k j ] r n
[S T ]B
93
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Ejemplo.- Sean las transformaciones lineales
T : R3 R2
( x, y, z ) ( x y, z x)
S: R2 R
( x, y ) 2 x y
y consideremos las bases:
B {(1,1,1), (1,1, 0), (1, 0, 0)} de R 3 ,
ii) (S T )( x, y, z)
iii) (S T )(2, 1, 4)
Solución
2 6
i) T (1,1,1) (2, 0) (1, 3) (2,1)
5 5
4 7
T (1,1, 0) (2, 1) (1, 3) (2,1)
5 5
3 4
T (1, 0, 0) (1, 1) (1, 3) (2,1)
5 5
2 / 5 4 / 5 3 / 5
B
[T ]B
6/5 7/5 4 / 5 23
S (1, 3) 5 5(1)
S (2,1) 5 5(1)
B 5 512
[S ]B
2 / 5 4 / 5 3 / 5
[S T ]BB 5 5
6/5 7/5 4 / 5
4 3 1
ii) (S T )( x, y, z)
Hallemos [( x, y, z )]B
( x, y, z) a(1,1,1) b(1,1, 0) c(1, 0, 0)
calculando se tiene que a z, b y z, c x y . Luego:
94
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
( x, y, z) z(1,1,1) ( y z)(1,1, 0) ( x y)(1, 0, 0)
z
[( x, y, z )]B y z
x y
[(S T )( x, y, z)]B [S T ]B
B [( x, y, z )]B
z
4 3 1 y z
x y
4 z 3( y z) ( x y)
x 2y z
(S T )( x, y, z) x 2 y z
iii) (S T )(2, 1, 4) 4
1 0 0 1 0 0 0 0
B , , ,
22
de R .
0 0 0 0 1 0 0 1
Hallar:
B
i) [T ]B
B y [F ]B
ii) [ F T ]B
B
Solución
i) T (1,1) (2,1, 0) 1(2,1, 0) 0(0, 0,1)
T (1, 0) (0, 0, 0) 0(2,1, 0) 0(0, 0,1)
95
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 0
B
[T ]B
0 0
2 1 1 0 0 1 0 0 0 0
F (2,1, 0) 2 0 0 10 0 01 0 20 1
0 2
0 0 1 0 0 1 0 0 0 0
F (0, 0,1) 0 0 1 0
1 0 0 0 0 0 1 0 0 1
2 0
1 0
[ F ]B
B
0 1
2 0
B B
B [ F ]B [T ]B
ii) [ F T ]B
2 0
1 0 1 0
0 1 0 0
2 0
2 0
1 0
0 0
2 0
Prueba.- Ejercicio.
96
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
I : V V tal que I (v j ) v j , j 1, 2,, n ,
tiene
n
I (v j ) v j pij vi , j 1, 2,, n (1)
i 1
I (vn ) vn p1n v1 p2n v2 pnnvn
tiene
n
I (v j ) v j qij vi , j 1, 2,, n (2)
i 1
I (vn ) vn q1n v1 q2n v2 qnnvn
97
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
la matriz asociada al endomorfismo I respecto a las bases B y B que
denotamos por:
q11 q12 q1n
q q 22 q 2 n
Q [ I ]B
B 21
q n1 q n 2 q nn
B {v'1 , v' 2 ,, v' n } dos bases ordenadas para V. Entonces las matrices de cambio de
Prueba
En efecto,
PQ [ I ]B ' B
B [ I ]B ' Por definición de P y Q.
[ I I ]B
B'
'
Por propiedad demostrada.
[ I ]B
B'
'
Pues I I I .
In Por el ejercicio anterior.
Ejemplo.- Sean B {(1,1), (1, 0)} y B {(1, 0), (2,1)} dos bases de R 2 .
Hallar la matriz cambio de base:
i) P de la base B a la base B .
ii) Q la base B a la base B.
iii) Verifique que P y Q son inversas entre si
98
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Solución
i) (1,1) 1(1, 0) 1(2,1)
(1, 0) 1(1, 0) 0(2,1)
1 1
P
1 0
ii) (1, 0) 0(1,1) 1(1, 0)
(2,1) 1(1,1) 1(1, 0)
0 1
Q
1 1
0 1 1 1 1 0
iii) PQ
1 1 1 0 0 1
Prueba
a1 a '1
a a'
Sean: [v]B 2
y [v]B 2
an a ' n
las coordenadas del vector v V con respecto a las bases B y B .
Probaremos que P[v]B [v]B
n
Entonces v a jv j
j 1
n
n
a j pij vi
j 1 i 1
99
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n n
a j pij vi (1)
i 1 j 1
Por otro lado tenemos que:
n
v aivi (2)
i 1
De (1) y (2) por la unicidad de la combinación lineal, ya que B es una base tenemos
n
ai pij a j , i 1, 2,, n (3)
j 1
es decir, explícitamente:
a1 p11a1 p12a2 p1n an
an pn1a1 pn 2 a2 pnn an
T 1 B
C
C 1
([T ]B )
Prueba
100
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Sea n dim V dim W , considerando las bases B y C en V y W respectivamente,
se tiene
C
[T ]B
T 1
B
C [T T 1 ]CC [ I ]CC I n
Análogamente,
T 1 B
C
C
[T ]B [T 1 T ]B
B [ I ]B I n
B
Por consiguiente,
T 1 B
C
C 1
([T ]B )
) C
Ahora asumiendo que [T ]B posee inversa.
Se tiene que ran(T ) dim W , luego solo resta probar que T es una
transformación lineal inyectiva.
Si T (v) , entonces
C 1
[ v ]B ([ T ]B ) [ T (v)]C 0
Como todas las coordenadas de v son iguales a cero, se tiene que v , luego
Nu(T ) { } y en consecuencia T es inyectiva.
101
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Considerando las bases canónicas de B y C en R 2 y P 1[ R ] respectivamente se
tiene que
T (1, 0) 1 1x
T (0, 1) 0 1x
1 0
C
Luego, [ T ]B
1 1
C 1 1 0
C
La matriz [T ]B es inversible y ([ T ]B ) ; en consecuencia T es un
1 1
isomorfismo.
Para calcular la inversa de T
1 0 a a
[ T 1 (a bx)] [ T 1 ]B
C [ a bx ]C
1 1 b a b
T 1 (a bx) a(1, 0) (a b)(0, 1)
T 1 (a bx) (a, a b)
B Q[ T ]C P
[ T ]B C
Q[ T ]CC P [ I ]B
C [ T ]B [ I ]B [ I ]C [ T I ]B [ I ]C [ T ]B [ I T ]B [T ]B
B C B C B C B B
B Q[ T ]C P
[T ]B C
102
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
[T ]CC
V, C V, C
P P Q
[T ]B
B
V, B V, B
Matrices semejantes
Sea V un K-espacio vectorial de dimensión finita y T : V V un endomorfismo. Se
A T B ,
B
consideran B y B dos bases ordenadas de V. Si se denotan por
C y C se cumple que A Q 1 BP .
Es decir, dada la transformación lineal T : V W donde V y W son dos K-espacios
vectoriales de dimensiones n y m respectivamente, diremos que las matrices
A, B K nn representan a la misma transformación lineal T existen matrices
B
V , B W, C
P Q Q -1
A
V, B W, C
103
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Ejemplo.- Sea T : R 3 R 2 tal que T ( x, y, z) ( x y, 2 z x) .
Solución
C
i) Hallemos [T ]B
T (1, 0, 0) (1, 1) 1(1, 0) 1(0,1)
T (0,1, 0) (1, 0) 1(1, 0) 0(0,1)
T (0, 0,1) (0, 2) 0(1, 0) 2(0,1)
1 1 0
A [T ] C
B
1 0 2
ii)
B
R 3 , B R2 , C
P -1 Q
P
A
R3 , B R2 , C
0 1 1 1 1 1
P 0 1 0 , P 1
0 1 0
1 2 1 1 1 0
104
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
De C {(1, 0), (0,1)} a C {(0,1), (1, 0)}
(1, 0) 0(0,1) 1(1, 0)
(0,1) 1(0,1) 0(1, 0)
0 1
Q
1 0
iii) Calcular la matriz de T respecto a las bases dadas (ii).
B QAP 1
1 1 1
0 1 1 1 0
0 1 0
1 0 1 0 2 1 1 0
3 1 1
1 2 1
Ejercicios
1. Una transformación lineal T : R 3 R 2 está definida por
T ( x, y, z) ( x 2 z, y z)
a) Hallar la matriz asociada A de T, respecto a las bases:
{ (1, 1, 1), (2, 2, 0), (3, 0, 0) } en R 3 y { (2, 0), (0, 2} en R 2
105
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
3. Sea la transformación lineal f : R 2 R 3 definida por
f ( x, y) ( x y, x y, x 2 y)
a) Determinar el Nu(f), Im(f), una base para cada uno y sus respectivas
dimensiones.
b) Hallar la matriz asociada de f respecto a las bases:
{ (1, 2), (2, 0) } en R 2 y { (1, 0, 0), (0, 2, 0), (0, 0, 3) } en R 3
a b
f (a b c, a b d , b c d )
c d
a) Obtener la matriz de f respecto de las bases:
1 1 1 0 0 0 0 1
, , , y { (0, 2, 1), (2, 0, 1), (0, 1, 1) }
1 1 1 0 0 1 1 1
1 3
c) Utilizando la matriz hallada, obtener la imagen de .
2 2
106
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
8. Determinar la transformación lineal f : R 3 R 2 , tal que respecto de las bases
{ (1, 1, 1), (1, 0, 1), (1, 1, 0) } en R 3 y { (1, 2), (2, 1) } en R 2 su matriz asociada sea
1 0 0
0 1 1 .
9. Hallar la matriz de la transformación lineal g f respecto de las bases
{ (1, 1), (0, 1) } en el dominio, { (2, 0), (2, 2) } en el codominio donde
f : R 2 R 3 / f ( x, y) ( x, x y, y) g : R 3 R 2 / g ( x, y, z) ( x y, z) .
cos sen
sen cos
respecto de la base canónica.
Demostrar que si y son números reales cualesquiera, entonces
f f f y f1 f .
V { a bx cx 2 / a, b, c K }
107
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
14. Dados el espacio vectorial R2 con las bases B { (1, 1), (3, 2) } y
1 2
matriz asociada 2 1 , se pide
3 1
2
b) Si [v]B 1 , halle [v]C .
3
1
c) Si [v]C 3 , halle [v]B .
2
108
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
17. Considere el siguiente subespacio de M 2 ( R) ;
x y
W
t
M 2 ( R ); x y z 0
z
1 1 1 0 0 0 1 0 0 1 0 0
y sean B , , , C , , dos
0 0 1 0 0 1 1 0 1 0 0 1
bases de W.
a) Halle las matrices cambio de base de B a C y de C a B.
0 0 1
b) Encuentre una base D de W, tal que la matriz P 3 0 1 sea la
1 2 0
B { v1 , v2 , v3 } es
3 2 1
2 1 0
4 3 1
Se pide:
a) Probar que B { v3 , T ( v3 ), T 2 ( v3 ) } es también base de R 3 .
b) Hallar la matriz asociada de T con respecto a la base
B { v3 , T ( v3 ), T 2 ( v3 ) } .
19. Sean P2 [ x] y P3 [ x] los espacios vectoriales de los polinomios de grado menor
109
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
DETERMINANTES
Sea V un K-espacio vectorial y f : V V K una función. Diremos que f es una
forma bilineal sobre V si y solo si satisface las siguientes condiciones:
i) f (au1 bu 2 , v) af (u1 , v) bf (u 2 , v) ; u1 , u 2 , v V ; a, b K
ii) f (u, cv1 dv2 ) cf (u, v1 ) df (u, v2 ) ; v1 , v2 , u V ; c, d K
Observación
Sea f : V V K una forma bilineal.
1) Para cada v V definimos
fv : V K
u f v (u ) f (u, v)
2. Para cada u V definimos
f u :V K
v f u (v) f (u, v)
f ( x, y ) xAy T
a11 a12 a1n y1
a a 22 a 2 n y 2
( x1 , x 2 , , x n ) 21
a n1 a n 2 a nn y n
y1
n n n
y 2
xi ai1 , xi ai 2 , , xi ain
i 1 i 1 i 1
yn
n n
y j xi aij
j 1 i 1
110
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n n
aij xi yi
i 1 j 1
n n
La aplicación f así definida es una forma bilineal y la expresión aij xi yi se
i 1 j 1
0 f (u, v) f (v, u) 0
f (u, v) f (v, u)
Una forma simétrica que satisface la condición ii) se dice antisimétrica o
hemisimétrica.
Observación.- Si 11 0 en K, entonces de la condición ii) se tiene
f (u, u) f (u, u) lo que implica la condición i). Es decir alternadas y antisimétricas
son equivalentes cuando 1 1 0 .
Ejemplo 1.- Consideremos el R- espacio vectorial R n , A R nn tal que A AT .
Definimos
f : Rn Rn R
( x , y ) f ( x, y ) xAy T
111
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
La aplicación f así definida es alternada.
En efecto, se tiene
f ( x, y) xAy T ( xAy T )T y( xA)T yAT x T y( A) x T yAx T f ( y, x)
Luego, tomando extremos f ( x, y) f ( y, x) . Como en K R, 1 1 0 , entonces
f ( x, x) 0 y en consecuencia f es alternada.
Ejemplo 2.- Sea V un K-espacio vectorial donde dim V n , K es tal que 1 1 0 y
sean f1 , f 2 V * . Definimos
f : V V K
(u, v) f (u, v) f1 (u ) f 2 (v) f 2 (u ) f1 (v)
Dejamos como ejercicio la prueba de que la aplicación f es bilineal. Probaremos que f
es alternada.
En efecto,
f (u, v) f1 (u ) f 2 (v) f 2 (u ) f1 (v)
[ f 2 (u ) f1 (v) f1 (u ) f 2 (v)]
[ f1 (v) f 2 (u ) f 2 (v) f1 (u )]
f ( v, u )
Luego, tomando extremos se cumple que f (u, v) f (v, u) , en consecuencia queda
probado que f es alternada.
Ejercicio.- Denotemos el conjunto de todas las formas bilineales alternadas por
A2 (V , K ) { f L2 (V , K ) / f es alternada }
Demuestre que A2 (V , K ) es un subespacio de L2 (V , K ) .
Observaciones
Sea f A2 ( K 2 , K ) se cumple:
1. f (u v, v) f (u, v) .
2. f (0, v) 0 f (u, 0) ; f L2 (V , K ) .
3. f (u, u) 0
a c
4. Existe f A2 ( K 21 , K ) tal que f , ad bc .
b d
112
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 0
En efecto, sea e1 , e2 la base canónica de K 21 y { e1* , e2* } la
0 1
base del dual de K 21 correspondiente a { e1 , e2 } . Es decir, ei* : K 21 K es
a c
f (u, v) ad bc , donde u y v
b d
5. Se tiene que dim A2 ( K 21 , K ) 1 .
a c
En efecto, sea D A2 ( K 21 , K ) , u y v y si A [ u , v] ,
b d
entonces
D( A) D([u, v]) (ad bc) D(e1 , e2 ) (1)
113
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Formas n-lineales
Sea V un K-espacio vectorial de dimensión n. Una forma n-lineal es una aplicación
f : V n K , donde V n V
V
V
n veces
tal que
f (v1 ,, avi bvi, , vn ) af (v1 , , vi , , vn ) bf (v1 , , vi, , vn )
vi, v1 , , vn V , i 1, , n; a, b K .
Ln (V , K ) es un K-espacio vectorial.
subespacio de Ln (V , K ) .
Observaciones
1. Suponiendo que 1 1 0 en K se verifica
f An (V , K ) f (v1 , , vi ,, v j ,, vn ) f (v1 , , v j ,, vi ,, vn ) , i j
es decir f es antisimétrica.
Asumiendo que f es alternada, definimos
g (u, v) f (v1 , , u ,, v,, vn ) ; vk V , k {i, j} están fijados
i j
Se tiene que
g (u, u) 0 f (v1 , , u, , u, , vn )
f (v1 , , vn ) 0, f An (V , K )
114
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
En efecto, si v1 , , vn son linealmente dependientes entonces podemos asumir
n
sin pérdida de generalidad que v n ci vi
i 1
n
f (v1 , , vn1 , vn ) f (v1 , , vn1 , ci vi )
i 1
n 1
ci f (v1 , , v n 1 , vi )
i 1
0
Función determinante
Definición.- Sea K un campo tal que 1 1 0 , y si A K nn que escribimos como
A [ A1 , A2 , , An ] , donde Ai con 1 i n denota la columna del lugar i de la
Observación.-
K nn
K n K n K n
f
K ; f An ( K n , K )
A [ A1 , A2 , , An ]
D f D( A) f ( A) f ( A1 , A2 , , An )
Es decir si A [ A1 , , A j 1 , A j , A j 1 , , An ] , entonces
A(i | j ) [ A1 , , A j 1 , A j 1 , , An ] [ A1 , , Aˆ j , , An ]
115
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Teorema.-[Existencia de la función determinante]
Existe una función determinate
D : K nn K tal que D( I n ) 1
Demostración
La demostración de la existencia dem de D la haremos por inducción sobre n.
Para n 1, A [a]11 , D( A) a
Para n 2 se cumple por la observación parte (4).
Hipótesis inductiva
Para n 2 , supongamos que el teorema se cumple para matrices cuadradas de orden
n 1.
Sea A [aij ]nn para cada i, 1 i n .
Definimos
n
Di ( A) (1) i j aij D( A(i | j )) (1)
j 1
en las columnas A1 , , A j 1 , A j 1 , , An .
~ , , A ] , entonces D ( A) (ca da~ ) D( A(i | j ))
Si A [ A1 , , cA j dA j n ij ij ij
~ , , A ] )
cDij ( [ A1 , , A j , , An ] ) dDij ( [ A1 , , A j n
entonces Di ( A) 0 .
116
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Sea 1 j n tal que j k j l , entonces las matrices A(i | j ) tienen dos columnas
iguales, entonces D( A(i | j )) 0 .
Luego, de la definición (1) se tiene
Di ( A) (1) i k aik D( A(i | k )) (1) i l ail D( A(i | l )) (2)
A(i | k ) [ A1 , , Aˆ k , , Al , , An ]
A(i | l ) [ A1 , , Ak , , Aˆ l , , An ]
D( A(i | k )) D( [ A1 , , Aˆ k , , Al , , An ] )
l 1
como Ak Al Ak Al , luego
aii D( I n (i | i )
1 D( I n 1 )
1
Observaciones.
1. En realidad en el teorema existen n funciones determinantes. Denotemos con
det alguna de esas funciones. En particular det D1 .
2. La fórmula (1) es conocida como el desarrollo de Lagrange (desarrollo por
menores complementarios)
117
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a11 a12 a13
Para el caso de A a 21 a 22 a 23 se tiene que
a31 a32 a33
a 22 a 23 a 21 a 23 a 21 a 22
det( A) D1 ( A) (1)11 a11 (1)1 2 a12 (1)13
a32 a33 a31 a33 a31 a32
tiene:
a) det(Ei ( )) det(I n )
b) det(Eij ( )) det(I n )
c) det(Eij ) det(I n )
f) det((Eij ) T ) det(Eij )
Proposición
1. Sean Ei ( ), Eij ( ), 0 y E ij los tres tipos de matrices elementales. Se
tiene:
a) det(Ei ( ))
b) det(Eij ( )) 1
c) det(Eij ) 1
118
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Expresando la matriz elemental Ei ( ) del segundo tipo en término de sus
columnas se tiene
Ei ( ) [ E1 , , Ei , , En ] (1)
0
Donde Ei 1 i , es la i-ésima columna de la matriz identidad I n .
0
1 0 0 0
0 1 0
Eij ( )
0 0 1 0
0 0 0 1
Expresando la matriz elemental del tercer tipo en términos de sus columnas se
tiene
Eij ( ) [ E1 , , Ei , , E j Ei , , En ]
Es decir,
0 0 0
i 1 0
E i E j
j 1 0 1
0 0 0
y
1 0 0 0
0 0 1 0
Eij
0 1 0 0
0 0 0 1
Expresando la matriz elemental del primer tipo en términos sus columnas
119
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Eij [ E1 , , E j , , Ei , , En ] (3)
det(I n )
(1)
det(Ei ( ))
det([ E1 , , Ei , , E j , , En ] ) det([ E1 , , Ei , , Ei , , En ] )
0
det( I n )
1
det(Eij ( )) 1
c) det(Eij ) det([ E1 , , E j , , Ei , , En ])
det([ E1 , , Ei , , E j , , En ])
det(I n ) 1
det(Eij ) 1
a) AEi ( ) [ A1 , , Ai , , A j , , An ]
b) AEij ( ) [ A1 , , Ai , , A j Ai , , An ]
c) AEij [ A1 , , A j , , Ai , , An ]
Luego, para a)
D( AEi ( )) D( [ A1 , , Ai , , A j , , An ] )
D( [ A1 , , Ai , , A j , , An ] )
D(A )
det(Ei ( )) D( A )
D( AEi ( )) det(Ei ( )) D( A )
120
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
D( [ A1 , , Ai , , A j , , An ] ) D( [ A1 , , Ai , , Ai , , An ] )
0
D( A) 1D( A) det(Eij ( )) D( A)
D( AEij ( )) det(Eij ( )) D( A)
D( [ A1 , , Ai , , A j , , An ] )
D( AEij ) det(Eij ) D( A)
b) ( Eij ( ))T E ji ( )
c) ( Eij ) T Eij
Luego, tenemos
De a) D(( Ei ( ))T ) D( Ei ( ))
D( Eij ( ))
D( E T ) D( E )
121
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Prueba
Caso 1.- Si B es singular, entonces AB es también singular, luego
det( AB) 0 (1)
De otra parte se tiene que
det( A) det(B) 0 (2)
pues det(B) 0 por ser B singular.
De (1) y (2) se tiene que det( AB) det( A) det(B)
Caso 2.- Si B es no singular.
Si B es no singular, entonces B puede ser expresado como producto de
matrices elementales; es decir
B E p E p 1 E2 E1
AB AE p E p 1 E2 E1
det( A) det(B)
det( AB) det( A) det(B)
122
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
A E p E p 1 E1 AT ( E p E p 1 E1 )T E1T E2T E Tp1E Tp
Prueba
Caso 1.- Si A es singular.
det( A) 0 D( I n ) det( A) D( A)
D( A) D( E p E p 1 E2 E1 )
D( I n ) det(E p E p 1 E2 E1 )
D( I n ) det( A)
En consecuencia,
D( A) D( I n ) det( A)
Prueba
123
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Sea D cualquier función determinante que satisface D( I n ) 1 , entonces
D( A) D( I n A) D( I n ) D( A) D( I ) Di ( A) Di ( A)
Entonces, D Di .
Corolario.- Sea
D(n, K ) { D : K nn K / D es función determinante}
D(n, K ) es un espacio vectorial de dimensión 1 sobre K.
Prueba
Si D D(n, K ) , entonces D( A) D( IA) D( I ) det( A), A K nn .
Como D(I ) es una constante, entonces D( A) det( A) . Luego, D det y
como det 0 , { det } es una base de D(n, K ) . En consecuencia dim( D(n, K )) 1 .
A 0
det det( A) det(B)
C B
Prueba
Fijamos A, C y definimos
A 0
: K rr K tal que ( B) det
C B
La aplicación así definida resulta ser r-lineal alternada sobre las columnas de B ya
que det es una forma n-lineal alternada.
Entonces, es una función determinante y aplicando a B se tiene
( B) det(B) ( I r ) (1)
A 0 A 0
Pero, ( I r ) det det
0 I ; nótese que en el lugar correspondiente a
C I r r
124
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Además se tiene que
I s 0
( I s ) det det(I s r ) 1
0 I r
Luego,
A 0
( A) det( A) det (I r )
I r
(3)
0
Finalmente, usando en (1) el resultado obtenido en (3) se tiene
( B) det(B) det( A)
Con lo que queda demostrado que
A 0
det det( A) det(B)
C B
Ejercicio.- Aplicando la proposición anterior demostrar que
a b c d
b a d c
(a 2 b 2 c 2 d 2 ) 2
c d a b
d c b a
Solución
Sumando a la primera fila la tercera multiplicada por i, y a la segunda la cuarta
multiplicada por i, se obtiene
a b c d a ic b id c ia d ib
b a d c b id a ic d ib c ia
c d a b c d a b
d c b a d c b a
Ahora, sumando a la tercera columna la primera multiplicada por –i, y a la cuarta la
segunda multiplicada por –i, se obtiene
a ic b id c ia d ib a ic b id 0 0
b id a ic d ib c ia b id a ic 0 0
c d a b c d a ic b id
d c b a d c b id a ic
Aplicando la proposición anterior se tiene
a ic b id 0 0
b id a ic 0 0 a ic b id a ic b id
c d a ic b id b id a ic b id a ic
d c b id a ic
125
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a ic b id a ic b id
Prop. de conj.
b id a ic b id a ic
a ic b id a ic b id
b id a ic b id a ic
2
a ic b id
Usando la Prop. z z | z | 2
b id a ic
(a 2 b 2 c 2 d 2 ) 2
Finalmente, tomando extremos se tiene
a b c d
b a d c
(a 2 b 2 c 2 d 2 ) 2
c d a b
d c b a
Ejercicio.- Demostrar que
A B
det det( A iB ) ; A, B K nn
2
B A
Solución
A B A iB B iA
det det
B A
B
A
A iB 0
det
B A iB
A iB 0
det
B A iB
det( A iB )
2
matriz A a la expresión
Cij (1) i j det A(i | j ) (1)
126
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Nota.- Reemplazado la relación (1) en
n
det( A) (1) i j aij det A(i | j )
j 1
se obtiene
n
det( A) aij Cij (2)
j 1
La relación (2), que es otra forma de expresar el det(A) y es llamada desarrollo por
cofactores de la i-ésima fila de A.
Definiciones.- Sea A [ aij ]nn K nn .
columna de la matriz A, 1 i, j n .
2. Llamaremos matriz adjunta de A a la matriz denotada por
Adj ( A) ( Cof ( A) )T
Esto es, la adjunta de A, es la transpuesta de la matriz cofactor de A.
Ejemplo.-Dada la matriz
2 1
A
3 5
Hallar Adj (A) .
Solución
C11 (1)11 det([5]) 5 , C12 (1)12 det([3]) 3 ,
5 3 5 1
Entonces, Cof (A) y en consecuencia Adj ( A) (Cof ( A)) T
1 2 3 2
Teorema.- Sea A K nn , entonces
A Adj ( A) (det( A)) I n Adj ( A) A
Prueba
127
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
a1 j
Sea A [ A1 , A2 , , A j , , An ] donde A j aij
a nj
n
det( A) (1) i j aij det( A(i | j ))
i 1
n
(1)
aij Cij
i 1
pero como bij es una componente de la columna Ak , se tiene que bij aik ; es decir
b1 j a1k
bij aik j-ésima columna
bnj a nk
Entonces,
n
a
i 1
ik Cij 0, k j (2)
Si j k , se tiene
n
( Adj ( A) A) jj a rj C rj det( A)
r 1
Por consiguiente,
128
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
det( A) 0 0
0 det( A) 0
Adj ( A) A det( A).I n (3)
0 0 det( A)
( Adj ( AT ) AT )T det( A) I n
tiene
det( A Adj ( A)) det(det(A) I n )
129
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
al ser A invertible det( A) 0 y se tiene finalmente que
1
det( AA 1 ) det(I n ) det( A) det( A 1 ) 1 det( A 1 )
det( A)
su inversa.
Solución
Calculando el determinante de A se tiene que det( A) 4 , entonces A es invertible.
La matriz cofactor de A es
2 1 1 2 2 4
Cof ( A) 2 1 1 Adj ( A) 1 1 2
4 2 2 1 1 2
130
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
2 2 4
Adj ( A) 1 1 2
1 1
A 1
det( A) 4
1 1 2
Ejemplo
Utilizando la adjunta, calcular la inversa de
cos 0 sen
A 0 1 0
sen 0 cos
Solución
det( A) cos 2 sen 2 1 0 , entonces
cos 0 sen
A 0
1
1 0
sen 0 cos
Una de las tantas aplicaciones del uso de los determinantes es la solución de un sistema
de n ecuaciones con n incógnitas, cuando la matriz asociada tiene determinante no nulo.
Este método es conocido como la Regla de Cramer.
Regla de Cramer
Sea el sistema
a11 x1 a12 x 2 a1n x n b1
a 21 x1 a 22 x 2 a2n xn b2
(1)
a n1 x1 an 2 x2 a nn x n bn
Que de forma abreviada, escribimos como
AX B (2)
x1 b1
x b
Donde A [ aij ]nn , X 2
y B 2
xn bn
En (2) multiplicando ambos miembros por la Adj (A) se tiene
Adj ( A)( AX ) Adj ( A) B
( Adj ( A) A) X Adj ( A) B
det( A) I n X Adj ( A) B
det( A) X Adj ( A) B
131
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n
det( A) x j ( Adj ( A)) ji bi
i 1
n
C ij bi
i 1
n
(1) i j bi det( A(i | j ))
i 1
det[ A1 , , A j 1 , B, A j 1 , , A n ]
Luego,
5 1 0 2 5 0 2 1 5
3 2 1 0 3 1 0 2 3
1 0 2 15 1 0 2 6 1 0 1 11
x , y y z
7 7 7 7 7 7
Ejemplo
Dado el sistema
x 2y z m
mx y (m 1) z 1
x my (m 1) z 0
Describir el conjunto solución para todos los posibles valores reales de m.
Solución
La matriz asociada al sistema es
1 2 1
A m 1 m 1
1 m m 1
132
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Usando las propiedades de determinantes, calculamos
1 2 1
A m 1 m 1 2m(m 2)
1 m m 1
Luego, el sistema tiene solución única para m 0 y m 2 .
Ejercicios
1. Si
a1 a2 a3
A b1 b2 b3 5
c1 c2 c3
a1 a2 a3
c) b1 4c1 b2 4c 2 b3 4c3 .
c1 c2 c3
a) A1 b) 2A c) 2 A1 d) (2 A) 1
3. Sea A 3 y B 4 . Calcule
a) AB b) ABAT c) B 1 AB
2 0 0 0 4 2 3 4
5 3 0 0 3 2 1 5
c) h)
3 2 4 0 2 0 1 3
4 2 1 5 8 2 6 4
133
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
2 0 1 0 1
1 1 1 1
1 2 3 1 2
2 0 1 1
i) j) 0 1 2 4 1
1 1 0 0
1 0 1 3 2
1 1 1 1
1 1 1 2 2
5. Demostrar que
D2 ( K 2 ) { D / D es función determinante de M 22 ( K ) en K }
Es un K - espacio vectorial de dimensión 1.
6. Demostrar que si A en una matriz singular, entonces det( A) 0 .
7. Muestre que si det( AB) 0 , entonces det( A) 0 o det(B) 0 .
8. Demostrar por inducción sobre r:
r r
D[ 1 , , i( j ) , , n ] D[1 , , i( j ) , , n ] , r
j 1 j 1
n
9. Si A [aij ] tal que aij 0 si i j , entonces det( A) aii .
i 1
a b c d
b a d c
b) (a 2 b 2 c 2 d 2 ) 2
c d a b
d c b a
134
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 1 1
c) a b c (a b)(b c)(c a)
bc ac ab
0 1 1 1 1
1 0 1 1 1
d) 1 1 0 1 1 4
1 1 1 0 1
1 1 1 1 0
x yz 2x 2x
e) 2y yxz 2y ( x y z )3
2z 2z z yx
1 1 2 1
0
3 2 1
Calcular D4 .
1 4 2 1
3 1 3 2
135
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Calcule todos los cofactores de los elementos del segundo renglón y todos los
cofactores de los elementos de la tercera columna.
17. En los ejercicios, evalúe los determinantes haciendo uso cofactores:
4 4 2 1 2 2 3 1
1 2 0 3 0 1 2 1
a) b)
2 0 3 4 3 1 4 1
0 3 2 1 2 3 0 0
3 1 2 1 0 0 1 3
2 0 3 7 0 1 2 1
c) d)
1 3 4 5 2 2 5 2
0 1 1 5 3 3 0 0
18. Dada la matriz
2 3 0
A 4 1 3
2 0 1
20. Sea
6 2 8
A 3 4 1
4 4 5
21. En los siguientes ejercicios, calcule las inversas de las matrices dadas, si es que
existen, mediante la adjunta.
136
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
0 2 1 3
4 2 2 2 1
3 2 0 1 2 3 4
a) 3 4 b) c)
2 1 5 2
1 0 3
0 1 0 2
22. Utilice determinantes para determinar cuales de las siguientes matrices son no
singulares.
1 2 0 5
1 2 3 3
1 2 0 1 2 4 1 7
a) 3 4 b) c)
2 5 2 0
2 3 1
0 1 2 7
23 Sea A M nn (R) , tal que el cofactor Ars de ars es deferente de cero.
Demostrar que la matriz A(t) obtenida de A, sustituyendo ars por ars t , tiene
, y .
29. Haga uso de los teoremas o corolarios para determinar si los siguientes sistemas
homogéneos tienen soluciones no triviales.
137
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
x 2y w 0
x 2y z 0
x 2 y 3z 0
a) 2x 3y z 0 b)
z 2w 0
3x y 2 z 0
y 2z w 0
30. En los siguientes ejercicios, resuelva el sistema lineal dado mediante la regla de
Cramer, en caso de ser posible
x y z 2w 4
2x 4 y 6z 2
2 y z 3w 4
a) x 2z 0 b)
2 x y z 2w 5
2x 3y z 5
x y w 4
31. Determine todos los valores de a para los cuales el sistema lineal
2x ay 0
ax 2 y 0
tiene:
a) Una única solución b) Una infinidad de soluciones
32. Determine todos los valores de a para los cuales la matriz
a 2 2
a 2 a 2
es no singular.
33. Utilice la regla de Cramer para determinar todos los valores de a para los cuales
el sistema lineal.
x 2 y 2z 9
2x y a
3x y z 10
tiene la solución en la cual y 1 .
138
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRODUCTO INTERNO Y ORTOGONALIDAD
1. PRODUCTO INTERNO
DEFINICIÓN 1.1.- Sea V un espacio vectorial sobre el campo K, donde K R ó
K C . Llamaremos producto interno sobre V a una aplicación:
, : V V K
si satisface las siguientes condiciones:
i) u v, w u, w v, w ; u, v, w V .
ii) u, v v, u ; u, v V , la barra indica la conjugación compleja.
iii) au, v au, v y u, av au, v ; a K , u, v V .
iv) v, v 0 y v, v 0 v .
Al par (V , , ) se le denomina espacio vectorial con producto interno.
OBSERVACIONES 1.1.1.
(1) De la definición 1.1. se observa que , es una aplicación que hace
corresponder a cada par de vectores u, v V un escalar real o complejo.
(2) Si K R las condiciones ii) y segunda parte de iii) resultan: u, v v, u y
u, av au, v respectivamente.
y ( y1 , , y n ) .
n
( xi y i z i y i )
i 1
139
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n n
xi y i z i y i
i 1 i 1
x, y z, y
n
ii) x, y xi y i
i 1
n
y i xi
i 1
y, x
n
iii) ax, y (axi ) y i
i 1
n
a( xi y i )
i 1
n
a xi y i
i 1
a x, y
Análogamente,
n
x, ay xi (ay i )
i 1
n
a( xi y i )
i 1
n
a xi y i
i 1
a x, y
n
iv) x, x x i x i
i 1
n
xi 0
2
i 1
Así mismo
n
x, x 0 xi 0 xi 0 ; i 1, , n x
2
i 1
n
x, y xi yi es un producto interno.
i 1
140
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Definimos:
n
x, y xi yi
i 1
La función definida así es un producto interno. Veamos que cumpla las condiciones
de la definición:
Sean a C y x ( x1 , , xn ), y ( y1 , , y n ), z ( z1 , , z n ) C n
n
i) x z , y ( xi z i ) y i
i 1
n
( xi y i z i y i )
i 1
n n
xi y i z i y i
i 1 i 1
x, y z, y
n
ii) x, y x i y i
i 1
n
x i yi
i 1
n
yi x i
i 1
y, x
n
iii) ax, y (axi ) y i
i 1
n
a ( xi y i )
i 1
n
a xi y i
i 1
a x, y
n
y x, ay xi (ayi )
i 1
n
x(a y i )
i 1
n
a ( xi y i )
i 1
141
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n
a xi y i
i 1
a x, y
n
iv) x, x x i x i
i 1
n
xi 0
2
i 1
n
x, x 0 xi
2
0
i 1
xi 0 ; i 1, 2, , n
xi 0 ; i 1, 2, , n
x
EJEMPLO 1.1.4.- En el espacio vectorial V R 2 se define:
, : R2 R2 R
como x, y x1 y1 3x2 y2 donde x ( x1 , x2 ), y ( y1 , y2 ) .
Averiguar si la aplicación así definida es un producto interno.
SOLUCIÓN
Sean a R y x ( x1 , x2 ), y ( y1 , y 2 ), z ( z1 , z 2 ) R 2
i) x z, y ( x1 z1 ) y1 3( x2 z 2 ) y 2
x1 y1 z1 y1 3x2 y 2 3z 2 y 2
( x1 y1 3x2 y 2 ) ( z1 y1 3z 2 y 2 )
x, y z, y
ii) x, y x1 y1 3x2 y 2
y1 x1 3 y 2 x 2
y, x
iii) ax, y (ax1 ) y1 3(ax 2 ) y 2
a( x1 y1 3x 2 y 2 )
a x, y
Análogamente x, ay a x, y
142
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.5.- Sea V { f : [0, 1] R / f es continua}, definimos en este
espacio vectorial la aplicación:
1
f , g f (t ) g (t )dt
0
1
( f (t )) 2 dt
0
1
f (t ) dt
2
0
f (t 0 ) 0 .
2
f (t 0 ) 0 ; 0 t 1 ...(*)
2
143
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.6.- Consideremos el espacio vectorial ( R 2 , , R, ·) y la matriz
a d
simétrica A
c
.
d
Definimos: , : R2 R2 R
a d y1
Tal que x, y [ x1 , donde x ( x1 , x2 ), y ( y1 , y2 ) .
c y 2
x2 ]
d
Determinar las condiciones para que la función así definida sea un producto interno.
SOLUCIÓN
i), ii) y iii) se verifican sin ninguna dificultad (cualquiera sean los valores de a, c y
d). Analicemos qué condiciones se debe de cumplir para que se verifique iv).
a d x1
x, x [ x1 x2 ]
d c x 2
ax1 2dx1 x2 cx 2
2 2
v v, v ; v, v 0
v v, v 10
1
f f, f 0
f 2 (t )dt
144
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1
f 0
e 2 x dx
1
1 2x
(e
2 0
1 2
(e 1)
2
TEOREMA 1.3.- Sea V espacio vectorial sobre K con producto interno. Entonces
se cumple:
i) av a v ; a K , v V .
ii) v 0 y v 0 v .
PRUEBA
i) av av, av
aav, v
a v, v
2
a v, v
a v
Caso 1.- Si u
u, v , v 0 , v 0 v
Caso 2.-Si u
v, u
Definimos w v 2
u
u
Afirmación.- w , u 0 .
En efecto:
v, u
w , u v 2
u, u
u
145
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
v, u
v, u 2
u , u
u
v, u
v, u
2
2
u
u
0
Luego
v, u v, u
0 w v u, v
2
2 2
u
u u
v, u v, u v, u
v 2
u, v v 2
u, 2
u
u u u
v, u v, u v, u
v, v 2
u , v 2
v 2
u, u
u u u
0 (por la afirmación )
v, u
v, v 2
u , v
u
v, u
2
v
2
2
u
v, u v, u
2 2
0 v v
2 2
2 2
u u
v, u ( u
2
v )2
u, v u v
iv) Probaremos ahora que: uv u v
uv u v , u v
2
u, u v v, u v
u, u u, v v, u v, v
u v u, v u, v
2 2
u v 2 Re (u, v )
2 2
(1)
u v 2 u, v
2 2
(2)
146
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
u v 2 u
2 2
v (3)
u v 2
(2) Re( z ) z , z C
EJERCICIOS
1. Sean x ( x1 , x2 ), y ( y1 , y 2 ) R 2 . Averiguar si las aplicaciones dadas a
sobre R 2 .
3. Dados u (u1 , u 2 ) y v (v1 , v2 ) elementos de C 2 . Averiguar si la aplicación
f (u, v) u1 v1 (1 i)u1 v2 (1 i)u 2 v1 3u 2 v2
147
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
ii) Sea W V un subconjunto, se denomina conjunto ortogonal a W al conjunto
denotado por W que se define como
W { v V / v, w 0, w W }
iii) Sea W V un subconjunto, se dice W es un conjunto ortogonal si y solo si
u, v W tal que u v implica que u, v 0 .
iii) Sea W V un subconjunto, se dice que W es ortonormal si y solo si W es
ortogonal y u 1, u W .
, : R2 R2 R
(u , v) u , v
tal que u, v x1 y1 x2 y1 x1 y2 4 x2 y2 .
xy y 2 x2 4 xy 0
y 2 3xy x 2 0
3x 9 x 2 4( x 2 )
entonces y
2
3x x 13
2
148
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
3 13
x
2
1
Luego ( x, y) ( y, x) y (3 13 ) x
2
(3) Sea el espacio vectorial:
( R n , , R, ·) y W {(1, 0, , 0), (0, 1, , 0), , (0, 0, , 1)}
W es un conjunto ortonormal pues ei , e j i j .
Considérese el conjunto:
W { h(t ) 1, f n (t ) 2 cos 2 nt, g n (t ) 2sen 2 nt / n N }
Probar que W es un conjunto infinito ortonormal.
PRUEBA
i) Fijando h(t ) 1 .
Primero hagamos variar f n (t )
1
h, f n 1 f (t )dt
0
1
2 cos 2 nt dt
0
1
2
(sen 2n t
2n 0
2
(sen 2n sen 0)
2n
2
(0 0)
2n
Luego h, f n 0, n N .
1
2 sen 2 nt dt
0
149
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1
2
(cos 2 nt
2n 0
2
(cos 2n cos 0)
2n
2
(1 1)
2n
0
Luego h, g n (t ) 0, n N .
1
2(cos 2n t ) (sen 2 nt) dt
0
1
sen 4 nt dt
0
1
1
(cos 4 nt
4 n 0
1
(cos 4 n cos 0)
4 n
1
(1 1)
4 n
1
(0)
4 n
0
Luego f n , g n 0, n N .
1
2(cos 2m t ) (sen 2 nt) dt (*)
0
150
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1
f m , g n [sen 2 (n m)t sen 2 (n m)t ]
0
1 1
sen 2 (n m)tdt sen 2 (n m)tdt
0 0
1 1
1 1
( cos 2 (n m)t ( cos 2 (n m)t
2 (n m) 0 2 (n m) 0
1 1
(1 1) (1 1)
2 (n m) 2 (n m)
0
Luego f n , g n 0, n m .
a) fn fn , fn
fn , fn
2
fn
1
f n (t )dt
2
0
1
2 cos 2 2 nt dt
0
1 1
2 (1 cos 2 4 nt )dt
0 2
1 1
dt cos 4 nt dt
0 0
1 1
1
t ( sen 4 nt
0 4 n 0
1 0
1
1 , en consecuencia
2
Luego fn f n 1, n N .
b) gn gn , gn
gn , gn
2
gn
1
g n (t )dt
2
0
1
2 sen 2 2 nt dt
0
151
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 1
dt cos 4 nt dt
0 0
1 0
1
1 , en consecuencia g n 1, n N .
2
Luego g n
PRUEBA
n
Sea a v
i 1
i i .
a v , v
i 1
i i k , vk 0 ai vi , vk 0
i 1
(1)
a v , v
i 1
i i k a k vk , vk 0
PRUEBA
n
v, vk a v , v
i 1
i i k , 1 k n
152
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n
a i vi , v k
i 1
a k vk , vk
ak vk
2
v, v k
ak 2
vk
OBSERVACIONES 2.3.2.
(1) Si W es ortonormal se tiene que ak v, vk , 1 k n .
(3, 1, 2) 17 (3, 0, 4) 6
(4, 0, 3) 1(0, 1, 0)
25 25
153
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
k 1, 2, , m el conjunto {v1 , v2 , , vk } sea una base del subespacio generado
PRUEBA
Se define la base por inducción.
Sea w1 v1
v 2 , w1
w2 v 2 2
w1
w1
w1 , w2 0 , es decir w1 w2 .
AFIRMACIÓN 1.- w2 .
v 2 , w1
En efecto, suponiendo que w2 se tiene que v 2 2
w1 lo cual es
w1
AFIRMACIÓN 2.- w3 .
v3 , w2 v3 , w1
v3 2
w2 2
w1
w2 w1
vk 1 , wk vk 1 , w1
wk 1 vk 1 2
wk 2
w1 (1)
wk w1
AFIRMACIÓN 3.- wk 1 .
154
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
k
vk 1 , wi
v k 1 2
wi (2)
i 1 wi
wk 1
AFIRMACIÓN 4.- wk 1 , w j 0, j 1, 2, , k .
k
vk 1 , wi
wk 1 , w j0 vk 1 2
wi , w j0
i 1 wi
k
vk 1 , wi
vk 1 , w j0 2
wi , w j0
i 1 wi
vk 1 , w j0 vk 1 , w j0
0
0 si i j0
pues wi , w j0 2
w j0 si i j0 , 1 j0 k
Luego se tiene wk 1 , w j 0, 1 j k .
V.
155
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
wi
Se construye u i , luego ui 1 .
wi
1 1
w2 (2, 1) (1, 3) (3, 1)
2 2
1
Luego {(1, 3), (3, 1)} es una base ortogonal para R 2 y
2
1 1
(1, 3), (3, 1) es una base ortonormal para R 2 .
10 10
EJEMPLO 2.4.3.- Hallar una base ortonormal a partir de la base
{(1, 0, 1), (2, 1, 1), (1, 2, 1)} de R 3 .
SOLUCIÓN
w1 (1, 0, 1)
v2 , w1
w2 v2 2
w1
w1
3
(2, 1, 1) (1, 0, 1)
2
1
w2 (1, 2, 1)
2
v3 , w2 v3 , w1
w3 v3 2
w2 2
w1
w2 w1
2
(1, 2 , 1) (1, 2 , 1) (1, 0 , 1)
3
2
w3 (1, 1, 1)
3
156
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
1 2
{(1, 0, 1) , (1, 2, 1), (1, 1, 1)} es una base ortogonal de R 3 .
2 3
1 1 1
(1, 0, 1), (1, 2, 1), (1, 1, 1) es una base ortonormal de R 3 .
2 6 3
m n.
Por el proceso de ortogonalización de Gram – Schmitd, existe
{w1 , w2 , , wm ,, wn } base ortonormal de V, entonces {w1 , w2 ,, wm } es una
PRUEBA DE LA AFIRMACIÓN
a) Tenemos que w j , wi 0 para todo j i , luego wm1 , wm2 ,, wn pertenecen
a W .
L{wm1 , wm 2 ,, wn } W
n
b) Sea u W V , entonces u ai wi (*)
i 1
particular lo es con w1 , w2 , , wm a1 a2 am 0 .
157
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
n
de (*) u u , w w
i m 1
i i
extendemos la base de W a una base para R 3 . Sea {(1, 0, 2), (0, 1, 1), (1, 0, 1)} la
extensión.
Ahora ortogonalizamos mediante el proceso de Gram – Schmitd:
w1 (1, 0, 2)
(0, 1, 1), (1, 0, 2)
w2 (0, 1, 1) 2
(1, 0, 2)
(1, 0, 2)
1
w2 (2, 5, 1)
5
(1, 0, 1), 1 / 5 (2, 5, 1) 1 (1, 0, 1), (1, 0, 2)
w3 (1, 0, 1) 2
(2, 5, 1) 2
(1, 0, 2)
1 5 (1, 0, 2)
(2, 5, 1)
5
1
w3 (2, 1, 1)
6
W L{(2, 1, 1)}
158
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Mediante el proceso de ortogonalización de Gram – Schmidt, ortogonalizar la
base {(1, 2, 3), (2, 3, 1), (3, 1, 2)} de R 3 .
2. Obtener una base de vectores ortogonales para el espacio vectorial
V L{(1, 2, 1, 0), (1, 0, 2, 1), (0, 1, 0, 1)} .
3. Sea V el espacio vectorial de los polinomios de grado menor o igual que dos
con coeficientes en R e indeterminada en x.
Si se considera el producto usual de las funciones:
i) Hallar una base del subespacio W ortogonal a f ( x) 2 x 1 .
ii) Aplicar el proceso de ortogonalización de Gram – Schmidt a la base
{1, x, x 2 } para obtener una base ortogonal de V.
4. Probar el teorema de Pitágoras. Es decir, si u, v V , entonces:
uv u v u, v 0
2 2 2
en R 3 .
159
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
10. Sea V un espacio vectorial de dimensión finita, con producto interno. Si U y W
son subespacios de V, probar que:
a) (U W ) U W b) (U W ) U W
160
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
VALORES Y VECTORES PROPIOS
2 x y x ( 2) x y 0
(1)
3x 4 y y 3x ( 4) y 0
el sistema homogéneo (1) tendrá soluciones distintas de la trivial (que son las que nos
interesan, por ser los vectores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
2 1
0
3 4
2 1
2 6 5 0
3 4
2 6 5 0 ( 1)( 5) 0 1 1, 2 5
161
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Luego, los valores propios de T son: 1 1 y 2 5 .
Ahora calculando los vectores propios
i) Hallando el vector propio v1 asociado al valor propio 1 1
Reemplazando el valor de 1 1 en la ecuación (1) se tiene
x y 0
3x 3 y 0
nótese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuación se tiene
x y 0 y x
la variable y depende de x, entonces v1 ( x , x) x(1, 1) , x puede tomar
cualquier valor con excepción de cero, para x 1 se tiene v1 (1, 1)
y verifica
T (1, 1) (1, 1) 1(1, 1)
ii) Hallando el vector propio v 2 asociado al valor propio 2 5
Procediendo de manera análoga que en la parte i) reemplazamos el valor de
2 5 en la ecuación (1) se tiene
3x y 0
3x y 0
como en la parte i) las dos ecuaciones son equivalentes, entonces trabajando con la
primera ecuación se tiene
3x y 0 y 3x
la variable y depende de x, entonces , para x 1 se tiene v2 (1, 3) y y verifica
T (1, 3) (5,15) 5(1, 3)
NOTA.- Dados V un K-espacio vectorial, T : V V un endomorfismo y K un
valor propio de T. El conjunto (T ) { K / es un valor propio de T } es
llamado espectro de T y E(T , ) { v V / T (v) v } es un subespacio de V, y se
denomina espacio propio o auto espacio de T asociado al valor propio . En
referencia al ejemplo anterior se tiene
(T ) {1, 5}
E (T , 1) { v R 2 / T (v) v } L{ (1, 1)} y
162
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.3.- Sea C 2 el espacio vectorial sobre C y la transformación lineal
T : C 2 C 2 definida como
T ( x, y) ( x 2 y, x y)
Hallar los valores y vectores propios de T.
SOLUCIÓN
Hay que hallar C tal que T ( x, y) ( x, y)
( x 2 y, x y) ( x, y)
x 2 y x (1 ) x 2 y 0
(1)
x y y x (1 ) y 0
el sistema homogéneo (1) tendrá soluciones distintas de la trivial (que son las que nos
interesan, por ser los valores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
1 2
0
1 (1 )
1 2
(1 )(1 ) 2 2 1 0
1 (1 )
2 1 0 i
Luego, los valores propios de T son: 1 i y 2 i .
Ahora hallando los vectores propios
i) Hallando el vector propio v1 asociado al valor propio 1 i
Reemplazando el valor de 1 i en la ecuación (1) se tiene
(1 i) x 2 y 0
x (1 i ) y 0
las dos ecuaciones son equivalentes, entonces trabajando con la primera ecuación
se tiene
1
(1 i) x 2 y 0 y (1 i) x
2
1 1
la variable y depende de x, entonces v1 ( x , (1 i)) x(1, (1 i)) , para x 2
2 2
se tiene v1 (2 , 1 i)
y verifica
T (2 ,1 i) i(2,1 i)
163
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
en efecto
T (2 , 1 i) (2 2(1 i), 2 (1 i)) (2i , 1 i) i(2 , 1 i)
ii) Hallando el vector propio v 2 asociado al valor propio 2 i
Reemplazando el valor de 2 i en la ecuación (1) se tiene
(1 i ) x 2 y 0
x (1 i ) y 0
nótese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuación se tiene
1
(1 i) x 2 y 0 y (1 i) x
2
1 1
la variable y depende de x, entonces v2 ( x, (1 i) x) x(1, (1 i)) , para x 2
2 2
se tiene y 1 i y en consecuencia
v 2 (2 , 1 i )
y verifica
T (2 ,1 i) i(2,1 i)
en efecto
T (2 , 1 i) (2 2(1 i), 2 (1 i)) (2i , 1 i) i(2 , 1 i)
OBSERVACIONES 1.2
(1) La existencia de valores propios de un endomorfismo depende del campo de
escalares sobre el cual está definido el espacio vectorial, pues si consideramos el
espacio vectorial (C 2 , , R, ) y la transformación lineal T : C 2 C 2 definida en el
ejemplo 1.1.3
T ( x, y) ( x 2 y, x y)
no tiene valores propios en R ya que:
2 1 0 , R
(2) Sean V un espacio vectorial sobre K de dimensión finita, T : V V un
endomorfismo y K un valor propio de T. El conjunto
E(T , ) { v V / T (v) v }
es un subespacio de V, llamado subespacio propio o auto espacio asociado al
valor propio .
164
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
(3) Si A es la matriz asociada del endomorfismo T : V V respecto a una base B
entonces, el det(T I ) se define como
det(T I ) det( A I )
donde I debe entenderse como el automorfismo identidad al lado izquierdo y como
la matriz identidad al lado derecho.
PROPOSICIÓN 1.3.- Sea V un K-espacio vectorial de dimensión finita y el
endomorfismo T : V V . Las siguientes afirmaciones son equivalentes:
i) K , es un valor propio de T.
ii) T I es singular (no invertible).
iii) det(T I ) 0 .
PRUEBA
i) ii)
Como K es valor propio de T, entonces existe un vector no nulo v V
tal que T (v) v
T (v) I (v) , donde I es el endomorfismo identidad
(T I )(v) , por ser T I un endomorfismo
Nu(T I ) { } , pues al ser v un vector propio es diferente de
T I es singular
ii) iii) es obvio.
iii) i)
Tenemos que det(T I ) 0 T I es singular
Nu(T I ) { } v V tal que
(T I )(v) T (v) v
es un valor propio de T.
165
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
NOTA.- De manera análoga que para el caso de las transformaciones lineales, se
utilizan las expresiones de auto valor y valor característico para denominar al valor
propio y el de auto vector y vector característico para el vector propio de una matriz.
EJEMPLO 2.1.1.- Sea A K nn una matriz diagonal, cualquier vector canónico
ei K n1 donde i 1, 2,, n es un vector propio de A.
Pues para:
d1 0 0
0 d2 0
A
0 0 dn
se tiene que:
0 0
d1 0 0
0
d2 0
Aei 1 d d i ei
i
0 0 d n
0 0
0 2 1 x 0 2 1 x 0
0 3 4 y 0 3 4 y 0
2 1
0 2 6 5 0 ( 1)( 5) 0
3 4
1 1, 2 5
Los vectores propios asociados a los valores propios 1 1 y 2 5 son:
1 1
v1 , v2
1 3
166
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
En efecto, verificando se tiene
2 1 1 1 1 2 1 1 5 1
Av1
1 y Av
3 4 3 15 5 3
3 4 1 1 1
2
El espacio propio de A correspondiente al valor propio lo denotamos por
E ( A, ) { v K n1 / Av v}
Nótese que los valores propios de la transformación lineal dado en el ejemplo 1.2.2
2 1
T : R 2 R 2 / T ( x, y) (2 x y, 3x 4 y) y la matriz A dada en el ejemplo
3 4
2.1.2 son los mismos. Este hecho no debe sorprender, puesto que A es la matriz
asociada a la transformación lineal T respecto a la base canónica de R 2 .
La relación entre el espacio propio de T L(V ) y el espacio propio de la matriz
asociada a T respecto a una base B está dada por siguiente proposición.
PROPOSICIÓN.- Sea V un K-espacio vectorial de dimensión finita, B una base
ordenada de V. Si T L(V ) y K un autovalor de T, entonces
v E(T , ) [ v ]B E([ T ]B , )
PRUEBA
) Asumiendo que v E (T , ) , hay que demostrar [ v ]B E ([ T ]B , )
v E(T , ) T (v) v por definición
[T (v)]B [v]B [v]B
[T (v)]B [v]B tomando extremos
[T ]B [v]B [v]B
[ v ]B E ([ T ]B , )
) Recíprocamente, asumiendo que [ v ]B E ([ T ]B , ) hay que probar que
v E (T , ) .
[ v ]B E([ T ]B , ) [T ]B [ v]B [v]B
[T ]B [ v]B [v]B 0
[T (v)]B [v]B 0
[T (v) v]B 0
T (v) v 0
T (v) v
v E (T , )
167
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
OBSERVACIONES
(1) Existe un solo valor propio asociado a un vector propio v.
En efecto, suponiendo que 1 y 2 son los valores propios correspondientes al
valor propio v, entonces se tiene que
T (v) 1v 2 v Por definición de valor propio
1v 2 v
(1 2 )v
Como por definición de vector propio v , se tiene que
1 2 1 2 .
Lo recíproco no es cierto, pues para un valor propio pueden existir infinitos
vectores propios.
(2) Si bien es cierto que la relación T (v) v es válida para v y cualquier
, la definición de vector propio excluye al vector cero. Esto se justifica por
tener que existir un solo valor propio asociado al vector propio v.
168
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
( 1) x 0
( 1) y 0
( 1) z 0
1 0 0
0 1 0 ( 1) 2 ( 1)
0 0 1
( 1) 2 ( 1) 0 1, 1
Luego los valores propios de T son 1 de multiplicidad algebraica igual a 2 y
1
Para el valor propio 1 los vectores propios están contenidos en el plano XY esto es,
T ( x, y, 0) 1( x, y, 0) .
E (T , 1) { ( x, y, z) R 3 / T ( x, y, z) 1( x, y, z) }
{ ( x, y, z ) R 3 / ( x, y, z) 1( x, y, z) }
{ ( x, y, z ) R 3 / z 0}
L{ (1, 0, 0), (0, 1, 0) }
Para el valor propio 1 los vectores propios están contenidos en el eje Z esto es,
T (0, 0, z) 1(0, 0, z) .
E (T , 1) { ( x, y, z) R 3 / T ( x, y, z ) 1( x, y, z) }
{ ( x, y, z ) R 3 / ( x, y, z) ( x, y, z ) }
{ ( x, y, z ) R 3 / x y 0}
{ ( x, y, z ) R 3 / x y 0}
{ (0, 0, z) / z R }
L{ (0, 0, 1) }
Nótese que R 3 E (T , 1) E (T , 1)
EJEMPLO [Rotación en el plano]
Consideramos dos situaciones
i) Para V C con K C
Todo z C donde z 0 se puede expresar como
z rei r (cos i sen )
Definiendo,
T : C C / T ( z ) rei ( ) rei e i e i z
169
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Donde T actúa sobre z haciéndolo girar un ángulo . En este caso todo z 0
es un vector propio para el valor propio e i c o
s i s e n . El valor
ln( f ( x)) x ln C
f ( x) e (xln C ) e x e ln C
T ( f ( x)) (Ce x ) C e x f ( x)
Suponiendo que existieran las funciones propias para T, serian las f V que
satisfacen la ecuación
170
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
x
F ( x) f (t )dt f ( x) (1)
a
para algún R .
Usando el primer teorema fundamental del cálculo, derivamos la relación (1)
obteniendo
f ( x) f ( x) ; 0
f ( x) 1
dx dx
f ( x)
1
ln( f ( x)) x ln C
x x
( ln C )
f ( x) e
e e ln C
x
f ( x) Ce ; 0, C 0
Luego, las únicas funciones propias posibles serian aquellas funciones exponenciales de
x
0 f (a) C e 0
a
171
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN.-Sea V un K-espacio vectorial y T :V V un endomorfismo y A la
matriz asociada a T respecto a una base B de V. Las siguientes afirmaciones son
equivalentes:
a) K es un valor propio de A.
b) A I es singular
c) det( A I ) 0
PRUEBA.- Ejercicio
3. POLINOMIO CARACTERÍSTICO
POLINOMIO DE MATRICES
Sea K [x] el anillo de polinomios con coeficientes en el campo K. Si p K[x] , se
escribe
p( x) an x n an1 x n1 a1 x a0
Ahora, si A es una matriz cuadrada sobre K, el polinomio
p( A) an An an1 An1 a1 A a0 I
172
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
v) Si 1 , 2 ,, n son elementos de K y p( x) ( x 1 )( x 2 )( x n ) , entonces
p( A) ( A 1 I )( A 2 I )( A n I )
2 1 0
p( ) det(I A) 1 1 2
0 3 1
3 22 8 13
173
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.3.3.- Utilizando la observación anterior, calcular los valores propios de la
matriz
1 2
A
3 2
SOLUCIÓN
p( ) 2 Tr( A) (1) 2 det( A)
2 3 4
las raíces del polinomio 2 3 4 0 son 1 4 y 2 1 .
PROPOSICIÓN 3.4.- Dos matrices semejantes tienen el mismo polinomio
característico; es decir, si B P 1 AP , entonces PB ( x) PA ( x) .
PRUEBA
p B ( x) det(xI n B) definición de polinomio característico
p A ( ) 0
174
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.5.1.- Hallar los valores propios y sus correspondientes vectores propios
de la matriz
1 2 2
A 1 2 1
1 1 4
SOLUCIÓN
p A ( ) I A
1 2 2
1 2 1
1 1 4
( 1)( 3) 2
f ( x) a0 x n a1 x n1 an ; ai K , i 0,1,, n
175
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
PRUEBA
T (v) v
T 3 (v) T T 2 (v) T (2 v) 2T (v) 3 v
T n (v) n v ; para todo n 0
Si f ( x) a0 x n a1 x n1 an
a0 n v a1n1v an v
(a0 n v a1n1v an )v
f ( )v
f (T )(v) f ( )v
B 3 P 1 A3 P
B n P 1 An P
Si f ( x) a0 x n a1 x n1 an
f ( B) a0 B n a1 B n1 an I
a0 ( P 1 An P) a1 ( P 1 An1 P) an P 1 P
P 1 (a0 An a1 An1v an ) P
P 1 f ( A) P
f ( B) P 1 f ( A) P
176
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformación lineal T : R 2 R 2 está definida como:
a) T ( x, y) ( y, 4 x) b) T ( x, y) ( x y, 2 x y)
c) T ( x, y) (3x 4 y, 2 x y) . C) T ( x, y) (4 x 3 y, 3x 4 y)
2. Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformación lineal T : R 3 R 3 está definida como:
a) T ( x, y, z) ( x y z, 2 y z, 2 y 3z)
b) T ( x, y, z) ( x y, y x, 2 y z)
c) T ( x, y, z) ( x y, 2 x 3 y, x y z)
d) T ( x, y, z) (2 y z, 2 x z, 2 x y)
3. Hallar los valores y vectores propios si es que existen para las siguientes matrices
en R 22 y R 33 . Para cada valor propio halle el espacio propio correspondiente.
10 0 2
2 0 1 4 0 6 0
a) 1 3 b) 1 3 c)
2 0 7
1 1 0 1 0 1 2 3 0
d) 1 1 0 e) 0 3 0 f) 4 5 0
0 0 2 1 0 1 5 5 1
4. Hallar los valores y vectores propios para las siguientes matrices en C 33 . Para
cada valor propio halle el espacio propio correspondiente.
3 1 0 1 1 0
a) 5 1 0 b) 1 0 0
0 0 1 0 0 2
177
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
6. Sea V un K-espacio vectorial de dimensión finita talque V U W . Hallar los
valores propios de T L(V ) , si T es proyección sobre U paralelamente a W; es
decir si T (u w) u .
propios de f.
9. Demuestre o dé un contraejemplo a la siguiente afirmación:
Si T : V V es una R-transformación lineal tal que es un autovalor de de T
R , entonces V posee una base formada por vectores propios de T.
10. Determine la verdad o falsedad de de las siguientes afirmaciones. Justifique su
respuesta.
a) Toda transformación lineal posee valores propios.
b) Si T L(V ) y W es un subespacio generado por vectores propios de T,
entonces W es invariante por T.
A B
11. Sea A una matriz por bloques, A 1
A2
donde A1 y A2 son matrices
0
cuadradas. Probar que, el polinomio característico de A es igual al producto de los
polinomios característicos de A1 y A2 .
12. Sea T L(V ) , donde V es un espacio vectorial sobre K. Si v V , sea
W (v) { g (T )(v) / g K[ x] } . Demuestre que W (v) es un subespacio invariante
por T.
13. En el R-espacio vectorial R 2 se considera el operador rotación definido como
f ( x, y) ( x cos y sen , x sen y cos ) . ¿Para qué valores de , f tiene
valores propios?.
14. Sea V un K-espacio vectorial de dimensión finita, B una base ordenada de V,
T L(V ) , y K . Demostrar que v E (T , ) si y solo si vB E (T B , ) .
15. Sea V un K-espacio vectorial y T L(V ) . Las siguientes afirmaciones son
equivalentes:
a) K es un valor propio de T.
178
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
b) T I es singular.
c) det(I T ) 0 .
Nota.- El det(I T ) se define como det(I T ) det(I A) , donde A es la
matriz asociada a la transformación lineal T en una base dada e I la matriz
identidad.
16. Demostrar que dos matrices semejantes tienen el mismo polinomio característico.
17. Si n an1n1 a1 a0 es el polinomio característico de una matriz A,
TEOREMA.-[Teorema de Cayley-Hamilton]
Sea V un K-espacio vectorial de dimensión finita y T :V V un endomorfismo.
Entonces pT (T ) 0 .
PRUEBA
Demostraremos cuando K C .
La prueba se hace por inducción sobre n donde n dim V .
Para n 1 no hay nada que demostrar.
Si n 1 suponemos que el teorema se verifica para n 1 (Hip. Inductiva)
Por una proposición demostrada anteriormente, existe una base { v1 , , vn } en la cual
179
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Consideremos
S { av1 / a C }
Desde que T (S ) S , la aplicación
2 *
AT 3
0 n
El polinomio característico de AT es
pT ( x) ( x 2 )( x 3 )( x n )
180
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Solución
p A ( x) x 2 3 x 1
Por el teorema p A ( A) A2 3 A I
3 0 2 1 1 1
I 3 A A 2 A 1 3I A
0 3 1 1 1 2
1 1
Luego A 1
1 2
EJEMPLO
Dada la matriz
1 1 0
A 1 1 0
1 1 1
2I A3 A2 2 A 2 A1 A2 A 2I
1 1 0 1 1 0 1 1 0 1 0 0
2 A 1 1 0 1 1
1
0 1 1 0 20 1 0
1 1 1 1 1 1 1 1 1 0 0 1
1 1 0 1 1 0
1
2A 1 1 0 A 1 1 1
1 0
2
2 0 2 2 0 2
1 1 0
A 1 1 1 0 .
1
Luego
2
2 0 2
181
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
Ejercicios
Utilizando el teorema de Cayley-Hamilton determinar la inversa de lãs siguientes
matrices:
1 1 4 4 2 5
3 2
a) b) A 2 1 1 b) B 2 2 1
1 2 3 2 1 0 1 4
182