Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Espacios Vectoriales
Apuntes de curso - Francois Moraga
Aspectos generales
1
1. Espacios Vectoriales
Denición 1.
Un conjunto V es llamado espacio vectorial sobre un cuerpo K si:
(1) V 6= ∅
(2) V admite una operación interna, +, denida por:
+ : V → V
(~u, ~v ) → w
~ = ~u + ~v
Tal que (V, +) es un grupo abeliano, es decir satisface las siguientes propiedades:
(a) ~u + (~u + w)
~ = (~u + ~v ) + w~
(b) ∃ 0 ∈ V , tal que ~u + 0 · ~v = ~0 · ~v + ~u = ~u
~ ~ (∀ ~u ∈ V )
(c) Para cada ~u ∈ V , ∃ (−~u) ∈ V tal que ~u + (−~u) = (−~u) + ~u = 0V
· : V → V
(α, ~v ) → w
~ = α · ~v
n n n
+ : R ×R → R
(~u, ~v ) → w
~ = ~u + ~v
donde w
~ = (x1 + y1 , x2 + y2 , . . . , xn + yn ) ∈ Rn .
2
Ejemplo # 2 El conjunto de las matrices de orden n × m representan un espacio vectorial, ya que:
+ : Mm×n × Mm×n → Mm×n
(A, B) → C =A+B
· : R × Pn [x] → Pn [x]
(k, p(x)) → q(x) = k · p(x)
n n
donde q(x) = Pn [x].
X X
k · ai xi = k · a i xi ∈
i=0 i=0
Existen espacios vectoriales los cuales se encuentran inmersos en otros espacios vectoriales. A este tipo de
aplicación la denominaremos subespacios vectoriales
Denición 2.
Sea (V, +, ·, R) un espacio vectorial, y sea U un subconjunto no vacío de V . Diremos que (U, +, ·, R) es un
subespacio vectorial de V si y sólo si U es un espacio vectorial con las mismas operaciones de V .
3
Teorema 1.
Sea V un espacio vectorial sobre un cuerpo K y U un subconjunto no vacío de V . U es un subespacio vectorial
de V si y sólo si:
~V ∈ U
(1) O
Demostración: Sabemos que todo sistema lineal homogéneo se puede escribir como
x ∈ Rn / AxT = 0
donde A ∈ Mm×n .
(i) Como A · 0 = 0 se concluye que el vector nulo pertenece al conjunto.
(ii) Sean ~x, ~y soluciones del sistema homogéneo y α ∈ R un escalar real, entonces
A xT + αy T = AxT + αAy T = 0 + α · 0 = 0
entonces
(1) 3 · 0 + 0 − 2 · 0 = 0, por lo tanto ~0 = (0, 0, 0) ∈ U .
3(x1 + αx2 ) + (y1 + αy2 ) − 2(z1 + αz2 ) = (3x1 + y1 − 2z1 ) + α · (3x2 + y2 − 2z2 ) = 0 + α · 0 = 0
Observación 1: Un subespacio vectorial puede contener un único elemento (el nulo) o un número innito de
elementos los cuales se pueden representar mediante algunos vectores o elementos generales, los que posterior-
mente llamaremos bases.
4
1.2. Combinación Lineal
Denición 3.
Sea V un espacio vectorial sobre R y {~v1 , ~v2 , . . . , ~vn } elementos de V . Diremos que ~v es combinación lineal de
v~1 , v~2 , . . . , v~n si y sólo si existen escalares a1 , a2 , . . . , an ∈ R tal que:
n
X
~v = a1 v~1 + a2 v~2 + . . . an v~n = ai~vi
i=1
Solución: Si (1, 2, 1) se encuentra en combinación lineal, entonces existen escalares a, b y c, tal que:
(1, 2, 1) = a(−1, 2, 1) + b(1, 1, −2) + c(1, 2, 3)
es decir:
1 = −a + b + c
2 = 2a + b + 2c
1 = a − 2b + 3c
Resolviendo el sistema lineal, tenemos que:
−1 1 1 | 1 −1 1 1 | 1 −1 1 1 | 1
2 1 2 | 2 ∼ 0 3 4 | 4 ∼ 0 3 4 | 4
1 −2 3 | 1 0 −1 4 | 2 0 0 16 | 10
1 1 5
cuya solución es a = ; b = y c = , es decir:
8 2 8
1 1 5
(1, 2, 1) = (−1, 2, 1) + (1, 1, −2) + (1, 2, 3)
8 2 8
por lo tanto el vector (1, 2, 1) es una combinación lineal de los vectores dados.
Ejemplo # 7 Determinar si 1 + x + x 2
es combinación lineal de los vectores −1 + x + 2x2 ; 1 + 3x + 2x2 ;
1 − x + x en P2 [x].
2
5
Denición 4.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } elementos de V . Diremos que:
(i) {v~1 , v~2 , . . . , v~n } es un conjunto linealmente independiente si la única solución del sistema
a1 v~1 + a2 v~2 + . . . + an v~n = 0
es la trivial, es decir a1 = a2 = . . . = an = 0.
(ii) {v~1 , v~2 , . . . , v~n } es un conjunto linealmente dependiente si la solución del sistema
a1 v~1 + a2 v~2 + . . . + an v~n = 0
no es trivial
Ejemplo # 8 Demostrar que el conjunto {(1, 0, 1) ; (1, 1, 0) ; (1, 1, 1)} es linealmente independiente
Solución: Debemos demostrar que el sistema
(0, 0, 0) = a(1, 0, 1) + b(1, 1, 0) + c(1, 1, 1) tiene solución trivial
Utilizando matriz ampliada tenemos que:
1 1 1 | 0 1 1 1 | 0
0 1 1 | 0 ∼ 0 1 1 | 0
1 0 1 | 0 0 −1 0 | 0
6
1.3. Conjuntos Generadores
Denición 5.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } elementos de V . Diremos que {v~1 , v~2 , . . . , v~n } es generador
del espacio vectorial V si y sólo si:
∀ ~v ∈ V , ∃ a1 , a2 , . . . , an ∈ R, tal que:
~v = a1 v~1 + a2 v~2 + . . . + an v~n
Notación: Si el conjunto {v~1 , v~2 , . . . , v~n } es generador de V , entonces diremos que h{v~1 , v~2 , . . . , v~n }i = V .
Ejemplo # 9 Demostrar que el conjunto {(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)} genera a R . 3
Solución: Si el conjunto genera a R3 , entonces existen escalares a, b, c ∈ R tal que todo elemento (x, y, z) ∈
R3 se puede escribir como:
(x, y, z) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1)
por lo tanto
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
Esto implica que h{(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)}i = R3 .
Ejemplo # 10 Sea U = {(x, y) ∈ R 2
/ 2x + y = 0} ≤ R2 . Determinar un conjunto generador de U
Esto implica que todos los elementos del espacio U se pueden escribir como combinación lineal de (1, −2), es
decir:
U = h(1, −2)i
1.4. Bases
Denición 6.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } vectores de V . Diremos que {v~1 , v~2 , . . . , v~n } es una base
de V si y sólo si, se cumplen las siguientes condiciones:
(i) {v~1 , v~2 , . . . , v~n } es linealmente independiente.
7
Denición 7.
Sea V un espacio vectorial sobre R. Diremos que n es la dimensión de V si y sólo si el cardinal de su base es n.
Solución: Primero vericaremos que el conjunto es linealmente independiente, es decir, existen escalares
a, b, c ∈ R tales que:
(0, 0, 0) = a · (1, 2, 1) + b · (1, 2, 3) + c · (3, 2, 1)
resolviendo el sistema se obtiene que:
1 1 3 | 0 1 1 3 | 0
2 2 2 | 0 ∼ 0 0 −4 | 0
1 3 1 | 0 0 2 −2 | 0
por lo tanto a = b = c = 0 lo cual verica que el conjunto es linealmente independiente. Luego necesitamos
comprobar que el conjunto es generador de R3 , es decir, que para todo elemento (x, y, z) ∈ R3 existen escalares
a, b, c ∈ R3 tal que:
(x, y, z) = a(1, 2, 1) + b(1, 2, 3) + c(3, 2, 1)
Utilizando la regla de Cramer se puede concluir que el sistema tiene solución única, la cual es:
−4x + 8y − 4z −2y + 4z 4x − 2y
a= ; b= ; c=
8 8 8
Por lo tanto el conjunto {(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)} genera a R3 , lo cual implica que:
h{(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)}i = R3
Teorema 2.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } una base de V . Si w
~ ∈ V y
w
~ = a1 v~1 + a2 v~2 + . . . + an v~n
Observación 3: La elección del primer elemento de la base no tiene mayor relevancia, esto ya que la condición
principal del teorema es que no sea nulo.
8
Ejemplo # 12 Sea h(1, 1, 1) ; (1, 0, 0)i un subespacio de R . Como el vector
3
entonces
h(1, 1, 1) ; (1, 0, 0)i = h(3, 5, 5) ; (1, 0, 0)i
Teorema 3.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n }, una base de V . Si el conjunto {w~1 , w~2 , . . . , w~m } es otra
base de V , entonces n = m.
E = {ei / 1 ≤ i ≤ n}
Es decir,
1 0 0
0
1
0
· · ·
e1 = ; e2 = ; ... ; en =
·
·
·
· · ·
0 0 1
(2) El espacio de las matrices de orden n × m tiene dimensión n × m y se encuentra formado por n × m bases
canónicas, las cuales son:
si (i, j) = (1, 1) si (i, j) = (1, n)
1 1
E11 = , ... , E1n =
0 si (i, j) 6= (1, 1) 0 si (i, j) 6= (1, n)
(3) El espacio de los polinomios de orden n posee una dimensión n + 1, donde su base esta dada por:
E = {xi / 0 ≤ i ≤ n}
es decir,
Pn [x] = {1, x, x2 , . . . , xn }
En esta sección estudiaremos la operación suma entre subespacios vectoriales, lo que nos permitira denir un
nuevo espacio que contenga a ambos.
9
Denición 8.
Sean U, W subespacios vectoriales de V . Llamaremos suma de los subespacios U y W al conjunto
U + W = {~v ∈ V / ~v = ~u + w
~ , u ∈ U ∧ w ∈ W}
Teorema 4.
Sea V un espacio vectorial sobre R de dimensión nita y, U, W subespacios vectoriales de V , entonces:
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W )
Denición 9.
Sea V un espacio vectorial y U, W, S subespacios de V . Diremos que S = U + W es suma directa de U y W , si
todo elemento ~v ∈ S se escribe de manera forma única comom un vector de U más otro vector de W .
10
Proposición 1.
Dado V un espacio vectorial y U, W, S subespacios de V , entonces:
S = U ⊕ W ⇐⇒ (S = U + W ) ∧ (U ∩ W = 0)
Demostración Como S es suma directa de U y W , para todo elemento ~v ∈ S existe un único vector ~u ∈ U
yw
~ ∈ W tal que ~v = ~u + w
~ lo cual implica que v ∈ U + W , luego S = U + W .
Teorema 5.
Si S = U ⊕ W y V es de dimensión nita, entonces dim(S) = dim(U ) + dim(W ).
Demostración: Supongamos que U 6= {0} 6= W . Sea {u~1 , . . . , u~k } base de U , {w1 , . . . , wm } base de W .
Entonces podemos armar que el conjunto {u~1 , . . . , u~k , w~1 , . . . , w~m } es base de V :
1. {u~1 , . . . , u~k , w~1 , . . . , w~m } es linealmente independiente:
k
X m
X
αi u~i + βi w
~i = 0
i=1 i=1
k m
Como αi u~i ∈ U , ~i ∈ W y el vector 0 se escribe de manera única en U + W como 0 + 0 = 0,
X X
βi w
i=1 i=1
entonces:
k
X m
X
αi u~i = βi w
~i = 0
i=1 i=1
k
X m
X
v= αi u~i + ~i =⇒ hBi = V
βi w
i=1 i=1
11
Ejemplo # 15 Sean los subespacios
U = {(x, y, z, w) ∈ R4 / x + y − z = 0 ∧ 2x + 3y − w = 0}
Solución: Se nos pide encontrar todos los elementos (x, y, z, w) tales que:
(x, y, z, w) = a · (1, 0, 1, 2) + b · (0, 1, 1, 3) = c · (1, 2, −1, 3) + d · (1, 1, 2, −1)
1.6. Coordenadas
Consideremos el espacio vectorial V sobre R y α = {v~1 , v~2 , . . . , v~n } una base del espacio V , entonces podemos
armar que para cada elemento ~v ∈ V existe una única combinación lineal, tal que:
~v = a1 v~1 + a2 v~2 + . . . + an v~n , ai ∈ R
Esto implica que las componentes a1 , a2 , . . . , an representan a las coordenadas que necesita utilizar α para
generar a ~v .
12
Denición 10.
Sea V un espacio vectorial sobre R y α = {v~1 , v~2 , . . . , v~n } una base del espacio V . Llamaremos coordenada de
~v con respecto a la base α a la matriz columna:
a11
a21
·
∈ Mn×1 , tal que ~v = a11 v~1 + a21 v~2 + . . . + an1 v~n .
[v]α =
·
·
an1
Solución: Para el vector v~1 = 1 se pide determinar los coecientes {a11 , a12 , a13 } tal que:
1 = a11 (1 − x) + a21 (1 + 2x + x2 ) + a31 (1 + x2 )
1 1
resolviendo el sistema se obtiene que a11 = 1 ; a21 = ; a31 = − . Por lo tanto:
2 2
1
[1]α = 1/2
−1/2
Denición 11.
Sean α = {v~1 , v~2 , . . . , v~n } y β = {u~1 , u~2 , . . . , u~n } bases de un espacio vectorial V sobre R, tal que:
v~1 = a11 u~1 + a21 u~2 + ... + an1 v~n
v~2 = a12 u~1 + a22 u~2 + ... + an2 v~n
.. .. .. ..
. . . .
v~n = a1n u~1 + a2n u~2 + ... + ann v~n
Llamaremos matriz de cambio de base de α para β a la matriz de orden n [I]βα = ([v1 ]β , [v2 ]β , . . . , [vn ]β ) o
equivalentemente
a11 a12 . . . a1n
a21 a22 . . . a2n
[I]βα = .. .. . . .. ∈ Mn×n (R)
. . . .
an1 an2 . . . ann
13
Teorema 6.
Si V es un espacio vectorial sobre R de dimensión n, α = {v~1 , v~2 , . . . , v~n } y β = {u~1 , u~2 , . . . , u~n } son bases de
V , entonces:
[I]βα · [v]α = [v]β (∀ v ∈ V )
Análogamente
[I]α
β · [v]β = [v]α (∀ v ∈ V )
donde −1
α
[I]β = [I]βα
Esquematicamente esto es:
(α, V ) (β, V )
[ ]α [ ]β
n
X n
X
~v = ai v~i ~u = bi u~i
i=1 [I]βα i=1
Ejemplo # 17 Sea V un espacio vectorial sobre K de dimensión 4 con base α = {u1 , u2 , u3 , u4 }. Se denen
los vectores
v1 = 2u1 + u2 − u3 ; v2 = 2u1 + u3 + 2u4 ; v3 = u1 + u2 − u3 ; v4 = −u1 + 2u3 + 3u4
Si β = {v1 , v2 , v3 , v4 } es una base de V , calcular las coordenadas en la base β de un vector v que tiene por
coordenada en α a (1, 2, 0, 1).
2 2 1 −1
1 0 1 0
Solución: Consideremos [I]αβ =
−1 1 −1 2
, para poder determinar las coordenadas en la base β
0 2 0 3
−1
de un vector v podemos utilizar la relación [v]β = [I]α [v]α , donde [v]α = (1, 2, 0, 1) y [I]βα = [I]αβ
β
, por lo
tanto:
1 7 8 −5
β 0 −3 −3 2
[I]α =
−1
−6 −8 5
0 2 2 −1
Finalmente,
1 7 8 −5 1 10
β 0 −3 −3 2 2
· = −4
[v]β = [I]α [v]α =
−1 −6 −8 5 0 −8
0 2 2 −1 1 3
14
Ejercicios resueltos
Ejercicio 1 Sea V = {p(x) ∈ P3 [x] / p0 (−1) = p(0) + p00 (1) = 0. Demuestre que V es un s.e.v. de P3 [x].
Encuentre una base y su dimensión.
de P3 [x] y su dimensión.
Solución: Las coordenadas de los vectores generadores son (1, 3, −2, 1) ; (3, 10, −4, 4) ; (2, 8, 0, 4). Utilizando
el teorema del rango se obtiene que:
1 3 −2 1 1 3 −2 1
3 10 −4 4 ∼ 0 1 2 1
2 8 0 4 0 0 0 0
donde las las no nulas de la matriz escalonada son las bases de W , es decir:
W = 1 + 3x − 2x2 + x3 ; x + 2x2 + x3
15
Ejercicio 3 Sean α = {(1, 1, 1) ; (2, 0, 1) ; (1, 2, 1)} y β = {(1, 1, 2) ; (0, −1, 1) ; (1, 1, 1)}. Determine la matriz
de cambio de base [I]αβ .
Solución: Consideremos
~v1 = (1, 1, 2) = a11 · (1, 1, 1) + a21 · (2, 0, 1) + a31 · (1, 2, 1)
~v2 = (0, −1, 1) = a12 · (1, 1, 1) + a22 · (2, 0, 1) + a32 · (1, 2, 1)
~v3 = (1, 1, 1) = a13 · (1, 1, 1) + a23 · (2, 0, 1) + a33 · (1, 2, 1)
por lo tanto,
1 2 1
[~v1 | ~v2 | ~v3 ] = 1 0 2 · [I]α
β
1 1 1
Lo cual implica que, −1
1 2 1 1 0 1
[I]α
β = 1 0 2 · 1 −1 1
1 1 1 2 1 1
calculando la inversa, tenemos que:
1 2 1 1 0 0 1 2 1 1 0 0 1 0 2 0 1 0
F2 −F1 →F2 F −2F →F
1 0 2 0 1 0 ∼ 0 −2 1 −1 1 0 2 ∼3 3 0 −2 1 −1 1 0
F3 −F1 → F3 F2 +F1 → F1
1 1 1 0 0 1 0 −1 0 −1 0 1 0 0 1 1 1 −2
1 0 2 0 1 0 1 0 0 −2 −1 4 −1F →F 1 0 0 −2 −1 4
F1 −2F3 →F1 2 2
0 −2 1 −1 1 0 ∼ 0 −2 0 −2 0 2 2 ∼ 0 1 0 1 0 −1
F2 −F3 → F3
0 0 1 1 1 −2 0 0 1 1 1 −2 0 0 1 1 1 −2
Luego,
−2 −1 4 1 0 1 5 5 1
[I]α
β = 1 0 −1 · 1 −1 1 = −1 −1 0
1 1 −2 2 1 1 −2 −3 0
U1 = 3 − 2x + x2 + x3 , −1 + x2 − x3 , 2 − x + x3
U2 = 2 − x + 2x2 + x3 , −x − x3 , 3 − 2x + 3x2 + x3
16
Por otra parte, para U2 se cumple que:
2 0 3 2 0 3 2 0 3
−1 −1 −2 −2 −1 −1
∼ 0 ∼ 0 2
2 0 3 0 0 0 0 0 0
1 −1 1 0 −2 −1 0 0 0
por lo tanto dim(U1 + U2 ) = 3, esto implica que dim(U1 ∩ U2 ) = 1. Luego, para determinar una base para
U1 ∩ U2 , debemos buscar un vector (x, y, z, w), tal que:
(x, y, z, w) = a · (3, −2, 1, 1) + b · (−1, 0, 1, −1) = c · (2, −1, 2, 1) + d · (0, −1, 0, −1)
(U1 ∩ U2 ) ⊕ U3 entonces por el teorema del rango se verica que U3 = 1, x, x es la base buscada.
3
Ejercicio 5 Sea B = {u1 , u2 , u3 , u4 } una base del espacio vectorial V . Se consideran los conjuntos α =
{~v1 , ~v2 , ~v3 , ~v4 } y β = {w
~ 1, w
~ 2, w ~ 4 }, donde:
~ 3, w
~v1 = (0, 1, 0, 3) , ~v2 = (−1, 1, 0, 0) , ~v3 = (−2, 0, −1, 2) , v~4 = (−1, −1, −1, 1)
~ 1 = (2, −2, 0, 1) , w
w ~ 3 = (3, 0, 1, −1) , w~4 = (0, −2, −1, 1)
~ 2 = (1, 1, 1, 0) , w
respecto a la base B se pide:
(a) Probar que α y β son bases de V .
(b) Hallar la matriz de cambio de base de α a β
(c) Determinar las coordenadas respecto a α del vector ~x cuyas coordenadas respecto a β son (2, 1, 0, −1).
Solución:
(a) Consideremos [I]E
α a la matriz columna, tal que
0 −1 −2 −1
1 1 0 −1
[I]E
α = 0
0 −1 −1
3 0 2 1
17
como det([I]E α ) 6= 0, entonces el conjunto α es una base de V . De igual forma se demuestre que β es
una base de V . Es decir, consideramos la matriz de cambio de base [I]Eβ como la matriz columna de los
vectores {w~1 , w~2 , w~3 , w~4 }, esto es:
2 1 3 0
−2 1 0 −2
[I]E
β =
0 1 1 −1
1 0 −1 1
−1
[I]βα = [I]βE · [I]E
α =⇒ [I]βα = [I]E
β · [I]E
α
por lo tanto, se requiere calcular la inversa de la matriz cambio de base [I]βα , esto es:
0 0 1 0
−3 −1 1 −1
[I]α
β =
1 1 −3 0
−1 −2 2 1
x
U = y ∈ R3 : x + y − z = 0
z
x
W = y ∈ R3 : x − 2y − z = 0, y − z = 0
z
18
Solución:
(b) Si el vector (x, y, x) ∈ U entonces x = −y + z con y, z ∈ R variables libres. Luego se puede escribir como:
x −1 1
y = y 1 + z 0
z 0 1
(b) Si v ∈ U ∩ W se puede escribir como generado por la base de U o por la base de W . Luego existen α, β y
γ tal que:
−1 1 3
α 1 + β 0 = γ 1
0 1 1
Luego para encontrar la intersección calculamos la solución al sistema con matriz extendida:
−1 1 −3 0 −1 1 −3 0 −1 1 −3 0
1 0 −1 0 → 0 1 −4 0 → 0 1 −4 0
0 1 −1 0 0 1 −1 0 0 0 3 0
0
Lo que implica γ = 0, lo que quiere decir que la intersección es el vector 0.
0
Finalmente, dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W ) = 2 + 1 − 0 = 3.
Ejercicio 7 Sea S = {(1, 1, 0, 2), (0, 1, 1, 1), (2, 3, 3, 5), (a, a+1, a+1, a +2a)} un subconjunto de R
2 4
con a ∈ R.
(a) Encuentre los valores de a para que S sea una base de R4 .
(b) Para a = 1, encuentre una base del subespacio generado por S y su dimensión.
Solución:
(a) Ponemos los vectores como columnas de una matriz y escalonamos.
1 0 2 a 1 0 2 a 1 0 2 a
1 1 3 a + 1 0 1 1 1 0 1 1 1
0 1 3 a + 1 → 0 1 3 a + 1 → 0
0 2 a
2 1 5 a2 + 2a 0 1 1 a2 0 0 0 a2 − 1
Luego para que los vectores sean l.i, los escalones de la matriz deben ser no nulos. Luego si a2 − 1 6= 0 se
tiene que S son 4 vectores l.i. Como la dim(R4 ) = 4, implica que S es una base de R4 si a 6= 1, −1.
19
(b) Reemplazando a = 1 en la última matriz de la parte anterior obtenemos que si ponemos los vectores como
columnas y escalonamos, obtenemos la matriz:
1 0 2 1
0 1 1 1
0 0 2 1
0 0 0 0
Lo que implica que solo existen 3 vectores l.i. Luego una base para el espacio generado por S es:
1 0 2
, , 3
1 1
0 1 3
2 1 5
o bien:
1 0 1
, , 2
1 1
0 1 2
2 1 3
Solución:
(a) Sea p(x) = a0 + a1 x + a2 x2 ∈ W . Entonces p(1) = p(−2) lo que implica que
a0 + a1 + a2 = a0 − 2a1 + 4a2
3a1 − 3a2 = 0
a1 = a2
20
(c) Sea p(x) ∈ W ∩ U . Como p(x) ∈ W entonces existen α1 , α2 ∈ R tal que p(x) = α1 1 + α2 (1 + x2 ). Como
p(x) ∈ U entonces existe β1 ∈ R tal que p(x) = β1 (1 + x2 ). Lo anterior implica que α1 = α2 = β1 = 0.
Luego W ∩ U = {0}.
Por otro lado sea p(x) = a0 + a1 x + a2 x2 ∈ P2. Podemos escribir este polinomio como:
p(x) = a0 − a2 + a1 + a1 (x + x2 ) + (a2 − a1 )(1 + x2 )
con a0 − a2 + a1 + a1 (x + x2 ) ∈ W y (a2 − a1 )(1 + x2 ) ∈ U , lo que implica que P2 = W + U y mas aún
que P2 = W ⊕ U .
Ejercicio 9 Sea U = {(x, y, z) ∈ R 3
: x + 2y − z = 0}:
(i) Encuentre una base de U y calcule su dimensión.
*−1+
Si W = −2 ⊆ R3 , donde hui denota el espacio generado por u:
1
(ii) Pruebe que U ∩ W = {0}.
(iii) Pruebe que R3 = U + W .
Solución:
(i) De la ecuación se obtiene que x = z − 2y , por lo que (x, y, z) ∈ W si
x 1 −2
y = z 0 + y 1
z 1 0
Como ambos vectores son l.i (basta mencionarlo) se tiene que son una base de W y por lo tanto dim(W ) =
2.
(ii) Sea u ∈ W , entonces existe α ∈ R tal que u = α(−1, −2, 1). Supongamos que u ∈ U , entonces satisface la
ecuación −α + 2(−2α) − α = 0. Esto implica −6α = 0, luego α = 0 lo que quiere decir W ∩ U = {0}.
(iii) Sea (x, y, z) ∈ R3 . Buscamos la solución a la ecuación
x 1 −2 −1
y = λ1 0 + λ2 1 + λ3 −2
z 1 0 1
Escribiendo el sistema y pivoteando
1 −2 −1 | x 1 −2 −1 | x 1 −2 −1 | x
0 1 −2 | y → 0 1 −2 | y → 0 1 −2 | y
1 0 1 | z 0 2 2 | z−x 0 0 6 | z − x − 2y
Luego se tiene que λ3 = z−x−2y
6 , λ2 = −x+y+z
3 , λ1 = x+2y+5z
6 , con lo que se prueba lo pedido.
Otra forma es probando que los tres vectores son l.i y por lo tanto una base de R3 .
Ejercicio 10 Considere los siguientes subespacios de los polinomios de grado 3. I = {p ∈ P3 (R) /∀x ∈
R, p(−x) = −p(x)} y P = {p ∈ P3 [x] / ∀x ∈ R, p(−x) = p(x)}.
(a) Pruebe que P ∩ I = {0}
(b) Demuestre que P + I = P3
(c) Calcule dim(P ) y dim(I)
21
Solución:
(a) P ∩ I = {0}
Sea p ∈ P ∩ I entonces para cualquier x ∈ R, p(−x) = −p(x) = p(x) que implica que p(x) = 0 y por tanto
p es el polinomio nulo.
(b) P + I = P3
q(x) r(x)
z }| { z }| {
p(x) + p(−x) p(x) − p(−x)
Método 1: Dado p ∈ P3 es claro que p(x) = + con q ∈ P y r ∈ I .
2 2
*
1 0 + 0
* −1 +
0 1 −2 3
U= ,
0 1 y W = ,
1 0
−1 0 0 1
Solución:
(a) Para calcular la intersección buscamos λ1 , λ2 , λ3 , λ4 tal que:
1 0 0 −1
0 1 −2 3
0 + λ2 1 = λ3 1 + λ4 0
λ1
−1 0 0 1
1 0 0 1 0 1 0 0 1 0 1 0 0 1 0
0 1 2 −3 0
F4 →F +F 0 1 2 −3 0
F3 →(−1)F 2 +F3
0 1 2 −3 0
→1 4 →
0 1 −1 0 0 0 1 −1 0 0 0 0 −3 3 0
−1 0 0 −1 0 0 0 0 0 0 0 0 0 0 0
−1
1
Luego λ3 = λ4 lo que implica que una base de U ∩ W es le vector
1 .
22
(b) El espacio generado por la suma es igual al espacio generado por la unión de las bases. Para encontrar
una base de la suma basta tomar un conjunto l.i de esta unión. Para esto escalonamos la matriz con lo
elementos de ambas bases:
1 0 0 −1 0 1 0 0 −1 0 1 0 0 −1 0
0 1 −2 3 0
F4 →F +F 0 1 −2 3 0 F3 →(−1)F2 +F3 0 1 −2 3 0
→1 4 →
0 1 1 0 0 0 1 1 0 0 0 0 3 −3 0
−1 0 0 1 0 0 0 0 0 0 0 0 0 0 0
1 0 0
0 1 −2
Luego una base de U + W es el conjunto: , ,
0 1 1
−1 0 0
W := {(x, y, z, w) ∈ R4 : x + y + z + w = 0, x − y + z − w = 0}
U := {(x, y, z, w) ∈ R4 : x + 2z + w = 0}
1. Calcule una base de W .
2. Calcule una base del subespacio W ∩ U .
Solución:
1. Para encontrar una base debemos encontrar los vectores que satisfacen las dos condiciones, es decir,
debemos resolver el siguiente sistema:
1 1 1 1 0 1 1 1 1 0
→
1 −1 1 −1 0 0 −2 0 −2 0
De la segunda la se deduce que y = −w. Reemplazando en la primera la obtenemos x − w + z + w = 0
lo que implica x = −z . Luego todo vector en W se puede escribir como:
x −1 0
y 0 −1
= z +w
z 1 0
w 0 1
Como ambos vectores son l.i (basta mencionarlo) se tiene que una base de W es el conjunto:
−1 0
0 −1
,
1 0
0 1
2. En este caso los vectores en la intersección deben cumplir 3 condiciones, por lo que son el conjunto
resultado del siguiente sistema:
1 1 1 1 0 1 1 1 1 0 1 1 1 1 0
1 −1 1 −1 0 → 0 −2 0 −2 0 → 0 −2 0 −2 0
1 0 2 1 0 0 −1 1 0 0 0 0 2 2 0
De la tercera la se deduce que y = −w, reemplazando en la segunda se obtiene y = −w, y de la primera
deducimos que x = w. Por lo tanto el subespacio intersección esta generado por el vector (1, −1, −1, 1).
23
2. Transformaciones lineales
Denición 12.
Sea U, V espacios vectoriales sobre un cuerpo R. Diremos que la aplicación T : U → V es una transformación
lineal si y sólo si T satisface las siguientes propiedades:
(i) T (0~u ) = 0~V .
(ii) (∀ ~u, ~v ∈ U ) (∀ α ∈ R) se cumple que T (~u + α~v ) = T (~u) + αT (~v ).
Es única en V .
Teorema 7.
Sean U, V dos espacios vectoriales sobre R, además sean {u~1 , u~2 , . . . , u~n } una base de U y {v~1 , v~2 , . . . , v~n } un
subconjunto de V , entonces existe una única transformación lineal T : U → V , tal que T (ui ) = vi , i = 1, . . . , n.
24
n
(ii) Como u = αi v~i es linealmente independiente, entonces:
X
i=1
n
!
X
T (~u) = T αi v~i = OV
i=1
n
X
T (~u) = αi T (~
vi ) = 0V
i=1
Denición 13.
Sean U, V espacios vectoriales sobre el cuerpo R. Diremos que T : U → V es un isomorsmo de espacios
vectoriales si:
(a) T ∈ LR (U, V )
(b) T es biyectiva.
Existen dos espacios vectoriales relacionados directamente con la transformación lineal, los cuales nos permiten
analizar el comportamiento de la aplicación desde su interior.
Denición 14.
Sean U, V espacios vectoriales sobre el cuerpo R y T : U → V una transformación lineal. Llamaremos núcleo
de T al conjunto n o
Ker(T ) = ∀ u ∈ U / T (u) = ~0V
Demostración:
(a) Sabemos que ~0U ∈ U y T (~0U ) = ~0V , entonces ~0U ∈ Ker(T ), por lo tanto ker(T ) 6= ~0.
25
(b) Sean u1 , u2 ∈ ker(T ) y k ∈ R, entonces:
~u1 ∈ ker(T ) ⇐⇒ T (~u1 ) = 0
=⇒ T (~u1 + k~u2 ) = T (~u1 ) + k · T (~u2 ) = 0 + k · 0 = 0
~u2 ∈ ker(T ) ⇐⇒ T (~u2 ) = 0
Proposición 2.
Sean U, V espacios vectoriales sobre R y T : U → V una transformación linal. T es inyectiva si y sólo si
ker(T ) = {~0U }.
Denición 15.
Sean U, V espacios vectoriales sobre R y T : U → V una transformación lineal. Llamaremos imagen de T al
conjunto
Img(T ) = {∀ v ∈ V / T (~u) = ~v }
Teorema 8.
Sea U un espacio vectorial, α = {u1 , u2 , . . . , un } una base de U y T : U → V una transformación lineal,
entonces:
Img(T ) = hT (α)i = hT (~u1 ), . . . , T (~un )i
Teorema 9.
Sea U un espacio vectorial de dimensión nita y T : U → V una transformación lineal, entonces:
dim(Ker(T )) + dim(Img(T )) = dim(U )
Consideremos U, V espacios vectoriales sobre R, además α = {~u1 , ~u2 , . . . , ~un } y β = {~v1 , ~v2 , . . . , ~vn } bases de U
y V respectivamente . Sea T : U → V una transformación lineal, tal que:
T (~u1 ) = a11~v1 + a21~v2 + ... + am1~vm
T (~u2 ) = a12~v1 + a22~v2 + ... + am2~vm
.. .. .. .. ..
. . . . .
T (~un ) = a1n~v1 + a2n~v2 + ... + amn~vm
26
Esto implica que todo elemento
a1j
a2j
~ =⇒ [T (~uj )]β = .
T (~uj ) = a1j ~v1 + a2j ~v2 + . . . + amj m
..
amj
Se dene como matriz asociada a las bases α = {~u1 , ~u2 , . . . , ~un } y β = {~v1 , ~v2 , . . . , ~vm } a la matriz de orden
m×n
a11 a12 ... a1n T (~u1 ) = a11~v1 + a21~v2 + ... + am1~vm
a21 a22 ... a2n T (~u2 ) = a12~v1 + a22~v2 + ... + am2~vm
β
[T ]α = .
.. .. ..
tal que: .. .. .. .. ..
.. . . . . . . . .
am1 am2 ... amn T (~un ) = a1n~v1 + a2n~v2 + ... + amn~vm
Observación:
(a) La columna j-ésima de la matriz [T ]βα corresponde a las coordenadas del vector T (~uj ) en la base β , esto es:
a1j
a2j
[T (~uj )]β = . ∈ Mm×1
.
.
amj
(b) Si la base α del espacio de partida es igual al del espacio de llegada, entonces la matriz se denota por [T ]α .
Teorema 10.
Sea T : U → V , con U y V espacios vectoriales de dimensión nita, entonces:
β β
[T ]α · [u]α = [v]β ⇐⇒ [T ]α · [u]α = [T (u)]β
Ejemplo # 19 Sean α = {(1, 1, 1) ; (0, 1, 1) ; (1, 0, 1)} ; β = {(1, 1) ; (0, 1)} bases de R 3
y R2 respectivamente
y T : R → R una transformación lineal tal que:
3 2
β 4 2 −2
[T ]α =
−3 −1 1
Determine T (x, y, z)
Solución: Consideremos el elemento (x, y, z) ∈ R3 y se desea determinar [(x, y, z)]α , por lo tanto debemos
encontrar los escalares a, b, c ∈ R tal que:
(x, y, z) = a · (1, 1, 1) + b · (0, 1, 1) + c · (1, 0, 1)
27
donde
x = a+c 1 0 1 | x 1 0 0 | x−z+y
y = a+b ⇐⇒ 1 1 0 | y ∼ 0 1 0 | z−x
z = a+b+c 1 1 1 | z 0 0 1 | z−y
Por lo tanto
x+y−z
[(x, y, z)]α = z − x
z−y
Luego,
x+y−z
β 4 2 −2 2x − 4z + 6y
[T (x, y, z)]β = [T ]α · [(x, y, z)]α = · z−x =
−3 −1 1 −2x + 3z − 4y
z−y
Finalmente, si
2x − 4z + 6y
[T (x, y, z)]β =
−2x + 3z − 4y
entonces,
T (x, y, z) = (2x − 4z + 6y) · (1, 1) + (−2x + 3z − 4y) · (0, 1) = (2x − 4z + 6y, −z + 2y)
Teorema 11.
Sean U, V espacios vectoriales sobre R de dimensión nita, además α y β bases de U y V respectivamente. Si
T : U → V es una transformación lineal, entonces:
28
(α, V ) (β, W ) (β 0 , W )
[ ]α [ ]β [ ]β 0
0 0
[T ]βα = [I]ββ · [T ]βα
[ ]α0 [ ]α [ ]β
[T ]α β α
α0 = [T ]α · [I]α0
0
• Relación entre [T ]βα y [T ]βα0
[ ]α0 [ ]α [ ]β [ ]β 0
0 0 0
[T ]βα0 = [I]ββ · [T ]βα · [I]α
α
Particularmente si V = W , entonces:
β
[T ]α α β
α = [I]β · [T ]β · [I]α
29
Ejemplo # 20 Sean α = {(1, 1, −1) ; (0, 2, −1) ; (1, 0, 1)} y β = {(1, 2, 1) ; (1, 3, 2) ; (2, 1, 3)} bases de R 3
yT
una transformación lineal tal que:
5 2 −2
β
[T ]α = −3 −1 1
1 4 −3
Calcular [T ]αα .
Solución: Sabemos que [T ]αα = [I]αβ · [T ]βα , por lo tanto se requiere calcular [I]αβ , es decir debemos resolver el
sistema
(1, 2, 1) = a1 (1, 1, −1) + b1 (0, 2, −1) + c1 (1, 0, 1)
(1, 3, 2) = a2 (1, 1, −1) + b2 (0, 2, −1) + c2 (1, 0, 1)
(2, 1, 3) = a3 (1, 1, −1) + b3 (0, 2, −1) + c3 (1, 0, 1)
Utilizando la matriz ampliada al sistema se obtiene que:
1 0 1 1 1 2 3 0 0 −2 −5 −3
1 2 0 2 3 1 ∼ 0 6 0 8 14 6
−1 −1 1 1 2 3 0 0 3 5 8 9
por lo tanto,
−2 −5 −3
1
[I]α
β = · 4 7 1
3
5 8 9
Luego,
−2 −5 −3 5 2 −2 2 −11 8
1 1
[T ]α
α = · 4 7 1 · −3 −1 1 = · 2 13 −10
3 3
5 8 9 1 4 −3 10 38 −29
30
Ejercicios resueltos
Queremos encontrar una base β 0 = {w10 , w20 , w30 , w40 } tal que:
T (v1 ) = w10 ; T (v2 ) = −w10 + w20 ; T (v3 ) = −w20 + w30 ; T (v4 ) = w30
Ejercicio 2 Considere T : P2 [x] → R3 una transformación lineal. Determine la matriz T con respecto a las
bases canónicas α = {1, x, x2 } y la base canónica de R3 a saber β = {(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)}, suponiendo
que:
T (1 + x − x2 ) = (1, 0, 1) ; T (x2 − x) = (1, 1, −1) ; T (2 + x − 2x2 ) = (−1, 1, −2)
por lo tanto
0
1 1 −1 1 0 2
[T ]βα0 = I3 ; [I]ββ 0 = 0 1 1 ; [I]α
α0 = 0 −1 1
1 −1 −2 −1 1 −2
31
Ejercicio 3 Sea T : R3 → R3 , denida por T (x, y, z) = (−2x + y, 3z). Calcular la matriz de transformación:
(a) Respecto a las bases canónicas.
(b) Respecto a las bases α0 = {(1, 2, −1) ; (0, 1, 0) ; (3, 1, 1)} y β 0 = {(0, 2) ; (−1, 1)}
(c) Respecto de las bases α00 = {(1, 1, 1) ; (0, 1, 0) ; (0, 0, 1)} y β 00 = {(−1, 3) ; (1, 0)}
Solución:
(a) Sabemos que:
donde
1 0 3
0 −1
[I]α
α0 = 2 1 1 ; [I]ββ 0 =
2 1
−1 0 1
por lo tanto
−1 1 0 3
0
1/2 1/2 −2 1 0 −3/2 1/2 −1
[T ]βα0 = [I]ββ 0 · [T ]βα · [I]α
α0 = · · 2 1 1 =
−1 0 0 0 3 0 −1 5
−1 0 1
donde
1 0 0
−1 1
[I]α
α00 = 1 1 0 ; [I]ββ 00 =
3 0
1 0 1
por lo tanto,
−1 1 0 0
00 −1 1 −2 1 0 1 0 1
[T ]βα00 = · · 1 1 0 =
3 0 0 0 3 0 1 1
1 0 1
T (x, y) = (2x − y, x + y, 2y − x)
(a) Determinar la matriz [T ]βα con α y β bases canónicas de R2 y R3 respectivamente. Calcular T (3, 1/2).
(b) Dar base, y la dimensión de Ker(T ) y de Img(T ).
(c) Determine la matriz de transformación con respecto a las bases
32
Solución:
(a) Observe que T (1, 0) = (2, 1, −1) y T (0, 1) = (−1, 1, 2), esto implica que:
2 −1
[T ]βα = 1 1
−1 2
Luego,
2 −1 11/2
3
T (3, 1/2) = 1 1 · = 7/2
1/2
−1 2 −2
se obtiene que:
Img(T ) = h(2, 1, −1) ; (−1, 1, 2)i
donde
1 2 0
2 0
[I]ββ 0 = 1 0 0 : [I]α
α0 = 1 3
1 1 2
por lo tanto −1
1 2 0 2 −1 3 3
0 2 0
[T ]βα0 = 1 0 0 · 1 1 · = 0 −3
1 3
1 1 2 −1 2 − 23 3
33
Solución: Dado ~u = (1, 2, 3) tenemos
T (~x) = (2z − 3y, 3x − z, y − 2x)
a) Sean ~v = (v1 , v2 , v3 ) y w
~ = (w1 , w2 , w3 ) dos vectores en R3 , entonces
~v + λw
~ = (v1 + λw1 , v2 + λw2 , v3 + λw3 )
Entonces
T (~v + λw)
~ = T (v1 + λw1 , v2 + λw2 , v3 + λw3 )
= (2(v3 + λw3 ) − 3(v2 + λw2 ), 3(v1 + λw1 ) − (v3 + λw3 ), (v2 + λw2 ) − 2(v1 + λw1 ))
= (2v3 − 3v2 , 3v1 − v3 , v2 − 2v1 ) + λ(2w3 − 3w2 , 3w1 − w3 , w2 − 2w1 )
= T (~u) + λT (~v )
b) Si denimos la base E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} entonces tenemos que calcular [T ]E
E.
[T (1, 0, 0)]E [(0, 3, −2)]E 0 −3 −2
[T ]E
E = [T (0, 1, 0)]E
= [(−3, 0, 1)]E
= −3 0 1
[T (0, 0, 1)]E [(2, −1, 0)]E 2 1 0
c)
ker(T ) = {~x ∈ R3 |T (~x) = ~0R3 }
= {(x, y, z) ∈ R3 |(2z − 3y, 3x − z, y − 2x) = (0, 0, 0)}
= {(x, y, z) ∈ R3 |2z = 3y; 3x = z; y = 2x}
= {(x, 2x, 3x) ∈ R3 }
= h{(1, 2, 3)}i
Por lo tanto, como el vector (1, 2, 3) genera a ker(T ) y además es linealmente independiente, entonces
dim(ker(T )) = 1. Notamos que el kernel del producto vectorial es la recta generada por el vector
(1, 2, 3).
Para la dimensión de la Imagen podemos usar el Teorema de la dimension y obtener que dim(Img(T )) =
dim(R3 ) − dim(ker(T )) = 3 − 1 = 2, o podemos hacer lo siguiente,
Este conjunto de vectores genera a Img(T ) pero no son linealmente independientes, así que debemos
sacar un vector y darnos cuenta que con 2 vectores se genera a Img(T ) y además es un conujunto
linealmente independiente, así dim(Img(T )) = 2
Ejercicio 6 Sea el conjunto B ⊆ R 3
y a un parámetro real:
* +
2 2 a
B = 0 , −2 , 0
3 −a a
34
(a) Calcule el(los) valor(es) de a tal que B sea una base de R3 .
1
(b) Para a = 1, calcule las coordenadas del vector 1 en la base B .
1
(c) Sea T : R3 → R3 una transformación lineal cuya matriz representante con respecto a las base canónica y
B es:
2 3 1
A = −1 4 1
1 0 −1
1
Calcule T 2.
3
Solución:
(a) Para que sea una base, los 3 vectores deben ser linealmente independientes. Una condición es que el
determinante sea distinto de 0.
2 2 a
= −2 2 a
|A| = 0 −2 0 3 = 2a
a
3 −a a
35
Solución:
(i) Calculamos la imagen para la base canónica de R3 .
1 0 2 1 3 1
T (1, 0, 0) = ; T (0, 1, 0) = ; T (0, 0, 1) =
1 1 3 1 4 2
De donde se obtiene que (x, y, z) ∈ Ker(T ) si y = −z y x = −z , luego Ker(T ) = h(−1, −1, 1)i y por lo
tanto tiene dimensión 1.
(iii) La imagen esta generadad por las
columnas
de
la matriz
representante. Usando la parte anterior podemos
1 0 2 1
ver que una base de la imagen es , y por lo tanto tiene dimensón 2.
1 1 3 1
Ejercicio 8 Sea T : R 4
→ R3 tal que:
x
y x+y+z
z = y + z + w
T
w+x+y
w
Solución:
(a) Para calcular el Ker(T ) debemos buscar los vectores x tal que T (x) = 0, es decir la solución al sistema:
1 1 1 0 0 1 1 1 0 0
0 1 1 1 0 → 0 1 1 1 0
1 1 0 1 0 0 0 −1 1 0
36
(b) La imagen esta generada por las columnas de la matriz del problema anterior. Del escalonamiento se
puede deducir que de ellos, 3 son l.i, por lo que una base de la imagen es el conjunto:
1 1 1
0 , 1 , 1
1 1 0
(c) T no es inyectiva porque Ker(T ) 6= {0} [0,3 pto]. T es sobreyectiva porque la dimensión de la imagnes es
3 que es la misma dimensión del espacio de llegada R3 [0,4 pto].
Ejercicio 9 Sea T : R 3
→ R3 tal que:
x x + 2y + 3z
T y = x − y + 2z
z 4x + y − 3z
Solución:
(a) Calculamos la imagen de los vectores canónicos:
1 1 0 2 0 3
T 0 = 1 ; T 1 = −1 ; T 0 = 2
0 4 0 −3 1 −3
Como en al base canónica las coordenadas son igual al vector se tiene que la matriz representante es :
1 2 3
1 −1 2
4 −3 −3
(b) Calculamos la imagen de los vectores de la base y los escribimos como combinación lineal de la base:
1 1 1 1 1
T 0 = 1 = 0 0 − 3 1 + 4 1
0 4 0 0 1
1 3 1 1 1
T 1 = 0 = 3 0 − 5 1 + 5 1
0 5 0 0 1
1 6 1 1 1
T 1 = 2 = 4 0 + 0 1 + 2 1
1 2 0 0 1
Por lo que la matriz representante es :
0 3 4
−3 −5 0
4 5 2
37
Ejercicio 10 Sea la función T : R 4
→ R3 tal que
a
b a + 2b + c
T c = 2a + 4b + c + 3d
−a − 2b − d
d
Solución:
(a) Para clacular el Ker(T ) debemos encontrar todos los vectores x ∈ R4 tal que T (x) = 0, es decir tal que:
a
b 0 a + 2b + c 0
T = 0 =⇒ 2a + 4b + c + 3d = 0
c
0 −a − 2b − d 0
d
Lo que
implica d = 0, c = 0 y x = −2y con y variable libre. Luego el Ker(T ) esta generado por el vector
−2
1
lo que implica que tiene dimensión 1.
0
0
(b) Todo elemento de la imagen se puede escribir como:
a + 2b + c 1 2 1 0
2a + 4b + c + 3d = a 2 + b 4 + c 1 + d 3
−a − 2b − d −1 −2 0 −1
Es decir, esta generado por estos 4 vectores. De la parte anterior podemos ver que solo 3 de ellos son
linealmente independientes, or lo que una base de Im(T ) es el conjunto.
1 1 0
2 , 1 , 3
−1 0 −1
38
(b) Calcule la matriz representante de T respecto a las bases canónicas.
(c) Calcule la matriz representante de T respecto a la base canónica en R2 y la base
1 0 0
1 , 1 , 1 en R3 .
0 −1 0
Solución:
x
(a) Sea ∈ R2 . Se tiene que:
y
x x+y 1 y − x −1
= +
y 2 1 2 1
(c) En este caso debemos calcular las coordenadas de la imagen en la base de llegada:
1 1 0 0
1
T = 0 = 1 1 − 1 1 + 0 1
0
1 0 −1 0
1 1 0 0
0
T = 2 = 1 1 + 1 1 + 0 1
1
−1 0 −1 0
Luego la matriz rerpresentante es:
1 1
−1 1
0 0
39
3. Diagonalización
Esto implica que todo elemento que sea parte de este comportamiento debe satisfacer la relación
T (~vi ) = aii · ~vii (i = 1, . . . , n)
T (~v ) = λ · ~v ⇐⇒ T (~v ) − λ · ~v = 0
⇐⇒ (T − λ · 1V ) · (~v ) = 0 (Sistema lineal)
Como ~v 6= ~0V entonces dim (Ker(T − λ · 1V )) ≥ 1 lo cual implica que Ker(T − λ · 1V ) 6= ~0V por lo tanto
det(T − λ · 1V ) = 0.
Denición 16.
Sea V un espacio vectorial sobre R de dimensión n ∈ N, y T : V → V una transformación lineal. Diremos
que ~v es un vector propio de T si,
(1) ~v 6= ~0V .
(2) (∃ λ , λ ∈ R) tal que T (~v ) = λ · ~v .
Denición 17.
Llamaremos polinomio caracteristico de T al polinomio
(para cualquier base α de T )
α
p(λ) = det ([T − λ · 1V ]α )
40
Teorema 12.
Sea V un espacio vectorial sobre R de dimensión n ∈ N y T : V → V una transformación lienal entonces para
cada λ ∈ R
Vλ = {~v ∈ V / T (~v } = λ · ~v } ≤ V
Denición 18.
Vλ se denomina espacio propio asociado al valor propio λ.
41
por lo tanto,
− 12
* +
Vλ=1 1
1
Luego, reemplazando por el valor propio λ = 2 se obtiene el espacio propio
Vλ=2 = {~v ∈ V / T (~v ) = 2 · ~v )
por lo tanto,
* 1
3 −1 +
Vλ=2 1 ; 0
0 1
Resumiendo:
Denición 19.
Sea A = [T ]αα , donde α es una base cualquiera de V , entonces A es diagonalizable si y sólo si existe una base β
de vectores propios de V , tal que:
β β −1
A = [T ]α α β α β
α = [I]β · [T ]β · [I]α = [I]β · [T ]β · [I]α
Observación: La mayoria de los textos denotan a [I]αβ = P como la matriz de los vectores propios y D = [T ]ββ
la matriz de paso en forma diagonal, entonces:
β −1
A = [I]α β
β · [T ]β · [I]α = P · D · P −1
42
Ejercicios resueltos
Solución: Calculamos el polinomio caracteristico P (m) = det(A − mI) = −(1 − m)2 (1 + m). Luego, para
m = 1 se cumple que:
0 −1 −2 − α 0 0 −1 −2 − α 0
α
0 −2 α 0 ∼ 0 −1 2 0
0 0 0 0 0 0 0 0
4
De lo anterior podemos concluir que la matriz es diagonalizable si α = − .
3
Ejercicio 2 Sea la matriz:
1 3 3
A = 3 1 3
3 3 1
Solución:
1. Primero debemos calcular el polinomio característico:
1−λ 3 3 1−λ 3 3 1−λ 3 4 − λ
F −F
C3=
+C1
3
1−λ 3 3= 1 3 1−λ 3 3 1−λ 6 =
3 3 1−λ 2+λ 0 −2 − λ 2+λ 0 0
3 4 − λ
(2 + λ) = (2 + λ)[18 − (4 − λ)(1 − λ)] = (2 + λ)(18 − 4 + 5λ − λ2 ) =
1−λ 6
= (2 + λ)(14 + 5λ − λ2 ) = (2 + λ)2 (7 − λ)
Luego los valores propios son −2 y 7.
2. Calculemos el espacio propio asociado a 7. Esto es Ker(A − 7I) que es la solución al sistema:
−6 3 3 0 −6 3 3 0 −6 3 3 0
2F2 +F1 ;2F3 +F 1 F3 +F 2
3 −6 3 0 → 0 −9 9 0 → 0 −9 9 0
3 3 −6 0 0 9 −9 0 0 0 0 0
1
De donde se obtiene que y = z y x = z , luego 1 es un vector propio.
1
Calculemos el espacio propio asociado a −2. Esto es Ker(A + 2I) que es la solución al sistema:
3 3 3 0 3 3 3 0
F2 −F1 ;F3 −F 1
3 3 3 0 → 0 0 0 0
3 3 3 0 0 0 0 0
43
−1 1
De donde se obtiene que x = −y −z , luego una base de vectores propios es el conjunto 1 , −1 .
0 0
1 2 1
Ejercicio 3 Sea A = 2 0 −2 . Determine:
−1 2 3
(a) El polinomio característico de A
(b) Los valores y vectores propios de A.
(c) Si A es diagonalizable.
Solución:
1−λ 2 1
(a) Se tiene que A − λI = 2 −λ −2
−1 2 3−λ
1−λ 2 1
−λ −2 2 −2 2 −λ
2 −λ −2 = (1 − λ) · − 2 · +
−1
2 3−λ −1 3 − λ −1 2
2 3−λ
= (1 − λ) · (λ(λ − 3) + 4) − 2 · (2(3 − λ) − 2) + (4 − λ)
= (1 − λ) · (λ2 − 3λ + 4) + (2λ − 8) + (4 − λ)
= (1 − λ) · (λ2 − 3λ + 4) + (λ − 4)
= (λ2 − 3λ + 4) + (λ − 4) − (λ3 − 3λ2 + 4λ) ·
= −λ3 + 4λ2 − 4λ
= −λ(λ − 2)2 .
(b) El polinomio característico de A es pA (λ) = −λ(λ − 2)2 y por tanto los valores propios son λ = 0 y λ = 2
con multiplicidades algebraicas 1 y 2 respectivamente.
Para λ = 0:
1 2 1 0 1 2 1 0
1 2 1 0
2 0 −2 0 −→ 0 −4 −4 0 −→
0 1 1 0
−1 2 3 0 0 4 4 0
1
El espacio propio es entonces −1
1
Para λ = 2:
−1 2 1 0
2 −2 −2 1 2 1 0
0 −→
0 2 0 0
−1 2 1 0
−1
El espacio propio es entonces 0
1
44
(c) Como la multiplicidad geométrica de λ = 2 es 1 que es menor que la multiplicidad algebraica (falta 1 vector
propio) la matriz no es diagonalizable.
Ejercicio 4 Sea la matriz:
5 4 2
A = 4 5 2
2 2 2
Solución:
(a)
5−x 4 2 1−x x−1 0 1−x 0 0
F −F C +C
4
5 − x 2 2= 1 4 5−x 2 1= 2 4 9−x 2
2 2 2−x 2 2 2−x 2 4 2−x
9−x 2 = (1 − x)[(x2 − 11x + 18) − 8] = (1 − x)(x2 − 11x + 10) = −(x − 1)2 (x − 10)
= (1 − x)
4 2−x
Por lo tanto los valores propios son 1 y 10. Calculemos los espacios propios asociados a cada valor propio:
(b) Para x1 = 1 tenemos que calcular Ker(A − I) es decir:
4 4 2 0 4 4 2 0
4 4 2 0 → 0 0 0 0
2 2 1 0 0 0 0 0
Por lo tanto (x, y, z) ∈ Ker(A − I) si y sólo si z = −2x − 2y . Luego una base es {(1, 0, −2), (0, 1, −2)}.
Para x2 = 10 tenemos que calcular Ker(A − 10I) es decir:
−5 4 2 0 −5 4 2 0 −5 4 2 0
4 −5 2 0 → 0 −9/5 18/5 0 0 −9/5 18/5 0
2 2 −8 0 0 18/5 −36/5 0 0 0 0 0
Por lo tanto (x, y, z) ∈ Ker(A − 10I) si y sólo si y = 2z y x = 2z . Luego una base es {(2, 2, 1)}.
Ejercicio 5 Sea la siguiente matriz:
−4 1 5
A = −6 3 5
2 1 −1
45
Solución:
(a) Calculemos primero sus valores propios:
−4 − λ 1 5 2 − λ −2 + λ 0 2−λ 0 0
−6 3−λ 5 = −6 3−λ 5 = −6 −3 − λ 5
=
2 1 −1 − λ 2 1 −1 − λ 2 3 −1 − λ
−3 − λ 5 = (2 − λ)[(λ + 3)(λ + 1) − 15] = (2 − λ)[λ2 + 4λ − 12] = (2 − λ)2 (6 + λ)
(2 − λ)
3 −1 − λ
De donde se obtiene
que y = z y 6x = y + 5z lo que implica que x = z de donde se deduce que
1
Ker(A − 2I) = h1i.
1
Luego el valor propio 2 tiene multiplicidad geometrica 1, que es distinta a su multiplicidad algebraica lo
que implica que la matriz A no es diagonalizable.
Ejercicio 6 Sea la matriz:
−5 −6 8 0
−7 3 7 0
A=
−2
−6 5 0
0 0 0 2
Solución:
(a) Calculamos el polinomio caracteristico:
−5 − λ −6 8 0
−5 − λ −6 8
−7 3−λ 7 0 8
= (2 − λ)(−1 ) −7 3−λ 7 =
−2 −6 5 − λ 0
−2 −6 5 − λ
0 0 0 2−λ
3−λ −6 8 3−λ −6 8
= (2 − λ) 0
3−λ 7 = (2 − λ) 0
3−λ 7
3−λ −6 5−λ 0 0 −3 − λ
= (λ − 3)2 (λ + 3)(λ − 2)
46
(b) Calculamos el espacio propio asociado al valor propio 2.
−7 −6 8 0 0 −7 −6 8 0 0 −7 −6 8 0 0
−7 1 7 0 0 0 7 −1 0 0 0 7 −1 0 0
→ →
−2 −6 3 0 0 0 −28 5 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
De donde
se deduce que , z = y = x = 0 y w variable libre. Luego el espacio propio esta generado por el
0
0
0.
vector
1
Calculamos el espacio propio asociado al valor propio 3.
−8 −6 8 0 0 −8 −6 8 0 0 −8 −6 8 0 0
−7 0 7 0 0 0 48 0 0 0 0 48 0 0 0
→ →
−2 −6 2 0 0 0 −18 0 0 0 0 0 0 0 0
0 0 0 −1 0 0 0 0 −1 0 0 0 0 −1 0
De donde se deduce
que w = 0, y = 0 y x = z con z variable libre. Luego el espacio propio esta generado
1
0
1.
por el vector
0
Del último cálculo deducimos que el 3 tiene multiplicidad geométrica 1, que es menor a sus multiplicidad
algebraica por lo que la matriz no es diagonalizable.
Ejercicio 7 Sea la siguiente matriz:
a a2
2
A= 0 3 1
0 1 3
(a) Pruebe que el polinomio característico de A es −(x − 2)2 (x − 4).
(b) Para que valor(es) de a la matriz A es diagonalizable.
Solución:
(a) Usando las propiedades:
2−x a a2
= (2 − x) 3 − x 1
= (2 − x)[(3 − x)2 − 1] =
0 3 − x 1
1 3−x
0 1 3−x
a2
0 a
0 1 1
0 1 1
Luego para que tenga dimensión 2, se debe tener que a = a2 , por lo tanto a ∈ {0, 1}.
47
Ejercicio 8 Sea T : R3 → R3 una transformación lineal cuya matriz representante con respecto a la base
canónica es:
7 −2 −4
A = 3 0 −2
6 −2 −3
(a) Calcule el polinomio característico de A y el espacio propio uno de sus valores propios.
(b) Calcule la matriz representante de A con respecto a la base
1 0 2
3 , −2 , 1
0 1 2
Solución:
(a) Calculamos el polinomio característico:
7 − x −2 −4 1 − x 0 −1 + x 1−x 0 0
F1 →F 1 −F3 C3 →C3 +C1
3
−x −2 = 3 −x −2 = 3 −x 1
6 −2 −3 − x 6 −2 −3 − x 6 −2 3−x
−x 1
= (1 − x) = (1 − x)[−3x + x2 + 2] = (1 − x)2 (2 − x)
−2 3 − x
Calculamos el espacio propio asociado al valor propio 1:
6 −2 −4 6 −2 −4
3 −1 −2 → 0 0 0
6 −2 −4 0 0 0
Lo que implica que y = 3x − 2z con x, z variables libres. Luego el espacio propio del 1 es:
*1 0 +
E1 = 3 , −2
0 1
48