Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumenes de Algebra
Resumenes de Algebra
• K un cuerpo o campo (es decir, cualquier conjunto que cumpla con los axio-
mas de cuerpo), puede ser R o C.
1. M ATRICES
D EFINICIÓN 1: Matriz
Una matriz sobre un cuerpo K es una función
A : I × J −→ K
(i, j) 7−→ aij ,
Otras notaciones usuales para el conjunto de las matrices, que se puede en-
contrar en la literatura, son Mm×n o Mmn .
1
Departamento de Formación Básica Semana 01 Clase 01
aij = 2i − j
para cada i ∈ {1, 2} y j ∈ {1, 2, 3}. Escriba a la matriz con todos sus elementos.
La 3-ésima columna de A, es
6
3 .
0
2
Semana 01 Clase 01 Departamento de Formación Básica
La 1-ésima fila de A es
1 0 6 .
1 2 −1 0 3
E JERCICIO 2. Dada la matriz A = 1 2
0 1 3. Indique a su 2-ésima fila,
3 3 3 3 3
3-ésima columna y 5-ésima columna.
a) m = p y n = q; y
Notando que A y B tienen el mismo orden, para que sean iguales los valores de x,
y y z deben ser 1, −8 y 7, respectivamente.
para cada i, j ∈ {1, 2}. Indique cuáles matrices son iguales y cuáles no lo son.
D EFINICIÓN 4: Vectores
El conjunto K n es:
K n = K × K × · · · × K,
| {z }
n veces
es decir,
K n = {( a1 , a2 , . . . , an ) : ai ∈ K para todo i ∈ J }.
3
Departamento de Formación Básica Semana 01 Clase 01
E JEMPLO 4. Dado el vector u = (1, 2, y), donde y ∈ R, entonces visto como matriz
es
1
u = 2 ∈ K 3×1 .
y
1 3
E JERCICIO 4. Dada la matriz A = 2 2, escriba a sus columnas cómo elemen-
2 1
tos de R y sus filas como elementos de R2×1 y de R2 .
3
Con esto, tenemos que aij + bij = aij + bij .
4
Semana 01 Clase 01 Departamento de Formación Básica
Finalmente
9 0 0
A+B = 3 2 −2 .
−1 2 22
Con esto, tenemos que α aij = αaij .
⊺
Con esto, tenemos que si A ∈ K m×n , entonces A⊺ ∈ K n×m y aij = a ji .
5
Departamento de Formación Básica Semana 01 Clase 01
su transpuesta es
1 3 0
A⊺ = 4 7 −3 .
−2 9 5
Calcular su transpuesta.
6
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 01 C LASE 02
1. M ATRICES
T EOREMA 1
Sean A, B, C ∈ K m×n . Se tiene que
a) A + B = B + A.
b) A + ( B + C ) = ( A + B) + C.
A+0 = A
A + (− A) = 0.
1
Departamento de Formación Básica Semana 01 Clase 02
a) α( βA) = (αβ) A;
b) (α + β) A = αA + βA; y
c) α( A + B) = αA + αB.
−5 0 3 −1 2 −2
3
c12 = ∑ a1k bk2
k =1
= a11 b12 + a12 b22 + a13 b32
= (1)(2) + (0)(−2) + (−1)(2)
2
Semana 01 Clase 02 Departamento de Formación Básica
= 0.
3
c33 = ∑ a3k bk3
k =1
= a31 b13 + a32 b23 + a33 b33
= (−5)(1) + (0)(1) + (3)(−2)
= −11.
2 −4 −11
donde AB ∈ K3×3 .
T EOREMA 3
Sean A, B ∈ K m×n , C, D ∈ K n× p , E ∈ K p×q y α ∈ K. Se tiene que
a) A( DE) = ( AD ) E;
b) A(C + D ) = AC + AD;
c) ( A + B)C = AC + BC;
d) A(αC ) = α( AC ) = (αA)C.
En general, AB 6= BA.
3
Departamento de Formación Básica Semana 01 Clase 02
Im A = AIn = A.
D EFINICIÓN 11
Sean A ∈ K n×n y r ∈ N. Se define A a la potencia r por
a) A0 = In ; y
4
Semana 01 Clase 02 Departamento de Formación Básica
b) Ar+1 = Ar A.
T EOREMA 5
Sean A ∈ K n×n y r, s ∈ N. Se tiene que
a ) Ar A s = Ar +s ; y
b) ( Ar )s = Ars .
a) Calcular A2 , A3 y A4 .
Solución:
para cada n ∈ N ∗ .
a) Calcular A2 , A3 y A4 .
5
Departamento de Formación Básica Semana 01 Clase 02
a) ( A⊺ )⊺ = A;
b ) ( A + B )⊺ = A⊺ + B⊺ ;
c) ( AC )⊺ = C⊺ A⊺ ;
d) (αA)⊺ = αA⊺ .
( AB)⊺ = A⊺ B⊺
E JEMPLO 11. Dada la matriz A ∈ K n×n .En este ejemplo vamos a ilustrar a las
propiedades de la transpuesta, notemos que
( A⊺ A )⊺ = A⊺ ( A⊺ )⊺ = A⊺ A
y que
( A⊺ − A)⊺ = ( A⊺ )⊺ + (− A)⊺ = A − A⊺ .
6
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 02 C LASE 01
Semestre 2020 A Departamento de Formación Básica
1. M ATRICES
−2 −3 8
−2 −3 −3
1
Departamento de Formación Básica Semana 02 Clase 01
n n n n
Tr( A + B) = Tr(C ) = ∑ c jj = ∑ (a jj + bjj ) = ∑ a jj + ∑ bjj = Tr( A) + Tr( B).
j =1 j =1 j =1 j =1
0 −6 3
aij = 0
2
Semana 02 Clase 01 Departamento de Formación Básica
Notemos que en todos los casos los términos fuera de la diagonal principal son
todos iguales a cero.
Note que la matriz escalar dada se escribe como el producto del escalar 3 con la
matriz identidad.
E JERCICIO 14. Demuestre que la suma de dos matrices escalares es una matriz
escalar. ¿Qué se puede decir sobre la resta?
3
Departamento de Formación Básica Semana 02 Clase 01
A⊺ = A.
8 −3 0
es antisimétrica, en efecto, tenemos que
A⊺ = − A.
4
Semana 02 Clase 01 Departamento de Formación Básica
En efecto, determinemos a A2 ,
! ! !
1 1 1 1 0 0
A2 = A · A = · = .
−1 −1 −1 −1 0 0
0 0 1
Determine si es nilpotente.
5
Departamento de Formación Básica Semana 02 Clase 01
1. Todas las filas que constan de ceros, si las hay, están en la parte inferior
de la matriz.
3. Para cada fila que no consta sólo de ceros, el uno principal aparece a la
derecha y abajo de cualquier uno principal en las filas que le preceden.
Se dice que una matriz está en forma escalonada por filas si satisface las pri-
meras tres propiedades.
O BSERVACIÓN 4. Note que toda matriz escalonada reducida por filas es también
escalonada por filas.
6
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 02 C LASE 02
Semestre 2020 A Departamento de Formación Básica
1. M ATRICES
es reemplazar la fila
ai1 ai2 ... ain
por la fila
a j1 a j2 ... a jn
y viceversa.
αFi → Fi ,
es reemplazar la fila
ai1 ai2 ... ain
por
αai1 αai2 ... αain .
αFi + Fj → Fj ,
es reemplazar la fila
a j1 a j2 ... a jn
1
Departamento de Formación Básica Semana 02 Clase 02
por
αai1 + a j1 αai2 + a j2 ... αain + a jn .
−1 2 −3
0 −1 2
E JEMPLO 24. Multiplicar una fila por un escalar. Considerando a la matriz A del
ejemplo 23, si se aplica la operación de fila 3F1 → F1 se tiene la siguiente matriz:
3 6 9
C= 0 −1 2
−1 2 −3
E JEMPLO 25. Sumar un múltiplo de una fila con otra. Considere a la matriz A del
ejemplo 23, si se aplica la operación de fila 3F1 + F3 → F3 se tiene la siguiente
matriz:
1 2 3
D = 0 −1 2
2 8 6
1 −1 0
4 −4 −1
A= .
0 0 5
0 1 1
Sobre la matriz A, en cada ocasión realice la operación elemental por fila indicada.
1. −4F1 + F2 → F2 .
2. F2 ↔ F3 .
1
3. − F3 + F4 → F4 .
5
2
Semana 02 Clase 02 Departamento de Formación Básica
T EOREMA 7
Dada una matriz A ∈ K m×n , a cada operación elemental de filas e, le co-
rresponde una operación elemental de filas e−1 , del mismo tipo de e, tal que,
e(e−1 ( A)) = e−1 (e( A)) = A.
e1 : Fi ↔ Fj ,
e2 : α · Fi → Fi ,
y
e3 : α · Fi + Fj → Fj .
Entonces existen las operaciones elementales de fila e1−1 ,e2−1 ,e3−1 donde:
e1−1 : Fi ↔ Fj ,
1
e2−1 : · F → Fi ,
α i
y
e3−1 : −α · Fi + Fj → Fj .
E JEMPLO 26. Considere a las matrices A y D del ejemplo 25, se tiene que A es
equivalente por filas a D, es decir:
1 2 3 1 2 3
A= 0 −1 2 ∼ D = 0 −1 2 .
−1 2 −3 2 8 6
3
Departamento de Formación Básica Semana 02 Clase 02
T EOREMA 8
Toda matriz A ∈ K m×n es equivalente por filas a una única matriz en forma
escalonada reducida por filas.
Pasos para transformar una matriz a una matriz escalonada por filas. Dada
una matriz A.
3. Intercambiar, en caso necesario, la primera fila por aquella fila donde apare-
ce el pivote, de modo que éste se encuentre ahora en la primera fila.
4. Multiplicar a la primera fila por el recíproco del pivote. Así, el primer ele-
mento de la columna pivote es ahora un 1.
5. Realizar las operaciones elementales de fila necesarias para que los elemen-
tos debajo del pivote, dentro de la columna pivote, sean cero.
3 1 −2
4
Semana 02 Clase 02 Departamento de Formación Básica
0 0 0
1 5 −4
1
∼ 0 1 − 57 − F2 → F2
7
0 0 0
0 0 0
0 1 −1 1
Pasos para transformar una matriz a una matriz escalonada reducida por fi-
las. Dada una matriz A.
3. Intercambiar, en caso necesario, la primera fila por aquella fila donde apare-
ce el pivote, de modo que éste se encuentre ahora en la primera fila.
4. Multiplicar a la primera fila por el recíproco del pivote. Así, el primer ele-
mento de la columna pivote es ahora un 1.
5. Realizar las operaciones elementales de fila necesarias para que los elemen-
tos de la columna pivote sean cero, excepto el pivote.
5
Departamento de Formación Básica Semana 02 Clase 02
3 1 −2
0 0 0
1 5 −4
1
∼ 0 1 − 57 − F2 → F2
7
0 0 0
0 − 37
1
∼ 0 1 − 57 − 5F2 + F1 → F1
0 0 0
− 37
1 0
0 1 − 57 .
0 0 0
0 1 −1 1
6
Semana 02 Clase 02 Departamento de Formación Básica
D EFINICIÓN 23
Sean A, B ∈ K m×n , donde B es la matriz escalonada por filas equivalente a
A. El rango de A, denotado por rang( A), es el número de filas no nulas que
tiene la matriz B.
−2 1 3 4
0 0 1
E JERCICIO 25. Considere a las operaciones del ejercicio 20, escriba las correspon-
dientes matrices elementales.
7
Departamento de Formación Básica Semana 02 Clase 02
T EOREMA 11
Sean E ∈ K m×m una matriz elemental y A ∈ K m×n , el resultado de aplicar la
operación por filas correspondiente a E a la matriz A es EA.
3 2 1
3 2 1 3 2 1
0 0 1 3 2 1 3 2 1
!
2 −3
E JERCICIO 26. Dada la matriz A = considere a las matrices elementa-
2 1
les
1
! !
1 0 2 0
E1 = y E2 =
−1 1 0 1
y sea la matriz D = E2 E1 A.
a) Encuentre a la matriz D.
b) Identifique las operaciones elementales por filas asociadas a las matrices ele-
mentales E1 y E2 .
8
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 03 C LASE 01
2. S ISTEMAS DE ECUACIONES
1
Departamento de Formación Básica Semana 03 Clase 01
Su representación matricial es
Ax = b
siendo
1 5 −4
A = 1 −2 1
3 1 −2
su matriz de coeficientes y
3 x1
b= 1 y x = x2
−3 x3
2
Semana 03 Clase 01 Departamento de Formación Básica
les:
Ax = b
siendo
1 5 −4 x1 1
2 −2 3 x
2
2
A= , x= y b = .
3 7 0 x3 −1
0 1 1 x4 3
D EFINICIÓN 4
Dado el sistema de ecuaciones lineales en forma matricial
Ax = b
( A|b)
3
Departamento de Formación Básica Semana 03 Clase 01
3 1 −2 −3
T EOREMA 1
Sean A, C ∈ K m×n y b, d ∈ K m×1 , se tiene que los sistemas de ecuaciones
lineales
Ax = b y Cx = d
( A | b ) ∼ ( C | d ),
es decir, si las matrices aumentadas de los sistemas son equivalentes por filas.
4
Semana 03 Clase 01 Departamento de Formación Básica
Paso 3. Para cada fila distinta de cero de la matriz (C |d), se despeja la incógnita
correspondiente a la entrada principal de cada fila asociada con la entrada
principal de esa fila. Las filas constan completamente de ceros se pueden
ignorar, pues la ecuación correspondiente será satisfecha por cualesquiera
valores de las incógnitas.
Paso 3. Resolver el sistema lineal correspondiente a (C |d). Las filas constan com-
pletamente de ceros se pueden ignorar, pues la ecuación correspondiente
será satisfecha por cualesquiera valores de las incógnitas.
es decir, las matrices ampliadas son equivalentes por filas, para obtener la solución
del sistema utilizamos el procedimiento de reducción de Gauss-Jordan desde el
paso 2, dado que ya obtuvimos a la matriz ampliada,
! !
2 1 2 1 −2 1
∼ F1 ↔ F2
1 −2 1 2 1 2
5
Departamento de Formación Básica Semana 03 Clase 01
!
1 −2 1
∼ − 2F1 + F2 → F2
0 5 0
!
1 −2 1 1
∼ F2 → F2
0 1 0 5
!
1 0 1
∼ 2F2 + F1 → F1 ,
0 1 0
!
1
lo que implica que la solución de los dos sistemas es .
0
D EFINICIÓN 6
Sean A ∈ K m×n y b ∈ K m×1 , dado el sistema de ecuaciones lineales
Ax = b,
se dice que
6
Semana 03 Clase 01 Departamento de Formación Básica
0x1 + 0x2 = −2
lo cual es falso, lo que nos permite concluir que el sistema no posee solución, es
decir, es inconsistente para cualquier valor de x1 y x2 .
0x1 + 0x2 = 0
7
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 03 CLASE 02
Semestre 2020 A Departamento de Formación Básica
2. S ISTEMAS DE ECUACIONES
T EOREMA 2
Sean A ∈ K m×n y b ∈ K m×1 , dado el sistema de ecuaciones lineales
Ax = b,
• el sistema es inconsistente;
Ax = b,
se tiene que
1
Departamento de Formación Básica Semana 03 clase 02
D EFINICIÓN 7
Sea A ∈ K n×n es no singular o invertible si existe una matriz B ∈ K n×n tal
que
AB = BA = In
T EOREMA 5
Sea A, B ∈ K n×n .
( A−1 )−1 = A.
2
Semana 03 clase 02 Departamento de Formación Básica
( A ⊺ ) −1 = ( A −1 ) .
⊺
T EOREMA 6
Sean p ∈ N ∗ y A1 , A2 , . . . , A p ∈ K n×n matrices no singulares. Se tiene que
A1 A2 · · · A p es no singular y
( A 1 A 2 · · · A p ) −1 = A − 1 −1 −1
p A p −1 · · · A 1 .
T EOREMA 7
Sean A, B ∈ K n×n . Se tiene que si AB = In , entonces BA = In .
3
Departamento de Formación Básica Semana 03 clase 02
= BA Multiplicar por In
= In Hipótesis sobre AB y teorema 7
T EOREMA 8
Sea A ∈ K n×n , se tiene que A es no singular si y solo si es equivalente por
filas a In . Además,
( A| In ) ∼ ( In | A−1 ).
! !
2 1 1 −1
E JEMPLO 12. Dada la matriz A = , su inversa es A−1 = .
1 1 −1 2
0 0 1
4
Semana 03 clase 02 Departamento de Formación Básica
T EOREMA 9
Sea A ∈ K n×n , el sistema homogéneo
Ax = 0
T EOREMA 10
Sea A ∈ K n×n . Se tiene que A es no singular si y solo si el sistema lineal
Ax = b tiene una solución única para cada b ∈ K n×1 .
P ROPOSICIÓN 11. Sea A ∈ K n×n , se tienen que las siguientes son equivalen-
tes:
a) A es no singular;
5
Departamento de Formación Básica Semana 03 clase 02
d) rang( A) = n; y
6
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 04 C LASE 01
D ETERMINANTES
Semestre 2020 A Departamento de Formación Básica
3. D ETERMINANTES
3.1 Definiciones
D EFINICIÓN 1: Menor
Sean A ∈ K n×n e i, j ∈ I. A la matriz de K (n−1)×(n−1) que se obtiene eliminar
la fila i y la columna j de A se la llama el menor ij de A, denotado por Aij .
E JEMPLO 1.
!
13
• Sea A = , se tiene que A12 = 2 .
26
!
−3 1
• Sea A = , se tiene que A22 = −3 .
−1 3
−1 1 0 !
1 0
• Sea A = 0 1 −2, se tiene que A21 = .
2 1
2 2 1
E JERCICIO 1.
1 −1 −1
Sea B = −2 1 −2.Determine a los menores B11 , B23 y B31 .
0 2 0
D EFINICIÓN 2: Determinantes
Sea A ∈ K n×n se define el determinante de A, denotado por det( A) (o por
| A|), de manera inductiva, como sigue:
1
Departamento de Formación Básica Semana 04 Clase 01
• Si n > 1, entonces
n
det( A) = ∑ a1k (−1)1+k det( A1k )
k =1
= a11 det( A11 ) − a12 det( A12 ) + . . . + (−1)1+n a1n det( A1n ).
E JEMPLO 2.
se tiene que
A11 = ( a22 ) y A12 = ( a21 ),
por lo tanto
det( A11 ) = a22 y det( A12 ) = a21 ,
de esta forma,
det( A) = (−1)1+1 a11 det( A11 ) + (−1)1+2 a12 det( A12 ) = a11 a22 − a12 a21 ,
es decir,
a a12
det( A) = 11 = a11 a22 − a12 a21 .
a21 a22
!
1 3
• Sea B = , se tiene que det( B) = 6 − 6 = 0
2 6
det(C ) = (−1)1+1 c11 C11 + (−1)1+2 c12 C12 + (−1)1+3 c13 C13
c
22 c23
c
21 c23
c
21 c22
= c11 − c12 + c13 .
c32 c33 c31 c33 c31 c32
2
Semana 04 Clase 01 Departamento de Formación Básica
−1 1 0
• Sea D = 0 1 −2, se tiene que:
2 2 1
1 −2 0 −2 0 1
det( D ) = −1 −1 +0 = −1(5) − 1(4) = −9.
2 1 2 1 2 2
0 2 0
D EFINICIÓN 3: Cofactores
Sean A ∈ K n×n e i, j ∈ I. El cofactor ij de A, denotado Cij , está dado por
3 3 2
−2 −3
5
• C32 = (−1) = −1(2) = −2.
0 −1
0 1
• C13 = (−1)4 = 1(−3) = −3.
3 3
2 2 2
3
Departamento de Formación Básica Semana 04 Clase 01
T EOREMA 1
Sea A ∈ K n×n . Se tiene que para todo i ∈ I,
n
det( A) = ∑ aik Cik = ai1 Ci1 + ai2 Ci2 + . . . + ain Cin
k =1
y
n
det( A) = ∑ aki Cki = a1i C1i + a2i C2i + . . . + ani Cni .
k =1
3 3 2
diante la expansión por cofactores de A, con respecto a la fila 1. Se tiene
1 −1 0 −1 0 1
det( A) = −2 +1 −3 =2
3 2 3 2 3 3
4
Semana 04 Clase 01 Departamento de Formación Básica
T EOREMA 3
Sea A ∈ K n×n una matriz triangular superior o triangular inferior, entonces
2 −3 4 −6 2 2
Se sigue que det( A) = (2)(−1)(2)(−2)(1)(2) = 16
5
Departamento de Formación Básica Semana 04 Clase 01
!
1 −2
• Si hacemos −2F2 + F1 → F1 , obtenemos E = .
0 1
Se sigue que det( E) = 1.
1 0 0
E JERCICIO 7. Considere la matriz 0 1 0, cuyo determinante es 1. Para cada
0 0 1
operación por fila determine a la correspondiente matriz elemental y a su deter-
minante.
a) F3 ↔ F1
b) −2F2 → F2
c) 3F3 + F2 → F2
T EOREMA 6
Sean A, B ∈ K n×n , se tiene que:
6
Semana 04 Clase 01 Departamento de Formación Básica
3 0 3 2 0 2
Calcular AB, det( AB), det( A), det( B) y compruebe la igualdad del teorema 6.
3 3 −2 3 −1 0
3 3 −2 3 3 −2
7
Departamento de Formación Básica Semana 04 Clase 01
1 −1 1
0 2 0
1 2 −1
sidere a la matriz B = −2 −2 −2. Notemos que B se obtiene al multiplicar
0 −4 0
la segunda columna de la matriz A por −2.
Luego, det( B) = −2(8) = −16.
8
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 04 C LASE 02
D ETERMINANTES
Semestre 2020 A Departamento de Formación Básica
3. D ETERMINANTES
1
Departamento de Formación Básica Semana 04 Clase 02
x y z
E JEMPLO 13. Si det 3 0 2 = 1, calcular el determinante de la matriz:
1 1 1
x y z
3x + 3 3y 3z + 2
Notemos que
x y z x y z
det 3x + 3 3y 3z + 2 = det 3x 3y 3z
x y z
x y z
+ det 3 0 2
1 1 1
= 3(0) + 0 + 1
= 1.
Por lo tanto,
x y z
det 3x + 3 3y 3z + 2 = 1.
1 1 1
2
Semana 04 Clase 02 Departamento de Formación Básica
x y z
3x + 3 3y 3z + 2 .
2 2 2
0 1 1
E JEMPLO 14. Sea A = 2 −1 0 , determinemos sus cofactores correspon-
−1 1 −1
dientes a la primera fila.
−1 0
2
• C11 = (−1) = 1.
1 −1
2 0
• C12 = (−1)3 = 2.
−1 −1
2 −1
• C13 = (−1)4 = 1.
−1 1
E JERCICIO 14. Verifique que la matriz de los cofactores de la matriz A del ejemplo
14 es:
1 2 1
cof( A) = 2 1 −1
1 2 −2
3
Departamento de Formación Básica Semana 04 Clase 02
adj( A) = cof( A) T .
1 −1 −2
!
3 2
E JERCICIO 15. Sea B = , calcular adj( B).
−1 1
T EOREMA 13
Sea A ∈ K n×n , entonces
−1 1 −1 1 −1 −2 0 0 3
1 2 1 0 1 1 3 0 0
adj( A) A = 2 1 2 2 −1 0 = 0 3 0 = 3I3
1 −1 −2 −1 1 −1 0 0 3
1
A −1 = adj( A).
det( A)
4
Semana 04 Clase 02 Departamento de Formación Básica
1 2 1
1 2 1 3 3 3
−1 1 2 1 2
A = 2 1 2 =
3 3 3 3
1 −1 −2 1 1 2
− −
3 3 3
E JERCICIO 17. Dada la matriz B del ejemplo 15, calcule su matriz inversa.
T EOREMA 15
Sea A ∈ K n×n . Si A es no singular, entonces det( A) 6= 0 y
1
det( A−1 ) = .
det( A)
1 1
det( A−1 ) = =
3 det( A)
E JERCICIO 18. Compruebe la igualdad del teorema 15 para la matriz del ejemplo
15.
A−1 b.
5
Departamento de Formación Básica Semana 04 Clase 02
1. A es no singular;
4. rang( A) = n;
6. det( A) 6= 0.
det( A j )
xj = ,
det( A)
6
Semana 04 Clase 02 Departamento de Formación Básica
En donde:
2 1 −1
A = 1 1 1
1 −2 −3
Se sigue que det( A) = 5. Puesto que det( A) 6= 0, el sistema tiene solución única,
la cual está determinada por:
3 1 −1
1 1 1
4 −2 −3
x1 = =2
5
2 3 −1
1 1 1
1 4 −3
x2 = = −1
5
2 1 3
1 1 1
1 −2 −4
x3 = =0
5
⊺
Así, la solución única del sistema es x = 2 −1 0 .
7
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 05 C LASE 01
E SPACIOS V ECTORIALES
Semestre 2020 A Departamento de Formación Básica
4. E SPACIOS V ECTORIALES
4.1 Definición
⊕ : E × E −→ E ⊙ : K × E −→ E
y
( x, y) 7−→ x ⊕ y, (α, x ) 7−→ α ⊙ x
( x ⊕ y ) ⊕ z = x ⊕ ( y ⊕ z );
x ⊕ y = y ⊕ x;
x ⊕ 0E = 0E ⊕ x = x;
1
Departamento de Formación Básica Semana 05 Clase 01
que
(α + β) ⊙ x = α ⊙ x ⊕ β ⊙ x;
( α · β ) ⊙ x = α ⊙ ( β ⊙ x );
1 ⊙ x = x,
A los elementos del espacio vectorial E se les denomina vectores y a los ele-
mentos del campo K se les denomina escalares.
R3 = {( x1 , x2 , x3 ) : x1 ∈ R ∧ x2 ∈ R ∧ x3 ∈ R }
a ⊕ b = ( a1 , a2 , a3 ) ⊕ (b1 , b2 , b3 ) = ( a1 + b1 , a2 + b2 , a3 + b3 )
λ ⊙ a = λ ⊙ ( a1 , a2 , a3 ) = ( λ · a1 , λ · a2 , λ · a3 )
1. Asociativa de la suma
Suponga que a = ( a1 , a2 , a3 ) ∈ R3 , b = (b1 , b2 , b3 ) ∈ R3 y c = (c1 , c2 , c3 ) ∈
R3 . Entonces:
( a ⊕ b) ⊕ c
2
Semana 05 Clase 01 Departamento de Formación Básica
= a ⊕ (b ⊕ c) Definiciones de a, b y c
2. Conmutativa de la suma
Suponga que a = ( a1 , a2 , a3 ) ∈ R3 y b = (b1 , b2 , b3 ) ∈ R3 . Entonces:
a ⊕ b = ( a1 , a2 , a3 ) ⊕ (b1 , b2 , b3 ) Definiciones de a y b
= ( a1 + b1 , a2 + b2 , a3 + b3 ) Definición de ⊕ en R3
= (b1 + a1 , b2 + a2 , b3 + a3 ) Conmutativa de + en R
= (b1 , b2 , b3 ) ⊕ ( a1 , a2 , a3 ) Definición de ⊕ en R3
= b⊕a Definiciones de a y b
(∃0E ∈ R3 )(∀ a ∈ R3 )( a ⊕ 0E = 0E ⊕ a = a)
En efecto:
a ⊕ 0E = ( a1 , a2 , a3 ) ⊕ (0, 0, 0) Definiciones de a y 0E
= ( a1 + 0, a2 + 0, a3 + 0) Definición de ⊕ en R3
= ( a1 , a2 , a3 ) Neutro aditivo en R
=a Definición de a
4. Inverso de la suma
Se debe probar que la siguiente proposición es verdadera:
(∀ a ∈ R3 )(∃ â ∈ R3 )( â ⊕ a = a ⊕ â = 0E )
3
Departamento de Formación Básica Semana 05 Clase 01
a ⊕ â = ( a1 , a2 , a3 ) ⊕ (− a1 , − a2 , − a3 ) Definiciones de a y â
= ( a1 + (− a1 ), a2 + (− a2 ), a3 + (− a3 )) Definición de ⊕ en R3
= (0, 0, 0) Inverso aditivo en R3
= 0E Definición de 0E
â ⊕ a = 0E
= λ ⊙ (( a1 , a2 , a3 ) ⊕ (b1 , b2 , b3 )) Definiciones de a y b
= λ ⊙ ( a1 + b1 , a2 + b2 , a3 + b3 ) Definición de ⊕ en R3
= (λ · [ a1 + b1 ], λ · [ a2 + b2 ], λ · [ a3 + b3 ]) Definición de ⊙ en R3
= (λ · a1 , λ · a2 , λ · a3 ) ⊕ (λ · b1 , λ · b2 , λ · b3 ) Definición de ⊕ en R3
= λ ⊙ ( a1 , a2 , a3 ) ⊕ λ ⊙ (b1 , b2 , b3 ) Definición de ⊙ en R3
= λ⊙a⊕λ⊙b Definiciones de a y b
= ( λ + β ) ⊙ ( a1 , a2 , a3 ) Definición de a
= ((λ + β) · a1 , (λ + β) · a2 , (λ + β) · a3 ) Definición de ⊕ en R3
= (λa1 + βa1 , λa2 + βa2 , λa3 + βa3 ) Distributiva del producto en R
4
Semana 05 Clase 01 Departamento de Formación Básica
( λ · β ) ⊙ a = ( λ · β ) ⊙ ( a1 , a2 , a3 ) Definición de a
= ((λ · β) · a1 , (λ · β) · a2 , (λ · β) · a3 ) Definición de ⊙ en R3
= (λ · ( β · a1 ), λ · ( β · a2 ), λ · ( β · a3 )) Asociativa · en R
= λ ⊙ ( β · a1 , β · a2 , β · a3 ) Definición de ⊙ en R3
= λ ⊙ ( β ⊙ ( a1 , a2 , a3 )) Definición de ⊙ en R3
= λ ⊙ ( β ⊙ a) Definición de a
1 ⊙ a = 1 ⊙ ( a1 , a2 , a3 ) Definición de a
= (1 · a1 , 1 · a2 , 1 · a3 ) Definición de ⊙ en R3
= ( a1 , a2 , a3 ) Neutro multiplicativo en R
=a Definición de a
R3 [ x ] = { p( x ) = a0 + a1 x + a2 x2 + a3 x3 : ai ∈ R, 0 ≤ i ≤ 3}
p( x ) ⊕ q( x ) = ( p + q)( x )
5
Departamento de Formación Básica Semana 05 Clase 01
α ⊙ p( x ) = (αp)( x )
para todo x ∈ R.
x⊕y = x+y y α ⊙ x = αx
x ⊕ y = xy y α ⊙ x = xα
6
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 05 C LASE 02
E SPACIOS V ECTORIALES
Semestre 2020 A Departamento de Formación Básica
4. E SPACIOS V ECTORIALES
4.2 Propiedades
• (R n , +, ·, R), con n ∈ N ∗ .
• (R m×n , +, ·, R ), con m, n ∈ N ∗ .
• (F ( I ), +, ·, R )
• (C( I ), +, ·, R )
• (R n [ x ], +, ·, R )
( x1 , x2 , . . . , x n ) + ( y1 , y2 , . . . , y n ) = ( x1 + y1 , x2 + y2 , . . . , x n + y n )
α · ( x1 , x2 , . . . , x n ) = ( α · x1 , α · x2 , . . . , α · x n ).
• R n [ x ] = { p : p( x ) = a0 + a1 x + · · · + an x n , ai ∈ R para i = 0, 1, · · · , n}.
+ representa la suma usual de dos polinomios de grado menor o igual a n y
· representa el producto de un número real por un polinomio.
1
Departamento de Formación Básica Semana 05 Clase 02
Para todo espacio vectorial se puede mostrar que tanto el elemento neutro
como el inverso de cada elemento son únicos.
• 0Rm×n = 0m×n .
• 0F ( I ) = 0C( I ) = 0 f , donde
0 f : I −→ R
x 7−→ 0
con I ⊆ R.
T EOREMA 2
Sea ( E, +, ·, K ) un espacio vectorial, para todo u ∈ E y todo α ∈ K, se tiene
que:
1. 0 · u = 0E ;
2. α · 0E = 0E ;
3. Si α · u = 0E , entonces α = 0 o u = 0E ;
4. (−1) · u = −u.
4.3 Subespacios
T EOREMA 3
Sean ( E, +, ·, K ) un espacio vectorial y W un subconjunto no vacío de E. Se
tiene que W es un subespacio vectorial de E si y sólo si se cumplen las si-
guientes condiciones:
• si u, v ∈ W, entonces u + v ∈ W; y
2
Semana 05 Clase 02 Departamento de Formación Básica
• si α ∈ K y u ∈ W, entonces αu ∈ W.
W = { x ∈ R m : Ax = 0}
αu + v ∈ W
T EOREMA 4
Sea ( E, +, ·, K ) un espacio vectorial. Si W1 y W2 son subespacios vectoriales
de E, entonces W1 ∩ W2 es un subespacio vectorial de E.
v = α1 v1 + α2 v2 + · · · + α k v k
para algunos α1 , α2 , . . . , αk ∈ K.
3
Departamento de Formación Básica Semana 05 Clase 02
1
u= v + 5w, (1)
2
esto implica que u es combinación lineal de v y de w donde se han utilizado los
1
escalares α1 = y α2 = 5.
2
Además,
w = 2u − v, (2)
E JERCICIO 4. Sean T = {(3, 0, −2), (2, −1, −5)}, v = (1, −2, −5) y k ∈ R.
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 06 C LASE 01
4. E SPACIOS V ECTORIALES
D EFINICIÓN 4
Sean ( E, +, ·, K ) un espacio vectorial y S ⊆ E. Al subespacio vectorial más
pequeño que contiene a S (es decir, la intersección de todos los subespacios
que contienen a S) se lo denomina espacio generado por S y se denota por
gen(S).
D EFINICIÓN 5
Sean ( E, +, ·, K ) un espacio vectorial, k ∈ N ∗ y S = {v1 , v2 , . . . , vk } ⊆ E.
Se dice que S genera el espacio vectorial E si cada vector en E es una com-
binación lineal de los elementos de S, es decir, si para todo v ∈ E, existen
α1 , α2 , . . . , αk ∈ K tales que
v = α1 v1 + α2 v2 + · · · + α k v k .
α1 (1, 0) + α2 (0, 2) = ( x, y)
o equivalentemente
(α1 , 2α2 ) = ( x, y).
1
Departamento de Formación Básica Semana 06 Clase 01
y
este sistema tiene solución única α1 = x y α2 = . Por lo tanto, cada vector de R2
2
se puede escribir como combinación lineal de los elementos de S. Por ejemplo, el
vector v = (−1, 4) ∈ R2 se puede escribir como:
S = {v1 , v2 , . . . , vk } ⊆ E.
E = gen(S) = span(S).
2
Semana 06 Clase 01 Departamento de Formación Básica
3
Departamento de Formación Básica Semana 06 Clase 01
S = {1, t, t2 , 1 − 2t}.
Verifique que existe algún v j combinación lineal de los demás elementos de S tal
que:
span(S) = span{vk ∈ S : k 6= j}.
D EFINICIÓN 6
Sean ( E, +, ·, K ) un espacio vectorial, k ∈ N ∗ y S = {v1 , v2 , . . . , vk } ⊆ E. Se
dice que S es un conjunto linealmente dependiente si existen α1 , α2 , . . . , αk ∈
K, no todos iguales a cero, tales que:
α1 v1 + α2 v2 + · · · + α k v k = 0
implica que
α1 = α2 = · · · = αk = 0.
es solución única.
o equivalentemente,
(α1 + 2α2 , 2α1 + 4α2 ) = (0, 0).
4
Semana 06 Clase 01 Departamento de Formación Básica
5
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 06 C LASE 02
4. E SPACIOS V ECTORIALES
o equivalentemente,
(α1 , 0, α1 + α2 ) = (0, 0, 0).
1
Departamento de Formación Básica Semana 06 Clase 02
E JEMPLO 9. En el espacio vectorial R2 el conjunto S = {(1, 2), (2, −1), (4, 3)} es
linealmente dependiente, ya que el vector (4, 3) se puede escribir como combina-
ción lineal de los vectores (1, 2) y (2, −1), en efecto, (4, 3) = 2(1, 2) + (2, −1).
E JERCICIO 10. En el espacio vectorial R2 [t]. ¿El conjunto {t, −t2 , 4t2 − t} es lineal-
mente dependiente o independiente?. Justifique su respuesta.
gen(S) = gen(S r {v j })
E JEMPLO 11. En el espacio vectorial R2 , el conjunto S = {(1, 0), (0, 1), (4, −3)} es
linealmente dependiente. Notemos que el vector (4, −3) es combinación lineal de
los otros dos elementos de S. Por lo tanto
S = {1, 1 + t, 1 + t2 , 2 − t + t2 }.
2
Semana 06 Clase 02 Departamento de Formación Básica
1. Determine gen(S).
α1 (1 + x ) + α2 (2x + x2 ) = 0 + 0x + 0x2 .
1 + x = (1, x, 0)
3
Departamento de Formación Básica Semana 06 Clase 02
4.7 Bases
D EFINICIÓN 7
Sean ( E, +, ·, K ) un espacio vectorial y B ⊆ E. Se dice que B es una base de E
si
1. B genera a E; y
2. B es linealmente independiente.
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 07 C LASE 01
4. E SPACIOS V ECTORIALES
4.7 Bases
para todo i, j ∈ {1, 2, . . . , n}, es una base de R n , conocida como la base canó-
nica de R n .
E JEMPLO 13. Para el espacio vectorial R3 se tiene que su base canónica está dada
por:
B = {e1 , e2 , e3 } = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
T EOREMA 16
Sean ( E, +, ·, K ) un espacio vectorial y B ⊆ E una base de E. Se tiene que
todo elemento de E se puede escribir, de manera única, como combinación
lineal de elementos de B.
1
Departamento de Formación Básica Semana 07 Clase 01
E JEMPLO 15. En el espacio vectorial R2×2 tenemos que su base canónica está dada
por: ( ! ! ! !)
1 0 0 1 0 0 0 0
B= , , , .
0 0 0 0 1 0 0 1
T EOREMA 17
Sean ( E, +, ·, K ) un espacio vectorial y B ⊆ E. Si todo elemento de E se pue-
de escribir, de manera única, como combinación lineal de elementos de B,
entonces B es una base de E.
B = {1 − t, 1 + t}.
Notemos que todo elemento de R1 [t] se escribe como combinación lineal de los
elementos de B y esta combinación es única. En efecto, sean a0 + a1 t ∈ R1 [t],
α1 , α2 ∈ K tales que
α1 (1 − t ) + α2 (1 + t ) = a0 + a1 t
o equivalentemente
(α1 + α2 ) + (−α1 + α2 )t = a0 + a1 t
2
Semana 07 Clase 01 Departamento de Formación Básica
Dado que ran( A) = ran( A|b)=2 es igual al número de incógnitas, por el Teorema
de Rouché Frobenius, el sistema tiene solución única, y en virtud del teorema
anterior, concluimos que B es una base de R1 [t].
W = gen({v1 ( x ), v2 ( x ), v3 ( x ), v4 ( x )}).
T EOREMA 19
Todo espacio vectorial tiene una base.
3
Departamento de Formación Básica Semana 07 Clase 01
W = {( x1 , x2 , x3 ) ∈ R3 : x1 + x2 = x3 }.
o equivalentemente
(α1 , α2 , α1 + α2 ) = (0, 0, 0).
α1 (1, 0, 1) + α2 (0, 1, 1) = ( x1 , x2 , x3 )
o equivalentemente
( α1 , α2 , α1 + α2 ) = ( x1 , x2 , x3 ).
gen( B) = {( x1 , x2 , x3 ) ∈ R3 : x1 + x2 = x3 } = W.
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 07 C LASE 02
4. E SPACIOS V ECTORIALES
4.7 Bases
4.8 Dimensión
E JEMPLO 19. En el espacio vectorial R3 , el conjunto B = {(1, 1, 0), (0, 1, 1), (1, 0, 1)}
es una de sus bases. Considere al conjunto S dado por:
card( B) ≤ card(S).
1
Departamento de Formación Básica Semana 07 Clase 02
E JEMPLO 20. Sea el espacio vectorial R2 , y B = {(1, −2), (2, 1)} ⊆ R2 es una base
de R2 . Donde:
S = {(1, 0), (0, 1), (1, 1)} ⊆ R2 .
card( B) = 2 ≤ card(S) = 3.
B = {1 + t, 1 − t} y T = {1, t}
D EFINICIÓN 8: Dimensión
Sean ( E, +, ·, K ) un espacio vectorial y B ⊆ E una base de E. Se define la
dimensión de E, denotado por dim( E), como la cardinalidad de B. Es decir,
E JEMPLO 22. En el espacio vectorial R2 , se tiene que B = {(1, 0), (0, 1)} es una
base de R2 . Entonces:
dim(R2 ) = card( B) = 2,
es decir, la dimensión de R2 es 2.
2
Semana 07 Clase 02 Departamento de Formación Básica
• dim(R n ) = n;
• dim(R n [ x ]) = n + 1;
W = {( x1 , x2 , x3 ) ∈ R3 : x1 + x2 = x3 }
una base es
B = {(1, 0, 1), (0, 1, 1)}
Luego,
dim(W ) = card( B) = 2,
es decir, la dimensión de W es 2.
T EOREMA 24
Sean ( E, +, ·, K ) un espacio vectorial, B ⊆ E y n ∈ N ∗ tal que dim( E) = n y
card( B) = n. Se tiene que:
3
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 08 C LASE 01
3. E SPACIOS V ECTORIALES
W1 + W2 = {v ∈ E : v = w1 + w2 , con w1 ∈ W1 , w2 ∈ W2 } .
W1 = {( x, 0, 0) ∈ R3 : x ∈ R } y W2 = {(0, y, 0) ∈ R3 : y ∈ R }
W1 + W2 = span( B1 ∪ B2 )
= span({(1, 0, 0), (0, 1, 0)})
= {( x, y, z) ∈ R3 : ( x, y, z) = α1 (1, 0, 0) + α2 (0, 1, 0), α1 , α2 ∈ R }
= {( x, y, z) ∈ R3 : ( x, y, z) = (α1 , α2 , 0), α1 , α2 ∈ R }
= {( x, y, z) ∈ R3 : α1 = x, α2 = y, 0 = z, α1 , α2 ∈ R }
1
Departamento de Formación Básica Semana 08 Clase 01
= {( x, y, z) ∈ R3 : z = 0}
= {( x, y, 0) ∈ R3 : x, y ∈ R }
Halle S + T.
T EOREMA 3
Sean ( E, +, ·, K ) un espacio vectorial de dimensión finita y W1 , W2 ⊆ E dos
subespacios vectoriales de E. Se tiene que
W1 = {( x, 0, 0) ∈ R3 : x ∈ R } y W2 = {(0, y, 0) ∈ R3 : y ∈ R }.
W1 ⊕ W2 = {v ∈ E : (∃!w1 ∈ W1 )(∃!w2 ∈ W2 ) v = w1 + w2 }
2
Semana 08 Clase 01 Departamento de Formación Básica
la suma de elementos de W1 y W2 .
T EOREMA 4
Sean ( E, +, ·, K ) un espacio vectorial y W1 , W2 ⊆ E subespacios vectoriales
de E, se tiene que:
E = W1 ⊕ W2
sí y sólo si
E = W1 + W2 y W1 ∩ W2 = {0E }.
W1 = {( x, y, 0) ∈ R3 : x, y ∈ R } y W2 = {(0, 0, z) ∈ R3 : z ∈ R }.
Se tiene que:
R3 = W1 ⊕ W2 .
T EOREMA 5
Sean ( E, +, ·, K ) un espacio vectorial de dimensión finita. Para todo S subes-
pacio vectorial de E, existe un subespacio vectorial T de E tal que
E = S ⊕ T.
W1 = {( x, y, 0) ∈ R3 : x, y ∈ R } y W2 = {(0, 0, z) ∈ R3 : z ∈ R }.
3
Departamento de Formación Básica Semana 08 Clase 01
R3 = W ⊕ U
T EOREMA 6
Sean ( E, +, ·, K ) un espacio vectorial de dimensión finita y S, T ⊆ E subespa-
cios vectoriales de E. Si E es la suma directa de S y T, entonces
dim(W1 ) = 2 y dim(W2 ) = 1.
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 08 C LASE 02
2. hv, vi = 0 si y solo si v = 0;
• si v = 0, entonces hv, vi = 0;
2. si hv, vi = 0, entonces v = 0
1
Departamento de Formación Básica Semana 08 Clase 02
h·, ·i : R1 [ x ] × R1 [ x ] → R
por
h p, qi = a0 b0 + 2a1 b1
h p, pi = a20 + 2a21 ≥ 0.
2. Se tiene que
h p, pi = 0 ⇐⇒ a20 + 2a21 = 0.
h p + q, r i = ( a0 + b0 )c0 + 2( a1 + b1 )c1
= ( a0 c0 + 2a1 c1 ) + (b0 c0 + 2b1 c1 )
= h p, r i + hq, r i .
4. Tenemos que
5. Se tiene que
por
h A, Bi = a11 b11 + 2a12 b12 + 2a21 b21 + a22 b22
2
Semana 08 Clase 02 Departamento de Formación Básica
! !
a11 a12 b11 b12
para toda A = ∈ R2×2 y todo B = ∈ R2×2 . Determine si
a21 a22 b21 b22
h·, ·i es un producto interno.
1. En (R n , +, ·, R ), para x, y ∈ R n :
n
h x, yi = ∑ xk yk .
k =1
2. En (C n , +, ·, C ), para x, y ∈ C n :
n
h x, yi = ∑ xk yk .
k =1
3. En (R n [ x ], +, ·, R ), para p( x ), q( x ) ∈ R n [ x ], si
p ( x ) = a0 + a1 x + · · · + a n x n y q( x ) = b0 + b1 x + · · · + bn x n
entonces
n
h p( x ), q( x )i = ∑ a k bk .
k =0
h A, Bi = Tr( AB T ).
T EOREMA 1
Sea ( E, +, ·, K ) un espacio vectorial provisto de producto interno, entonces:
1. Para todo u, v, w ∈ E
3
Departamento de Formación Básica Semana 08 Clase 02
2. Para todo u, v ∈ E y α ∈ K
3. Para todo u ∈ E
hu, 0i = h0, ui = 0.
2. Para todo u, v ∈ E y α ∈ R
4
Semana 08 Clase 02 Departamento de Formación Básica
D EFINICIÓN 3: Norma
Sea ( E, +, ·, K ) un espacio vectorial provisto de producto interno. Sea u ∈ E,
la norma de u, denotada por kuk, está definida por:
q
kuk = hu, ui .
D EFINICIÓN 4: Distancia
Sea ( E, +, ·, K ) un espacio vectorial con producto interno. La distancia en el
espacio se define por
d : E × E −→ R
(u, v) 7−→ ku − vk.
p(t) = 2 + t + 3t2
q(t) = t − 2t2
5
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 09 C LASE 01
k u + v k2 = k u k2 + k v k2 .
k u + v k2 = k u k2 + k v k2 .
1
Departamento de Formación Básica Semana 09 Clase 01
E JERCICIO 1. En el espacio
! vectorial R2!×2 con producto interno, considere a los
−1 0 0 1
vectores A = yB = , verifiquemos los resultados de la de-
−1 0 1 1
sigualdad de Cauchy-Schwartz y triangular.
C = {v1 , v2 , . . . , vk } ⊆ E.
para todo i 6= j.
es ortogonal.
2
Semana 09 Clase 01 Departamento de Formación Básica
C = {v1 , v2 , . . . , vk } ⊆ E.
k vi k = 1
k α1 v1 + α2 v2 + . . . + α n v k k2 = | α1 |2 + | α2 |2 + . . . + | α k |2
donde α1 , α2 , . . . , αk ∈ K.
3
Departamento de Formación Básica Semana 09 Clase 01
√ √ √
nemos que si α1 = −2 3, α2 = 2, α3 = − 6, v1 = (1, 1, 1), v2 = (1, 0, −1) y
v3 = (−1, 2, −1), entonces
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SE MANA 09 C LASE 02
T EOREMA 1
Sea ( E, +, ·, K ) un espacio vectorial provisto de producto interno y sea
{u1 , u2 , . . . , un } una base ortogonal para E; entonces, para todo v ∈ E :
v = α1 u1 + α2 u2 + · · · + α n u n
donde:
hv, uk i
αk =
huk , uk i
para todo k ∈ {1, 2, . . . , n}.
T EOREMA 2
Sea ( E, +, ·, K ) un espacio vectorial provisto de producto interno y sea
{u1 , u2 , . . . , un } una base ortonormal para E; entonces, para todo v ∈ E :
v = α1 u1 + α2 u2 + · · · + α n u n
1
Departamento de Formación Básica SEmana 09 Clase 02
donde:
αk = hv, uk i
1. v1 = u1 , y
k −1
h u k , vi i
2. vk = uk − ∑ h vi , vi i i
v , para k = 2, . . . , n
i =1
Además, al dividir estos vectores para sus respectivas normas, obtenemos una
base ortonormal de W:
( √ √ ! )
2 2
{w1 , w2 , w3 } = (1, 0, 0, 0), 0, , , 0 , (0, 0, 0, −1) .
2 2
T EOREMA 4
Todo espacio vectorial de dimensión finita tiene una base ortogonal y una
base ortonormal.
2
SEmana 09 Clase 02 Departamento de Formación Básica
3
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • S EMANA 11 C LASES 01 Y 02
su complemento ortogonal es
( ! )
⊥ a a+c
W = : a, c ∈ R .
c 0
1
Departamento de Formación Básica Semana 11 Clases 01 y 02
T EOREMA 2
Sean ( E, +, ·, K ) un espacio vectorial provisto de producto interno y W subes-
pacio vectorial de E, entonces:
1. W ⊥ es un subespacio vectorial de E.
2. W ∩ W ⊥ = {0E }.
T EOREMA 3
Sean ( E, +, ·, K ) un espacio vectorial de dimensión finita con producto in-
terno y W un subespacio vectorial de E, entonces:
2. E = W ⊕ W ⊥ .
R 2×2 = W ⊕ W ⊥ .
2
Semana 11 Clases 01 y 02 Departamento de Formación Básica
T EOREMA 4
Sean ( E, +, ·, K ) un espacio vectorial de dimensión finita provisto de produc-
to interno y W un subespacio vectorial de E, entonces
⊥
W⊥ = W.
3
Departamento de Formación Básica Semana 11 Clases 01 y 02
W ⊥ = {( x1 , x2 , x3 ) ∈ R3 : x1 + x2 = 0, x2 + x3 = 0}.
T EOREMA 6
Sean ( E, +, ·, K ) un espacio vectorial de dimensión finita provisto de produc-
to interno, W un subespacio vectorial de E y v ∈ E. Se tiene que el vector en
W más cercano a v es proyW (v), es decir,
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 12 CLASE 01
5. A PLICACIONES LINEALES
1. T (u +1 v) = T (u) +2 T (v) y
2. T (α ·1 v) = α ·2 T (v).
Se denotará
1. T (u + v) = T (u) + T (v) y
2. T (αv) = αT (v),
para α ∈ K y u, v ∈ E.
1.
T : E −→ E
v 7−→ 0E
2.
T : E −→ E
v 7−→ v
1
Departamento de Formación Básica SEMANA 12 CLASE 01
3.
T: R3 −→ R2
( x, y, z) 7−→ ( x − 2z, y − z)
4.
T : R2 −→ R3
( x, y) 7−→ ( x − y, 2y, x + y)
5.
T: R3 −→ R3
( x, y, z) 7−→ ( x + y, y + z, x )
6.
T : R2 −→ R2×2 !
x + 2y 2x
( x, y) 7−→
0 x−y
7.
T: R3 −→ R2 [t]
( a, b, c) 7−→ a + ( a − b)t + ct2
8.
D : C 1 ([0, 1]) −→ C([0, 1])
f 7−→ D f
9.
I : C([0, 1]) −→ R
Z 1
f 7−→ f ( x ) dx
0
T: R3 −→ R2
( x, y, z) 7−→ ( x − 2z, y − z)
se tiene que
T: R3 −→ R2 [t]
( a, b, c) 7−→ a + ( a − b)t + ct2
2
SEMANA 12 CLASE 01 Departamento de Formación Básica
T (u + v) = 0E
= 0E + 0E , propiedad del elemento neutro
= T (u) + T (v)
T (αu) = 0E
= α · 0E , propiedad: α · 0E = 0E
= αT (u).
T: R3 −→ R2
.
( x, y, z) 7−→ ( x − 2z, y − z)
T EOREMA 1
Sea T ∈ L( E, F ). Para todo u, v, v1 , v2 , . . . , vn ∈ E y α1 , α2 , . . . , αn ∈ K, se tiene
que:
1. T (0E ) = 0F .
2. T (u − v) = T (u) − T (v).
!
n n
3. T ∑ αk vk = ∑ α k T ( v k ).
k =1 k =1
T EOREMA 2
(L( E, F ), +, ·, K ) es un espacio vectorial. Siendo + la suma usual entre fun-
ciones y · la multiplicación de un elemento del campo por una función.
3
Departamento de Formación Básica SEMANA 12 CLASE 01
para todo i ∈ {1, 2, . . . , n}, entonces T1 (v) = T2 (v), para todo v ∈ E, es decir,
T1 = T2 .
E JEMPLO 4. Sean T ∈ L(R2 , R3 ), B = {(1, −1), (−3, 2)} una base de R2 , T (1, −1) =
(0, 2, 0) y T (−3, 2) = (−3, 2, 0).
4
SEMANA 12 CLASE 01 Departamento de Formación Básica
α1 − 3α2 = x
−α1 + 2α2 = y.
para todo ( x, y) ∈ R2 .
!
1 0
E JERCICIO 3. Determine de manera explícita T ∈ L(R2×2 , R3 ) tal que T =
0 0
! ! !
0 1 0 0 0 0
(1, 0, 0), T = (1, 0, 0), T = (0, 0, 0), T = (1, −1, 1).
0 0 1 0 0 1
5
Departamento de Formación Básica SEMANA 12 CLASE 01
ker( T ) = {v ∈ E : T (v) = 0F }.
y
n o
img( T ) = (u, v) ∈ R2 : T ( x, y, z) = (u, v), para algún ( x, y, z) ∈ R3
n o
= (u, v) ∈ R2 : ( x − 2z, y − z) = (u, v), con x, y, z ∈ R
n o
= (u, v) ∈ R2 : x − 2z = u, y − z = v, con x, y, z ∈ R .
6
SEMANA 12 CLASE 01 Departamento de Formación Básica
img( T ) = R2 .
7
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 12 CLASE 02
5. A PLICACIONES LINEALES
P ROPOSICIÓN 1. Sea T ∈ L( E, F ).
T: R3 −→ R2
( x, y, z) 7−→ ( x − 2z, y − z)
T: R2 −→ R3
( x, y) 7−→ ( x − y, 2x, x + z)
a) Inyectiva.
b) Sobreyectiva.
1
Departamento de Formación Básica SEMANA 12 CLASE 02
Una base del ker( T ) es Bker(T ) = {(2, 1, 1)}, de donde dim(ker( T )) = 1. Por lo
tanto, la nulidad de T es igual a 1.
Por otro lado, como img( T ) = R2 , entonces dim(img( T )) = dim(R2 ) = 2. Así, el
rango de T es igual a 2.
a) La nulidad de T.
b) El rango de T.
T EOREMA 2
Si T ∈ L( E, F ) y la dimensión del espacio vectorial E es finita, entonces
• T es inyectiva,
• T es sobreyectiva.
2
SEMANA 12 CLASE 02 Departamento de Formación Básica
T EOREMA 4
Sean T ∈ L( E, F ), dim( E) = n y dim( F ) = m. Si:
E JEMPLO 4. La aplicación
T: R3 −→ R2
( x, y, z) 7−→ ( x, y)
E JEMPLO 5. La aplicación
T: R2 −→ R2×2 !
x 0
( x, y) 7−→
0 y
5.4 Isomorfismos
D EFINICIÓN 2: Isomorfismo
Sea T ∈ L( E, F ). Se dice que T es un isomorfismo de E en F si T es biyectiva.
E JEMPLO 6.
3
Departamento de Formación Básica SEMANA 12 CLASE 02
T EOREMA 5
Si T ∈ L( E, F ) es un isomorfismo y:
genera a F;
es linealmente independientes en F;
es una base de F;
dim( E) = dim( F ).
T EOREMA 6
Si ( E, +, ·, R ) y ( F, +, ·, R ) son espacios vectoriales de dimensión finita n, en-
tonces E ∼ = F.
E JEMPLO 7.
1. R m×n ∼
= R mn , con m, n ∈ N ∗ .
2. Pn [ x ] ∼
= R n+1 , con n ∈ N ∗ .
4
SEMANA 12 CLASE 02 Departamento de Formación Básica
B = { v1 , v2 , . . . , v n },
E JEMPLO 8. Considere el espacio vectorial R3 . Sea B1 = {(2, 0, 1), (1, 2, 0), (1, 1, 1)}
una base ordenada de R3 , para hallar las coordenadas del vector v = (4, −9, 5) en
la base B1 , realizamos la combinación lineal
1
puesto que
v = (4, −9, 5) = 4(2, 0, 1) − 5(1, 2, 0) + (1, 1, 1)
5
Departamento de Formación Básica SEMANA 12 CLASE 02
6
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 13
5. A PLICACIONES LINEALES
T EOREMA 1
Si ( E, +, ·, K ) y ( F, +, ·, K ) son espacios vectoriales, entonces L( E, F ) es iso-
morfo a K m×n .
D EFINICIÓN 1
Sean T ∈ L( E, F ), B1 = {v1 , . . . , vn } y B2 = {u1 , . . . , um } bases de los espacios
vectoriales E y F respectivamente. La matriz asociada a la aplicación lineal
B
T en las bases B1 y B2 , que se denota por [ T ] B12 , es aquella cuya j− ésima
columna es [ T (v j )] B2 . Es decir,
[ T ] BB12 = [ T (v1 )] B2 ··· [ T (vn )] B2
Ahora, a estas imágenes las expresamos como combinación lineal de los elementos
de la base de llegada, tenemos:
1
Departamento de Formación Básica SEMANA 13
1 2
(1, 0) = (1, 2) + − (−1, 1) y
3 3
2 4
(2, 0) = (1, 2) + − (−1, 1).
3 3
2
SEMANA 13 Departamento de Formación Básica
T EOREMA 4
Sean E, F y G son espacios vectoriales de dimensión finita sobre el mismo
campo K. Sean B1 , B2 y B3 bases de los espacios vectoriales E, F y G, respec-
tivamente. Si T1 ∈ L( E, F ) y T2 ∈ L( F, G ), entonces
T EOREMA 5
Sean E y F son espacios vectoriales sobre el mismo campo K, B1 y B2 bases de
los espacios vectoriales E y F, respectivamente y sea T ∈ L( E, F ) biyectiva,
entonces −1
[ T ] BB12 = [ T −1 ] BB21 .
3
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 14 CLASE 01
5. A PLICACIONES LINEALES
B1 = {1 + t, 2 − t} y B2 = {t, 1 − t}
I (1 + t ) = 1 + t y I (2 − t) = 2 − t.
1
Departamento de Formación Básica SEMANA 14 CLASE 01
α = a+b y β = a.
Por ende
a + bt = ( a + b)t + a(1 − t)
o lo que es lo mismo !
a+b
[ a + bt] B2 = .
a
Finalmente !
2 1
[ I ] BB12 = .
1 2
T EOREMA 2
Si B1 y B2 son bases del espacio vectorial E, entonces
−1
[ I ] BB21 = [ I ] BB12 .
T EOREMA 3
Si B1 y B2 son bases del espacio vectorial E; D1 y D2 bases del espacio vecto-
rial F y T ∈ L( E, F ), entonces
[ T ] BD22 = [ I ] D1 B1 B2
D2 [ T ] D1 [ I ] B1 .
2
SEMANA 14 CLASE 01 Departamento de Formación Básica
bases de R2 ,
D1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y D2 = {(1, 1, 0), (0, 1, 1), (1, −1, 1)}
bases de R3 y sea
1 1
[ f ] BD11 = 1 −1 .
1 2
Obtenga a [ f ] BD22 .
D EFINICIÓN 1
Sean T ∈ L( E, E) y λ ∈ K. Se dice que λ es un valor propio de T si existe
v ∈ E, con v 6= 0E , tal que
T (v) = λv.
3
Departamento de Formación Básica SEMANA 14 CLASE 01
Se puede demostrar que un vector propio se asocia con un único valor pro-
pio, además, el vector 0E puede ser asociado a cualquier valor propio, por
tanto, el vector 0E no puede ser considerado como un vector propio.
T ( x, y) = ( x + 2y, 4x + 3y)
para todo ( x, y) ∈ R2 .
Notemos que
E5 = {α(1, 2) : α ∈ R } .
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 14 CLASE 02
D EFINICIÓN 2
Sean E un espacio vectorial sobre el cuerpo K tal que dim( E) = n y
T ∈ L( E, E). El espectro de T es el conjunto de todos sus valores propios.
T EOREMA 2
Sean T ∈ L( E, E) y λ1 , λ2 , . . . , λn valores propios de T distintos entre sí.
Si tomamos v1 , v2 , . . . , vn vectores propios asociados a los valores propios
λ1 , λ2 , . . . , λn , respectivamente, entonces el conjunto {v1 , v2 , . . . , vn } es lineal-
mente independiente.
D EFINICIÓN 3
Sea A ∈ K n×n , se define la aplicación lineal
TA : R n −→ R n
u 7−→ Au.
1
Departamento de Formación Básica SEMANA 14 CLASE 02
Av = λv,
P ROPOSICIÓN 6. Los valores propios de una matriz triangular son los ele-
mentos de la diagonal de la matriz.
D EFINICIÓN 4
Sea A ∈ K n×n . Al polinomio
Notemos que todo valor propio de A ∈ K n×n , es raíz del polinomio carac-
terístico de A.
!
1 2
E JEMPLO 2. Consideremos A = . Su polinomio característico es:
4 3
2
SEMANA 14 CLASE 02 Departamento de Formación Básica
!
1−λ 2
= det
4 3−λ
= λ2 − 4λ − 5
= (λ + 1)(λ − 5).
p( A) = 0.
p ( λ ) = λ n + c n −1 λ n −1 + · · · + c 1 λ + c 0
entonces,
p( A) = An + cn−1 An−1 + · · · + c1 A + c0 In = 0.
!
1 2
E JEMPLO 3. Para la matriz A = , sabemos que su polinomio característico
4 3
es:
p(λ) = λ2 − 4λ − 5.
3
Departamento de Formación Básica SEMANA 14 CLASE 02
T EOREMA 8
Cualquier polinomio de grado n tiene exactamente n raíces (contando con las
veces que una determinada raíz se repite) en los complejos.
D EFINICIÓN 5
Sea λ un valor propio de la matriz A, el número de veces que un valor propio
λ se repite como raíz del polinomio característico ρ(λ) se llama multiplicidad
algebraica, notada m a (λ).
D EFINICIÓN 6
Sea λ un valor propio de la matriz A, entonces la multiplicidad geométrica
de λ, notada m g (λ) está dada por
m g (λ) = dim( Eλ )
T EOREMA 9
Sea λ valor propio de la matriz A, entonces
m g (λ) ≤ m a (λ)
T EOREMA 10
Contando multiplicidades, toda matriz A ∈ K n×n tiene exactamente n valo-
res propios en los complejos.
f: R2 −→ R2
( x, y) 7−→ (6x − y, 3x + 2y).
4
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 15 CLASE 01
6.2 Diagonalización
D EFINICIÓN 7
Sean A, B ∈ K n×n . Se dice que A y B son semejantes si existe una matriz no
singular C ∈ K n×n tal que
CB = AC
! !
1 −1 2 −1
E JERCICIO 1. Dadas las matrices A = yC= , encontrar una
0 2 1 0
matriz B semejante a la matriz A.
D EFINICIÓN 8
Una matriz A ∈ K n×n se dice diagonalizable si es semejante a una matriz
diagonal. En este caso, también diremos que A puede diagonalizarse.
T EOREMA 11
Matrices semejantes tienen los mismos valores propios.
T EOREMA 12
Una matriz A ∈ K n×n es diagonalizable si y solo si tiene n vectores propios
linealmente independientes.
1
Departamento de Formación Básica SEMANA 15 CLASE 01
T EOREMA 13
Si la matriz A ∈ K n×n tiene n valores propios diferentes, entonces A es dia-
gonalizable.
!
7 2
E JERCICIO 3. Encuentre la matriz diagonal D semejante a la matriz A = .
−4 1
T EOREMA 14
Sea A ∈ K n×n . A tiene n vectores propios linealmente independientes si y
sólo si la multiplicidad geométrica de cada valor propio es igual a la multi-
plicidad algebraica.
1 3 3
E JERCICIO 4. ¿La matriz A = −3 −5 −3 es diagonalizable?. Si lo es, cal-
3 3 1
cular la matriz diagonal D semejante a A.
T EOREMA 15
B
Sea f ∈ L( E, E) y sean B1 y B2 dos bases de E, entonces [ f ] B11 y [ f ] BB22 son
semejantes.
2
SEMANA 15 CLASE 01 Departamento de Formación Básica
Paso 4. Sea C la matriz cuyas columnas son los n vectores propios lineal-
mente independientes determinados en el paso 3. Entonces,
C −1 AC = D,
2 −2 2
es
3
E SCUELA P OLITÉCNICA N ACIONAL
Á LGEBRA L INEAL • SEMANA 15 CLASE 02
Semestre 2020-A Departamento de Formación Básica
T EOREMA 20
Todos los valores propios de una matriz simétrica son números reales.
!
2 3
E JERCICIO 1. Determine los valores propios de la matriz A = .
3 6
T EOREMA 21
Si A ∈ R n×n es una matriz simétrica, los vectores propios correspondientes a
valores propios distintos de A son ortogonales.
T EOREMA 22
Si A ∈ R n×n una matriz simétrica, entonces existe una matriz ortogonal P
tal que P−1 AP = D, es una matriz diagonal. Los valores propios de A están
sobre la diagonal principal de D.
1
Departamento de Formación Básica SEMANA 15 CLASE 02
Paso 5. Sea P la matriz cuyas columnas son los n vectores propios lineal-
mente independientes determinados en el paso 4. Entonces P es una
matriz ortogonal, y
P T AP = D,
2 2 3