Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NOTA.
1.- B1={ i⃗ =( 1,0,0 ) , ⃗j =( 0,1,0 ) , ⃗k =(0,0,1) } es base estándar o canonica del espacio
vectorial R3
B 2= 1 0 , 0 1 , 0 0 , 0 0
{[ ] [ ] [ ] [ ]} es la base canonica del espacio vectorial de las
0 0 0 0 1 0 0 1
matrices de orden 2
2.- sea B= { ⃗
v 1 ,⃗
v2 , … , ⃗
v n } una base del espacio vectorial de V , para todo vector
⃗v =a1 ⃗
v 1 +a 2 ⃗
v 2 +…+ an ⃗
vn
a1
a
()
base B y al vector ⋮2 formado por los escalares a 1 , a2 , … , an es llamado Vector
an
a1
[]
[ ⃗v ]B = a 2 o [ ⃗v ]B =( a 1 , a2 , … , an )
⋮
an
Ejemplo:
Sea S= { 1+ x , 1+ x 2 , x+ x2 } es una base del espacio vectorial de los polinomios de
grado ≤ 2 . determine el vector coordenado de:
Solución:
a+ b=2
a+ c=−1
b+ c=1
0
[ p(x) ]S 2
=
[]
−1
NOTA:
1.- Determine cuales de los siguientes subconjuntos de M 2 X 2 sobre R son
espacios vectoriales:
Con la suma y la multiplicación por un escalar
W 1= a 0 tal que a , b ∈ R
{[ ]
0 b }
W 2 = a 1 tal que a , b ∈ R
{[ ]
1 b }
W 3 = a b talque a=d=b+ c , a , b , c ,d ∈ R
{[ ]
c d }
Observación:
Para: W 1
0 0
i) [ ]
Si: a=b=0 → 0 0 ∈ W 1
a1 0 a 0 a +a 0
ii ¿ A + B=
[ ][ ][
0 b1
+ 2
0 b2
= 1 2
0 b1 +b2 ]
→ A +B ∈ W 1
k a 0 = ka 0 ∈W 1
ii) [ ][
0 b 0 kb ]
Por lo tanto W 1 es un subespacio vectorial
Para W 2
0 1 0 0
[ ][ ]
Sea a=b=0 → 1 0 ≠ 0 0 → W 2 no es un espacio vectorial.
Para W 3
0 0
Sea a=b=c=d =0 → 0 0 ∈ W 3 [ ]
[ b+cc b
b+c ]
∈W 3
Ejemplo:
Determinar cuál de los siguientes subconjuntos es un subespacio del
espacio vectorial indicado.
1.−W 1={( x1 , x2 ) ∈ R 2 tal que v 1=( 1 , x2 ) , x 2 ∈ R }
sol:
SOL:
Debemos analizar dos casos:
Primer caso:
K entero positivo:
Sea x 1=x 2=x 3=0 → 02 +02 +02 ≠ k entonces W 2no es un subespacio.
Si k=0→ 02 +02 +02=k=0 es el subespacio trivial.
BASES Y DIMENSION
Definición:
Un conjunto S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } de vectores es una base de V si se verifican
u1 , u⃗2 , … , ⃗
1.- ⃗ un son linealmente independientes.
u1 , u⃗2 , … , ⃗
2.- ⃗ un generan V
Definición:
Un conjunto S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } de vectores es una base de V si todo vector
u1 , u⃗2 , … , ⃗
⃗ un .
TEOREMA
⃗v =a1 ⃗
u1 +a2 ⃗
u2 +…+a n ⃗
un
a1
[ ⃗v ]S =[ a1 , a2 ,.. , an ]
[]a
o’ [ ⃗v ]S = ⋮2
an
CAMBIO DE BASE
Bases del espacio vectorial V . Entonces por ser S una base, cada vector de
S ' puede escribirse de forma unica como combinacion lineal de los
elementos de S .como:
v1 =a11 ⃗
⃗ u1 +a12 ⃗
u2+ …+a 1n ⃗
un
v n=an 1 ⃗
⃗ u1 + an 2 ⃗
u2+ …+a nn ⃗
un
a11 a 21 ⋯ an 1
⋮
(
P= a12 a 22
⋮
a 1n a2 n
⋯ an 2
⋮ ⋮
⋯ ann
)
Esta matriz P recibe el nombre de matriz de cambio de base (o’ matriz de
transicion) de S a S '
NOTA:
v1 , ⃗
Como los vectores ⃗ v2 , … , ⃗
v n son linealmente independientes la matriz P
es invertible.
TEOREMA:
P [ ⃗v ] S ' =[ ⃗v ] S
Ejemplo:
Dada las bases S= {⃗
u1=( 1 ,−2 ) , ⃗
u2=(3 ,−4) } y
SOLUCION:
v1 =a ⃗
⃗ u1 +b ⃗
u2
v 2=c u⃗1+ d ⃗
⃗ u2
P= (ab dc )
v1 =( 1,3 )=a ( 1 ,−2 )+ b(3 ,−4)
⃗
5 −13
Sumando se tiene: 2 b=5→ b= 2 en (i) a= 2
( )
−18
2
Por lo tanto, la matriz P=
5
7
2
( )(
−18
2 =1 0
−14 −36
QP=
5 ( 13 5
7
0 1) )
2
Hallando [ ⃗v ]S '
⃗v =(a , b)=x ⃗
v 1+ b ⃗y=x ( 1,3 ) + y ( 3,8 )=(x +3 y , 3 x+ 8 y)
x +3 y=a → 3 x +9 y =3 a …(i)
3 x+ 8 y=b …(ii)
−13
( )
−18
[ ⃗v ]S =P [ ⃗v ] S ' = 2 a+3 b
(−83 a−b )
5
7
2
TRANSFORMACIONES LINEALES
dos condiciones:
1 . ∀ ⃗v , ⃗
w ∈ V :T ( ⃗v +⃗
w )=T ( ⃗v )+ T (⃗
w)
NOTA.
w ∈V
2.- para todo par de escalares a y b y para todo par de vectores u⃗ , ⃗
Se tiene:
T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T (b ⃗
w)
3.- la condición T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T ( b ⃗
w )=aT ( ⃗v ) +bT (⃗
w ) caracteriza
Ejemplo:
Solución:
Ejemplo:
Solución:
T ( A+ B ) =( A + B ) M + M ( A +B )= AM + BM + MA + MB
T ( kA ) =( kA ) M + M ( kA )=k ( AM + MA )=kT ( A)
Ejemplo:
⃗v + u⃗ =¿
TEOREMA:
v1 , ⃗
Sean V y U espacios vectoriales y { ⃗ v2 , … ⃗
v n } una base de V y ⃗
u1 , u⃗2 , … , ⃗
un
T (⃗
v 1 )=⃗
u1 , T ( ⃗
v 2) =⃗
u2 , … ,T ( ⃗
v n ) =⃗
un
Ejemplo:
Solución:
Como los vectores ( 1,2 ) y (0,1) son L.I. entonces estos vectores constituyen
una base de R2 . Es decir { ( 1,2 ) ,(0,1) }. Para todo vector ⃗v ∈ R 2
2 x+ y =b …(ii)
(i) En (i i) y=b−2 a
( a , b )=a ( 1 ,2 ) +(b−2 a) ( 0 , 1 )
T ( a ,b )=T [ a ( 1 , 2 )+(b−2 a) ( 0 , 1 ) ]
Definición:
KerT ={ ⃗v ∈V :T ( ⃗v )=0⃗ }
TEOREMA:
De U y el núcleo de T es un subespacio de V
NOTA:
v1 , ⃗
Supongamos que ⃗ v2 , … , ⃗
v n generan un espacio vectorial V y que:
T :V →U es lineal. Entonces T ( ⃗
v 1 ) ,T ( ⃗
v 2 ) , … ,T (⃗
v n) generan la ImT
Observación:
1 0 0 1 0 0 1 0 0 1 0 0
( )( )( )( )
0
0
1
1
1
0
1
2
0
1
3
0 1
1 → 0 0
0 1
0 2
0
1
3
0 1
1 → 0 0
0 0
0 0
0
1
3
0 1
1 → 0 0
0 0
0 0
0
1
0
0
TEOREMA. -
NOTA. -
EJEMPLO:
Como no tenemos una base del espacio vectorial R4 para determinar una
base y la dimensión de la imagen del espacio R3 . Nos damos la base usual o
la base estándar
S= {⃗
e 1=( 1,0,0,0 ) , ⃗
e2= ( 0,1,0,0 ) , ⃗
e 3=( 0,0,1,0 ) , ⃗
e 4 =(0,0,0,1) } ,
Luego evaluamos:
T (⃗
e1 ) =T ( 1,0,0,0 )=(1,1,1) Escriba aquí la ecuación .
T (⃗
e2 ) =T ( 0,1,0,0 )=(−1,0,1)
T (⃗
e3 ) =T ( 0,0,1,0 )=(1,2,3)
T (⃗
e4 )=T ( 0,0,0,1 )=(1 ,−1,−3)
Según la nota los vectores imagen generan ImT , es por ello construimos la
matriz cuyas filas son estos vectores imagen y la reducimos a su forma
escalonada
1 1 1 1 1 1 1 1 1
(
−1 0
1 2
1 → 0 1
3
1 −1 −3
0 1 2
0 −2 −4
)(
2 → 0 1
0 0
0 0
)( ) 2
0
0
De este modo los vectores ( 1,1,1 ) ,(0,1,2) costituyen una base de la ImT , es
decir: { ( 1,1,1 ) ,(0,1,2) } y dim ( ImT ) =2
T ( ⃗v )=0⃗ . Entonces:
x +2 s−t =0
x + y +3 s−3 t=0
1 −1 1 1 1 −1 1 1 1 −1 1 1
( 1 0 2 −1
1 1 3 −3
→
)(
0 1 1 −2
0 2 2 −4
→ 0 1 1 −2
0 0 0 0 )( )
Vemos que el rango es 2,como el número de incógnitas es 4 entonces existe
2 variables libres, sean estas variables s y t
Ejercicio:
S1 = { ⃗
v 1=( 1,1,1,1 ) , ⃗
v 2=( 0,1,1,1 ) , ⃗
v 3= ( 0,0,1,1 ) , ⃗
v 4=(0,0,0,1) }
Es una base de R4 .
Solucion:
T (⃗
v 2 )=( 0,1,1,1 ) =( 1,1,1 )
T (⃗
v 3 )=( 0,0,1,1 ) =( 2,1,0 )
T (⃗
v 4 ) =( 0,0,0,1 )=( 1 ,−1 ,−3 )
2 2 2 1 1 1 1 1 1 1 1 1
( 1 1
2 1
1 → 1 1
0
1 −1 −3
2 1)( 1 → 0 0
0
1 −1 −3
1 0 −1
0 −2 −4
)( )( )
0 → 1 0 −1
0 0 0
0 1 2
1 1 1 1 1 1 1 1 1
( 0 0
0 1
0
2
0 0
0 0
)(
0 −1 −2 → 0 −1 −2 → 0 1
0
0
0 0
0 0
)( ) 2
0
0
Ejercicio:
1 2
( )
Sea V el espacio vectorial de las matrices de orden 2 y M = 0 3 .
1 0 , 0 1 , 0 0 , 0 0
NOTA: {( ) ( ) ( ) ( )} , es la base usual del espacio vectorial
0 0 0 0 1 0 0 1
T :V →V
u1 →T (⃗
⃗ u1 )
u2 →T (⃗
⃗ u2 )
un →T (⃗
⃗ un )
T ( u⃗2 )=a 21 ⃗
u1 +a22 u⃗2+ …+a2 n ⃗
un
T ( u⃗n )=a n 1 ⃗
u1 +a n2 ⃗
u2 +…+ ann ⃗
un
Definición:
Se le denota por:
a11 a21 ⋯ a n1
(
[ T ] S= a12 a22
⋮ ⋮
a1 n a2 n
⋯ a n2
⋮ ⋮
⋯ ann
)
[ T ] S= [ T ]
NOTA.
a11 a21 ⋯ a n1
(
[ T ] S= a12 a22
⋮ ⋮
a1 n a2 n
⋮ ⋮
⋯ ann
)
⋯ a n2 = T (⃗
([ u 1)] [ T (⃗
u2 ) ] ⋯ [ T (⃗
un) ])
[ T (⃗
u1) ] , [T (⃗
u2 ) ] , ⋯ [ T (⃗
un ) ]
TEOREMA. -
EJEMPLO:
dp (t)
D :V → V una transformacion lineal definido por D ( p ( t ) ) = , D es el
dt
S= { 1 ,t ,t 2 ,t 3 }
Solución:
D :V → V
1 → D ( 1 )=0
t → D ( t )=1
t 2 → D ( t 2 )=2t
t 3 → D ( t 3 ) =3 t 2
(
[ D ] =[ D ] S= a12
a13
a 14
a 22
a 23
a24
a32
a33
a34
a42
a43
a44
)( )
=0 0
0 0
0 0
2
0
0
0
3
0
¿¿
Determinemos [ p(t) ] S
()
[ p(t) ]S= 3
1
2
¿¿
Ejemplo:
df
Sea D :V → V una transformacion lineal definido por D ( f ) = dt , D , es el
operador de derivación. Si S= { e 5t ,t e5 t , t 2 e 5 t }.
Ejemplo:
S= {⃗
u1=( 1,1,1 ) , u⃗2=( 1,1,0 ) , u⃗3=( 1,0,0) }
TEOREMA. -
Sean S y S ' bases de un espacio vectorial V , sea P la matriz de cambio de
base de S a S ' entonces para toda transformacion lineal T :V →V se
cumple:
[ T ] S ' =P−1 [ T ] S P
B=P−1 AP
EJEMPLO:
T ( x , y , z )=( 2 y + z , x −4 y , 3 x) y
S' = {u⃗1=( 1,0,0 ) , u⃗2=( 0,1,0 ) , ⃗
u3=(0,0,1) }
S= {⃗
v 1= (1,1,1 ) , ⃗
v 2= (1,1,0 ) , ⃗
v 3 =(1,0,0) } bases de R3
SOLUCION:
v3 =( 1,0,0 )=(a , b , c)
⃗
La matriz de cambio de base de S' a S es:
1 1 1
P= 1 1 0
1 0 0 ( )
2.- Determinemos [ T ] S
T (⃗
v 1 )=T (1,1,1 ) =( 3 ,−3 , 3 )=a (1,1,1 ) +b ( 1,1,0 )+ c( 1,0,0)
T (⃗
v 2 )=T (1,1,0 )=( 2 ,−3,3 ) =(a+ b+c , a+b , a)
T (⃗
v 3 )=T (1,0,0 )=( 0,1,3 ) =(a+ b+c , a+b , a)
3 3 3
(
[ T ] S= −6 −6 −2
6 5 −1 )
PRUEBA
1 1 1 0 0 1 0 2 1
( ) (
P= 1 1 0 → P−1= 0 1 −1 ,[ T ] S = 1 −4 0
1 0 0 1 −1 0 3 0 0 ) ( '
)
0 0 1 0 2 1 1 1 1
(
P−1 [ T ] S P= 0 1 −1 1 −4 0 1 1 0
'
1 −1 0 3 0 0 1 0 0 )( )( )
3 0 0 1 1 1 3 3 3
−1
( )( ) (
P [ T ] S P= −2 −4 0 1 1 0 = −6 −6 −2 ¿ [ T ]S
'
−1 6 1 1 0 0 6 5 −1 )
MATRICES Y TRANSFORMACIONES LINEALES GENERALES
E={ ⃗
v1 , ⃗
v 2 , … ,⃗
v m } , F= { ⃗
u1 , ⃗
u2 , … , u⃗n } bases de V y U . Si T :V →U es una
transformacion lineal entonces se tiene:
T :V →U
v1 →T (⃗
⃗ v 1)
v 2 →T (⃗
⃗ v 2)
⋮⋮
vm→ T ( ⃗
⃗ vm)
T (⃗
v 1 )=a11 ⃗
u1+ a12 ⃗
u2 +…+ a1 n u⃗n
T (⃗
v 2 )=a21 ⃗
u1 +a22 ⃗
u2+ …+a 2n ⃗
un
T (⃗
v m ) =am 1 ⃗
u1 + a m 2 ⃗
u2+ …+a mn ⃗
un
E
(
[ T ] = a12 a22
F
⋮ ⋮
a 1n a2 n
⋯ am 2
⋮ ⋮
⋯ amn
)
TEOREMA. -
F
∀ ⃗v ∈V , [ T ] E [ ⃗v ] E= [ T ( ⃗v ) ] F
Ejemplo:
S= {⃗
v 1= (1,1,1 ) , ⃗
v 2= (1,1,0 ) , ⃗
v 3 =(1,0,0) }
SOLUCION:
1.- T ( ⃗
v 1 )=T (1,1,1 ) =( 1,−1 )=a ( 1,3 ) +b ( 2,5 )=( a+2 b , 3 a+5 b )
T (⃗
v 2 )=T (1,1,0 )=( 5 ,−4 ) =( a+2 b , 3 a+5 b ) → a=−33 ,b=19
T (⃗
v 3 )=T (1,0,0 )=( 3,1 )=( a+2 b ,3 a+ 5 b ) → a=−13 , b=8
−7 −33 −13
'
S
Por lo tanto [ T ] S = 4 19 (8 )
POLINOMIO CARACTERISTICO
a 11 a12 ⋯ a1 n
(
A= a21 a22
⋮ ⋮
an 1 an 2
⋯ a2 n
⋮ ⋮
⋯ a nn
)
La matriz tI −A ,donde I es la matriz identidad de orden n, t es un escalar, se
denomina la matriz característica de A
(
tI −A= −a21 t−a 22
⋮ ⋮
−an 1 −a n2
⋯ −a2 n
⋮ ⋮
⋯ t−ann
)
El determinante de la matriz característica de A que es un polinomio en t es
llamado polinomio característico de A . Es decir:
Ejemplo:
1 2
Dada la matriz A= 3 2 ( )
Determine su polinomio característico.
Solución:
tI −A= t 0 − 1 2 = t−1 −2
( )( )( )
0 t 3 2 −3 t−2
p ( t ) =t 2−3t−4
Observación:
2
p ( A )= A −3 A−4 I = ( 79 106 )+(−3
−9
−6 −4 0
)(
−6
+
0 −4 )
A2−3 A−4 I =0 → A2 −3 A=4 I → A−3 I =4 A−1
1
A−1= ( A−3 I )
4
NOTA. -
Supongamos que A y B son matrices similares entonces se cumple que:
polinomio característico.
TEOREMA. -
a a
11
21
12
(
Dada la matriz A= a a ,entonces:
22
)
p ( t ) =|tI− A|=t 2−( trazA ) t +| A|
a11 a12 a 13
(
Dada la matriz A= a21 a22 a 23 , entonces:
a31 a32 a 33 )
p ( t ) =|tI− A|=t 3−( trazA ) t 2 + ( A11 + A 22+ A 33) t−| A|
[ T ] ⃗v =λ ⃗v … (1)
A ⃗v =λ ⃗v
A ( k ⃗v ) =k ( A ⃗v )=k ( λ ⃗v )= λ(k ⃗v )
TEOREMA. -
Ejemplo:
−2 c 0
( )
Sea la matriz A= 1 2 d donde c y d son enteros y c +d=−3
d 3 2
Ejemplo:
4 a −a
Sea la matriz
(
A= −b 5 b
a a −b ) donde a , b ∈ R y los valores propios de A
satisfacen la ecuación:
Ejemplo:
0 −a c
Dada la matriz
(
A= 2 −c −c
−b a a ) , los valores propios de la matriz A
1
1 3 2
()
satisfacen la ecuación 2 λ −2 λ −2 λ+8=0 , ⃗x =t −1 ,t ≠ 0 es un vector propio
1
1
()
Además : ⃗x =t −1 es un vector propio de A ,entonces satisface:
1
0 −a c 1 1
(−b a a 1 )( ) ( )
A ⃗x =λ ⃗x → 2 −c −c t −1 =λt −1
1
0 −a c 1 1
(
−b a a 1 )( ) ( )
2 −c −c −1 =λ −1
1
a+ c=λ …(2)
2+c−c=−λ → λ=−2
De (1) y (2)
a+ c=−2
a−c=4
Por Ruffini:
1 -4 -4 16
-2 -2 12 -16
1 -6 8 0
Nota: cuando los valores propios de una matriz A de orden n son todos
diferentes , se dice que la matriz A es Diagonalizable .
A ⃗v =λ ⃗v → A ⃗v −λ ⃗v =0⃗ → ( A−λI ) ⃗v = ⃗0
−2 −1 −3 x 0
(2 1 3 y =0
−2 1 −1 z 0 )( ) ( )
Llevando a su forma escalonada la matriz:
−2 −1 −3 0 0 0 0 0 0 2 1 3
(2 1
−2 1 −1 0 2 2)( 0 1 1 )(
3 → 2 1 3 → 2 1 3 → 0 1 1
0 0 0 )( )
2 1 3 x 0
( )( ) ( )
0 1 1 y
0 0 0 z
= 0
0
2 x+ y +3 z=0 (i)
(ii) en (i)
x −z 1
z()( ) ( )
El vector ⃗v = y = −z =−z 1
z −1
1
Podemos decir que el vector v
⃗ = 1
−1 () es un vector propio de A asociado al
−4 −1 −3 x 0
( A−λI ) ⃗v =⃗0 →
( )( ) ( )
2 −1 3 y = 0
−2 1 −3 z 0
−4 −1 −3 0 −3 3 0 1 −1 2 −1 3
( −2 1 −3 0 0 0 )( 0 0 0)(
2 −1 3 → 2 −1 3 → 2 −1 3 → 0 1 −1
0 0 0 )( )
2 −1 3 x 0
( 0 0 0 z )( ) ( )
0 1 −1 y = 0
0
2 x− y +3 z=0 (iii)
y−z =0 → y =z (iv)
x −z −1 −1
()( ) ( )
⃗v = y = z =z 1 , un vector es ⃗v = 1
z z 1 1 ()
La matriz formada por los vectores propios es:
1 1 −1 1 1 −1 1 1 −1
(
−1 1
1 −1 1
1 → −1 1
)|
1 −1 1
1 =0 2 0 ≠0
0 −2 2 || |
Esto significa que los vectores propios son linealmente independientes, por
lo tanto se dice que la matriz es diagonalizable.