Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 Espacios vectoriales
1. Suma :
+ : V V ! V
(u; v) ! u+v
que veri…ca las siguientes propiedades :
(a) Conmutativa : u + v = v + u; 8 u; v 2 V
(b) Asociativa : (u + v) + w = u + (v + w) ; 8 u; v; w 2 V
(c) Elemento neutro : Existe 0 2 V tal que u + 0 = 0 + u = u,
8u 2 V
(d) Elemento opuesto : Para todo u 2 V existe u 2 V tal que
u+ ( u) = ( u) + u = 0
: K V ! V
( ; u) ! u
(a) 1 u = u; 8 u 2 V
(b) ( u) = ( ) u; 8 ; 2 K; 8 u 2 V )
(c) ( + ) u = u+ u; 8 ; 2 K; u 2 V
(d) (u + v) = u+ v; 8 2 K; 8 u; v 2 V
2
Ejemplos :
Son espacios vectoriales reales, con las operaciones que se indican, los
siguientes conjuntos:
x + y = (x1 + y1 ; x2 + y2 ; :::; xn + yn )
x = ( x1 ; x2 ; :::; xn )
F (R) = ff : R ! Rg
3
6. El conjunto de todas las sucesiones de números reales :
S = f(xn )1
n=0 : xn 2 R; n 1g
0 + 0 = 1 + 1 = 0; 0 + 1 = 1 y 0 0 = 0 1 = 1 0 = 0, 1 1 = 1
1.2 Propiedades
Si V es un espacio vectorial sobre K, entonces
1. 0 u = 0
2. ( 1) u = u
para todo u 2 V .
(1) u + v 2 S; 8 u; v 2 S
S es subespacio vectorial de V (K) ()
(2) u 2 S; 8 2 K y 8 u 2 S
4
Demostración :
(=)) Evidente, pues S es espacio vectorial
((=) (1) y (2) garantizan que las operaciones están bien de…nidas sobre
S, al ser éste un conjunto cerrado respecto de ellas. Además, por ser S
subconjunto de V , se veri…can todas las propiedades de la suma y el producto
siempre que sea cierto que 0 2 S y que el opuesto de cualquier elemento
de S está en S. Ahora bien, para cualquier u 2S,
0 = 0 u 2S y u = ( 1) u 2 S
1.5 Corolario
Si V (K) es un espacio vectorial y S V; S 6= ;, entonces
Ejemplos
y no lo son
5
3. Son subespacios vectoriales del espacio vectorial P (R), de todos los
polinomios en x con coe…cientes reales, los siguientes :
S3 = fp 2 P (R) : gr (p (x)) = 4g
S4 = fp 2 P (R) : el grado de p (x) es parg
0 a 0 a
S1 = : a; b 2 R S2 = :a2R
b 0 a 0
y no lo es
0 1
S3 = :a2R
a 0
X
n
v= i vi
i=1
Ejemplos
6
1. En R3 , para averiguar si el vector v = (1; 2; 3) es combinación lineal
de v1 = (1; 1; 1) ; v2 = (2; 4; 0) y v3 = (0; 0; 1), se plantea la ecuación
vectorial :
(1; 2; 3) = (1; 1; 1) + (2; 4; 0) + (0; 0; 1)
que equivale al siguiente sistema de ecuaciones que es consistente, cuyas
soluciones son las que se indican :
8 8
< +2 = 1 < = 0
+ = 2 =) = 1=2
: :
+ = 3 = 3
Luego v = 0v1 + 12 v2 + 3v3 , y el vector v es combinación lineal de
fv1 ; v2 ; v3 g (y también de fv2 ; v3 g).
1 0
2. En M2 2 (R), para averiguar si la matriz A = es com-
2 4
1 1 3 2
binación lineal de A1 = y A2 = , se plantea la
2 2 3 5
ecuación matricial :
8
>
> +3 = 1
<
1 0 1 1 3 2 +2 = 0
= + =)
2 4 2 2 3 5 >
> 2 +3 = 2
:
2 +5 = 4
i vi = 0
i=1
7
y se estudian sus soluciones. Si admite alguna solución no nula el conjunto
de vectores es linealmente dependiente, y si sólo admite la solución nula es
linealmente independiente.
8
Ejemplos
1.8 Propiedades
En un espacio vectorial V (K) se cumplen las siguientes propiedades :
2. 0 2 S V =) S es linealmente dependiente
9
5. S1 linealmente dependiente y S1 S2 =) S2 es linealmente depen-
diente
6. S linealmente dependiente () Existe v 2 S que es combinación
lineal de S fvg
7. S linealmente independiente () No existe v 2 S que sea combi-
nación lineal de S fvg
1.9 Lema
Si V es un espacio vectorial y S = fv1 ; :::; vm g V , entonces
( m )
X
< S > = Gen (S) = i vi : i 2 K
i=1
Ejemplos :
Gen (S) = v 2 R3 : v = v1 + v2 ; ; 2R
= v 2 R3 : v = ( + ; ; ) ; ; 2R
Las ecuaciones 8
< x = +
y = ; ; 2R
:
z =
se llaman ecuaciones paramétricas de Gen (S). Las ecuaciones
paramétricas son útiles para obtener, dando valores reales a los parámet-
ros y , los diferentes vectores de Gen (S). Así, por ejemplo,
10
para =2 y = 1 se obtiene el vector v = (1; 1; 3) 2 Gen (S).
Eliminando parámetros en las ecuaciones paramétricas, se obtiene :
x 2y z=0
que se llaman ecuaciones implícitas de Gen (S) (en este caso sólo
una). Las ecuaciones implícitas son útiles para comprobar si un de-
terminado vector pertenece a Gen (S) (el vector debe veri…car to-
das las ecuaciones). Por ejemplo, el vector (3; 1; 1) 2 Gen (S) pues
3 2 1 1 = 0, y el vector ( 1; 2; 1) 2
= Gen (S), pues 1 2 2 1 6= 0.
1.10 Propiedades
Si A y B son dos subconjuntos …nitos de un espacio vectorial V (K),
entonces :
1.11 Proposición
Sea V (K) un espacio vectorial y fv1 ; :::; vm g V . Si vm es combinación
lineal de fv1 ; :::; vm 1 g, entonces
Demostración :
11
( ) Si v 2 Gen (fv1 ; :::; vm 1 g), entonces
X1
m X1
m
v= i vi = i vi + 0vm 2 Gen (fv1 ; :::; vm g)
i=1 i=1
Pm 1
( ) Sea vm = i=1 i vi . Si v 2 Gen (fv1 ; :::; vm g), entonces
X
m X1
m X1
m
v = i vi = i vi + m i vi
i=1 i=1 i=1
X1
m
= ( i + m i ) vi 2 Gen (fv1 ; :::; vm 1 g)
i=1
12
1.14 Coordenadas respecto de una base
Si B = fv1 ; :::; vn g es una base del espacio vectorial V (K), entonces para
todo v 2 V se tiene que
X
n
v= 1 v1 + ::: + n vn = i vi
i=1
[v]B = [ 1 ; :::; n ]B
1. En Rn
13
2. En Mn (R) ;
m
8 2 3 2 3
>
> 1 0 0 0 1 0
>
< 6 7 6 7
6 0 0 0 7 6 0 0 0 7
B = E1 = 6 .. .. .. 7 ; E2 6 .. .. .. 7 ; :::;
>
> 4 . . . 5 4 . . . 5
>
: 0 0 0 0 0 0
2 39
0 0 0 >
>
6 0 0 07>
=
6 7
En m = 6 .. .. 7
..
4 . . 5>
.>
>
0 0 1 ;
3. En Pn (R)
B = 1; x; x2 ; :::; xn
llamada base canónica de Pn (R).
Siempre que no haya confusión, se suele omitir la indicación de la base
en la expresión de las coordenadas respecto de las bases usuales.
Ejemplos
14
v4 = (5; 15; 20)g R3 , entonces
2 3 2 3 2 3
1 3 4 1 3 4 1 3 4
6 2 1 1 7 6 0 7 7
7 7 6 0 1 1 7
6 7 !6 !6 7
4 3 2 5 5 4 0 7 7 5 4 0 0 0 5
5 15 20 0 0 0 0 0 0
v = u1 + u2 =)
(2; 1; 1) = (1; 3; 4) + (0; 1; 1) =)
8
< = 2
=2
3 + = 1 =)
: = 7
4 + = 1
Entonces
2 3 2 3 2 3
1 0 0 1 1 0 0 1 1 0 0 1
6 0 1 0 7
1 7 6 0 1 0 7
1 7 6 0 1 0 1 7
6 !6 !6 7
4 1 1 0 0 5 4 0 1 0 1 5 4 0 0 0 0 5
1 1 0 2 0 1 0 1 0 0 0 0
15
y una base de Gen (S) es :
p = ( 1; 2; 0; 1)
= (1; 0; 0; 1) + (0; 1; 0; 1) =)
8
>
> = 1
<
= 2 = 1
=)
>
> 0 = 0 =2
:
= 1
1 1 0 0 2 2
S = M1 = ; M2 = ; M3 = ;
0 1 1 1 2 2
3 3 1 1
M4 = ; M5 =
5 3 3 1
16
Entonces
2 3 2 3
1 1 0 1 1 1 0 1
6 0 0 1 1 7 6 0 0 1 1 7
6 7 ! 6 7 !
4 3 3 5 2 5 4 0 0 2 0 5
1 1 3 1 0 0 3 0
2 3 2 3
1 1 0 1 1 1 0 0
6 0 0 1 0 7 6 0 0 1 0 7
6 7 ! 6 7
4 0 0 0 1 5 4 0 0 0 1 5
0 0 0 0 0 0 0 0
2 2
M= = (2; 2; 3; 2) = 2N1 + 3N2 2N3
3 2
a b
M= = (a; b; c; d)
c d
17
1.18 Proposición
Si V (K) 6= f0g es un espacio vectorial con una base formada por n vectores,
entonces cualquier conjunto de n + 1 vectores es linealmente dependiente.
Para que una combinación lineal de los vectores de S sea igual al vector
cero, se ha de cumplir :
!
X
n+1 X
n+1 X
n+1 X
n+1
18
Observación : Una base de un espacio vectorial V (K) 6= f0g de
dimensión n está formada por cualesquiera n vectores linealmente inde-
pendientes de V .
19
1.23 Suma e intersección de subespacios
Si S y T son dos subespacios vectoriales, de un mismo espacio vectorial
V (K), se de…ne su intersección y suma como
S \ T = fv 2 V : v 2 S ^ v 2 T g y
S + T = fw = u + v 2 V : u 2 S ; v 2 T g
20
1.24 Suma directa de subespacios
Si S y T son dos subespacios vectoriales, de un espacio vectorial V (K), se
dice que el subespacio Z = S + T es suma directa de S y T , que se denota
por Z = S T , si 8w 2 Z; w se escribe de manera única como w = u + v;
u 2 S; v 2 T .
Demostración :
(=)) Como Z es suma directa de S y T , 8w 2 Z; 9!u 2 S; v 2 T tal que
w = u + v; luego Z = S + T
Supongamos ahora que w 2 S \ T; entonces w = w + 0 = 0 + w: Es decir,
w admite dos formas de ser escrito en S + T;
luego necesariamente w = 0
((=) Como Z = S + T; 8w 2 Z; w = u + v; u 2 S; v 2 T . Veamos que
esta descomposición es única. Supongamos que
w = u + v y w = u0 + v0 entonces u u0 = w0 w; de donde u u0 2 S
y w0 w 2T; luego u u0 2 S \ T =) u u0 = 0 =) u = u0 =) w = w0 :
Una propiedad interesante de la suma directa es:
Si V = S T y V es de dimensión …nita, entonces dim V = dim S +
dim T dim S \ T
21
bases de S y T , respectivamente. Para demostrar la fórmula de la dimen-
sión, es su…ciente demostrar que
i vi + j wj = 0 =) j wj = i vi 2S\T
i=1 j=r+1 j=r+1 i=1
X
m X
r
=) j wj = j vj
j=r+1 j=1
Xr X
m
=) j vj j wj = 0 =) j = 0; 1 j m
j=1 j=r+1
=) j = 0; r + 1 j m
i vi = 0 =) i = 0; 1 i n
i=1
Ejemplo :
En R4 se consideran los subespacios vectoriales
Puesto que
2 3 2 3 2 3
1 0 1 2 1 0 1 2 1 0 1 2
6 0 1 1 7
0 7 6 0 1 1 7
0 7 6 0 1 1 0 7
6 !6 !6 7
4 1 0 1 1 5 4 0 0 2 3 5 4 0 0 2 3 5
0 1 1 3 0 0 2 3 0 0 0 0
22
una base de S + T es BS+T = f(1; 0; 1; 2) ; (0; 1; 1; 0) ; (0; 0; 2; 3)g, y sus
ecuaciones son :
8
>
> x1 =
<
x2 =
; ; ; 2 R =) x1 + 3x2 3x3 2x4 = 0
>
> x3 = + +2
:
x4 = 2 3
8
>
> x1 =
<
x2 = x1 x2 x3 = 0
T ; ; 2 R =)
>
> x3 = x1 3x2 + x4 = 0
:
x4 = +3
23
y también :
24
GUÍA DE EJERCICIOS
UNIDAD : ESPACIOS VECTORIALES
¿ Es un espacio vectorial ?
(a) S = f(x; y; z) : y = 0g
(b) S = f(x; y; z) : x + y + z = 0g
(c) S = f(x; y; z) : x + z = 1g
(d) S = f(x; y; z) : x + z = 0g
(e) S = f(x; y; z) : x + z 0g
(f) S = f(x; y; z) : xy = 0g
(g) S = fp (x) = x3 + ax + b : a; b 2 Rg
(h) S = fp (x) = ax3 + b : a; b 2 Rg
(a) S = f1; 1 + x; 1 + x + x2 g
(b) S = fx; x2 ; x + x2 g
(c) S = f1 x2 ; 1 + x; x2 x; x + x2 g
25
(d) S = f1 + x2 ; 2 + x2 g
26
13. Halla una base del espacio vectorial generado por el conjunto de vec-
tores :
a + b + 3c 2a b
M= : a; b; c 2 R
a c a + 2b + 5c
x1 + x2 = 0
(a) W = (x1 ; x2 ; x3 ; x4 ) 2 R4 :
x3 + x4 = 0
x1 + x2 = 1
(b) W = (x1 ; x2 ; x3 ; x4 ) 2 R4 :
x3 + x4 = 1
En caso a…rmativo, determina una base.
27
(a) Prueba que S y T son subespacios vectoriales de R3 :
(b) Encuentra una base de S, y halla las coordenadas de un vector
arbitrario de S respecto de dicha base.
(c) Prueba que BT = f(0; 1; 1) ; ( 1; 1; 0)g es una base de T , y
encuentra las coordenadas de ( 2; 1; 1) 2 T respecto de dicha
base.
28
Halla bases y dimensiones de S; T; S + T y S \ T
24. En R5 se consideran los subespacios vectoriales
U = Gen (f(1; 0; 1; 0; 0) ; (2; 1; 0; 1; 1) ; (4; 1; 2; 1; 1)g)
W = Gen (f(1; 1; 1; 1; 1) ; ( 2; 0; 0; 0; 3) ; (0; 1; 2; 1; 1) ; (0; 2; 2; 2; 5)g)
Halla bases de U; W; U + W y U \ W.
25. En R3 se consideran los subespacios vectoriales
U = f(a; b; c) : a = c; a; b; c 2 Rg
V = f(0; 0; c) : c 2 Rg
W = f(a; b; c) : a + b + c = 0; a; b; c 2 Rg
29
30. Determina a; b 2 R para que el vector v = (2; a; b; 1) pertenezca
al subespacio vectorial S = Gen (f(1; 0; 2; 0) ; (0; 1; 1; 1)g). Obtén un
subespacio suplementario de S en R4 .
V = Gen 1 + x3 ; 1 + x + x2 ; 2x x2 ; 2 + 3x2
W = Gen 1 + 3x2 x2 x3 ; 1 + 4x + x2 x3 ; 2x x2
V = Gen x + x2 ; x x2 ; 2x + x2
W = a + bx + cx2 + dx3 : b + c = 0; 2b c = 0
T = a + bx + cx2 + dx3 : a = 0; b = ; c = 0; d = + ; ; 2R
Soluciones :
1. No
5. Son 1.i.
30
9. p (x) = a + bx + cx2 = [(a 3b + 9c; b 6c; c)]B .
11. a = 1 y b = 11.
12. Gen (A) = Gen (B) = Gen (f(1; 0; 1) (0; 1; 1)g) = S, y Gen (C) 6= S
porque (1; 1; 0) 2
= S.
31
y BS+T = f(1; 0; 1; 1) ; (0; 1; 0; 1) ; (0; 0; 1; 0)g.
8
> x1 = 3 8
>
< < x1 + 2x2 x3 = 0
x2 =
S\T : ; 2 R; x2 x3 + x4 = 0; y BS\T = f(3; 1; 1; 2)g .
>
> x3 = :
: 2x3 x4 = 0
x4 = 2
32
dim (S + T ) = 3, y BS+T = f(1; 0; 1; 0) ; (0; 1; 0; 1) ; (0; 0; 1; 2)g
dim (S \ T ) = 1, y BS\T = f(1; 0; 1; 0)g
29. La suma S1 +S2 no es directa. BS1 +S2 = f(1; 0; 1; 0) ; (0; 1; 2; 2) ; (0; 0; 1; 1)g.
33
2 Transformaciones lineales
2.1 Transformación
Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general,
R o C). Una función T : V ! W se llama transformación lineal u
homomor…smo si
T (u + v) = T (u) + T (v) ; 8 u; v 2 V
T ( u) = T (u) ; 8 u 2 V; 8 2 K
Estas dos condiciones son equivalentes a la única condición :
T ( u + v) = T (u) + (v) ; 8 u; v 2 V; 8 ; 2K
2.2 Ejemplos
1. Las siguientes aplicaciones, T : R2 ! R2 , son transformaciones
lineales :
34
2.3 Propiedades
Si T : V ! W es una transformación lineal, se cumple :
1. T (0) = 0
2. T ( u) = T (u)
2.5 De…niciones
Una transformación lineal (homomor…smo) se llama monomor…smo si es
inyectiva, epimor…smo si es sobreyectiva, e isomor…smo si es biyectiva.
Cuando los espacios inicial y …nal coinciden, la transformación lineal y el
isomor…smo se suelen llamar endomor…smo y automor…smo, respectiva-
mente.
Demostración
(=)) Si T es inyectiva, entonces :
35
((=) Inversamente, si KerT = f0g, entonces
T (u) = T (v) =) T (u v) = 0 =) u v = 0 =) u = v
luego T es inyectiva.
luego w 2 Im T .
T (vi) = wi , para 1 i n
P
Demostración : Para cada v = ni=1 xi vi 2 V se de…ne
X
n
T (v) = xi wi
i=1
36
Es fácil ver que T es transformación lineal y que T (vi ) = wi ; para
1 i n. Además es única, pues si T1 : V ! W veri…ca la misma
condición, entonces
!
Xn Xn X
n
T1 (v) = T1 xi vi = xi T1 (vi ) = xi wi = T (v)
i=1 i=1 i=1
2.9 Observaciones
Si T : Rn ! Rn viene de…nida por T (u) = Au; A 2 Mm n (R), entonces
- KerT son las soluciones del sistema homogéneo Au = 0
- Si B = fe1 ; e2 ; :::; en g es la base canónica de Rn , entonces
Im T = Gen (fT (e1 ) ; T (e2 ) ; :::; T (en )g) = Gen (fc1 ; c2 ; :::; cn g)
donde ci es la columna i-ésima de la matriz A.
2.10 Ejemplo
Si T : R23 ! R3 es
3 la transformación lineal asociada a la matriz
1 0 1
A = 4 0 1 0 5, entonces
1 1 1
Im T = Gen (f(1; 0; 1) ; (0; 1; 1) ; (1; 0; 1)g) = Gen (f(1; 0; 1) ; (0; 1; 1)g)
KerT = fu : Au = 0g = Gen (f(1; 0; 1)g)
ya que
2 3 2 3 8
1 0 1 1 0 1 < x=
4 0 1 0 5 ! 4 0 1 0 5 =) y=0 ; 2R
:
1 1 1 0 0 0 z=
37
entonces la imagen de cualquier u = (x1 x2 ; :::; xn )BV 2 V , expresada en la
base BW de W , es
!
Xn X n X n Xm
T (u) = T xj vj = xj T (vj ) = xj aij wi
j=1 j=1 j=1 j=1
!
X
m X
n
= aij xj wi
i=1 j=1
0 Pn 1 2 32 3
a1j xj a11 a12 a1n x1
B Pj=1
B
n
j=1 a2j xj C
C 6
6 a21 a22 a2n 7
76
6 x2 7
7
= B .. C = 6 .. 76 .. 7 = Au
@ . A 4 . 54 . 5
Pn
j=1 amj xj am1 am2 amn xn
2.12 Ejemplo
La matriz asociada a la transformación lineal T : R4 ! R3 de…nida,
respecto de las bases canónicas, por
T (x1 ; x2 ; x3 ; x4 ) = (x1 + x4 ; x1 + x2 + x3 ; x1 + x2 + x3 )
es 2
3
2 3x1
1 0 0 1 6
x2 7
T (x1 ; x2 ; x3 ; x4 ) = 4 1 1 1 0 5 6 7
4 x3 5
1 1 1 0
x4
38
Para hallar el núcleo, se resuelve el sistema :
8
>
> x1 =
<
x1 + x4 = 0 x2 =
T (u) = Au = 0 =) =) ; ; 2R
x1 + x2 + x3 = 0 >
> x3 =
:
x4 =
de donde KerT = f(1; 0; 1 1) ; (0; 1; 1; 0)g. La imagen es
Im T = f(1; 1; 1) ; (0; 1; 1) ; (0; 1; 1) ; (1; 0; 0)g = f(1; 0; 0) ; (0; 1; 1)g
- B2 es linealmente independiente :
!
X
n X
n X
n
iT (vi ) = T i vi = 0 =) i vi 2 KerT
i=r+1 i=r+1 i=r+1
X
n X
r
=) i vi = ( i ) vi
i=r+1 i=1
Xn
=) i vi = 0 =) i = 0; 1 i n
i=1
=) i = 0; r + 1 i n
39
Por lo tanto dim (KerT ) + dim (Im T ) = dim V
2.15 Proposición
Si T : V ! W es una transformación lineal con dim V = dim W = n < 1,
entonces
T es isomor…smo () es monomor…smo () es epimor…smo
Demostración :
T es epimor…smo () dim (Im T ) = dim W = n () dim (KerT ) =
0 () T es monomor…smo
40
2.17 Ejemplo
Si T1 : R2 ! R3 y T2 : R3 ! R2 vienen de…nidas por
2 3 2 3
1 1 x
4 x 1 0 1
T1 (x; y) = 0 1 5 T2 (x; y; z) = 4 y 5
y 0 1 0
1 1 z
respecto de las bases canónicas, entonces T2 T1 : R2 ! R2 y
T1 T2 : R3 ! R3 vienen de…nidas por
2 3
1 1
1 0 1 4 x
(T2 T1 ) (x; y) = 0 1 5
0 1 0 y
1 1
0 0 x 0
= =
0 1 y y
2 3 3 2
1 1 x
1 0 1 4 5
(T1 T2 ) (x; y; z) = 4 0 1 5 y
0 1 0
1 1 z
2 32 3 2 3
1 1 1 x x y+z
= 4 0 1 0 54 y 5=4 y 5
1 1 1 z x+y z
respecto de las bases canónicas.
41
Puesto que esta transformación es un isomor…smo, rA = n y la matriz
A es invertible. Su inversa A 1 es la que pasa de las coordenadas respecto
de B 0 a las coordenadas respecto de B. Resumiendo :
0
A = [Id]B
B = [[v1 ]B 0 ; :::; [vn ]B 0 ] y A [u]B = [u]B 0
A 1
= [Id]B
B0 = [[v10 ]B ; :::; [vn0 ]B ] y A 1
[u]B 0 = [u]B
2.19 Ejemplo
Si es R3 se considera la base canónica Bc = fe1 ; e2 ; e3 g y la base
entonces 2 3
1 0 1
A = [Id]B
B
c
=4 0 1 1 5 y [u]BC = A [u]B
1 2 0
De esta manera, si u = (3; 2; 1)B , entonces
2 32 3 2 3
1 0 1 3 2
[u]Bc = 4 0 1 1 54 2 5 = 4 1 5
1 2 0 1 1
42
Sean P = [IdV ]B V
BV0 y Q = [IdW ]B
BW
W
0 las matrices del cambio de base en
V y W , respectivamente. Observando el diagrama
V BV A! W BW
x ?
? ?
? ?
? P ? Q 1
? ?
? y
0 0
V BV C ! W BW
se deduce que
B0 1
C = [T ]BW
0 =Q AP
V
2.21 Ejemplo
Se construye el diagrama
Bc B
(R3 ) A! (R3 ) c
x ?
? ?
? ?
? P ? P 1
? ?
? y
B B
(R3 ) C! (R3 )
2 3
1 0 1
donde P = [Id]B
B
c
=4 0 1 1 5 y entonces
1 2 0
2 3
2 1 4
C = [T ]B = P 1 AP = 4 1 2 3 5
3 3 3
43
es decir, que si u = [x; y; z]B entonces su imagen, también expresada
en la base B, es
2 32 3
2 1 4 x
T (x; y; z) = 4 1 2 3 5 4 y 5
3 3 3 z
44
GUÍA DE EJERCICIOS
UNIDAD: TRANSFORMACIONES LINEALES
45
Averigua si son homomor…smos y, en caso a…rmativo, si son monomor-
…smo, epimor…smo o isomor…smo.
46
(c) Si W es un subespacio vectorial de R3 de dimensión 2, ¿ cuál
es la dimensión de T (W ) ?
10.
1
(a) T : M2 2 (R) ! M2 1 (R), de…nida por T (A) = A
1
(b) T : M2 (R) ! M2
2 2 (R), de…nida por
1 1 1 1
T (A) = A A.
0 1 0 1
47
(c) T : P3 (R) ! P3 (R), de…nida por T (1) = x2 + 1,
T (x) = x + 2; T (x2 ) = x3 x
R1
(d) T : P3 (R) ! R2 , de…nida por T (p (x)) = p (1) ; 0
p (x) dx
x1 x2 x2 x
T1 (x1 ; x2 ; x3 ) = T2 (A) = (1 x) A
x2 x2 x3 x2
18. En R3 se de…ne el 2
endormor…smo
3 T cuya matriz, respecto de la base
a 1 1
canónica, es Aa = 4 1 a 1 5
1 1 a
48
(a) Halla los valores de a para los que T no es automor…smo. En
estos casos, halla bases del núcleo y de la imagen
(b) Para a = 2, encuentra un vector u 6= 0 tal que
T (u) 2 Gen (fug)
+ 2
W = : ; 2R
+2
49
(b) B1 = f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g y B2 = f(2; 3; 4) ; (1; 2; 6) ; (1; 3; 5)g
0 1 1 0 4 1 5 0
25. Sean A = ; B= ; C= ; D= ;
3 1 2 0 3 2 2 1
S = Gen (fA; B; Cg) y T : S ! P2 (R) de…nida por T (A) =
x; T (B) = x2 + 1 y T (C) = x2 + x + 1
50
(a) Halla la matriz de T respecto de B. ¿ Para qué valores de a
es T biyectiva ?
(b) Para a = 1 se considera el subespacio vectorial.
W = Gen (f(1; 1; 0) ; (2; 0; 1)g). ¿ Es KerT W = R3 ? ¿ Es
Im T K erf = R3 ? Calcula T 1 ( 2; 2; 0)
(c) Para a = 2, sea B 0 = fu1 = e1 e2 ; u2 = e3 ; u3 = 2e3 g. Prueba
que B 0 es base y halla la matriz de T respecto de B 0
27. Sea T : R3 ! R3 una aplicación lineal tal que dim (Im T ) = 1, las
ecuaciones del KerT respecto de la base
B 0 = fu1 = (1; 0; 0) ; u2 = (1; 1; 0) ; u3 = (1; 1; 1)g son
x0 + y 0 = 0
, y tal que existe v = (b; 0; 0) 6= (0; 0; 0)
ax0 y 0 + (a + 1) z 0 = 0
veri…cando que
T (v) = T 2 (v) = u1 + u2 + u3 . Halla las ecuaciones de T respecto
de la base canónica
51
(b) Halla las ecuaciones implícitas de KerT y de Im T
a b
T = a x + x2 + bx + dx2
c d
Soluciones
52
1. (a) ; (b) ; (e) y (f ) son aplicaciones lineales, mientras que (c) y (d)
no lo son
2. (a) y (c) son aplicaciones lineales, mientras que (b) y (d) no lo son
3.
4. T1 es epimor…smo, y T2 no es homomor…smo
5.
(a) uS = (x z; y; 0) y uT = (z; 0; z)
(b) Es lineal
(c) La dimensión de T (W ) es 1 (si W2 W) o
2 (si W2 \ W = f0g)
10.
53
(b). f(6; 2; 3)g
3 1 1 1 2 3
11. [T1 ]B = , [T2 ]B = , [T1 T2 ]B = ,
1 1 1 0 0 1
2 0
[T2 T1 ]B = y [2T12 3T22 ]B
3 1
13. f(1; 1; 1; ) ; (0; 1; 1)g es base de la imagen y f(1; 1; 2)g del núcleo
14.
1 1 0 0
(a)
0 0 1 1
2 3
0 0 1 0
6 1 0 0 1 7
(b) 6
4 0
7
0 0 0 5
0 0 1 0
2 3
1 2 0 1
6 0 1 1 0 7
(c) 6
4 1
7
0 0 0 5
0 0 1 0
1 1 1 1
(d)
1 21 13 14
2 3
1 0 0 0
6 1 1 0 0 7 +
15. 6
4 0
7 ; Im T = : ; ; 2R ;
0 1 1 5
1 1 0 0
KerT = Gen = (fx2 + x3 g)
16.
54
8
>
> y1 =
<
y2 = +
Im T : ; ; ; 2 R ; 7y1 + 6y2 + 3y3 y4 = 0
>
> y3 = 2 +
:
y4 = +3
1 x = 11 3x + 3y + 2z = 0
(b) T (W ) : ; 2R;
y= 5 ; 5x + 2y + 5z = 0
17.
2 3 2 3
1 1 0 0 0 0 0
6 0 1 0 7 6 1 0 0 0 7
(b). [T1 ]C2 C2 = 64 0
7 ; [T2 ] = 6 7
4 0 1 1 0 5 ;
1 0 5 C2 C2
0 1 1 0 0 0 1
rg [T1 ]C1 C2 = rg [T2 ]C2 C3 = 3
donde C1 base canónica de R3 , C2 base canónica de M2 2 (R)
y C3 base canónica de P3 (R)
1 0 0 1 0 0
(c). Im T1 = Gen ; ; ; y KerT1 = f0g
0 0 1 0 0 1
0 1
ImT2 = Gen (fx; x2 ; x3 g) ; y KerT2 = Gen
1 0
2 3
0 0 0
6 1 1 0 7
(d). [T2 T1 ]C2 C2 = 6
4 0
7 ; rg [T2 T1 ]
C2 C3 = 3 ;
2 0 5
0 1 1
Im [T2 T1 ] = Gen (fx; x ; x3 g) ; y Ker [T2 T1 ] = f0g
2
18.
19.
55
(a) No es única. Por ejemplo :
a b a+b 5a + b
T = 0; + c; +d
c d 3 3
(b) No
2 3
1 0 2
20. [T ]Bc 4
= 5 3 5 5 ; y T 1
(r) = Gen (f(6; 11; 0)g)
0 0 3
21.
(a) a = 1=5
1
(b) T (1; 0; 0; 0) =
2 3
1 0
(c) 4 1 1 5
1 1
22.
1 3
(a)
1 1
2 3
8 1 1
14
(b) 3 6 3 5
9
10 8 1
23. fu = (0; ; ) : 2 Rg
24.
2 3
3 0 3
14
(a) 3 0 3 5
6
3 2 1
2 3
3 3 0
1
(b) 4 1 1 0 5
6
2 2 0
25.
56
3 0
(a) BIm T = fx; 1 + x2 g y BKerT =
2 1
8
< =b+c
T : [a; b; c]B1 ! [ ; ; ]B2 con =a+c
:
=b+c
8
< =a
T : [a; b; e]B3 ! [ ; ; ]B4 con =b
:
=0
(b) No existe
26.
2 3
0 a 1
4
(a) [T ]B = a 1 0 5 ; T es biyectiva si a 6= 1
1 0 1
(b) KerT W = R3 y KerT Im T = R3 ;
T 1 ( 2; 2; 0) = (0; 2; 0)
2 3
4 2 6
1
(c) [T ]B 0 = 4 3 3 3 5
2
1 1 5
3x 3z x z
27. T (x; y; z) = ;x z;
2 2
28.
(a) k 6= 1
(b) B1 = fu1 ; u2 ; u3 = (1; 1; 1)g y B2 = fT (u1 ) ; T (u2 ) ; v3 g
1
(c) T (S) = Gen (f(3; 8; 0) ; ( 5; 0; 8)g)
29.
2 3
1 1 0
14
(a) [T ]B = 1 1 0 5
2
0 0 0
x+y =0
(b) Im T ; KerT x y=0
z=0
57
30.
2 3
0 0 0 0
(a) 4 1 1 0 0 5
1 0 0 1
(b) BIm T = fx; x2 g. Gen (f1g) es suplementario de Im T en P2 (R)
1 1 0 0
(c) BS = ; y, por ejemplo,
0 1 1 0
0 1 0 0 2 4 2 2
BT = ; . En este caso : = +
0 0 0 1 6 8 6 2
0 6
0 10
1 1
(d) M3 = M1 + 3M2 = ;3
2 2 B
0 1 0 0
(e) ; ; M1 ; M2
0 0 0 1
1 4 1 0 0 3 0
(f) T (Gen (f3x + 4x2 g)) = Gen ; ;
0 0 1 0 0 1
31.
58
3 Diagonalización de endomor…smos
3.1 Endomor…smo
Se llama endomor…smo a una transformación lineal T : V ! V de un
espacio vectorial V en si mismo. También se le llama operador lineal
T (u) = Au donde A = [T ]B
VB A! VB
x ?
? ?
? ?
? P ? P 1
? ?
? y
0 0
VB C! VB
1
de donde C = [T ]B 0 = P AP y T (u) = Cu respecto de la base B 0 .
59
Nota : Aunque aquí sólo se consideran espacios vectoriales y matrices
reales, con lo que se obtienen diagonalizaciones reales, todo lo que se diga es
igualmente cierto para otro cuerpo K, con lo que se obtienen diagonaliza-
ciones en K.
Av = v () (A I) v = 0
S ( ) = fv 2Rn : (A I) v = 0g = Ker (A I)
Ejemplo :
2 T : R3 !
Sea 3 R3 el endomor…smo asociado a la matriz
0 0 1
A= 4 4 2 2 5, respecto de la base canónica. El polinomio caracterís-
2 0 3
tico, y sus raíces, son :
0 1
= 1, con m.a. (1) = 1
p( ) = 4 2 2 = ( 2)2 ( 1) = 0 =)
= 2, con m.a. (2) = 2
2 0 3
60
donde m.a.( ) indica la multiplicidad algebraica del autovalor . El
espectro es (A) = f1; 2g. Los subespacios propios asociados a estos
autovalores son : 8 2 32 3 9
< 1 0 1 x =
4 5 4 5 x z=0
S (1) = Ker (A I) = v : 4 1 2 y =0 = v: =
: ; y 2z = 0
2 0 2 z
Gen (f(1; 2; 1)g) 8 2 32 3 9
< 2 0 1 x =
S (2) = Ker (A 2I) = v : 4 4 0 2 5 4 5
y = 0 = fv : 2x z = 0g
: ;
2 0 1 z
= Gen (f(1; 0; 2) ; (0; 1; 0)g)
Es fácil comprobar que los autovectores v1 = (1; 2; 1) 2 S (1),
v2 = (1; 0; 2) 2 S (2), y v3 = (0; 1; 0) 2 S (2) forman base. Puesto que
T (v1 ) = v1 , T (v2 ) = 2v1 y T (v3 ) = 2v3 , la matriz respecto de esta base
B = fv1 ; v2 ; v3 g es 2 3
1 0 0
D = [T ]B = 4 0 2 0 5
0 0 2
que es diagonal, luego el endomor…smo T y la matriz A son diagonalizables.
Para relacionar las matrices A y D se recurre al diagrama :
Bc B
(R3 ) A! (R3 ) c
x ?
? ?
? ?
? P ? P 1
? ?
? y
B Bc
(R3 ) D! (R3 )
2 3
1 1 0
donde P = [Id]B c 4 2 0 1 5
B =
1 2 0
Es fácil comprobar la relación D = P 1 AP
Es inmediato de las de…niciones la siguiente caracterización :
61
3.6 Independencia de autovectores asociados a distin-
tos autovalores
Autovectores asociadoa a autovalores distintos son linealmente independi-
entes.
62
3.8 Propiedades
1. El polinomio característico de un endomor…smo, respecto de cualquier
base, es siempre el mismo.
Demostración : Si A y C son las matrices de un endomor…smo
T respecto de dos bases distintas, están relacionadas por la matriz del
cambio de base por una relación del tipo C = P 1 AP . Entonces :
1 1 1 1
jC Ij = P AP IP P = P (A I) P = P jA Ij jP j = jA Ij
pues jP 1
j = jP j 1 .
2. La suma de todos los autovalores de una matriz, contando cada uno de
ellos tantas veces como indica su multiplicidad, es igual a su traza.
Demostración : Sean 1 ; 2 ; :::; n los n autovalores de una matriz
cuadrada A = [aij ] de dimensión n. Puesto que los autovalores son
las raíces del polinomio característico, se tiene que
jA Ij = (a11 ) ::: (ann ) + pn 2 ( )=( 1 ) ::: ( n )
donde pn 2 ( ) es un polinomio de grado menor o igual que n 2 en
. Igualando los coe…cientes de grado n 1, en cada una de las dos
expresiones anteriores, se obtiene :
( 1)n 1
(a11 + ::: + ann ) = ( 1)n 1
( 1 + ::: + n)
de donde
1 + ::: + n = a11 + ::: + ann = traza (A)
3. El producto de todos los autovalores de una matriz, contando cada
uno de ellos tantas veces como indica su multiplicidad, es igual a su
determinante.
Demostración : Sean 1 ; :::; n los n autovalores de una matriz
cuadrada A = [aij ] de dimensión n. Entonces
jA Ij = ( 1 ) ::: ( n )
63
3.9 Consecuencias inmediatas de las propiedades an-
teriores
- Los autovalores de un endomor…smo son los mismos respecto de cualquier
base.
64
GUÍA DE EJERCICIOS
UNIDAD: DIAGONALIZACIÓN
65
2 3
2 3 3
6. Sea A = a4 1 2 5. Estudia para qué valores de a la matriz
a 0 1
A es diagonalizable. Calcula para a = 0 la matriz diagonal D y la
matriz P tales que D = P 1 AP
7.
66
12. Halla la matriz de T : R3 ! R3 respecto de la base canónica si sus au-
tovalores son 1,2 y -1, y sus autovectores asociados (1; 1; 1) ; (0; 1; 2)
y (1; 2; 1), respectivamente.
13. Halla la potencia An de cada una de las siguientes matrices :
2 3
1 1 0
(a) A = 4 0 2 0 5
2 1 3
2 3
a b b
(b) B = 4 b a b 5
b b a
15. De un endomor…smo sobre R3 se sabe que los vectores (1; 0; 0) ; (1; 1; 0) ; (0; 1; 0)
y (0; 0; 1) son autovectores, y que hay vectores que no lo son: Halla
todos los autovectores del endomor…smo.
16. Sea
2 T el endomor…smo
3 de…nido sobre R4 cuya matriz asociada es
1 1 0 0
6 1 0 0 1 7
6 7, y sea U = Gen (f(1; 0; 2; 1)g).
4 0 0 1 0 5
0 1 0 1
67
a b
18. Sea G = : a; b; c; d 0; a + c = b + d = 1
c d
68
Soluciones
1.
2.
5.
3 1 1
6. La matriz A es diagonalizable si <a< y si a >
8 3 3
2 3 2 3
1 0 0 1 0 1
Si a = 0; D = P 1 AP con D = 4 0 1 0 5 y p = 4 1 1 0 5
0 0 2 0 1 0
69
7.
9. Si B = f1 + x3 ; x + x2 ; 1 x3 ; x x2 g, la matriz es
2 3
1 0 0 0
6 0 1 0 0 7
D=6 4 0 0
7
1 0 5
0 0 0 1
10. El único autovalor es = 1 con m:a: (1) = 4. S (1) = Gen (f(1; 0; 0; 0)g)
11.
70
2 3
2 2 1
12. [T ]BC = 4 3
2
3 25 5
0 2 3
13.
2 3
2n 1 0
1
(a) An = 4 2n
0 5 5
2
1 3n 2 3
02 3 2 3 1
2 1 1 1 1 1
1
(b) An = @4 1 2 1 5 (a b)n + 4 1 1 1 5 (a + 2b)n A
3
1 1 2 1 1 1
14.
(a) T (x; y; z) = (y + z; x + 2y + z; x + y)
(b) B 0 = f(1; 1; 1) ; (1; 0; 1) ; (1; 2; 1)g
16.
1 1 7 1
17. (T ) = ; y [T ]BC = 20 20
1 7
4 3 30 30
(a) Todas
(b) Si a = d = 1; D = M y P = I
a+d 0 1 d 1
Si a 6= 1 o d 6= 1; D = y P =
0 1 1 a 1
(c) Si a = d = 1; M n = I ; y si a 6= 1 o d 6= 1, entonces
1 (a + d 1)n (a 1) + (d 1) (a + d 1)n (d 1) + (d 1)
Mn =
a+d 2 (a + d 1)2 (a 1) + (a 1) (a + d 1)n (d 1) + (a 1)
71
4 Espacios euclídeos
4.1 Producto escalar. Espacio euclídeo
Se llama producto escalar sobre un espacio vectorial real V a cualquier
aplicación
< ; >: V V ! R
(u; v) !< u; v >
que veri…ca las siguientes propiedades :
- Conmutativa : < u; v >=< v; u >; 8 u; v 2 V
< u; v + w >= < u; v > + < u; w >
- Bilineal : ;
< v + w; u >= < v; u > + < w; u >
8 u; v; w 2 V; 8 ; 2 R
< u; u > 0; 8 u 2 V
- De…nida positiva :
< u; u >= 0 () u = 0
Un espacio vectorial con un producto escalar de…nido sobre él se llama
espacio euclídeo.
4.2 Ejemplos
1. Si u = (x1 ; :::; xn ) y v = (y1 ; :::; yn ) son dos vectores de Rn en la
base canónica, el producto
X
n
< u; v >= xi yi
i=1
2. En R2 , es un producto escalar :
1 1 1 1 x2
< u; v >= uT v = [x1 y2 ]
1 2 1 2 y2
ya que es :
T
1 1 1 1
- Conmutativo : < u; v >= uT v= vT u
1 2 1 2
72
= < v; u >T =< v; u >
1 1
- Bilineal : hu; v + wi = uT ( v + w) = hu; vi +
1 2
hu; wi, y por la propiedad conmutativa se veri…ca también en la
primera variable.
- De…nido positivo : Si u = (x; y) ; hu; ui = (x + y)2 + y 2 0, y es
cero sólo si x = y = 0
Por el contrario, la aplicación :
1 1
hu; vi = uT v
1 1
no es un producto escalar. Es bilineal y conmutativo pero no es de…nido
positivo pues, por ejemplo, h(0; 1) ; (0; 1)i = 1 < 0.
3. En Rn la aplicación de…nida por
hu; vi = uT Av
con A 2 Mn n (R) simétrica A = AT es siempre conmutativo y
bilineal, por lo que será un producto escalar si es de…nido positivo.
6 yj hv1 ; vj i 7
6 j=1 7
6 n 7
6 P 7
6 yj hv2 ; vj i 7
= [x1 x2 xn ] 6
6 j=1
7
7
6 .. 7
6 . 7
6 n 7
4 P 5
yj hvn ; vj i
j=1
73
2 32 3
hv1 ; v1 i hv1 ; v2 i hv1 ; vn i y1
6 hv2 ; v1 i hv2 ; v2 i 6 7
hv2 ; vn i 7
76
y2 7
= [x1 x2 xn ] 6
4 56 .. 7
4 . 5
hvn ; v1 i hvn ; v2 i hvn ; vn i yn
de donde
2 3
hv1 ; v1 i hv1 ; v2 i hv1 ; vn i
6 hv2 ; v1 i hv2 ; v2 i hv2 ; vn i 7
6 7
hu; vi = uT Gv con G = 6 .. .. .. 7
4 . . . 5
hvn ; v1 i hvn ; v2 i hvn ; vn i
4.4 Ejemplo :
En Rn , la matriz de Gram del producto escalar usual, de la base canónica,
es la matriz identidad :
2 32 3
1 0 0 y1
Xn 6 0 1 0 7 6 y2 7
u = (x1 ; x2 ; :::; xn ) 6 76 7
=) u v = xi yi = [x1 x2 : : : xn ] 6 .. .. .. 7 6 .. 7
v = (y1 ; y2 ; :::; yn ) 4 . . . 54 . 5
i=1
0 0 1 yn
[u]B = P [u]B 0
=) hu; vi = [u]TB G [v]B = uTB 0 P T G (P vB 0 )
[v]B = P [v]B 0
= uTB 0 P T GP vB 0 = [u]TB 0 G0 [v]B 0
Luego G0 = P T GP .
74
4.6 Propiedades de la matriz de Gram
Si G = [aij ] 2 Mn n (R) es la matriz de Gram de un producto escalar,
entonces
- G es simétrica G = GT , y
- aii > 0, para 1 i n;
por las propiedades conmutativa y de…nida positiva respectivamente.
4.8 Ejemplo
La norma usual de Rn , inducida por el producto usual, de
u = (x1 ; :::; xn ) 2 Rn es v
u n
uX
kuk = t x21
i=1
75
4.9 Vector unitario, vector normalizado y vectores or-
togonales
Sea V un espacio euclídeo, y sea h ; i su producto escalar. Se llama
u
vector unitario a cualquier vector de norma uno. Si u 6= 0 entonces
kuk
es un vector unitario. En efecto,
1 1
! 12
u u u 2 u 2 kuk2
= ; = hu; ui = =1
kuk kuk kuk kuk2 kuk2
4.10 Ejemplos
1. Sean u = (1; 2) y vp= (3; 4) vectores de R2 , con el producto usual.
Puesto que kuk = 5 y kvk = 5, ninguno de ellos es unitario,
u 1 2
siendo = p ;p el vector normalizado de u. Además no
kuk 5 5
11
son ortogonales, pues u v = 11, siendo = arc cos p
5 5
2. En R4 , con el producto usual, los vectores normalizados de los sigu-
ientes son los que se indican :
pu 1 1
u = (1; 0; 1; 0) =) kuk = = p ; 0; p ; 0
2 =)
kuk 2 2
p v 1 1
v = (0; 1; 0; 1) =) kvk = 2 =) = 0; p ; 0; p
kvk 2 2
w 1 1 1 1
w = (1; 1; 1; 1) =) kwk = 2 =) = ; ; ;
kwk 2 2 2 2
76
4.11 Bases ortogonales y ortonormales
Un conjunto de vectores no nulos, de un espacio vectorial euclídeo V , se
llama ortogonal si son ortogonales dos a dos. Si además todos son unitarios,
el conjunto se llama ortonormal.
Es decir :
hui ; uj i = 0; para i 6= j
fu1 ; :::; um g es ortogonal ()
kui k = 6 0, para 1 i m
hui ; uj i = 0, para i 6= j
fu1 ; :::; um g es ortonormal ()
kui k = 1, para 1 i m
Es claro que :
u1 um
fu1 ; :::; um g ortogonal =) ; :::; ortonormal
ku1 k kum k
77
4.13 Ejemplo
En R3 , el conjunto de vectores
u1 1 1 u2 1 1 u3
v1 = = p ; p ; 0 ; v2 = = p ; p ; 0 ; v3 = = (0; 0; 1)
ku1 k 2 2 ku2 k 2 2 ku3 k
hv2 ; u1 i
hu2 ; u1 i = hu2 ; u1 i + 21 hu1 ; u1 i = 0 =) 21 =
ku1 k2
Por lo tanto
hv2 ; u1 i
u2 = v2 u1
ku1 k2
- A continuación se elige u3 = v3 + 31 u1 + 32 u2 con la condición de
que hu3 ; u1 i = hu3 ; u2 i = 0, para lo que se necesita que
hv3 ; u1 i
hu3 ; u1 i = hu3 ; u1 i + 31 hu1 ; u1 i + 0 = 0 =) 31 =
ku1 k2
hv3 ; u2 i
hu3 ; u2 i = hu3 ; u2 i + 32 hu2 ; u2 i = 0 =) 32 =
ku2 k2
78
Por lo tanto
hv3 ; u1 i hv3 ; u2 i
u3 = v3 u1 u2
ku1 k2 ku2 k2
- Y así sucesivamente, se obtiene :
X
k 1
hvk ; uj i
uk = vk 2 uj
j=1
ku j k
para 2 k m.
Para obtener una base ortonormal, se aplica el proceso de normalización
después de aplicar Gram-Schmidt :
Base Gram Schmidt Base ortogonal N ormalizacion
! Base ortonormal
!
4.15 Ejemplo
Sea S el subespacio de R4 generado por el conjunto de vectores
B = fv1 = (1; 1; 0; 0) ; v2 = (1; 1; 1; 1) ; v3 = ( 1; 0; 2; 1)g
que es linealmente independiente (es una base de S). Aplicando el proceso
de Gram-Schmidt :
u1 = v1 = (1; 1; 0; 0)
hv2 ; u1 i 0
u2 = v2 u1 u1 = (1; 1; 1; 1)
ku1 k2 2
hv3 ; u1 i hv3 ; u2 i 1 3 1
u3 = v3 u1 2 u2 = v3 u1 = 1; 1; ;
ku1 k2 ku2 k 2 2 2
Una base ortogonal de S es
3 1
BOT G = u1 = (1; 1; 0; 0) ; u2 = (1; 1; 1; 1) ; u3 = 1; 1; ;
2 2
y una base ortonormal :
u1 1 1 u2 1 1 1 1
BOT N = w1 = = p ; p ; 0; 0 ; w2 = = ; ; ;
ku1 k 2 2 ku2 k 2 2 2 2
p p p p !)
u3 2 2 2 2
w3 = = ; ; ;
ku3 k 3 3 2 6
79
4.16 Coordenadas de un vector respecto de una base
ortonormal
Si B = fe1 ; :::; en g es una base ortonormal de un espacio vectorial euclídeo
V , entonces :
X
n
v= hv; ei i ei = [hv; e1 i ; :::; hv; en i]B
i=1
S ? = fv 2 V : hu; vi = 0; 8 u 2 Sg
4.18 Ejemplo
En R4 , con el producto usual, el complementario ortogonal del subespacio
es el subespacio :
80
4.19 Teorema
Si S es un subespacio vectorial del espacio vectorial euclídeo V , se cumple
que
V = S S?
Como consecuencia : dim S + dim S ? = dim V .
Demostración :
- S \ S ? = f0g :
u 2 S \ S ? =) hu; ui = kuk2 = 0 =) u = 0
- S + S?
- Si S = f0g, entonces S ? = V y el resultado es evidente.
- Si S 6= f0g, se amplía una base ortogonal fv1 ; :::; vk g de S a una
base ortogonal fv1 ; :::; vk ; vk+1 ; :::; vn g de V , y entonces cualquier vector
u 2 V se puede expresar como
X
n X
k X
n
u= xi vi = xi vi + xi vi = v + w con v 2 S y w 2 S ?
i=1 i=1 i=k+1
4.20 Proyecciones
Si S un subespacio vectorial del espacio vectorial euclídeo V , cada vector
u 2 V se descompone de forma única como suma de un vector de S y otro
de S ? , que se llaman, respectivamente, proyecciones de u sobre S y
sobre S ? , y se representan :
v2S v = proyS u
u = v+w con =) y u = proyS u+proyS ? u
w 2 S? w = proyS ? u
Se de…ne el ángulo que forman un vector u 2 V con un subespacio S
como el ángulo que forma con su proyección, es decir :
hu; proyS ui
cos = ; = ^ (u; S) = ^ (u; proyS u)
kuk kproyS uk
y la distancia entre ellos como la norma de su proyección sobre S ? , es
decir:
d (u; S) = kproyS ? uk = ku proyS uk
81
4.20.1 Cálculo de la proyección
Sea S un subespacio vectorial del espacio vectorial euclídeo V . Para hallar
la proyección de un vector u 2 V sobre S se puede proceder, según el caso,
de cualquiera de las siguientes formas :
- Si u = v + w con v 2 S y w 2 S ? , entonces v = proyS u
- Si B = fw1 ; :::; wk g es una base ortonormal de S, entonces
X
k
proyS u = hu; wi i wi
i=1
4.21 Ejemplo
En R4 con el producto usual, para hallar la proyección de u = (0; 2; 1; 1)
sobre el subespacio S = f(x1 ; x2 ; x3 ; x4 ) : x1 + x2 = 0g hay que hallar una
base, a ser posible ortonormal. Puesto que
8 9
>
> x 1 = >
>
< =
x2 =
S = (x1 ; x2 ; x3 ; x4 ) : ; ; ; 2R =
>
> x3 = >
>
: ;
x4 =
= Gen (fu1 = (1; 1; 0; 0) ; u2 = (0; 0; 1; 0) ; u3 = (0; 0; 0; 1)g)
82
una base ortogonal es fu1 ; u2 ; u3 g, y una base ortonormal :
1 1
w1 = p ; p ; 0; 0 ; w2 = (0; 0; 1; 0) ; w3 = (0; 0; 0; 1)
2 2
La proyecciónd e u sobre S es
2
proyS u = (u w1 ) w1 +(u w2 ) w2 +(u w3 ) w3 = p w1 +w2 w3 = ( 1; 1; 1; 1)
2
y sobre S ? es
4.23 Ejemplos
2 3
0 1 0
1. La matriz S = 1 4 0 0 5 es simétrica y, por lo tanto, ortogonal-
0 0 1
mente diagonalizable. Sus autovalores son 1, con multiplicidad 2, y
83
1. Los subespacios propios asociados, y la base ortogonal respecto
de la que es diagonalizable, son :
84
GUÍA DE EJERCICIOS
UNIDAD: ESPACIOS EUCLÍDEOS
85
(a) Halla la matriz de Gram respecto de la base B
(b) Halla la matriz de Gram respecto de la base
B 0 = fv1 v3 ; v2 + v3 ; v2 + v3 g
(c) Halla una base respecto de la que hu; vi = uT v
10. En un espacio
2 vectorial euclídeo,
3 cuyo producto escalar tiene por matriz
1 0 0
de Gram 4 0 2 1 5 en la base B = fu1 u2 ; u3 g, calcula la
0 1 2
proyección ortogonal de u3 sobre S = Gen (fu1 ; u2 g).
86
13. En R4 con el producto usual, halla la distancia del vector (1; 0; 1; 0)
x1 + x2 = 0
al subespacio S . Calcula S ?
x2 + x3 x4 = 0
14. Se considera P2 (R) con el producto escalar
16. Sean B = f(1; 1; 0) ; (1; 0; 1) ; (1; 2; 0)g una base de R3 . Estudia si son
simétricas las aplicaciones lineales T1 ; T2 : R3 ! R3 cuyas matrices
respecto de B son :
2 3 2 3
1 4 2 4 5 6
[T1 ]B = A1 = 4 2 2 3 5 [T2 ]B = A2 = 4 4 2 7 5
0 3 0 3 5 4
87
2 3
4 0 4 6
6 0 1 0 0 7
(c) C = 6
4 4
7
0 0 2 5
6 0 2 5
2 3
5 4 4
(d) D = 4 4 5 4 5
4 4 5
2 3
1 5 0
(e) E = 4 5 1 0 5
0 0 4
20. Sea A 2 M2 (R) una matriz simétrica tal que (A) = f1; 9g y
u = (1; 1) es un autovector asociado al autovalor 1. Halla razonada-
mente :
88
p
(d) kT (0; 1; 0)k = 6
Soluciones
1. La matriz identidad.
1 2 5
2. En CR ([ 1; 1]) : arccos = 120o , arccos p y arccos p
2 7 2 7
2 7 4
En P2 (R) : arccos p ; arccos p y arccos p
10 55 44
1
3. arccos p
n
89
2 3
2 1 5
4. G = 4 1 1 3 5
5 3 14
5.
1 1 1
(a) w1 = p (1; 2; 0; 0) ; w2 = p (2; 1; 0; 5) ; w3 = p (2; 1; 6; 1)
5 30 42
1
(b) w1 ; w2 ; w3 ; w4 = p (2; 1; 1; 1)
7
6.
1 1
(a) p (1; 0; 1) ; p ( 1; 1; 1) ; S1? = Gen (f(1; 2; 1)g)
2 3
1 1
(b) p (1 x) ; 3x 1 ; S2? = Gen x2 x +
3 6
1 1 1
(c) p (1; 0; 1; 0) ; p ( 1; 2; 1; 0) ; p (1; 1; 1; 3) ; S3? = Gen (f1; 1; 1; 1g)
6 6 12
7.
2 3
9 3 0
(a) G (B) = 4 3 4 3 5
0 3 9
2 3
18 9 9
(b) G (B 0 ) = 4 9 19 5 5
9 5 7
1 1 1
(c) (1; 0; 0) ; (0; 0; 1) ; p (1; 3; 1)
3 3 3 2
8. T (x; y) = ( y; x)
9. proy Wu = ( 1; 1; 1; 1)
1
10. proyS u3 = u2
2
90
11.
(a)
4
(b) f(1; 1; 0) ; (0; 0; 1)g
3 3 1
(c) ; ;
2 2 2
12.
2
3
2 1 1
1
(a) G (B) = 4 1 2 1 5
2
1 1 2
(b) d (P; 0) = 5
x=z
(c) (x; y; z) :
y=0
p
35
13. ; S ? = Gen (f(1; 1; 0; 0) ; (0; 1; 1; 1)g)
5
14.
( p )
1 x 6 2
(a) p ; p ; x2
3 2 2 3
2 3
3 0 2
(b) G = 4 0 2 0 5
2 0 2
2
(c) Gen x; x2
3
1
(d)
3
1
(e)
3
15. Si v = 0 o w = 0, entonces T (u) = 0; 8 u 2 R3 , y por tanto
Kert = R3 ; imT = f0g y (T ) = f0g
91
17.
20.
(a) v = (1; 1) 2 S9
5 4
(b) A =
4 5
92
1 0 1
(c) Hay cuatro posibles matrices : B = P P con
0 3
1 1
P =
1 1
2 3
0 1 1
21. A = 4 1 2 1 5
1 1 0
22. Si es ortogonalmente diagonalizable :
(A) = f0; 1; 2g ; S0 = Gen (f( 1; 0; 1)g) ; S1 = Gen (f(0; 1; 0)g) y
S2 = Gen (f(1; 0; 1)g)
2 3
1 1 1
1
23. A = 4 1 1 1 5
3
1 1 1
1 1 1
24. B = p (1; 0; 1) ; p (1; 2; 1) ; p (1; 1; 1)
2 6 3
2 3
2 1 1
14
25. [T ]c = 1 2 1 5
3
1 1 2
26.
93
5 Transformaciones ortogonales
5.1 Transformación ortogonal
Se llama transformación ortogonal a un endomor…smo T : V ! V
sobre un espacio vectorial euclídeo (V; < ; >) que conserva el producto
escalar, es decir que
5.3 Ejemplos
1 1 1
1. La matriz A = p es ortogonal, pues
2 1 1
1 1 1 1 1 1 1 2 0
AT A = p p = =I
2 1 1 2 1 1 2 0 2
1 1 1
2. La matriz A = p no es ortogonal, pues
2 1 2
1 1 1 1 1 1 1 2 1
AT A = p p = 6= I
2 1 2 2 1 2 2 1 5
5.4 Teorema
Sea A = [T ]B la matriz de la transformación ortogonal T : V ! V
respecto de una base ortonormal B de (V; < ; >). Entonces :
94
Demostración : Basta observar que
5.5 Observación
Si A = [aij ]1 i;j n 2 Mn n (R), entonces AT = [bij = aji ]1 i;j n y
AT A = [cij ]1 i;j n donde
X
n X
n
cij = bik akj = aki akj = ci cj
k=1 k=1
5.6 Lema
La matriz de un cambio de base entre bases ortonormales es ortogonal
5.7 Teorema
Sea T : V ! V una transformación sobre el espacio euclídeo (V; < ; >).
Entonces, la transformación T es ortogonal si y sólo si conserva la norma,
es decir :
T es ortogonal () kT (v)k = kvk , 8 v 2 V
Demostración :
(=)) Si T es ortogonal, entonces
p p
kT (v)k = hT (v) ; T (v)i = hv; vi = kvk
95
para todo v 2 V , es decir conserva la norma.
5.8 Observación
Las transformaciones ortogonales conservan normas, distancias, ángulos.
5.9 Teorema
Sea T : V ! V una transformación sobre el espacio euclídeo (V; h ; i).
Entonces, la transformación T es ortogonal si y sólo si transforma bases
ortonormales en bases ortonormales.
Demostración :
(=)) Si T es ortogonal, y B = fei ; ej ; :::; en g es una base ortonormal,
entonces :
0 ; si i 6= j
hT (ei ) ; T (ej )i = hei ; ej i =
1 ; si i = j
de donde se deduce que fT (e1 ) ; T (e2 ) ; :::; T (en )g es una base ortonormal.
X
n
hu; vi = h[(x1 ; x2 ; :::; xn )]B ; [(y1 ; y2 ; :::; yn )]B i = xi yi
i=1
96
y también que
* n +
X X
n D E
hT (u) ; T (v)i = xi T (ei ) ; yi T (ej ) = [(x1 ; x2 ; :::; xn )]f (B) ; [(y1 ; y2 ; :::; yn )]f (B)
i=1 i=1
X
n
= xi yi
i=1
luego hT (u) ; T (v)i = hu; vi, y la aplicación T es ortogonal.
97
se tiene que :
1 1 b2 a2 2ab
C = [Sr ]Bc = P AP = 2
a + b2
2 2ab a b2
98
5.11 Teorema
El determinante de una matriz ortogonal es 1.
Demostración : Si A 2 Mn n (R) es una matriz ortogonal se cumple
que AT A = I, y tomando determinantes :
AT A = jAj2 = 1 =) jAj = 1
5.12 Teorema
Los valores propios reales de una transformación ortogonal sólo pueden ser
1 ó 1.
Demostración : Si 2 R es un valor propio de la transformación
ortogonal T : V ! V , existen vectores propios no nulos v 2 V tales
que T (v) = v. Puesto que las transformaciones ortogonales conservan la
norma:
kvk = kT (v)k = k vk = j j kvk =) j j = 1 =) = 1
99
1. Si jAj = 1, entonces
a c
A= con jAj = a2 + c2 = 1
c a
luego existe un único 2 [0; 2 ) tal que a = cos y c = sen de
donde
cos sen
A=
sen cos
y la transformación ortogonal es un giro, centrado en el origen, de
ángulo con
tr (A)
tr (A) = 2a = 2 cos =) = ar cos
2
2. Si jAj = 1, entonces
a c 2
A= con jAj = a2 + c 2 = 1 y P( )= 1
c a
100
5.14 Clasi…cación de las transformaciones ortogonales
en R3
Sea T : R3 ! R3 una transformación ortogonal cuya matriz respecto de
una base ortonormal es A, es decir :
2 3
x
4
T (x; y; z) = A y 5 con AT A = I
z
101
y la transformación T en el plano S (1)? , que no puede ser una
simetría, es un giro centrado en el origen. Luego la transformación
ortogonal T es un giro con eje en la recta r S (1) y su matriz
respecto de la base B es
2 3
1 0 0
[T ]B = 4 0 cos sin 5
0 sin cos
tr (A) 1
1 + 2 cos = tr (A) =) = arccos
2
Gen (fT (u2 ) ; T (u3 )g) = Gen (fu2 ; u3 g) = Gen (fu1 g)?
tr (A) + 1
1 + 2 cos = tr (A) =) rc cos
2
102
En el caso particular de que = , entonces
2 3
1 0 0
[T ]B = 4 0 1 0 5
0 0 1
103
GUÍA DE EJERCICIOS
UNIDAD: TRANSFORMACIONES ORTOGONALES
1. En R2 , estudia la ortogonalidad de las transformaciones lineales cuyas
matrices, respecto de la base canónica, son :
1 4
(a) A =
1 5
1 3
(b) B =
1 2
1 2
(c) C =
2 5
" p #
1 3
(d) D = p2 2
3 1
2 2
" p #
3 1
(e) E = 2 p2
1 3
2 2
" p #
3 1
(f) F = 2 p2
1 3
2 2
(b) B = 4 0 1
2 2
3 5
1 0 0
2 3
1 2 2
(c) C = 4 2 1 2 5
2 2 1
104
4. Sea T : V ! V una transformación lineal, de…nida sobre el espacio
euclídeo V , cuyas ecuaciones respecto de una base ortonormal B son
: 8 0 1
< x = 3 (x 2y 2x)
y 0 = 31 ( 2x + y 2z)
: 0 1
z = 3 ( 2x 2y + z)
105
8. Halla la matriz, respecto de la base canónica, de una transformación
lineal simétrica T : R3 ! R3 que conserva la norma de todos los vec-
tores del plano x z = 0 y tal que S ( 1) = f(x; y; z) : x + 2y + z = 0g
Soluciones
2.
p p
(a) Simetría respecto del plano 2 2 x2z = 0
3 n o
(b) Giro de ángulo = arccos y eje la recta Gen 1; p13 ; 1
4
(c) Composición de una simetría respecto del plano y z = 0 con
1 x=0
un giro de ángulo = arccos y
3 y+z =0
106
2 3
2 1 0 1
6 1 2 0 1 7
3. W ? = Gen (f(0; 0; 1; 0) ; (1; 1; 0; 1)g) y [Pr oyW ]Bc = 13 6
4
7.
0 0 0 0 5
1 1 0 2
No es una transformación ortogonal.
4.
2 3
1 2 2
14
(a) [T ]B = A = 2 1 2 5
3
2 2 1
(b) AT A = I
(c) S = S (1) = Gen (f(1; 0; 1) ; (0; 1; 1)g), y T S ? = S ?
(d) Simetría respecto del plano x + y + z = 0
5.
0 1
(a)
1 0
1 3 4
(b)
5 4 3
p
3 1
(c) 2 p2
1 3
2 2
6.
2 4
3 2
5
0 5
(a) 4 5
2
0 5 1
5
0 0 0
2 3 4 3
5 5
0
(b) 4 45 35 0 5
0 0 1
2 3
0 p12 p12
6 1 7
(c) 4 p12 1
2 2 5
p1 1 1
2 2 2
107
2 p p p 3 2 p p p 3
2 2 2 2 2 2 5 4+3 2 4 3 2
5p 10
p 2 p5 10p 10p
6 4 3 2 3+4 2 1 7 6 3 2 3 4 2 3+4 2 7
(d) c b = 4 10p 10p 2 5 y b c=4 10 10 10
5
4+3 2 3 4 2 1 p1 1 1
10 10 2 2 2 2
7.
(a) No
(b) No
2 3
2 2 1
14
8. 2 1 2 5
3
1 2 2
9.
(a) No
(b) (T ) = f0; 3; 6g con S (0) = Gen (f(2; 2; 1)g) ; S (3)
= Gen (f(1; 2; 2)g) y S (6) = Gen (f(2; 1; 2)g)
0 1
0 0 0
2 2 1 1 2 2 2 1 2
(c) Gen = @ 0 3 0 A con B = ; ; ; ; ; ; ; ;
3 3 3 3 3 3 3 3 3
0 0 6
10.
2 3 4
3
5
0
5
(a) [T ]Bc = 4 4
5
0 5, con S (1) = Gen (f(2; 1; 0) ; (0; 0; 1)g) y
3
5
0 0 1
S ( 1) = Gen (f(1; 2; 0)g). Simetría respecto del plano S (1)
2 3 4
3
5 5
0
(b) [T ]Bc = 4 45 3
5
0 5, con S (1) = Gen (f(2; 1; 0)g) y
0 0 1
S ( 1) = Gen (f(1; 2; ; 0) ; (0; 0; 1)g). Giro de eje S (1) y ángulo
.
2 3 4
3
5 5
0
(c) [T ]Bc = 4 45 3
5
0 5, con S (1) = Gen (f(1; 2; 0) ; (0; 0; 1)g)
0 0 1
y
S ( 1) = Gen (f(2; 1; 0)g). Simetría respecto del plano S (1)
108
2 3 4
3
5 5
0
(d) [T ]Bc = 4 4
5
3
5
0 5, con S (1) = Gen (f(1; 2; 0)g) y
0 0 1
S ( 1) = Gen (f(2; 1; 0) ; (0; 0; 1)g). Giro de eje S (1) y ángulo
.
6 Nociones básicas
De…nicion 1 Una matriz A de orden m n es un arreglo rectangular de
mn números reales o complejos ordenados en m …las y n columnas. En
general, A tiene la siguiente forma
2 3
a11 a12 aij a1n
6 a21 a22 a2j a2n 7
6 . .. .. .. 7
6 . 7
6 . . . . 7
A=6 7 = [aij ]m n
6 ai1 ai2 aij ain 7
6 . .. .. .. 57
4 .. . . .
am1 am2 amj amn m n
Observacion 2
109
3. Si A = [aij ] es una matriz cuadrada de orden n, la diagonal principal
de la matriz A está conformada por las entradas: a11 ; a22 ; :::::; ann .
4. Si A = [aij ] es una matriz cuadrada de orden n, la traza de A se de…ne
y denota por:
X
n
tr (A) = akk
k=1
110
2. Determinar la matriz A de orden 2 3 cuyas entradas se de…nen por:
1
aij = (i j)
2
Solucion 4
1 i 2
Notamos que: luego,
1 j 3
a11 = 0 ; a12 = 12 ; a13 = 1
a21 = 12 ; a22 = 0 ; a23 = 1
2
Por tanto,
1
0 2
1
A= 1 1
2
0 2
111
Notar que la matriz identidad es un caso particular de matriz escalar,
cuando k = 1.
es decir,
2 3
a11 0 0
6 .. 7..
6 0 a22 . 7 .
6 .. ... ... ... 7 ..
D = 6
6 . 7
7 .
6 .. .. .. 7
4 . . . 0 5
0 0 ann n n
= diag fa11 ; a22 ; :::::; ann g
aij = 0; 8i > j
es decir, 2 3
a11 a12 a1n
6 ... .. 7
6 0 a22 . 7
6 .. .. .. .. .. 7
T=6
6 . . . . . 7
7
6 .. ... ... 7
4 . a(n 1)n 5
0 0 ann n n
aij = 0; 8i j
aij = 0; 8i < j
112
es decir, 2 3
a11 0 0
6 .. .. 7
6 a21 a22 . . 7
6 .. .. .. .. ..7
T=6
6 . . . . .7
7
6 .. .. .. 7
4 . . . 0 5
an1 an(n 1) ann n n
aij = 0; 8i j
4 6
1. A0 1 =
@
= 1; 4 A 7 9
=2
2. A( =2;3;4) = 1 2 3
3. A0 1
@
= 2; 3; 4 A
= 1; 2
113
De…nicion 9 Sea A = [aij ]m n y B = [bij ]m n matrices del mismo orden,
se de…ne y denota
Teorema 10
1. A = B =) B = A, 8A; B matrices
2. (A = B ^ B = C) =) A = C, 8A; B; C matrices
1. A + B = B + A, 8A; B matrices
2. (A + B) + C = A + (B + C), 8A; B; C matrices
3. A + O = A, 8A matriz
4. Si A = [aij ]m n y A = [ aij ]m n, entonces
A + ( A) = O
III) El producto de un escalar por una matriz cumple las siguientes propiedades:
Ejemplo 11
114
1. Dadas las matrices
2 3
2 1 3 3
2 6 2 4 7
6 2 7 6 7
A=4 1 1 5 y B = 6 5 3 7
4 1 5
0 4 6
4
Calcular:
2 3
2 1 3 3 2 3
2 6 4 7 1 6
6 7 6 2 7 6 7
a) A + B = 4 12 1 5+6 5 3 7=4 6 2 5
4 1 5 15
0 4 6 6
4 4
2 3
3 2 3
6 2 4 7 6 16
6 7 4 5
b) 4B = 4 6 5 3 7 = 20 12
4 1 5
6 24 1
4
2 3
2 3 3
1
2 6 2 4 7 2 5 20
3
6 7 6 7
c) 10A 4B = 10 4 12 1 5 46 5 3 7 = 4 10 10 5
4 1 5
0 4 6 0 40
2 3 2 3 4
6 16 11 4
4 20 12 5 = 4 10 22 5
24 1 24 41
(B + C) D BX = C + B
115
Solucion 12
(B + C) D BX = C + B = (B + C) D
O BX = (B + C) D + C + B
BX = (B + C) D + C + B = ( 1)
BX = (B + C) D C B
BX = BD + CD C B
BX = BD + B C B
BX = BD C = A
ABX = ABD AC
In X = In D AC
X = D AC
2 3
b1
6 b2 7
6 . 7
6 7
De…nicion 13 Sean A = a1 a2 an y B = 6 .. 7 matrices
6 . 7
4 .. 5
bn
…la y columna respectivamente, se de…ne la matriz producto AB por
2 3
b1
6 b2 7
6 . 7
6 7
AB = a1 a2 an 6 .. 7
6 . 7
4 .. 5
bn
= a1 b1 + a2 b2 + :::: + an bn
Xn
= ak b k
k=1
Mas general aún, si A = [aij ]m1 n1 y B = [bij ]m2 n2 son matrices de orden
m1 n1 y m2 n2 respectivamente, la matriz producto AB está de…nida
si y sólo si n1 = m2 , es decir cuando el número de columnas de A es igual
al numéro de …las de B, y en este caso
h i
AB = [! ij ]m1 n2 = (AB)ij
m1 n2
116
donde
Observacion 14
Notar que
1. F ili (AB) = F ili (A) B = F ili (A) Col1 (B) F ili (A) Col2 (B) F ili (A) Coln
2 3
F il1 (A) Coli (B)
6 F il2 (A) Coli (B) 7
6 .. 7
6 7
2. Coli (AB) = AColi (B) = 6 . 7
6 .. 7
4 . 5
F ilm1 (A) Coli (B) m1 1
Ejemplo 15
117
2 3
2
6 5 7
2. (BA)22 = F il2 (B) Col2 (A) = 5 4 3 2 6
4
7 = 10 20 +
8 5
11
24 22 = 8
2 3
0 1 7 8
3. F il4 (AB) = F il4 (A) B = 10 11 12 4 5 4 3 2 5 = 17 62 97 94
6 8 5 3
2 3
2 3 1 2 3
0 1 7 8 6 35
4 7
4
4. Col1 (BA) = BCol1 (A) = 5 4 3 2 56 7 4
4 7 5 = 10
5
6 8 5 3 21
10
2 3 2 3
1 3 2
2 3 8 17 16 13
6 4 0 1 7 8
6 7
5 6 11 32 43 40 7
5. AB = 6
4 7
74 5 4 3 2 5=6 7
9 5
8 4 14 47 70 67 5
6 8 5 3
10 11
12 17 62 97 94
2 3
2 3 1 2 3 2 3
0 1 7 8 6 7 35 37 39
4 5 6 7 4
6. BA = 4 5 4 3 2 5 6
4 7 = 10 8 6 5
8 9 5
6 8 5 3 21 21 21
10 11 12
Observacion 16
0 0
AB =
0 0
pero A 6= O y B 6= O.
118
1 2
3. AB = AC no implica que B = C. Por ejemplo, si A = ,
2 4
2 1 2 7
B= yC= , entonces
3 2 5 4
1 2 2 1 8 5
AB = =
2 4 3 2 16 10
1 2 2 7 8 15
AC = =
2 4 5 4 16 30
pero B 6= C.
1. A (BC) = (AB) C
2. A (B + C) = AB + AC
3. (A + B) C = AC + BC
Observacion 18
In A = AIn = A
Ejemplo 20
119
1 1
1. Sea A = , determinar la matriz
2 3
Solucion 21
1 1 1 1 1 4
A2 = =
2 3 2 3 8 7
1 4 1 1 9 11
A3 = A2 A = =
8 7 2 3 22 13
luego,
9 11 1 4 1 1 1 0
3A3 2A2 + 5A + 4I2 = 3 2 +5 +4
22 13 8 7 2 3 0 1
27 33 2 8 5 5 4 0
= + +
66 39 16 14 10 15 0 4
16 30
=
60 44
1 1
2. Sea A = , determinar
0 1
a) Ak
Xn
b) Ak
k=1
Solucion 22
120
a)
1 1 1 1 1 2
A2 = =
0 1 0 1 0 1
1 2 1 1 1 3
A3 = A2 A = =
0 1 0 1 0 1
.. ..
. .
.. ..
. .
1 k
Ak = , ¡Demostrar por inducción!
0 1
b)
X
n X
n
1 k
k
A =
0 1
k=1 k=1
1 1 1 2 1 n
= + + +
0 1 0 1 0 1
n 1+2+ n
=
0 n
" #
n (n + 1)
= n , ¡Demostrar por inducción!
2
0 n
Teorema 25
T
1. a) AT = A, 8A
121
b) (A ) = A, 8A
2. a) (A + B)T = AT + BT , 8A; B
b) (A + B) = A + B , 8A; B
3. a) (AB)T = BT AT , 8A; B
b) (AB) = B A , 8A; B
4. a) (kA)T = kAT , 8A y 8k
b) (kA) = kA , 8A y 8k
Ejemplo 26
2 3 2 3
1 6 2 i 0 2
1. Si A = 4 0 5 5 4
8 y B= 6 2+i 1 5, entonces
9 4 3 0 3 3
2 3 2 3
1 0 9 1 0 9
a) AT = 4 6 5 4 5 y A = 4 6 5 4 5
2 8 3 2 8 3
2 3 2 3
i 6 0 i 6 0
b) BT = 4 0 2 + i 3 5y B =4 0 2 i 3 5
2 1 3 2 1 3
122
c) Veri…car la propiedad: (AB)T = BT AT
2 32 3
1 6 2 i 0 2
AB = 4 0 5 8 54 6 2 + i 1 5
9 4 3 0 3 3
2 3
36 i 6 + 6i 14
= 4 30 14 + 5i 29 5
24 + 9i 17 + 4i 23
2 3
36 i 30 24 + 9i
(AB)T = 4 6 + 6i 14 + 5i 17 + 4i 5
14 29 23
2 32 3
i 6 0 1 0 9
BT AT = 4 0 2 + i 3 54 6 5 4 5
2 1 3 2 8 3
2 3
36 i 30 24 + 9i
= 4 6 + 6i 14 + 5i 17 + 4i 5
14 29 23
3
2p+ i 1 2
2. Si A = , entonces
2 i 5 2i
2 p 3 2 p 3
2+i 2 2 i 2
T
A = 4 1 i 5 y A =4 1 i 5
3 3
2
5 2i 2
5 + 2i
123
2. Si A = [aij ]n n es una matriz antisimétrica, entonces
A= AT () [aij ]n n = [aji ]n n
() aii = aii ^ aij = aji , 8i; j
() 2aii = 0 ^ aij = aji , 8i; j
() aii = 0 ^ aij = aji , 8i; j
Ejemplo 29
23
1 2 3
1. La matriz A = 4 2 4 5 5 es simétrica porque A = AT
3 5 6
2 3
0 1 2
2. La matriz A = 4 1 0 3 5 es antisimétrica porque A = AT
2 3 0
A = As + Aa
Indicación: De…nir
1 1
As = (A + AT ) y Aa = (A AT ) y probar que ambas son simétrica
2 2
y antisimétrica y respectivamente.
AB = BA = In
124
Teorema 33
1. Si una matriz tiene inversa, entonces su inversa es única.
1
2. Si A es una matriz no singular, entonces A es no singular y
1 1
A =A
Ejemplo 34
1. Determine la relación que deben cumplir las entradas a, b, c y d para
que la matriz
a b
A=
c d
sea invertible.
3 4
2. Determine si la matriz A = es invertible, en caso a…rmativo,
5 6
encontrar A 1 .
Solucion 35
1 x y 1
1. Sea la matriz A = tal que AA = A 1 A = I2 , luego
z w
1 a b x y
AA =
c d z w
ax + bz ay + bw
=
cx + dz cy + dw
1 0
=
0 1
125
Por igualdad de matrices, se tiene que:
ax + bz = 1 ay + bw = 0
y
cx + dz = 0 cy + dw = 1
1 1 d b
A =
ad bc c a
1 1 6 4
A =
2 5 3
3 2
= 5 3
2 2
126
Paso 3: Si B = In , entonces P = A 1 . Si B 6= In , entonces A no es
invertible.
Solucion 38
2 3 2 3
.. .
1 1 1 . 1 0 0 1 1 1 .. 1 0 0 1
6 . 7 f31 ( 5) 6 . 7 f2 2
6
1. [A : I3 ] = 4 0 2 3 .. 0 1 0 5 7 6 3 .. 0 1 0 7 !
! 4 0 2 5 1
.. . f3
5 5 1 . 0 0 1 0 0 4 .. 5 0 1 4
2 3 2 3
.. .. 1 1
1 1 1 . 1 0 0 1 1 0 . 0
6 . 7 f13 ( 1) 6 ..
4 4 7 f12 ( 1)
6 0 1 3 .. 0 1 0 7 ! 6 0 1 0 . 15 1 3 7
4 2 2 5 3
4 8 2 8 5 !
.. 5 1 f23 2
.. 5 1
0 0 1 . 4
0 4
0 0 1 . 4
0 4
2 3
.
1 0 0 .. 13 1 1
6 8 2 8 7
6 0 1 0 ... 15 1 3 7. Por tanto,
4 8 2 8 5
.
0 0 1 .. 5
4
0 1
4
2 13 1 1
3
8 2 8
A 1
=4 15
8
1
2
3
8
5
5 1
4
0 4
2 3 2 3
. .
1 2 3 .. 1 0 0 1 2 3 .. 1 0 0
6 .. 7 f21 ( 1) 6 . 7 f32 ( 3)
2. [A : I3 ] = 6
4 1 2 1 . 0 1 0 75 ! 6 0
4 4 4 .. 1 1 0 7
5 !
.. f31 ( 5) .
5 2 3 . 0 0 1 0 12 12 .. 5 0 1
127
2 3 2 3
. .
1 2 3 .. 1 0 0 1 2 3 .. 1 0 0
6 . 7 f2 1 6 . 7 f12 ( 2)
6 0 4 4 .. 1 1 0 57 4 6 0 1 1 .. 1 1
0 7
4 ! 4 4 4 5 !
. .
0 0 0 .. 2 3 1 0 0 0 .. 2 3 1
2 3
.
1 0 1 .. 1 1
0
6 .
2 2 7
6 0 1 1 .. 0 7
5. Por tanto A no es invertible porque
1 1
4 4 4
.
0 0 0 .. 2 3 1
2 3
1 0 1
4 0 1 1 5=6 I3
0 0 0
Observacion 39
2 3
j j j
0 0 1 0
Si In = 4 e1 e2 en 5, donde ei = |{z}
i ésima posición
j j j
es el i - ésimo vector columna de la matriz In , entonces reducir la matriz
[A : In ] a la matriz [In : A 1 ] es equivalente a resolver los siguientes n sis-
temas de ecuaciones:
128
a11 a12
1. A =
a21 a22
Solucion 42 Solucion 43
X
2
det A = ( 1)k+1 a1k det A1k
k=1
= a11 det A11 a12 det A12
= a11 det [a22 ] a12 det [a21 ]
= a11 a22 a12 a21
2 3
a11 a12 a13
2. A = 4 a21 a22 a23 5
a31 a32 a33
Solucion 44
X
3
det A = ( 1)k+1 a1k det A1k
k=1
= a11 det A11 a12 det A12 + a13 det A13
a a a a a a
= a11 22 23 a12 21 23 + a13 21 22
a32 a33 a31 a33 a31 a32
= a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a22 a31 )
2 3
1 2 3
3. A = 4 3 1 2 5,
2 3 1
Solucion 45
X
3
det A = ( 1)k+1 a1k det A1k
k=1
= a11 det A11 a12 det A12 + a13 det A13
1 2 3 2 3 1
= 1 ( 2) +3
3 1 2 1 2 3
= 1 (1 6) + 2 (3 4) + 3 (9 2)
= 5 2 + 21
= 14
129
Observacion 46 Para matrices de orden 3, podemos calcular el determi-
nante usando la regla de Sarrus, que consiste en:
(1 ) Repetir la primera y segunda columna de la matriz A, como se mues-
trará mas adelante.
(2 ) Formar la suma de los productos de las entradas sobre las líneas que
van de izquierda a derecha y restamos a este número los productos de
las entradas en las líneas que son de derecha a izquierda.
& & & . . .
a11 a12 a13 a11 a12
& & . & . .
& . & . & .
a21 a22 a23 a21 a22
. & . & . &
. . & . & &
a31 a32 a33 a31 a32
(4) . (5) . (6) . &(1) &(2) &(3)
es decir,
a11 a12 a13
det A = a21 a22 a23
a31 a32 a33
0 1
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 @a13 a22 a31 + a11 a23 a32 + a12 a21 a33 A
| {z } | {z } | {z } | {z } | {z } | {z }
(1) (2) (3) (4) (5) (6)
130
De…nicion 49 Sea A = [aij ] una matriz de orden n. El cofactor Cij de la
entrada aij es:
Cij = ( 1)i+j det Aij
donde Aij denota la submatriz de orden (n 1) que se obtiene de la matriz A
eliminando la i-ésima …la y la j-ésima columna y det Aij se llama el menor
de la entrada aij de la matriz A.
X
n
det A = aik Cik
k=1
X
n
= ( 1)i+k aik det Aik , con 1 i n
k=1
X
n
det A = akj Ckj
k=1
X
n
= ( 1)k+j akj det Akj , con 1 j n
k=1
Ejercicio 51 Calcular
1 3 2 4
4 1 2 3
1. =
3 1 0 3
2 2 0 3
131
Solucion 52 Desarrollo con respecto a la columna j = 3
X
4
= ( 1)k+3 ak3 det Ak3
k=1
= a13 det A13 a23 det A23 + a33 det A33 a43 det A43
4 1 3 1 3 4
= 2 3 1 3 2 3 1 3
2 2 3 2 2 3
= 2 ( 12 6 18 6 + 24 9) 2 (3 + 18 24 8 6 + 27)
= 2 ( 27) 2 (10)
= 74
2 1 5 4 1
0 3 2 3 2
2. = 0 0 1 2 0
0 0 2 1 1
0 0 0 2 0
1. det AT = det A
132
2. Si la matriz B se obtiene de la matriz A al intercambiar dos …las de
A, entonces
det A = det B
det A = det B
det A = 0
det A = 0
p+a b c p b c a b c a b c
9. q+d e f = q e f + d e f y d e f =
r+g h i r h i g h i p+g q+h r+i
a b c a b c
d e f + d e f . Esta propiedad se puede generalizar.
p q r g h i
133
Teorema 55 La matriz A, de orden n, es invertible si y sólo si det A 6= 0.
Además
1
det A 1 =
det A
Ejemplo 56
Solucion 57
3
f21
2 0 1 4 2 2 0 1 4 3
11 f32
3 2 4 2 = 0 2 2
8 2
det A =
2 3 1 0 f31 ( 1) 0 3 2 4 =
11 19
11 8 4 5 0 8 2
17 f42 ( 4)
f41
2
2 0 1 4 2 0 1 4
11 11
0 2 2
8 f43 ( 2) 0 2 2
8
25 25 = 25
0 0 4
8 = 0 0 4
8
25
0 0 2
15 0 0 0 1
2 3
2 1 3 4
6 0 1 7 12 7
b) A = 6
4
7
8 5 5 4 5
3 1 3 1
Solucion 58
2 1 3 4 2 1 3 4
f31 (4)
0 1 7 12 0 1 7 12
det A = = = 0, porque
8 5 5 4 0 1 7 12
f41 32 5 15
3 1 3 1 0 2 2
5
tiene dos …las iguales
134
1. Demostrar, usando propiedades, que
1 a a2
1 b b2 = (b a) (c a) (c b)
1 c c2
Demostración:
1
1 a a2 f21 ( 1) 1 a a2 f2 b a 1 a a2
f32 ( 1)
1 b b2 = 0 b a b 2 a2 = (b a) (c a) 0 1 b a
1 =
1 c c2 f31 ( 1) 0 c a c 2 a2 f31 c a
0 1 c a
1 a a2
(b a) (c a) 0 1 b a = (b a) (c a) (c b)
0 0 c b
7.1 Introducción
ax = b
a1 x1 + a2 x2 + ::: + an xn = b (5.1)
135
Ejemplo 5.1. x1 = 8; x2 = 0 y x3 = 1 es una solución de la ecuación
lineal
2x1 + 3y1 12z1 = 4
pues
2(8) + 3 (0) 12(1) = 4
Observación 5.5.
x 3y = 3
2x + y = 8
136
Ejemplo 5.3. El sistema lineal
x 2y = 5
2x 4y = 3
0 = 13;
x + 2y 3z = 4
2x + y 3z = 4
y=z 4;
x = 4 2y + 3z
= 4 2 (z 4) + 3z
= z+4
x = +4
y = 4
z = ;
137
en la que es cualquier número real. Esto signi…ca que el sistema lineal
(5:3) tiene in…nitas soluciones. Esto es, para cada valor de obtenemos
una solución diferente. Así, si = 1, entonces
x = 5; y = 3; z = 1
x = 2; y = 6; z = 2
es otra solución.
1. Todas las …las que constan sólo de ceros, si los hay, están en la parte
inferior de la matriz.
138
3. Si las …las i y i + 1 son dos …las sucesivas que no consten completa-
mente de ceros, entonces la entrada principal de la …la i + 1 está a la
derecha de la entrada principal de la …la i
4. Si una columna contiene una entrada principal de alguna …la, entonces
el resto de las entradas de esta columna son iguales a cero
De…nición 5.9. Una operación elemental por …la sobre una matriz
A = (aij ) es cualquiera de las siguientes operaciones :
1. Intercambiar las …las r y s de A (frs ). Es decir, reemplazar
ar1 ; ar2 ; :::; arn por as1 ; as2 ; :::; asn y as1 ; as2 ; :::; asn por ar1 ; ar2 ; :::; arn
2. Multiplicar la …la r de A por c 6= 0 (fr (c)). Es decir, reemplazar
ar1 ; ar2 ; :::; arn por car1 ; car2 ; :::; carn
3. Sumar d veces la …la r de A a la …la s de A, r 6= s. Es decir,
reemplazar as1 ; as2 ; :::; asn por as1 + dar1 ; as2 + dar2 ; :::; asn + darn
139
El procedimiento para transformar una matriz a una forma escalonada
reducida por …las aparece a continuación :
Paso 1. Determinar la primera columna (contando de izquierda a
derecha) de A tal que no todas sus entradas sean cero. Esta es la
columna pivote
2 3
0 2 3 4 1
6 0 0 2 3 4 7
A = 6 4 2 2
7
5 2 4 5
2 0 6 9 7
"
columna pivote
140
1
La primera …la de A1 se multiplicó por 2
2 5
3
1 1 2
1 2
6 0 2 3 4 1 7
B1 = 6
4 0
7
0 2 3 4 5
0 2 1 7 3
Se intercambiaron la primera y segunda …la de B para para obtener
B1 2 3
5
1 1 2
1 2
6 0 1 3
2 12 7
B2 = 64 0
2 7
0 2 3 4 5
0 2 1 7 3
141
1
Para obtener B2 , la primera …la de B1 se multiplicó por 2
2 5
3
1 1 2
1 2
6 0 1 3
2 12 7
6
B3 = 4 2 7
0 0 2 3 4 5
0 0 2 3 4
142
de este número se anulen. Denotamos las matrices subsecuentes como
D1 ; D2 ; etc 2 3
5
1 1 2
1 2
6 0 1 3
2 21 7
D = C3 = 6
4 0 0
2 7
1 3
2
2 5
0 0 0 0 0
2 5
3
1 1 2
1 2
6 0 1 0 17 5 7
D1 = 6
4 0 0
4 2 7
1 3
2
2 5
0 0 0 0 0
3
Se sumó 2
veces la tercera …la de D a su segunda …la
2 19
3
1 1 0 4
7
6 0 1 0 17 5 7
D2 = 64 0 0 1
4
3
2 7
5
2
2
0 0 0 0 0
5
Se sumó 2
veces la tercera …la de D1 a su primera …la
2 3
1 0 0 9 192
6 0 1 0 17 5 7
D3 = 4 6 4 2 7
0 0 1 3
2 5
2
0 0 0 0 0
143
7.3 Solución de sistemas lineales
Solución
Paso 1. La matriz aumentada de este sistema lineal es
2 3
1 2 3 j 9
4 2 1 1 j 8 5
3 0 1 j 3
144
Paso 2. Ahora transformamos la matriz del paso 1 a su forma escalonada
reducida por …las como sigue :
2 3
1 2 3 j 9
4 0 5 5 j 10 5
0 6 10 j 24
145
Paso 2. El sistema lineal representado por (5:6) es
9
x=2 =
y= 1
;
z=3
de modo que la única solución del sistema lineal dado (5:5) es
x = 2
y = 1
z = 3
Solución.
Paso 1. La matriz aumentada asociada al sistema lineal es
2 3
1 1 2 5 j 3
6 2 5 1 9 j 3 7
6 7
4 2 1 1 3 j 11 5
1 3 2 7 j 5
146
Hemos ignorado la …la en (5:8) que consta completamente de ceros.
Al despejarse en cada ecuación la incógnita correspondiente a la entrada
principal de cada …la de (5:8), obtenemos
y = 5 2w
y = 2 + 3w
z = 3 + 2w
x = 5 2r (5.9)
y = 2 + 3r
z = 3 + 2r (3)
w = r
147
Paso 2. La ecuación del sistema lineal representado en (5:11) es
0z + 0y + 0z + 0w = 1;
Sistemas homogéneos
Un sistema lineal de la forma
9
a11 x1 + a12 x2 + ::: + a1n xn = 0 > >
>
a21 x1 + a22 x2 + ::: + a2n xn = 0 =
.. .. .. .. (5.12)
. . . . >
>
>
am1 x1 + am2 x2 + ::: + amn xn = 0 ;
148
Ejemplo 5.11. Consideremos el sistema homogéneo
9
x + 2y + 3z = 0 =
x + 3y + 2z = 0 (5.14)
;
2x + y 2z = 0
que está en forma escalonada reducida por …las. Por lo tanto, la única
solución de (5:14) es x = y = z = 0, lo cual signi…ca que el sistema
homogéneo dado (5:14) sólo tiene la solución trivial.
x+y+z+w = 0 (5.15)
x+w = 0
x + 2y + z = 0
149
que está en forma escalonada reducida por …las. Por lo tanto, las soluciones
de (5:15) están dadas por
x = r
y = r
z = r
w = r;
Solución
2 3 2 3 2 3
1 2 3 4 f21 ( 1) 1 2 3 4 1 2 3 4
f (2) 4
A = 4 1 3 5 7 5 ! 4 0 1 2 3 5 32 0 1 2 3 5
!
1 0 1 2 f31 ( 1) 0 2 4 6 0 0 0 0
2 3
1 0 1 2
f12 ( 2) 4
0 1 2 3 5 = equivalente por …las con la matriz A:
!
0 0 0 0
Por tanto,
r (A) = 2
150
Observación 5.15. Para determinar el rango de una matriz basta
con obtener la matriz escalonada por …las, es decir, ésta entrega la misma
información que la matriz escalonada reducida por …las
a. No tiene solución
Solución2 3 2 3
.. ..
1 1 1 . 2 1 1 1 . 2
6 .. 7 f21 ( 2) 6 .. 7 f32 ( 1)
6
[A : b] = 4 2 3 2 . 5 57 6
! 4 0 1 0 . 1 7
5 !
. f31 ( 2) ..
2 3 2
1 .. +1 0 3 2
3 . 3
2 3
..
1 1 1 . 2
6 .. 7
6 0 1 0 . 1 7
4 5
..
0 0 2 3 . 4
151
a. El sistema no tiene solución si y sólo si r (A) 6= r (A : b). Es decir,
cuando 2 3 = 0 y 6 0, equivalentemente
4=
p
= 3 y 2 R f4g
A 1 (Ax) = A 1b
A 1A x = A 1b
In x = A 1b
x = A 1
A 1 (Ax) = A 10
A 1A x = 0
In x = 0
x = 0
152
Por lo tanto, la única solución de Ax = 0 es x = 0
x+y+z = 0
2y + 3z = 0
5x + 5y + z = 0
153
Observación 5.19. Podemos resumir los resultados anteriores en la
siguiente lista de equivalencias.
Las siguientes a…rmaciones son equivalentes :
1. A es no singular
154