Algebra Lineal UNAM 2015

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO
FACULTAD DE INGENIERA
APUNTES DE LGEBRA LINEAL
SEMESTRE 2015-2
PROF. ING. ALICIA PINEDA RAMREZ
Apuntes de lgebra Lineal
LGEBRA LNEAL
MTODO DE EVALUACIN
La exencin se otorgar a los alumnos que acrediten el curso con calificacin aprobatoria
mnima de seis (6).
Para poder presentar los exmenes correspondientes a cada parte del curso, el alumno deber
entregar las series correspondientes a los captulos que comprenda cada examen. Esta serie
tiene un valor del 10% + la calificacin del examen.
Se dejarn tareas por clase, su promedio tendr un valor del 25%, NO SE ACEPTAN TAREAS
ATRASADAS.
Lectura de dos libros en el semestre, para evaluarlos se necesita calificacin APROBATORIA.
En caso de no quedar exentos se tendr la posibilidad de presentar los dos exmenes finales,
siempre y cuando su asistencia a clases sea del 70%. El primer final ser promediado con
parciales y con el promedio de las calificaciones de las tareas que se dejen a lo largo del curso.
Para este promedio se considerarn los siguientes porcentajes.
Examen final
50%
Exmenes parciales
40%
Tareas
10%
ESCALA DE CALIFICACIONES
0.0 5.9 --- 5
6.0 6.4 --- 6
6.5
6.6 7.4 --- 7
7.5
7.6 8.4 --- 8
8.5
8.6 9.4 --- 9
9.5
9.6 10 --- 10
En caso de no aprobar el primer examen final, la calificacin correspondiente ser la obtenida en

el segundo examen final.
Los oyentes sern evaluados exclusivamente con el segundo examen final colegiado.
FECHAS DE EXAMENES PARCIALES Y FINALES:

1er. Parcial: 25 al 26 de febrero de 2015
2do. Parcial: 6 al 10 de abril de 2015
3er. Parcial: 28 al 30 de abril de 2015
4to. Parcial: 22 de mayo de 2015
FINALES
1er. Final: 25 de Mayo 2015, 15:30 hrs.
2do. Final: 1 de Junio 2015, 10:30 hrs.
BIBLIOGRAFA
1. Lay, David C.
lgebra Lineal y sus Aplicaciones, 2da. Edicin, Prentice Hall, 2001
2. Nakos. George y Joyner, David

lgebra Lineal con Aplicaciones, Thomson Editores, 1999
3. Solar G., Eduardo y Speziale, Leda

Apuntes de lgebra Lineal, Editorial Limusa, 1996
4. Bell, E.T.
Historia de la Matemticas, 2da. Edicin, Fondo de Cultura Econmica, 1995
5. Anton H.
Introduccin al lgebra Lineal, Edit. Limusa, 2003
6. Godnez C, Hctor y Herrera C., Abel

lgebra Lineal, teora y ejercicios, Facultad de Ingeniera 1987
CAPTULOS:
I.
II.
III.
IV.
V.
Introduccin al lgebra lineal

Espacios Vectoriales
Transformaciones lineales
Espacios con Producto Interno
Operadores lineales en espacios con producto interno
lgebra Lineal: es la parte de la matemtica que estudia los espacios vectoriales y los conceptos
relacionados con ellos (matrices, espacios y formas algebraicas), as como las aplicaciones a la
teora de sistemas de ecuaciones lineales y al comportamiento algebraico de las funciones.
CAPITULO 2
ESPACIOS VECTORIALES
2.1 Definicin de espacio vectorial. Propiedades elementales de los espacios vectoriales.

Subespacios. Isomorfismos entre espacios vectoriales.
ESPACIO VECTORIAL.
En este captulo se analizaran conjuntos en los cuales exista una relacin entre sus elementos, de
manera que se establezca el concepto de dependencia lineal.
En forma genrica, a los elementos de un espacio vectorial se les llama vectores, por lo que, en
este contexto, la palabra vector adquiere un significado ms amplio.
DEFINICIN
En primera instancia se definir lo que es un espacio vectorial, para tal efecto se considerar un
conjunto U y un campo K, cuyos elementos se conocen como vectores y escalares
respectivamente.
Para poder llegar a definir la estructura de espacio vectorial se requiere, adems de las siguientes
operaciones:
1) Suma de vectores
2) Multiplicacin de un vector por un escalar.
Regla de correspondencia (criterio)
(a, b) + (c, d) = (a+d, b+c)
(a, b) = (a,b)
Si estas operaciones cumplen con las siguientes propiedades, entonces se tendr un espacio
vectorial.
I. La suma forma un grupo abeliano con el conjunto U

II. Se debe cumplir la cerradura de la multiplicacin de un vector por un escalar.
III. Existe la distributividad tanto para la suma de vectores por un escalar, como para la suma de
escalares por un vector.
IV. Se cumple la homogeneidad para el producto de escalares por un vector.
V. Existe el escalar idntico.
5
EJEMPLO:
EJEMPLO:
EJEMPLO:
Espacio Nulo:
Contiene al vector nulo, ejemplo en polinomios: P= (0x2+0x+0)=
EJEMPLO:
PROPIEDADES ELEMENTALES DE LOS ESPACIOS VECTORIALES.
De los diez postulados que integran la definicin de espacio vectorial, los primeros cinco se refiere
nicamente a la adicin, y establecen que el sistema (V, +) es un grupo abeliano; por lo tanto, se
pueden enunciar las siguientes propiedades, las cuales son comunes a todos los espacios
vectoriales.
TEOREMA.
Si V es un espacio vectorial sobre K, entonces

i)
u , v , w V : u v u w v w
ii ) El vector 0 e es nico y es tal que:

iii )
iv )
v)
vi )
v 0 v ; v V
El vector i es nico y es tal que: v i 0

La ecuacin u x v tiene solucin nica en V
v V :
( v ) v
u , v V : (u v ) u ( v )
Continuando con los postulados de la multiplicacin por un escalar se establecen otras

propiedades que, junto con las anteriores, rigen los procedimientos algebraicos en un espacio
vectorial.
TEOREMA:
Sea V un espacio vectorial sobre K.
) : 0 = 0
) : 0 = 0, 0
) , : () = = ( )
) , : = 0 = 0 = 0
) , , : = 0 =
) , , : = 0 =
SUBESPACIO.
Es posible que un espacio vectorial tenga subconjuntos que sean, por s mismos, espacios
vectoriales.
Subespacio vectorial.
Dado un espacio vectorial A y un subconjunto B de A, si B es tambin un espacio vectorial respecto
a las operaciones definidas en A, decimos entonces que B es un subespacio vectorial de A.
Todo espacio vectorial es subespacio del mismo.
Para facilitar la verificacin de que un conjunto es subespacio vectorial o no, se dispone del
siguiente teorema.
Teorema: Dado un subconjunto B de un espacio vectorial A, se tiene que si:

1) El conjunto B es cerrado para la suma de dos elementos cualesquiera del conjunto y
2) El conjunto B es cerrado para la multiplicacin de uno de sus elementos por un escalar.
Entonces B es un subespacio vectorial de A.
Es decir que bastar con verificar la cerradura de B con respecto a la adicin y a la multiplicacin
por un escalar definidas en A para concluir que B es subespacio de A.
EJEMPLO:
NOTA: Condicin necesaria que un conjunto contenga el vector cero para que sea subespacio,
pero dicha condicin no es suficiente.
EJEMPLOS:
ISORMORFISMOS ENTRE ESPACIOS VECTORIALES.
El concepto de isomorfismo es de relevante importancia en las matemticas, especialmente desde
el punto de vista de sus aplicaciones. El trmino isomorfo, etimolgicamente significa de igual
forma, se emplea en el lgebra para denotar la idea de que dos sistemas son tan parecidos que
pueden considerarse, en esencia, como el mismo.
EJEMPLO.
Los espacios vectoriales del tipo Rn tienen una gran aplicacin en el estudio mismo de los espacios
vectoriales. Es probablemente que la aplicacin ms til resulte el teorema que estable que los
espacios vectoriales de la misma dimensin, son isomorfos. Es decir, todos los espacios vectoriales
de la misma dimensin son algebraicamente hablando, iguales. De esta manera al estudiar un
espacio vectorial V, de dimensin n, emplearemos el isomorfismo para trabajar con vectores del
espacio vectorial Rn y el resultado lo aplicaremos al espacio V.

= {[
|,
] , , }
4 = {(, , , )|, , , }
1 0
] (1,0,2,3)
2 3
(1,4,4,2) [1
4
4
]
2
DEFINICIN.
Sean U y V dos espacios vectoriales. Se dice que la funcin I:UV es un isomorfismo de U a V, si I
es biyectiva (inyectiva y suprayectiva) y adems cumple con las siguientes condiciones.
1) (1 + 2 ) = (1 ) + (2 )
2) ( ) = ()
Los espacios vectoriales isomorfos slo difieren en la naturaleza de sus elementos, sus
propiedades algebraicas son idnticas.
Si U y V son espacios vectoriales isomorfos bajo el isomorfismo I, entonces para el vector a del
espacio U, existe un nico vector v en el espacio V, tal que I(u)=v y recprocamente, para cada
vector de V del espacio V, existe un nico vector u del espacio U tal que I(v)=u
De acuerdo con lo anterior podemos establecer los siguientes teoremas:
Teorema 1: Si V es un espacio vectorial real de dimensin n, entonces V es isomorfo a Rn.

Teorema 2: Todo espacio vectorial V es isomorfo a si mismo
Teorema 3: Si un espacio vectorial V es isomorfo a otro espacio W, entonces W es isomorfo a V
Teorema 4: Dos espacios vectoriales de igual dimensin son isomorfos.
EJEMPLO.
2.2 Combinacin Lineal. Dependencia Lineal. Conjunto generador. Base y dimensin de un espacio
vectorial. Coordenadas de un vector respecto a una base ordenada. Matriz de transicin.
COMBINACIN LINEAL.
Dado un espacio vectorial:
= {1 , 2 , 3 , , }
Se define como combinacin lineal de ellos a la expresin:
1v 1 2v 2 3v 3 ... nv n
Donde i K (campo del espacio vectorial (V)).
EJEMPLO:
EJEMPLO:
DEPENDENCIA LINEAL.
Sea el conjunto de vectores: {1 , 2 , 3 , , }
Decimos que el conjunto V es linealmente dependiente, si existen escalares no todos nulos, que
satisfagan la ecuacin:
1v 1 2v 2 3v 3 ... nv n 0
Ecuacin de dependencia lineal
Si la nica solucin a dicha ecuacin es 1=2=3=...=n=0, entonces decimos que el conjunto V es
linealmente independiente.
Ejemplo: (1,0,0), (0,1,0), (0,0,1)
De acuerdo con lo anterior se tienen los siguientes dos teoremas:
Teorema 1: Todo conjunto de vectores que contenga al vector cero 0 es linealmente dependiente.
(1,0), (0,1), (0,0)
Teorema 2: Todo subconjunto de un conjunto de vectores linealmente independientes es a su vez
linealmente independiente.
(1,0), (0,1)
NOTA: Un conjunto formado por dos o ms vectores es linealmente dependiente cuando al menos
uno de ellos es una combinacin lineal de los otros vectores del conjunto.
En caso contrario; cuando ninguno de los vectores es combinacin lineal de los restantes, el
conjunto es linealmente independiente.
EJEMPLO:
EJEMPLO:
CONJUNTO GENERADOR DE UN ESPACIO VECTORIAL.
Cuando todos los vectores de un espacio vectorial pueden obtenerse mediante combinaciones
lineales de un conjunto finito de vectores de dicho espacio, se dice que dicho conjunto es
generador del espacio vectorial.
10
De acuerdo con lo anterior, el concepto de conjunto generador se puede definir formalmente de

la siguiente manera:
Definicin: Sea V un espacio vectorial sobre un campo K y sea = {1 , 2 , 3 , , }

Un conjunto de vectores de V. Se dice que G es generador del espacio vectorial V, si para todo
vector x V existen escalares 1, 2, 3,..., n tal que:
x 1v 1 2v 2 3v 3 ... nv n
Todo conjunto de vectores no vaco genera un espacio vectorial y para un espacio vectorial el
conjunto generador no es nico.
El conjunto de todas las combinaciones lineales de un conjunto de vectores de un espacio vectorial
V es un subespacio de V.
EJEMPLO:
BASE Y DIMENSIN DE UN ESPACIO VECTORIAL:

Se define como base de un espacio vectorial V, a cualquier conjunto B de vectores de V tal que:
1) Los elementos de B son linealmente independientes
2) Cualquier vector de V puede expresarse como una combinacin lineal de los elementos
B.
De acuerdo con las condiciones establecidas, existen varias bases en un espacio vectorial, la
relacin que existe entre bases, consiste en el nmero de elementos que las constituyen, ya que
dicho nmero es el mismo para cualquier base.
Base cannica:
La base cannica de Rn es el conjunto {1 , 2 , 3 , , }
1 =
Donde = {
0
Todas las bases de un espacio vectorial de n elementos tienen el mismo nmero de elementos o
menor.
EJEMPLO:
11
Dimensin:
La dimensin de un espacio vectorial se define como la cantidad de vectores de cualquiera de sus
bases.
Teoremas:
- Sea V un espacio vectorial sobre K. Si = {1 , 2 , 3 , , } se dice que V es de
Dimensin n. Dim V = n, en particular si = {0} entonces dim V = 0.
-
Sea V un espacio vectorial sobre K. Si = {1 , 2 , 3 , , } es una base de V, entonces

cualquier conjunto de vectores de V con ms de n elementos es linealmente dependiente.
Si V es un subespacio vectorial de dimensin n, cualquier conjunto linealmente independiente

formado por n vectores de V es una base de dicho espacio.
Si V es un espacio vectorial de dimensin n y W es un subespacio de V entonces
dimW n . Si dim W = n entonces W=V
EJEMPLOS.
COORDENADAS DE UN VECTOR RESPECTO A UNA BASE:

Dada la base:
cualquiera
= {1 , 2 , 3 , , } de un espacio vectorial, en donde un vector
a de dicho espacio est dado por:

a 1b1 2b2 3 b3 ... n bn
A los escalares 1, 2, 3,..., n, les llamaremos las coordenadas de

= (1 , 2 , 3 , , )
()
a en la base B, y al arreglo
le llamaremos vector de coordenadas de
respecto a la base B.
Tratndose de bases, el orden de sus elementos es importante.

-
El vector de coordenadas respecto a una base dada es nico para cada vector del espacio.
El vector de coordenadas de un vector perteneciente a un espacio, cambia al cambiar la base
de referencia.
EJEMPLO:
EJEMPLO:
12
MATRIZ DE TRANSICIN:
El cambio de coordenadas de una base a otra puede efectuarse multiplicando una matriz por un
vector. Esta matriz se conoce como matriz de transicin o matriz de cambio de base.
Para obtener esta matriz se procede de la siguiente forma:
= {1 , 2 , 3 , , }
= {
1 ,
2 ,
3 , ,
}
MW
Dos bases de un espacio vectorial,

la matriz de transicin est formada por la
disposicin en columnas de los vectores de coordenadas de los elementos de la base B con
respecto a la base W, esto es:
= [(
)
)
)
)
1 (
2 (
3 (
]
(1 ) = 1 =1
1 +2
2 +
y deseamos obtener el vector de
De tal forma que, si conocemos el vector ()
coordenadas de ( ) , entonces ser suficiente con desarrollar el siguiente producto
( ) = ( )
EJEMPLO:
Toda matriz de transicin de una base A a otra B, es no singular y su inversa es la matriz de B a A.
Conviene hacer notar que toda matriz de transicin tiene inversa y adems que:
Si se conoce la matriz de transicin de una base V, a una base W, entonces la inversa de esa matriz
resulta ser:

)1
(
=
EJEMPLO:
13
2.3 Espacio rengln, espacio columna y rango de una matriz.

Espacios vectoriales generados por los renglones y las columnas de una matriz.
Dada una matriz A de orden nxn, se tiene que tanto sus renglones como sus columnas pueden
definir un espacio vectorial, por ejemplo:
=[
1 2
]
1 0
Con los renglones de A tenemos:
() = {(1, 2), (1,0)}

Con las columnas de A tenemos:
1 1
= [
]
2 0
() = {(1,1), (2,0)}
Se pueden formar espacios vectoriales con los renglones y las columnas de la matriz A, adems, se
puede presentar el hecho de aplicar transformaciones elementales a la matriz original y as
obtener matrices equivalentes.
) Cambio de dos lineas:

1 0
= [
]
1 2
) Multiplicacin por una constante diferente de cero:
1 2
2 4
= (2) [
]=[
]
1 0
2 0
) Multiplicacin de una lnea por una constante sumada a otra lnea.
1 2 +
0 2
= [
=[
]
]
1 0 (1)
1 0
Lo que se hace con renglones se puede hacer con columnas y hacer operaciones simultneas.
De la misma forma en que se obtienen espacios vectoriales iguales con los renglones de una
matriz (aplicando transformaciones elementales), se pueden obtener espacios vectoriales iguales
considerando las columnas de dicha matriz.
Por lo tanto la aplicacin de transformaciones elementales sobre las lneas de una matriz conduce
a espacios vectoriales iguales a los espacios de las lneas originales. De esta manera es factible
obtener la base y dimensin de un espacio vectorial, reduciendo una matriz determinada, a la
forma escalonada.
14
Forma cannica escalonada.

La aplicacin sucesiva de transformaciones elementales se efecta hasta obtener una forma
cannica escalonada.
Se dice que una matriz es una forma cannica escalonada, cuando adems de ser una matriz
escalonada, el primer elemento distinto de cero de cada rengln es uno y dicho elemento es el
nico diferente de cero en la columna en que se encuentra.
Ejemplo:
Para una matriz dada a existe una y slo una forma cannica escalonada que es equivalente a
la matriz A.
Los renglones no nulos de una forma cannica escalonada constituyen una base de su espacio
rengln.
La ltima propiedad es vlida tambin para una matriz escalonada cualquiera, pero en el caso de
una forma cannica an ms evidente.
EJEMPLO:
Teorema:
La relacin que guardan los espacios rengln y columna de una matriz es que la dimensin de
estos es la misma.
Para cualquier matriz A se tiene que: L (AR) L(AC), dim L(AR)=dim L(AC)
EJEMPLO:
RANGO:
Se llama rango de una matriz A, y se denota con R(A) al nmero:
R(A)=dim L(AR) = dim L(AC)
El rango de una matriz representa el nmero mximo de renglones (y de columnas) linealmente

independientes que contiene la matriz.
15
EJEMPLO.
2.4 El espacio vectorial de las funciones continuas de variable real. Subespacios de dimensin
finita. La dependencia lineal de funciones. Criterio del Wronskiano.
ESPACIO VECTORIAL DE FUNCIONES:

El conjunto de las funciones reales de variable real constituyen un espacio vectorial con las
operaciones de adicin y multiplicacin por un escalar definidas en el curso de Clculo Diferencial
integral.
(f+g) (x) = f(x) + g(x)
(f) (x) = f(x)
SUBESPACIOS DE FUNCIONES:
El espacio F de las funciones continuas de variable real, no puede ser generado por un conjunto
infinito de vectores, y se dice por ello que es de dimensin finita.
Subespacios de dimensin finita son:
-
Polinomios de grado menor o igual que n, funciones definidas en un intervalo, funciones

continas en un intervalo.
Conjunto de las soluciones de la ecuacin diferencial y+ay+by=0
Si tenemos f1, f2, f3,...,fn
1f1+2f2+3f3+ ... + nfn = 0
1f1(x)+2f2(x)+3f3(x)+ ... + nfn(x) = 0
Esta expresin representa un nmero finito de ecuaciones una para cada nmero real x. Cmo no
es posible generar a todas las funciones continuas de variable real con un conjunto de un nmero
finito de elementos, se considera que la dimensin del espacio es finita.
DEPENDENCIA LINEAL DE FUNCIONES:

Si representamos con F al conjunto de todas las funciones continuas de variable real, dado que F
es un espacio vectorial sobre R, es claro entonces que los conceptos de combinacin lineal son
aplicables tanto a los elementos de F, como a cualquiera de sus subespacios.
EJEMPLO:
16
WRONSKIANO.
Dado el conjunto de funciones:
f1, f2, f3, ..., fn se define como Wronskiano al determinante:
1
| 1
= 1
|
(1)
1
2
2
2
3
3

|

|

(1=

(1)
2
(1)
3
Se tiene que el conjunto de funciones f1, f2, f3, ..., fn ser linealmente independiente si existe al
menos un valor de la variable para el cual W0.
En caso de que el determinante W=0 se tiene incertidumbre sobre la dependencia o
independencia del conjunto, por lo que se tendr que recurrir, en este caso a la ecuacin de
dependencia lineal.
EJEMPLO:
EJEMPLO:
EJEMPLO:
17
CAPITULO 3
TRANSFORMACIONES LINEALES
3.1 Definicin de transformacin. Dominio, codominio, ncleo y recorrido de una transformacin.
DEFINICIN DE TRANSFORMACIN:
Como sabemos una funcin f de A en B (donde A y B son conjuntos no vacos cualesquiera) es una
regla o criterio que asocia a cada elemento de A, uno y solo un, elemento de B, lo cual denotamos
mediante f: AB; existen tambin funciones entre espacios vectoriales que en forma similar
denotamos por: T:UV, donde U y V son espacios vectoriales sobre el mismo campo K y T es la
regla de correspondencia que asigna a cada vector de U uno y solo un vector de V, al que
llamaremos imagen de u y representamos como T(u).
A este tipo de funciones le daremos el nombre de transformaciones:
T
T(u)
Dominio
Codominio
Y a los espacios U y V se llaman, respectivamente, dominio y codominio de la transformacin.
Al conjunto formado por todos los vectores que son imagen de algn vector del dominio, se le
conoce como el recorrido de la transformacin.
Lo representamos con T (U), esto es:
:
() = { | = (); }
18
v=T(u)
El ncleo de una transformacin es el conjunto de vectores cuya imagen es el vector cero. Dicho
conjunto lo representamos con: N (T), esto es:
() = {| ; () = 0}
U
N(T)
u1
u2
Sea T:UV una transformacin tenemos que:

Dominio: Es el conjunto U de vectores sobre los cuales acta la transformacin:
U
V
T
( x,y,z)
(x,y)
T(x,y,z) = (x,y)
Los espacios vectoriales U= R3 y V= R2 son el dominio y codominio de la transformacin.
Como se puede observar, el recorrido de una transformacin es un subconjunto del codominio y el

ncleo es un subconjunto del dominio.
EJEMPLO.
19
3.2 Definicin de transformacin lineal. Los subespacios ncleo y recorrido de una transformacin
lineal. Caso de dimensin finita: relacin entre las dimensiones del dominio, recorrido y ncleo de
una transformacin lineal.
TRANSFORMACIN LINEAL:
Antes de continuar con la descripcin de conjuntos que caracteriza a una transformacin se dar
la definicin correspondiente a transformacin lineal.
Una transformacin T:UV donde U y V son espacios vectoriales, es lineal, si y solo si, satisface las
siguientes propiedades:
1) Superposicin: La transformacin de una suma es igual a la suma de las transformaciones:
(1 + 2 ) = (1 ) + (2 ) 1 , 2
2) Homogeneidad: La transformacin de un vector multiplicado por un escalar es igual al producto
del escalar por la transformacin del vector.
( ) = () ,
EJEMPLO:
LOS SUBESPACIOS NCLEO Y RECORRIDO DE UNA TRANSFORMACIN LINEAL.

Como ya hemos visto, el recorrido de una transformacin es un subconjunto del codominio y el
ncleo es un subconjunto del dominio. Si la transformacin es lineal dichos subconjuntos son
adems subespacios.
TEOREMA:
: , :
) ()
) ()
Si T: MV es una transformacin lineal entonces: T (M) es un subespacio de V y N (T) es un

subespacio de M.
Como T (M) es un subcojunto de V, se prueba que T (M) es cerrado para la adicin y multiplicacin
por un escalar.
20
Sea 1 2 vectores de T (M), existen dos vectores

1
2 M tales que:
1 = (
1 ) 2 = (
2 )
Se tiene que: 1 + 2 = (
1 ) + (
2 ) como T es lineal entonces:
1 + 2 = (
1 +
2 )
1 + 2 ()
Multiplicacin por un escalar.

1 = (
1 ) como T es lineal, 1 = (
1 ), 1 ()
Es un subespacio vectorial de M.
Obtencin del recorrido de una transformacin lineal.

Para determinar el recorrido de una transformacin lineal especfica podemos aprovechar la
siguiente propiedad:
Sea T:VW una transformacin lineal. Si = {1 , 2 , 3 , , } es una base de V, entonces el

conjunto
= {(1 ), (2 ), (3 ), , ( )} es un generador de T(V).
Sea = {1 , 2 , 3 , , } una base de V. Si w es un vector cualquiera de T(V), entonces existe

un vector v V tal que:
= ( )
Como B es una base de V:
v 1v 1 2v 2 3v 3 ... nv n
= (1 1 +2 2 +3 3 + + ) Por lo que:
= (1 1 ) + (2 2 ) + (3 3 ) + + ( ) y como T es lineal
=1 (1 ) +2 (2 ) +3 (3 ) + + ( )
en consecuencia = {(1 ), (2 ), (3 ), , ( )} es un conjunto generador de T(V)
Si G es linealmente independiente entonces es una base de T(V) y si es linealmente dependiente
puede obtenerse una base de T(V) a partir de este.
EJEMPLO:
21
TEOREMA de dimensiones: Sea U un espacio vectorial y sea T:UV una transformacin lineal, se
tiene que:
Dim U = Dim T(U) + Dim N(T)
Donde U = dominio de la transformacin
T(U) = Recorrido de la transformacin
N(T) = Ncleo de la transformacin
Esto sucede siempre que se trabaja con espacios de dimensin finita, U es un espacio vectorial de
dimensin finita.
EJEMPLO:
EJEMPLO:
3.3 Matriz asociada a una transformacin lineal con dominio y codominio de dimensin finita.
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL.

Existe una forma alternativa para obtener imgenes de una transformacin lineal, la cual est
basada en el concepto de matriz asociada a una transformacin.
Esta matriz se obtiene por la disposicin en columnas de las imgenes de los elementos de una
base cannica del dominio. De esta forma, la imagen de un vector est dada por el producto de la
matriz asociada y el vector dado en forma de columna.
T(u)
Esto es posible de esta forma, siempre y cuando tanto el dominio como el codominio sean
espacios del tipo Rn.
EJEMPLO:
22
Las ideas anteriores pueden generalizarse al caso de espacios vectoriales cualesquiera,

simplemente, reemplazando los vectores imagen por sus respectivos vectores de coordenadas.
T
U
U y V cualquier espacio vectorial.
De acuerdo con esto la matriz asociada a la transformacin referida a dos bases cualesquiera A y B
respectivamente se representa de la siguiente forma:
V
T
A es base del dominio

()
B es base del codominio
De esta forma se tiene que las columnas de dicha matriz son los vectores de coordenadas, en la
base B, de las imgenes de los elementos que integran la base A.
T: R3 R2
R3
R2
= {1 , 2 , 3 , , }
= {1 , 2 , 3 , , }
23
Imgenes:
(1 )
(2 ) Como combinacin
(3 ) lineal de los
elementos de B
( )
[(1 )]
[( 2 )]
[(3 )]
[( )]
() = [[(1 ) ] [(2 ) ]
[(3 ) ] [( ) ] ]
TEOREMA: Si T:V W es una transformacin lineal, existe una y solo una matriz:
() de orden nxn, tal que:

() ( ) = [( )]
Donde A y B son bases de V y W respectivamente.
En toda transformacin es posible obtener su matriz asociada.
De acuerdo con este teorema la matriz () nos permite calcular la imagen de un vector
cualquiera v del dominio, mediante el siguiente procedimiento, que podramos considerar
indirecto.
1) Determinar las coordenadas de v en la base A, ( ) ..
2) Multiplicar la matriz ()
por el vector ( ) .
3) Obtener el vector ( ) a partir de sus coordenadas en la base B.
24
Esquematizando:
Aplicando la regla
de correspondencia
( )
Clculo
Obtencin
1
de
3
1
coordenadas
Multiplicando por
de la
imagen
2
1
()
la matriz.
()
A base del dominio,
B base del codominio
EJEMPLO:
TEOREMA: En una transformacin lineal, la dimensin del recorrido es igual a la dimensin o
rango de la matriz asociada referida a dicha transformacin.
T: V W R(M(T)) = dim T(V)

R( ())= dim T(V)
EJEMPLO:
3.4 lgebra de las transformaciones lineales: definicin y propiedades de la adicin, la

multiplicacin por un escalar y la composicin de transformaciones.
ALGEBRA DE TRANSFORMACIONES:
As como se tiene operaciones con funciones tambin se tienen operaciones con
transformaciones.
25
Entre otras se tienen las siguientes:
1) Igualdad: Sean S y T dos transformaciones de V en W. Se dice que S y T son iguales, lo cual se

denota mediante S=T, cuando S( v)=T( v) v V.
2) Adicin: Dadas dos transformaciones cuyo dominio es el mismo T:U V y

S:UV. Se tiene como resultado de esta operacin: ( + ) = () + () . En
trminos de matrices asociadas se tiene que: M(T + S) = M(T) + M(S).
3) Multiplicacin por un escalar: Dada una transformacin T:UV y un escalar que pertenece al
campo de definicin, se define esta operacin de la siguiente forma:
( T) = T( ) U.
En trminos de matrices asociadas se tiene: M(T) = M(T)
4) Composicin: Dadas las transformaciones T:UV y R:VW, se define a la transformacin

S:UW como el resultado de la composicin entre las transformaciones R y T, esto es: () =
(), desarrollando tenemos que () = [()], grficamente:
R
R
T(u)
R[T(u)]
S( u )=R[T( u )],
Para que esta operacin pueda ser realizada debe existir interseccin entre el recorrido de T y el
dominio de R.
La relacin entre matrices asociadas est dada por:
M(RT)=M(R)M(T) o MRT=MRMT
Estas operaciones tambin se aplican a matrices asociadas con diferentes bases:

() = () ()
NOTA: Si R y T son transformaciones lineales, entonces R+T y R tambin son lineales.
26
TEOREMA: El resultado de efectuar las operaciones anteriores con transformaciones lineales es

una transformacin lineal.
EJEMPLOS:
PROPIEDADES DE LAS OPERACIONES CON TRANSFORMACIONES:

1) Conmutatividad de la adicin: S+T=T+S
2) Asociatividad de la adicin: (S+T) + R = S+ (T+R)
(T) = ()T
3) Homogeneidad del producto por escalares:
4) Asociatividad de la composicin: (ST) R = S(TR)

5) Homogeneidad en la composicin: (ST) = (S) T = S(T)
6) Distributividad de la composicin sobre de la adicin: S(T+R)=(ST)+(SR)
7) Distributividad entre el producto por un escalar y la adicin:
a) (+)T = T + T
b) (T+R)= T + R
3.5 La inversa de una transformacin lineal.
TRANSFORMACIN INVERSA:
Dada una transformacin lineal T:VW existe una transformacin inversa T-1:WV, si y solo si, la
transformacin original es biyectiva, esto es:
1) Dim V = Dim W
2) Dim N(T) = 0
En trminos de matrices asociadas tenemos que:
T MT
T-1 MT-1=(MT)-1
EJEMPLO:
27
EJEMPLO:
Propiedades de la transformacin inversa:

Si F:UV y T:VW son dos transformaciones biyectivas, y es un escalar del campo sobre el que
estn definidos V y W entonces:
i) T-1 es nica
ii) (T-1)-1 = T
iii) (TF)-1 = F-1 T-1
iv) (T)-1 = -1 T-1 ; si 0
TEOREMA: Sea T: VW una transformacin lineal. Si T-1 existe entonces es una transformacin
lineal.
TEOREMA: Sean T:VW una transformacin lineal, V un espacio de dimensin finita y A, B bases
de V y W respectivamente.
i) T-1 existe si y solo si () es no es singular
ii) Si T-1 existe, entonces ( 1 ) = [ ()]1
EJEMPLO:
3.6 Efectos geomtricos de las transformaciones lineales.

La transformacin T(x, y, z) = (x, y) su interpretacin geomtrica es (x,y,z) representa un segmento
dirigido cualquiera del espacio cartesiano tridimensional, T transforma dicho segmento en su
proyeccin sobre el plano XY.
Otro tipo de efectos geomtricos de la transformacin son la traslacin, escalamiento, y rotacin.

Al tener la siguiente transformacin:
T(x) =Ix+b= x+b si b 0, esta transformacin es no lineal, a esta transformacin se le llama
traslacin por b.
Una traslacin por un vector b 0 desplaza a una figura sumando b a todos sus puntos. Una
transformacin afn es una transformacin lineal seguida de una traslacin.
28
El escalamiento consiste en simplemente multiplicar la transformacin por un escalar, para

agrandar o empequeecer la imagen. T(x) = x, todo depender del valor del escalar.
3.7 Definicin de operador lineal. Definicin y propiedades de valores y vectores caractersticos de

un operador lineal. Definicin de espacios caractersticos. Caso de dimensin finita: polinomio
caracterstico, obtencin de valores y vectores caractersticos.
OPERADOR LINEAL:
Son transformaciones de un espacio vectorial en s mismo, esto es, transformaciones del tipo:
T: VV
A las que se les conoce con el nombre de operadores
VALORES Y VECTORES CARACTERSTICOS.

Para este tipo de transformaciones puede haber vectores que no se modifiquen al aplicar la
transformacin, o cuya modificacin consista nicamente en quedar multiplicados por un escalar.
( ) = donde es un escalar
Los vectores no cambian de direccin, sino cambian de tamao:
T(x,y) = (2x+y, 6x+y)
1 = (1,2)
(1 ) = (4,8) = 4(1,2) = 41
A tales vectores se les llama vectores caractersticos del operador T y a los escalares se les
conoce como valores caractersticos de dicho operador. ay-guen (egienvalor)
Del ejemplo, 4 es un valor caracterstico, y (1,2) es el vector caracterstico.
Se excluye al vector cero como vector caracterstico. Esto se debe a la conveniencia de que todo
vector caracterstico corresponda a un solo valor caracterstico. Empero, esta definicin permite al
escalar cero ser un valor caracterstico.
Algunos ejemplos:
Para la transformacin identidad:
I:VV, todos los vectores no nulos de V son vectores caractersticos
correspondientes al valor 1 puesto que ( ) = = 1 ;
Para la transformacin cero:
O:VV, todos los vectores no nulos de V son vectores caractersticos
correspondientes al valor 0, puesto que: 0( ) = 0 = 0
29
Para el operador derivacin definido por:

D(f)=f, en el espacio de las funciones reales de variables real, sus valores
caractersticos son aquellas funciones f no nulas tales que: f=f para algn R. Esta es una
ecuacin diferencial cuyas soluciones estn dadas por la expresin:
f(x)= cex
PROPIEDADES DE LOS VALORES Y VECTORES CARACTERSTICOS.
1) Los vectores caractersticos asociados a valores caractersticos distintos son linealmente

independientes.
2) El escalar es nico
3) Si es un vector asociado a un valor caracterstico , entonces es tambin un vector
caracterstico, k (campo de definicin) con 0.
4) Si son vectores caractersticos asociados a y entonces + es un vector
caracterstico asociado a .
ESPACIO CARACTERSTICO:
Es claro que todos los vectores de un espacio vectorial se transforman en vectores del mismo
espacio al aplicarles la transformacin.
Si V entonces ( ) V.
Si al conjunto de vectores caractersticos le agregamos el vector nulo, entonces dicho conjunto
define un espacio vectorial al cual llamaremos espacio caracterstico:
() = { | , ( ) = } = 0
OBTENCIN DE VALORES Y VECTORES CARACTERSTICOS:

En un espacio de dimensin finita, el problema de obtener los valores y vectores caractersticos de
un operador lineal puede resolverse con ayuda de los determinantes y los sistemas de ecuaciones
lineales, mediante el procedimiento que se presenta a continuacin.
Dado un operador lineal T que T: UU para el cual se tiene que T()= ; U, donde 0,
es un escalar.
Se define a u como un vector caracterstico del operador T y al escalar como un valor
caracterstico de dicho operador.
30
Para obtener tales elementos, se tiene que:

T() = ....... (1)
Considerando:
MT=A ...... (2)
T() = A ...... (3)
De 1 y 3 tenemos que:
I = ; donde I es la matriz identidad.
De donde:
I = 0
( I) = 0 . (4)
Si obtenemos el determinantes de A- I, esto es: DET (A- I) a esta expresin se le conoce como
polinomio caracterstico, de la transformacin si se iguala a cero (DET(A- I))=0 y se le llama
ecuacin caracterstica, la cual nos permite obtener los valores de , es decir los valores
caractersticos.
Para obtener los respectivos vectores caractersticos, asociados a los valores de , se utiliza la
ecuacin (4), esto es se determina la relacin entre los componentes del vector u, para los cuales
se satisface esta ecuacin.
EJEMPLO:
EJEMPLO:
31
3.8 Matrices similares y sus propiedades. Diagonalizacin de la matriz asociada a un operador

lineal.
MATRICES SIMILARES:
Las matrices asociadas a una transformacin lineal en dos bases cualesquiera, pertenecen a un
cierto tipo de matrices cuadradas llamadas similares.
La forma en que se relacionan las matrices asociadas a una transformacin lineal est dada por el
siguiente teorema:
TEOREMA: Sea T:VV una transformacin lineal sobre un espacio vectorial V de dimensin finita.
Si M es la matriz asociada a T referida a la base A y N es la matriz asociada a T respecto a la base B,
entonces N=P-1MP, donde P es a matriz de transicin de B a A.
= ()
= ()
=
= 1
ecuacin de similaridad
Por consiguiente el teorema puede escribirse de la siguiente manera: Dos matrices representan a
la misma transformacin lineal T de B a B en bases diferentes, si son similares, donde V es el
espacio vectorial de dimensin finita
Dos matrices representan al mismo operador si y solo si son similares.
Propiedades:
-
Si A y B son matrices similares entonces Det A = Det B

Dos matrices similares tienen el mismo polinomio caracterstico y por lo tanto, los mismos
valores caractersticos.
EJEMPLO:
DIAGONALIZACIN DE UNA MATRIZ ASOCIADA A UN OPERADOR LINEAL.

Que la matriz asociada sea de forma sencilla ofrece ciertas ventajas pues, adems de que permite
identificar ms fcilmente la informacin contenida en ella, su manejo algebraico se simplifica
Entre los tipos ms sencillos de matrices estn las diagonales. No siempre es posible encontrar una
representacin diagonal para cualquier operador. Las condiciones bajo las cuales existe tal
representacin:
32
Sea V un espacio vectorial de dimensin n y T:VV un operador lineal: existe una matriz diagonal
asociada a T, referida a una base, si y solo si existe una base de V formada por vectores
caractersticos. En tal caso, la matriz asociada a T, referida a esta base, es una matriz diagonal
cuyos elementos dii son los valores caractersticos correspondientes.
1
= [0
0
0
2
0
0 0
0 0]
0
Para que un operador lineal tenga representacin diagonal es condicin suficiente que sus valores
caractersticos sean diferentes, sin embargo tal condicin no es necesaria.
Dicho de otra manera, la suma de la dimensin de los espacios caractersticos debe ser la
dimensin del dominio, de esta forma se comprueba que el operador es diagonalizable; significa
que el operador o transformacin se puede representar por una matriz diagonal.
EJEMPLO:
Diagonalizacin: Es un procedimiento que permite modificar a una matriz cualquiera a efecto de
obtener su matriz diagonal. Para el caso de matrices asociadas a una transformacin, la matriz
diagonal que representa al operador se obtiene con la expresin:
D=P-1AP
Donde D es la matriz diagonal, P es una matriz formada por vectores caractersticos dispuestos en
forma de columna y se le llama matriz diagonalizadora, y A es una matriz asociada al operador
referida a una base cannica, llamada matriz diagonalizable.
TEOREMA: Una matriz A de nxn es similar a una matriz diagonal D, si y solo si existe un conjunto
linealmente independiente formado por n vectores caractersticos de A. En tal caso, existe una
matriz no singular P tal que: D=P-1AP
EJEMPLO:
EJEMPLO:
33
CAPITULO 4
ESPACIOS CON PRODUCTO INTERNO
4.1 Definicin de producto interno y sus propiedades elementales
PRODUCTO INTERNO:
Se ha visto que en un espacio vectorial se tiene la posibilidad de establecer varias operaciones,
una operacin muy importante es la correspondiente al producto interno entre vectores, la cual se
denota por:
,
(|)
Si una operacin cumple con las siguientes propiedades entonces ser un producto interno.
1) Simetra o conmutatividad
(|) = (|)
2) Distributividad sobre la adicin
( + |) = (|) + (|)
3) Homogeneidad
( |) = (|)
4) Positividad
(|) > 0 ; 0
Siempre y cuando el campo de definicin del espacio vectorial sea el campo de los reales.
EJEMPLO:
En el caso de que el campo de definicin del espacio vectorial corresponde al de los nmeros
complejos, la definicin de producto interno est dada por la verificacin de las siguientes
propiedades:
1) (|) = (|) donde = conjugado

2) ( + |) = (|) + (|)
3) ( |) = (|)
4) (|) > 0; 0
34
TEOREMA.
Sea V un espacio vectorial sobre C y sea ( |) un producto interno en V, entonces, ,
:
(| )
) (| ) =
) (|)
) (0|) = 0 = (|0)
) (|) > 0 0
EJEMPLO:
4.2 Definicin de norma de un vector y sus propiedades, vectores unitarios. Desigualdad de

Cauchy-Schwarz. Definicin de distancia entre dos vectores y sus propiedades. Definicin de
ngulo entre dos vectores. Vectores ortogonales.
NORMA DE UN VECTOR
La idea de magnitud (o tamao) de un vector se introduce formalmente en un espacio vectorial
con el concepto de norma.
v
En un espacio vectorial V, el nmero no negativo
definido por la expresin:
1
2
= ( | )
Se denomina norma del vector, v sobre un producto interno definido.

La norma de un vector depende del producto interno que se haya elegido. Un mismo vector puede
tener diferentes normas.
Las propiedades que cumple la norma de un vector son las siguientes:
1) v 0 si v 0
2) v 0 si v 0
3) v v
4) u v u v
Desigualdad del triangulo
.
35
EJEMPLO:
EJEMPLO:
EJEMPLO:
VECTORES UNITARIOS:
v 1
Se dice que un vector v es unitario cuando
Para cualquier vector v de un espacio con producto interno, el vector:
(
) =

es un vector unitario.
TEOREMA: DESIGUALDAD DE CAUCHY SCHWARZ

Sea V un espacio vectorial sobre C y sea () un producto interno en V; entonces:
, :
|(| )|2 (|) ( | )
|(| )| ( | )
Adems, la igualdad se cumple si y solo si u y v son linealmente dependientes
Si u =0 o v =0, es inmediato que la igualdad se verifica.
EJEMPLO:
DEFINICIN DE DISTANCIA ENTRE VECTORES.

Empleando el concepto de norma, podemos introducir en un espacio vectorial el concepto de
distancia entre vectores:
Sea V un espacio vectorial con producto interno, y sean, u, v V. Se llama distancia de
u a v y se representa con
d(u , v ) v u
36
La distancia es el conjunto de los nmeros reales no negativos, y tiene las siguientes propiedades.
1) (, ) 0
2) (, ) = 0 =
3) (, ) = ( , )
4) (,
) (,
) + ( ,
)
EJEMPLO:
NGULO ENTRE VECTORES

El ngulo entre dos vectores de un espacio vectorial, se obtiene a partir de la siguiente expresin.
,
(| )
cos =

Siempre y cuando el campo de definicin del espacio vectorial al cual pertenecen uy v sean los
reales R.
Si el campo de definicin es complejo, entonces la expresin que me permite calcular el ngulo es:
cos =
(| )

Donde R( v |u ) representa la parte real del nmero complejo que resulte del producto interno.
El hecho de que dos vectores definan 90 no implica que sean ortogonales.

( u | v )=2i 0, pero la parte real es 0 entonces =90
EJEMPLO
VECTORES ORTOGONALES.
En un espacio con producto interno, dos vectores uy v son ortogonales si:
(| ) = 0
La ortogonalidad depende de la seleccin del producto interno. Es posible que dos vectores sean
ortogonales con respecto a un producto interno y que al mismo tiempo no lo sean con respecto a
otro producto interno.
37
EJEMPLO.
Uno de los resultados ms importantes relacionado con la ortogonalidad de dos vectores es la

generalizacin del llamado Teorema de Pitgoras, el cual se enuncia a continuacin.
Sea V un espacio con producto interno y sean u y v V. Si u y v son ortogonales entonces:
u v
4.3 Conjuntos ortogonales y ortonormales. Independencia de un conjunto ortogonal de vectores

no nulos. Coordenadas de un vector respecto a una base ortogonal. Proceso de ortogonalizacin
de Gram-Schmidt.
CONJUNTOS ORTOGONALES Y ORTONORMALES.

Se considera que un conjunto es ortogonal, cuando cada uno de sus vectores es ortogonal a los
dems elementos del conjunto, como lo establece la siguiente definicin:
Sea V un espacio con producto interno y sea = {1 , 2 , 3 , . . , } un conjunto de vectores de V.

Se dice que S es un conjunto ortogonal cuando:
( | ) = 0;
Si adems v 1;
i
i el conjunto S es ortonormal.
EJEMPLO:
INDEPENDENCIA LINEAL DE UN CONJUNTO ORTOGONAL DE VECTORES NO NULOS.

TEOREMA. Un conjunto ortogonal de vectores no nulos es linealmente independiente.
En el captulo II se estableci el concepto de base de un espacio vectorial, considerando
solamente 2 condiciones.
-
Independencia lineal
Conjunto generador
38
En este captulo, se ampliar este concepto al combinarlo con ortogonalidad.

De esta manera, una base ortonormal es aquella base ortogonal en la que todos sus elementos
tienen como valor del producto interno, consigo mismo a la unidad, esto es:
( | ) = 1
Para normalizar un vector, hay que dividirlo entre su norma.

Lo anterior significa que para obtener una base ortonormal, se debe partir de una base arbitraria,
por lo cual se llegue a una base ortogonal y finalmente al dividir cada elemento por su norma
respectiva, se obtenga la correspondiente base ortonormal.
Conjunto Independiente, generador, ortogonal y unitario.
COORDENADAS DE UN VECTOR RESPECTO A UNA BASE ORTOGONAL.

Dado un vector a de un espacio vectorial, en el cual B constituye una base ortogonal,
= {1 , 2 , 3 , , }
se tiene que:
a 1v 1 2v 2 3v 3 ... nv n
Para determinar la coordenada i se procede a efectuar el producto interno de la expresin

anterior, miembro a miembro, considerando como factor al vector vi de la base ortogonal, esto es:
En general el vector de coordenadas de a respecto a una base ortogonal viene dado por:
(| ) =1 (1 | ) +2 (2 | ) +3 (3 | ) + + ( | ) + + ( | )
(| ) = ( | )
(| )
=
( | )
(|1 )
() = [
,
(1 |1 )
(|2 )
,
(2 |2 )
(|3 )
(| )
,,
]
(3 |3 )
( | )
En el caso de que la base sea ortonormal, entonces el vector de coordenadas vendr dado por:
() = [(|1 ), (|2 ), , (| )]
Donde:
39
= {1 , 2 , , }
Es una base ortonormal.
EJEMPLO:
PROCESO DE ORTOGONALIZACIN DE GRAM-SCHMIDT
Este se utiliza para obtener bases ortogonales de un espacio vectorial, a partir de una base
cualquiera de dicho espacio.
Entonces, dada la base: = {1 , 2 , 3 , , } de un espacio vectorial, se tiene que:
= {1 , 2 , 3 , , }
Representa una base ortogonal del espacio vectorial considerando que:
1 = 1
+1 = +1
=1
(+1 | )
( | )
Donde r= 1,2,3,, n-1
(3 |1 )
(3 |2 )
3 = 3 [
1 +
]
(1 |1 )
(2 |2 ) 2
(4 |1 )
(4 |2 )
(4 |3 )
4 = 4 [
1 +
2 +
]
(1 |1 )
(2 |2 )
(3 |3 ) 3
EJEMPLO:
EJEMPLO.
40
4.4 Complemento ortogonal. Proyeccin de un vector sobre un subespacio. El teorema de

proyeccin.
COMPLEMENTO ORTOGONAL.
Sea V un espacio con producto interno y sea S un subconjunto de V. Se dice que un vector v V
es ortogonal al conjunto S si:
( |) = 0
= { |( |) = 0; }
El conjunto de todos los vectores de V ortogonales a S se denota como S (complemento
ortogonal), esto es:
S es un subespacio.
Cerradura suma u1 , u2
( |1 ) + ( |2 ) = 0
0 +
0 = 0
Cerradura multiplicacin
( |) = ( |)
0 = 0
EJEMPLO:
TEOREMA:
Sea V un espacio con producto interno y sea W un subespacio de V de dimensin finita. Entonces
cualquier vector v V puede expresarse en forma nica como:
v w w'
donde w W y w ' W
EJEMPLO:
PROYECCIN DE UN VECTOR SOBRE UN SUBESPACIO.

Sea V un espacio con producto interno, W un subespacio de V de dimensin finita y
{1 , 2 , 3 , , }
una base ortonormal de W.
41
Si V, el vector
( | )
se llama proyeccin de v sobre W.
=1
EJEMPLO:
TEOREMA DE PROYECCIN.
Uno de los resultados de la teora de los espacios con producto interno es el llamado teorema de
proyeccin (o teorema de la mejor aproximacin).
Se trata de encontrar un vector
0 del plano W que sea el ms cercano a (o el ms
aproximado), en el sentido de que la distancia entre y
0 sea la menor distancia posible entre
y cualquier vector de W.
Tal vector existe, es nico y es precisamente la proyeccin de sobre el subespacio W.

El vector
0 se conoce como la proyeccin de sobre el espacio W, debido a que es la suma de las
proyecciones de sobre cada uno de los elementos de una base de W.
Sea V un espacio con producto interno y sea W un subespacio de V. Para cada vector V existe
uno y slo un vector
0 W tal que:
v w0 v w ,
Dicho vector es la proyeccin de sobre W.
EJEMPLO:
42
w W , w w0
4.5 MINIMOS CUADRADOS.
Los sistemas inconsistentes surgen con frecuencia en las aplicaciones, aunque generalmente no
con una matriz de coeficientes tan grande. Cuando se necesita una solucin y no existe alguna, lo
mejor que se puede hace es encontrar una solucin tan cercana a la posible.
Por ejemplo al sistema no homogneo = , se debe encontrar una que haga tan cercana
a como sea posible.
El trmino de mnimos cuadrados surge del hecho de que es la raz cuadrada de una
suma de cuadrados.
DEFINICIN.
Si A es una matriz de orden mxn y est en Rn, una solucin por mnimos cuadrados de =
es una tal que:

TEOREMA:
Para cualquier matriz A de mxn y cualquier vector , hay una solucin x~ de mnimos cuadrados de
~ b~
= . Adems, si es la proyeccin de sobre Col A, entonces: Ax
TEOREMA: Si las columnas de una matriz de mxn forman un conjunto ortogonal, entonces ATA es
una matriz diagonal nxn.
TEOREMA:
Si A es una matriz mxn, siempre hay solucin por mnimos cuadrados de = .
Adems,
1. x~ es una solucin por mnimos cuadrados de = si y solo si es una solucin de las
ecuaciones normales
= .
El error de mnimos cuadrados se define por: =

43
2. A tendr columnas linealmente independientes si y solo si ATA es invertible. En este caso, la

solucin por mnimos cuadrados es nica y puede calcularse con:
= ( )1
EJEMPLOS.
44
CAPITULO 5
OPERADORES LINEALES EN ESPACIOS CON PRODUCTO INTERNO
5.1 Definicin y propiedades elementales del adjunto de un operador.

Existen operadores que se pueden trabajar en espacios vectoriales en el cual se encuentra
definido un producto interno.
Dentro de estos operadores y para una mejor comprensin se puede trabajar con el operador
adjunto.
DEFINICION.
Sea V un espacio con producto interno y sea : un operador lineal. Un operador se dice
que es adjunto de T si:
:
(()| ) = (| ( )), ,
Recordar que siempre hay una relacin entre las representaciones matriciales de los operadores T
y T* cuando stas se encuentran referidas a una base ortonormal.
Esta relacin puede emplearse para obtener el adjunto de un operador dado: si A es la

representacin matricial de T en una base ortonormal, entonces A* (conjugada transpuesta de A)
es la representacin matricial de T* en dicha base. Por lo que se tiene el siguiente teorema:
TEOREMA
Sea V un espacio vectorial e dimensin finita con producto interno y sea B una base ortonormal de
B. Si : es un operador lineal, entonces:
( ) = [ ()]
TEOREMA
Si V es un espacio vectorial de dimensin finita y con producto interno, entonces para cada
operador lineal : existe un nico adjunto T*, que tambin es lineal.
EJEMPLO:
45
TEOREMA: Propiedades elementales.

Sea V un espacio vectorial sobre K, con producto interno. Si S y T son operadores lineales en V y
es un escalar de K, entonces:
) ( ) =

) ( ) =
) ( + ) = +
) ( ) =
5.2 Definicin y propiedades elementales de operador normal.
DEFINICIN
Sea V un espacio con producto interno y sea : un operador lineal. Se dice que T es
normal si = .
De esta definicin se sigue de inmediato que si T es normal T* tambin es normal y viceversa.
TEOREMA: Propiedades elementales.

Sea V un espacio con producto interno y sea : un operador normal:
) ( ) = ( ),
) ( ) = ( ) =
) 1 , 2 1 , 2
1 2 (1 |2 ) = 0
Interpretando lo anterior:
1) Si es un valor caracterstico de T entonces es un valor caracterstico de T*
2) Todo vector caracterstico de T es tambin un vector caracterstico de T* (aunque no
necesariamente correspondiente al mismo valor que para T).
3) Para operadores normales, los vectores caractersticos asociados a valores distintos son
ortogonales.
EJEMPLO:
46
5.3 Definicin y propiedades elementales de operadores simtricos, hermitianos, antisimtricos,

antihermitianos, ortogonales, unitarios y su representacin matricial.
Operadores normales reciben nombres especiales debido a que sus caractersticas propias son de
inters para la teora de operadores lineales. Estos operadores suelen distinguirse con diferentes
nombres cuando el espacio vectorial est definido sobre el campo de los nmeros complejos y
cuando est definido sobre el campo de los nmeros reales.
DEFINICIN:
Sea V un espacio vectorial sobre C (sobre R) con producto interno y sea : un operador
lineal, se dice que:
i)
ii)
iii)
T es hermitiano (simtrico) si T* = T
T es antihermitiano (antisimtrico) si T* = -T
T es unitario (ortogonal) si T* = 1
Explicndolo de un modo diferente la definicin anterior queda de la siguiente manera:

Dado un espacio vectorial con un producto interno y sea : un operador lineal. Se dice que
T es un operador hermitiano si cumple con la siguiente condicin:
((1 )|2 ) = (1 |(2 ))
Por otro lado T es un operador antihermitiano si cumple con la siguiente condicin:

((1 )|2 ) = (1 |(2 ))
Si V es un espacio vectorial con campo de definicin en los reales, al operador hermitiano se le

llama operador simtrico y a los operadores antihermitianos se les llama operadores
antisimtricos.
Conclusiones con respecto a lo anterior:

-
Los valores caractersticos de un operador hermitiano, cuando existen, son nmeros

reales, sin embargo un operador puede tener valores caractersticos reales y no ser
hermitiano.
Si T es un operador hermitiano con un producto interno, puede dejar de serlo con otro
producto interno.
Los valores caractersticos de un operador antihermitiano, cuando existen, son nmeros
imaginarios puros.
Para operadores antisimtricos el nico valor caracterstico posible es el cero.
47
Los valores caractersticos de un operador unitario, de existir, son nmeros complejos

cuyo mdulo es de tamao uno.
La representacin matricial (matriz asociada) de estos operadores corresponden a la matriz

hermitiana o antihermitiana, o bien, matriz simtrica o antisimtrica respectivamente, siempre y
cuando la base sea ortonormal.
EJEMPLO:
TEOREMA
Sea V un espacio con producto interno, B es una base ortonormal de V, : un operador
lineal y A la representacin matricial de T referida a la base B.
i)
ii)
iii)
Hermitiano: T*=T si y solo si A* = A

Antihermitiano: T* = -T si y solo si A* = -A
Unitario T* = 1 si y solo si A* = 1
Operadores Unitarios.
Sea V un espacio de dimensin finita sobre Complejos con producto interno, y sea : un
operador lineal. Se tendr un operador unitario respecto al producto interno definido, si para todo
1 2 se cumple que:
((1 )|(2 )) = (1 |2 )
Si V es un espacio definido sobre los Reales es ms comn decir que T es un operador ortogonal,
cuando T satisface la condicin anterior.
TEOREMA: Propiedades.
1.- ( ) =
2.- Los valores caractersticos tendrn modulo 1.
La representacin matricial de estos operadores corresponde a la matriz unitaria y ortogonal

respectivamente, siempre y cuando la base a la cual est referida sea ortonormal.
48
EJEMPLO:
5.4 Teorema espectral.
Se ver el mtodo de descomponer un operador normal T, expresndolo como una combinacin

lineal de ciertos operadores conocidos como proyecciones ortogonales.
Recordando el teorema de proyeccin hay que remarcar que el resultado de este teorema era un
vector proyectado, con el teorema espectral el resultado ser un operador.
DEFINICIN.
Sea V un espacio vectorial sobre C (sobre R), de dimensin finita y con producto interno, y sea
: un operador normal (simtrico).
Si 1 , 2 , 3 , . . , son los diferentes valores caracteristicos de T, ( ) es el espacio

caracterstico correspondiente a es la proyeccin ortogonal sobre ( ) , entonces:
) = 1 1 + 2 2 + +
) 1 + 2 + + =
) = 0,
A la primer expresin del teorema se le conoce como descomposicin espectral del operador T,
tal descomposicin es nica (salvo en el orden de los sumandos).
EJEMPLO:
5.5 Aplicacin de los valores propios y los vectores propios a las formas cuadrticas:
Para esta parte del curso lo que se pretende es la aplicacin de algunos conceptos estudiados en la
geometra analtica. En particular a lo referente al giro de ejes, para simplificar la identificacin de
cnicas o bien la degeneracin de ellas.
49
Una ecuacin de la forma:

ax2 + bxy + cy2 + Dx + Ey + F = 0
donde a,b,c,D,E,F R, se le llama ecuacin cuadrtica de las variables x y y. A la expresin formada

por los 3 primeros trminos de la expresin anterior se le llama forma cuadrtica de las variables
x, y.
ax2 + bxy + cy2
El problema consiste en eliminar el trmino xy, de la ecuacin cuadrtica mediante un cambio de
variable de tal manera que la ecuacin se reduzca a una de la siguiente forma:
x2 + y2 + = 0
A travs de un giro de ejes y si es necesario una traslacin de los mismos, obteniendo con esto,
una cnica con centro en el origen y sus ejes paralelos o coincidentes con los ejes coordenados.
Una forma cuadrtica siempre puede ser expresada en forma matricial de la siguiente manera:
ax2 +bxy + cy2
] [
2] [ ] =
Se observa que el trmino xy de la ecuacin aparece debido a los elementos que no estn en la
diagonal principal de la matriz A.
En cambio, si A fuese una matriz diagonal, el trmino xy no aparecera.
Por lo tanto para tener una ecuacin sin el trmino xy, se debe hacer un cambio de variable que
diagonalice a la matriz A. Utilizando la ecuacin: D=P-1AP, como se sabe la matriz P se forma con
los vectores caractersticos, sin embargo, es preferible usar vectores unitarios, ya que entonces la
matriz P es ortogonal, y por lo tanto PT=P-1.
50
Es importante tener presente que el determinante de la matriz P deber ser igual a 1. Si dicho
determinante fuese igual a -1 basta con invertir el orden de las columnas para tener la condicin
buscada.
El nuevo sistema de coordenadas x, y, en el cual la cnica carece del trmino xy, est dado por la
expresin:
[ ] = [] =
ngulo:
Ax 2 Bxy Cy 2 Dx Ey F
tan 2
B
AC
EJEMPLO.
51

Algebra Lineal UNAM 2015

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Algebra Lineal UNAM 2015

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

APUNTES DE LGEBRA LINEAL

PROF. ING. ALICIA PINEDA RAMREZ

Apuntes de lgebra Lineal

Apuntes de lgebra Lineal

En caso de no aprobar el primer examen final, la calificacin correspondiente ser la obtenida en

FECHAS DE EXAMENES PARCIALES Y FINALES:

Apuntes de lgebra Lineal

2. Nakos. George y Joyner, David

3. Solar G., Eduardo y Speziale, Leda

6. Godnez C, Hctor y Herrera C., Abel

Introduccin al lgebra lineal

Apuntes de lgebra Lineal

2.1 Definicin de espacio vectorial. Propiedades elementales de los espacios vectoriales.

I. La suma forma un grupo abeliano con el conjunto U

Apuntes de lgebra Lineal

Si V es un espacio vectorial sobre K, entonces

ii ) El vector 0 e es nico y es tal que:

El vector i es nico y es tal que: v i 0

Continuando con los postulados de la multiplicacin por un escalar se establecen otras

Apuntes de lgebra Lineal

Teorema: Dado un subconjunto B de un espacio vectorial A, se tiene que si:

Apuntes de lgebra Lineal

Apuntes de lgebra Lineal

Teorema 1: Si V es un espacio vectorial real de dimensin n, entonces V es isomorfo a Rn.

Se define como combinacin lineal de ellos a la expresin:

Donde i K (campo del espacio vectorial (V)).

Apuntes de lgebra Lineal

Apuntes de lgebra Lineal

De acuerdo con lo anterior, el concepto de conjunto generador se puede definir formalmente de

Definicin: Sea V un espacio vectorial sobre un campo K y sea = {1 , 2 , 3 , , }

BASE Y DIMENSIN DE UN ESPACIO VECTORIAL:

Apuntes de lgebra Lineal

Sea V un espacio vectorial sobre K. Si = {1 , 2 , 3 , , } es una base de V, entonces

Si V es un subespacio vectorial de dimensin n, cualquier conjunto linealmente independiente

COORDENADAS DE UN VECTOR RESPECTO A UNA BASE:

= {1 , 2 , 3 , , } de un espacio vectorial, en donde un vector

a de dicho espacio est dado por:

A los escalares 1, 2, 3,..., n, les llamaremos las coordenadas de

le llamaremos vector de coordenadas de

Tratndose de bases, el orden de sus elementos es importante.

Apuntes de lgebra Lineal

Dos bases de un espacio vectorial,

Apuntes de lgebra Lineal

2.3 Espacio rengln, espacio columna y rango de una matriz.

Con los renglones de A tenemos:

() = {(1, 2), (1,0)}

) Cambio de dos lineas:

Apuntes de lgebra Lineal

Forma cannica escalonada.

El rango de una matriz representa el nmero mximo de renglones (y de columnas) linealmente

Apuntes de lgebra Lineal

ESPACIO VECTORIAL DE FUNCIONES:

Polinomios de grado menor o igual que n, funciones definidas en un intervalo, funciones

Si tenemos f1, f2, f3,...,fn

1f1+2f2+3f3+ ... + nfn = 0

1f1(x)+2f2(x)+3f3(x)+ ... + nfn(x) = 0

DEPENDENCIA LINEAL DE FUNCIONES:

Apuntes de lgebra Lineal

Apuntes de lgebra Lineal

3.1 Definicin de transformacin. Dominio, codominio, ncleo y recorrido de una transformacin.

A este tipo de funciones le daremos el nombre de transformaciones: