Академический Документы
Профессиональный Документы
Культура Документы
e general
1. Sistema de e
ua
iones y Matri
es 3
1.1. Sistemas lineales de e
ua
iones . . . . . . . . . . . . . . . . . . . 3
1.2. Matri
es en un sistema de e
ua
iones . . . . . . . . . . . . . . . . 6
1.3. Metódo de elimina
ión de Gauss - Jordan . . . . . . . . . . . . . 8
1.4. Sistema homogeneo de e
ua
iones lineales . . . . . . . . . . . . . 11
1.5. Matri
es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6. Sistemas no homogeneos de e
ua
iones lineales . . . . . . . . . . 13
1.7. Matri
es elementales . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8. Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.10. El Determinante de una matriz . . . . . . . . . . . . . . . . . . . 24
1.11. Desarollo del determinante por
ofa
tores . . . . . . . . . . . . . 27
1.12. La adjunta y la inversa de una matriz . . . . . . . . . . . . . . . 31
1.13. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2. Espa
ios Ve
toriales 47
2.1. Espa
io Ve
torial . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2. Subespa
ios Ve
toriales . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.1. Subespa
ios generados por un
onjunto de ve
tores . . . . 52
2.2.2. Opera
iones
on subespa
ios . . . . . . . . . . . . . . . . 53
2.2.3. Suma Dire
ta . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.3. Dependen
ia Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.4. Bases y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.4.1. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.4.2. Subespa
ios de espa
ios de dimensión nita . . . . . . . . 68
2.5. Espa
ios Ve
toriales
on produ
to interno . . . . . . . . . . . . . 69
2.5.1. Norma y distan
ia . . . . . . . . . . . . . . . . . . . . . . 73
2.5.2. Ángulo entre dos ve
tores . . . . . . . . . . . . . . . . . . 75
2.6. Bases ortonormales . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.6.1. Pro
eso de Gram-S
hmidt . . . . . . . . . . . . . . . . . . 78
2.7. Proye
ión ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 82
1
ÍNDICE GENERAL 2
Sistema de e
ua
iones y
Matri
es
1.1. Sistemas lineales de e
ua
iones
donde a1 , . . . , an b ∈ R.
3
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 4
Al
onjunto de las solu
iones del sistema le llamaremos
onjunto solu
ión.
Si el sistema tiene solu
ión le llamaremos
onsistente, en
aso
ontrario
diremos que es in
onsistente.
Ejemplos 1
Diremos que dos sistemas de e
ua
iones son equivalentes si tienen el mismo nú-
mero de in
ognitas, e
ua
iones y también el mismo
onjunto solu
ión.
Para obtener sistemas de e
ua
iones equivalentes a 1.1, basta realizar las si-
guientes opera
iones (elementales) entre las e
ua
iones de 1.1:
Inter
ambiar de posi
ión las e
ua
iones,
Multipli
ar una e
ua
ión por una
onstante (no
ero),
Sumar a una e
ua
ión un multiplo de otra.
Para en
ontrar la solu
ión de 1.1 ne
esitamos en
ontrar un sistema equivalente
más sen
illo mediante opera
iones elementales.
Ejemplos 2
A E1 le restamos 3E2
x1 + x2 = 3, E2
−x2 = −2, E1
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 5
multipli
andole −1 a E1
x1 + x2 = 3, E2
x2 = 2, E1
restandole a E2 la e
ua
ión E1
x1 = 1, E2
x2 = 2, E1
así obtuvimos un sistema equivalente más sen
illo que nos da la solu
ión
del sistema original.
2. Resolver el siguiente sistema lineal
x1 + x2 + 3x3 = 12, E1
2x1 + 3x2 − 5x3 = −21, E2
5x1 + 2x2 + 5x3 = 23, E3
mediante opera
iones elementales.
A E2 le restamos 2E1 , y a E3 le restamos 5E1
x1 + x2 + 3x3 = 12, E1
x2 − 11x3 = −45, E2
−3x2 − 10x3 = −37, E3
a E3 le sumamos 3E2
x1 + x2 + 3x3 = 12, E1
x2 − 11x3 = −45, E2
−43x3 = −172, E3
dividiendo E3 entre −43
x1 + x2 + 3x3 = 12, E1
x2 − 11x3 = −45, E2
x3 = 4, E3
restando a E1 la e
ua
ión 3E3 , y sumando a E2 la e
ua
ión 11E3
x1 + x2 = 0, E1
x2 = −1, E2
x3 = 4, E3
nalmente restando E2 a E1
x1 = 0, E1
x2 = −1, E2
x3 = 4, E3
así obtuvimos un sistema equivalente más sen
illo que nos da la solu
ión
del sistema original.
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 6
Observa
ión 1
Dos matri
es son iguales si tienen el mismo orden y
ada una de sus entradas
oin
iden.
Ejemplos 3
1. Matriz 2 × 2
1 2
3 4
2. Matriz 2 × 3
1 5 2
3 3 1
3. Matriz 3 × 3
1 1 1
0 1 2
0 2 1
Diremos que una matriz A está en la forma es
alonada redu
ida si
umple:
a) Si las lineas que tienen solo
eros se en
uentran en la parte inferior de la
matriz,
b) Si para
ada linea que no
onste de
eros, tiene
omo primer elemento no
ero a 1,
) Las lineas estan ordenadas de tal manera que el primer elemento no
ero
de la primera linea está a la izquierda del primer elemento de la segunda
linea y este a su vez está a la izquierda del primer elemento de la ter
era
linea y así su
esivamente,
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 8
1 −1 −1 0 3 1 −1 0 0 1
0 1 5 0 −9 ∼ F1 + F 3 0 1 0 0 1
∼
0 0 1 0 −2 F2 − 5F3
0 0 1 0 −2 F1 +F2
0 0 0 1 1 0 0 0 1 1
1 0 0 0 2
0 1 0 0 1
0 0 1 0 −2 .
0 0 0 1 1
1 1 2 2 12 3 2 2 4 0 0 10
1 1 2 2 12 3 1 1 2 2 12 3
0 1 2 2 12 0
∼ F3 − F1 0 1 2 2 12 0
∼ F3 /3
1 1 2 5 30 0 F4 − F1
0 0 0 3 18 −3 F4 /2
1 1 2 0 0 5 0 0 0 −2 −12 2
1 1 2 2 12 3 1 1 2 2 12 3
0 1 2 2 12 0 ∼F4 +F3 0 1 2 2 12 0 ∼ F1 − 2F3
0 0 0 1 6 −1 0 0 0 1 6 −1 F2 − 2F3
0 0 0 −1 −6 1 0 0 0 0 0 0
1 1 2 0 0 5 1 0 0 0 0 3
0 1 2 0 0 2 ∼F1 −F2 0 1 2 0 0 2
0 0 0 1 6 −1 0 0 0 1 6 −1
0 0 0 0 0 0 0 0 0 0 0 0
así el sistema resultante es
x1 = 3
x2 + 2x3 = 2
x4 + 6x5 = −1
de aquí
x1 = 3
x2 = 2(1 − x3 )
x4 = −1 − 6x5 ,
si x3 = t, x5 = s por lo tanto el
onjunto solu
ión es
{(3, 2(1 − t), t, −1 − 6s, s)| s, t ∈ R} ⊂ R3
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 11
notemos que el sistema tendrá al menos una solu
ión (la trivial) x1 = x2 =
· · · = xn = 0. El siguiente teorema nos di
e bajo que
ondi
iones podemos saber
si el sistema a
epta mas solu
iones que la trivial.
Teorema 1
Consideremos un sistema homogeneo
on m e
ua
iones y n in
ognitas. Si m <
n, enton
es el sistema tiene una innidad de solu
iones.
Demostra
ión
Consideremos la matriz del sistema, llevemosla a la forma redu
ida es
alo-
nada, y supongamos que solo r las son diferentes de
ero, así solo en
ontramos
solu
ión para r variables (r < n) y n − r variables quedan libres.
1.5. Matri es
también se denota
A = (aij )j=1,...,n
i=1,...,m .
Denimos la matriz
ero de orden m × n
omo aquella que solo tiene
eros:
0 0 ··· 0
0 0 ··· 0
= . .. . . .. .
0m×n
.. . . .
0 0 ··· 0
Opera
iones
Sean A = (aij ), B = (bij ) matri
es de orden m × n. Denimos las siguientes
opera
iones:
A ± B = (aij + bij )i,j=1,...,n ,
Si α ∈ R, αA = (αaij )i,j=1,...,n ,
Si C = (crs ) de orden n × l
n
!s=1,...,m
X
AC = aik cks .
k=1 i=1,...,m
Propiedades de la suma
Sean A, B , y C matri
es del mismo orden m × n, enton
es
A + B = B + A Conmutativa,
A + (B + C) = (A + B) + C Aso
iativa,
Existe 0m×n tal que A + 0m×n = A Elemento neutro,
Existe (−A) tal que A + (−A) = 0m×n Inverso aditivo,
α(A + B) = αA + αB Distribu
ión
on el produ
to por es
alar
(α + β)A = αA + βA,
(α β)A = α(βA) Aso
iativo respe
to al produ
to por es
alar,
1 A = A Identidad respe
to a la multipli
a
ión por es
alar.
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 13
Teorema 2
Si el sistema AX = B es
onsistente, enton
es la solu
ión general del sistema
puede es
ribirse
omo la suma de una solu
ión parti
ular del mismo, más la
solu
ión general del sistema homogeneo AX = 0m×1 .
Observa
ión 5
Como el sistema AX = B puede tener mas de una solu
ión, al de
ir 'solu
ión
general' nos referiremos a
ualquiera de estas solu
iones.
Demostra
ión
Sea X0 solu
ión parti
ular de AX = B y X otra solu
ión del mismo. Denimos
X̃ = X − X0 tenemos que
es de
ir,
ualquier otra solu
ión de AX = B se ve
omo la suma de una solu
ión
parti
ular X0 del sistema no homogeneo y una solu
ión X̃ del sistema homo-
geneo. Ahora solo falta ver que si sustituimos X̃ por
ualquier otra solu
ión X̂
de AX = 0, X sigue siendo solu
ión de AX = B : En efe
to si X := X0 + X̂ ,
enton
es AX = AX0 + AX̂ = B .
Corolario 1
El sistema AX = B
umple alguno de los siguientes in
isos
a) No tiene solu
ión,
b) Tiene una úni
a solu
ión,
) Tiene innidad de solu
iones.
Demostra
ión
Obviamente AX = B puede tener solu
ión o no. Supongamos que tiene solu
ión
y sea X la solu
ión general, enton
es
X = X0 + X̃,
Ejemplos 7
Resolver
x1 + 6x2 − 5x3 = 1
x1 + 2x2 − x3 = 5
3x1 + 2x2 + x3 = 19
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 15
obtenemos
x1 + x3 = 0
x2 − x3 = 0,
luego tomando x3 = t ∈ R obtenemos la solu
ión general del sistema homogeneo
x1 = −t
x2 = t,
Así si matriz E es una
ombina
ión de estas opera
iones enton
es se verá
omo
un produ
to de estas matri
es que llamaremos R, por lo tanto
E = RI.
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 17
Teorema 3
Sean A matriz n × m, y E matriz elemental de orden n, enton
es
EA = RA.
Demostra
ión
EA = RIA = RA.
Ejemplos 8
1. Matriz elemental 2 × 2:
1 −1
E=
0 1
2. Matriz elemental 3 × 3:
1 0 −3
E= 0 1 2
0 0 1
Diremos que una matriz A de orden n × n tiene inversa por la dere
ha si existe
una matriz B tal que
AB = I,
analogamente diremos que A tiene inversa por la izquierda si existe una matriz
C tal que
CA = I.
Si AB = BA = I , enton
es a la matriz B le llamaremos inversa de A, y A se
di
e invertible.
Diremos que las matri
es A, B son equivalentes si
A = P B,
Propiedades
Sean A, B matri
es invertibles, y α ∈ R, enton
es
a) (A−1 )−1 = A,
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 18
b) (AB)−1 = B −1 A−1 ,
) (An )−1 = A−n , n ∈ N,
d) (αA)−1 = α−1 A−1 .
Teorema 4
Una matriz elemental es invertible.
Demostra
ión
Sea E = RI , y denimos E ′ = R′ I donde R′
ontiene las opera
iones inversas
de R, así
EE ′ = RIR′ I = RR′ I = I
E ′ E = R′ IRI = R′ RI = I,
por lo tanto E ′ = E −1 .
Teorema 5
Sea A una matriz de orden n×n, enton
es los siguientes in
isos son equivalentes
a) A es invertible,
b) A es equivalente a la matriz I de orden n × n,
) A es un produ
to de matri
es elementales.
Demostra
ión
así
A = E1−1 · · · Ek−1 R,
y
omo A es invertible, enton
es R = I .
Observa
ión 7
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 19
donde P es invertible.
Teorema 6
Sea A una matriz de orden n×n, enton
es los siguientes in
isos son equivalentes
a) A es invertible,
b) El sistema homogéneo AX = 0 tiene solu
ión trivial,
) El sistema AX = Y tiene una solu
ión para
ada matriz Y de orden n× 1.
Demostra
ión
b) ⇒
) La solu
ión de AX = Y es la suma de una solu
ión parti
ular y la solu
ión
general de AX = 0:
X = X0 + X̃,
pero por hipotesis X̃ = 0, enton
es X = X0 .
) ⇒ a) Tenemos que AX = Y , luego este sistema será equivalente a
RX = Y,
para ver que es la identidad basta ver que la última la de R no es
ero:
Esto se tiene ya que si tomamos
0
0
Y =
0
1
por hipotesis el sistema RX = Y tiene solu
ión, por lo tanto la última la
de R no es
ero.
Corolario 2
Sea A matriz de orden n × n. Si A tiene inversa izquierda o dere
ha, enton
es
es invertible.
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 20
Demostra
ión
Supongamos que la matriz A tiene inversa izquierda BA = I , enton
es el sistema
AX = 0 tiene solu
ión trivial, luego A es invertible.
Si A tiene inversa dere
ha AB = I , enton
es el sistema BX = 0 tiene solu
ión
trivial y B es invertible.
Corolario 3
Sea A = A1 A2 · · · Ak , donde A1 , . . . , Ak son matri
es de orden n × n. Enton
es
A es invertible ssi
ada Ai es invertible.
Demostra ión
A1 (A2 · · · Ak B) = I,
Tomando B = Ak · · · A1 ,
−1 −1
AB = I.
Ejemplos 9
1. En
ontrar la inversa de
2 −1
.
1 3
Consideremos la siguiente matriz y llevemosla a la forma es
alonada re-
du
ida
2 −1 1 0 1 3 0 1
∼ F1 ↔ F2 ∼ F2 − 2F1
1 3 0 1 2 −1 1 0
1 3 0 1 1 3 0 1
∼ F2 /(−7) ∼ F1 − 3F2
0 −7 1 −2 0 1 − 17 27
1 0 37 1
7
0 1 − 71 27
así la matriz inversa es 3 1
7 7
− 71 2
7
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 21
1.9. Determinantes
Consideremos el
onjunto In = {1, 2, . . . n}. Una permuta
ión es una fun
ión
σ : In −→ In biye
tiva. Al
onjunto de las permuta
iones sobre In las denotamos
Sn
Ejemplos 10
Observa
ión 8
Sn tiene n! permuta
iones
Ahora denimos la
omposi
ión y la inversa de una permuta
ión: Sean
1 2 ··· n 1 2 ··· n
σ1 = , σ2 = ,
σ1 (1) σ1 (2) · · · σ1 (n) σ2 (1) σ2 (2) · · · σ2 (n)
dos permuta
iones , denimos la
omposi
ión
1 2 ··· n
σ1 ◦ σ2 = ,
σ1 (σ2 (1)) σ1 (σ2 (2)) · · · σ1 (σ2 (n))
y la inversa de σ1
omo
1 2 ··· n
σ1−1 = ,
σ1−1 (1) σ1−1 (2) · · · σ1−1 (n)
tal que σ1−1 ◦ σ1 = σ1 ◦ σ1−1 = I .
Ejemplos 11
Consideremos S4 ,
on las siguientes permuta
iones
σ1 = (1 2 3 4) σ7 = (2 1 3 4) σ13 = (3 1 2 4) σ19 = (4 1 2 3)
σ2 = (1 2 4 3) σ8 = (2 1 4 3) σ14 = (3 2 1 4) σ20 = (4 2 1 3)
σ3 = (1 3 2 4) σ9 = (2 4 1 3) σ15 = (3 4 1 2) σ21 = (4 2 3 1)
σ4 = (1 3 4 2) σ10 = (2 4 3 1) σ16 = (3 1 4 2) σ22 = (4 1 3 2)
σ5 = (1 4 3 2) σ11 = (2 3 4 1) σ17 = (3 2 4 1) σ23 = (4 3 1 2)
σ6 = (1 4 2 3) σ12 = (2 3 1 4) σ18 = (3 4 2 1) σ24 = (4 3 2 1).
Cal
ulemos σ3 ◦ σ9 , σ6 ◦ σ11 , σ3−1 , σ15
−1
, y σ24
−1
:
σ3 ◦ σ9 = (3 4 1 2) σ22 ◦ σ14 = (3 1 4 2) σ6 ◦ σ11 = (4 2 3 1)
σ3−1 = (1 3 2 4) −1
σ15 = (3 4 1 2) −1
σ24 = (4 3 2 1).
Ejemplos 12
1. La permuta
ión
1 2 3 4
σ=
4 2 3 1
tiene las siguientes inversiones
(4, 2) (4, 3) (4, 1) (2, 1) (3, 1)
así kσ = 5 y Sgn σ = (−1)5 = −1, por lo tanto la permuta
ión es impar.
2. Cal
ular las inversiones de
1 2 3 4
σ= .
4 1 2 3
Tiene las siguientes inversiones
(4, 1) (4, 2) (4, 3)
así kσ = 3 y Sgn σ = (−1)3 = −1, por lo tanto la permuta
ión es impar.
Observa
ión 9
Una manera sen
illa de
al
ular las inversiones de una permuta
ión es
olo
ando
los números 1, 2, . . . , n en una lista y abajo de ellos los valores σ(1), σ(2), . . . , σ(n),
luego unimos los valores iguales de entre las dos listas, y el número de interse
-
iones nos da el número de inversiones de σ.
Teorema 7
Sean σ1 y σ2 permuta
iones en Sn , enton
es
Sgn (σ1 ◦ σ2 ) = (Sgn σ1 )(Sgn σ2 ).
Demostra
ión
Sean kσ1 , kσ2 el número de inversiones en σ1 , y σ2
orrespondientemente. No-
temos que
Sgn (σ1 ◦ σ2 ) = (−1)kσ1 +kσ2 −2kσ1 σ2 = (Sgn σ1 )(Sgn σ2 ).
Corolario 4
Si σ es una permuta
ión del
onjunto Sn , enton
es
Sgn σ = Sgnσ −1
Teorema 8
Una transposi
ión es una permuta
ión impar.
Demostra
ión
Al
ontar las inversiones de la transposi
ion obtenemos 2(j − i − 1) + 1, por lo
tanto es impar.
Corolario 5
Si σ es una permuta
ión de Sn y τ una transposi
ión, enton
es
Sgn τ ◦ σ = −Sgn σ = Sgnσ ◦ τ.
Observa
ión 10
El
orolario nos di
e que si
ambiamos dos elementos de σ enton
es el signo
ambia.
Observa
ión 11
Al produ
to a1σ(1) a2σ(2) · · · anσ(n) le llamaremos produ
to elemental, además no-
temos que
ontiene un elemento de
ada la.
Ejemplos 13
Por lo tanto
det A = (Sgn σ1 )a11 a22 a33 + (Sgn σ2 )a11 a23 a32 + (Sgn σ3 )a12 a21 a33
(Sgn σ4 )a12 a23 a31 + (Sgn σ5 )a13 a21 a32 + (Sgn σ6 )a13 a22 a31
= a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31
Propiedades
Sea A = (aij )i,j=1,...,n matriz
uadrada n × n.
1. Si los elementos de la k-ésima la de A tienen la forma akj = a′kj + a′′kj ,
enton
es
det A = det A′ + det A′′
donde A′ y A′′ son las matri
es que en la la k-ésima tienen los elementos
a′kj y a′′kj
orrespondientemente, y sus demás las
oin
iden
on las de A.
2. Si A′ es la matriz que se obtiene de A al multipli
ar la k-ésima la por un
número α, enton
es
det A′ = α det A.
Teorema 9
Sea A una matriz de orden n × n, enton
es
det A = det At .
Ejemplos 14
1. Si
1 3
A=
5 2
la transpuesta es
t 1 5
A = .
3 2
2. Si
1 −3 3
A= 3 5 1
2 1 −1
la transpuesta es
1 3 2
At = −3 5 1 .
3 1 −1
Diremos que A = (aij )i,j=1,...,n es una matriz triangular superior si aij = 0 para
i > j.
a11 a12 ··· a1n
0 a22 ··· a2n
A= . ..
.. .. ..
. . .
0 ··· 0 ann
Diremos que es triangular inferior si aij = 0 para i < j .
a11 0 ··· 0
..
a21 a22 ··· .
A=
. ..
.. ..
. . 0
an1 an2 · · · ann
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 27
Teorema 10
Sea A = (aij ) una matriz triangular (inferior o superior), enton
es
det A = a11 a22 · · · ann .
Ejemplos 15
Lema 2
Sea A una matriz de orden n × n, y sea E una matriz elemental, enton
es
det (EA) = (det E)(det A).
Teorema 11
Sean A y B matri
es
uadradas, enton
es
det (AB) = (det A)(det B).
Corolario 6
Sea A matriz de orden n × n. A es inversible ssi det A 6= 0.
Corolario 7
Si A es una matriz inversible
1
det (A−1 ) = (det A)−1 = .
det A
Consideremos la matriz
a11 a12 ··· a1j ··· a1n
a21 a22 ··· a2j ··· a2n
.. .. .. ..
.. ..
. . . . . .
A=
ai1
.
ai2 ··· aij · · · ain
. .. .. ..
.. .. ..
. . . . .
an1 an2 · · · anj · · · ann
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 28
Ejemplos 16
Sea
a11 a12 a13
A = a21 a22 a23 ,
a31 a32 a33
las submatri
es son
a22 a23 a21 a23
M11 = , M12 = ,
a32 a33 a31 a33
a11 a13 a21 a22
M22 = , M13 = ,
a31 a33 a31 a32
a12 a13 a11 a12
M21 = , M23 = ,
a32 a33 a31 a32
a12 a13 a11 a13
M31 = , M32 = ,
a22 a23 a21 a23
a11 a12
M33 = .
a21 a22
Demostra
ión
Por deni
ión del determinante
X
det A = Sgn (σ) a1σ(1) a2σ(2) · · · anσ(n) .
σ∈Sn
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 29
y
n
X
det A = (−1)i+k det Mik aik .
k=1
Observa ión 12
Ejemplos 17
= 2(4 − 1) − 1(1 − 1)
= 6.
= 4.
Teorema 13
Sea A = (aij )i,j=1,...,n matriz n × n y Mij sus submatri
es, enton
es
n
X
r+k det A si s = r,
(−1) (det Mrk )ask =
0 si s 6= r.
k=1
Demostra ión
a′ij = aij si i 6= s,
a′ij = arj si i = s (r > s)
1. Sea
1 2
A= .
−1 1
Cal
ular su adjunta:
La matriz de
ofa
tores es
1 1
C= .
−2 1
y la adjunta es
1 −2
adj A = .
1 1
2. Sea
1 −1 1
A= 2 1 1 .
0 3 2
Cal
ular su adjunta:
Los
ofa
tores son
1 1
= −1, c22 = (−1)4 1 1 = 2,
c11 = (−1)2
3 2 0 2
3 2 1 5 1 −1
c12 = (−1) = −4, c23 = (−1) = −3,
0 2 0 3
4 2 1 4 −1 1
c13 = (−1) = 6, c31 = (−1) = −2,
0 3 1 1
−1 1
= 2, c32 = (−1)5 1 1 = 1,
c21 = (−1)3
0 2 2 1
1 −1
c33 = (−1)6 = 3.
2 1
La matriz de
ofa
tores es
−1 −4 6
C = 2 2 −3 .
−2 1 3
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 33
y la adjunta es
−1 2 −2
adj A = C t = −4 2 1 ,
6 −3 3
Ahora veremos la rela
ión que existe entre la matriz adjunta y la matriz
inversa:
Teorema 14
Sea A una matriz n × n, enton
es
A (adj A) = (detA) I.
Demostra
ión
Sean A = (aij )i,j=1,...,n y adj A = (bij )i,j=1,...,n , así
A (adj A) = (dij )i,j=1,...,n ,
donde n
X
dij = aik bkj , y bkj = cjk ,
k=1
por lo tanto
n
X
dij = aik cjk ,
k=1
Corolario 8
Si A es invertible, enton
es
adj A
A−1 = .
det A
Corolario 9
La matriz A es invertible ssi det A 6= 0.
Ejemplos 19
1. Sea
1 2
A=
−1 1
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 34
así
adj A adj A 1/3 −2/3
A−1 = = = .
det A 3 1/3 1/3
2. Sea
1 −1 1
A= 2 1 1
0 3 2
al
ular su inversa: Anteriormente vimos que
−1 2 −2
adj A = −4 2 1 ,
6 −3 3
y además
det A = 0 c31 + c32 + 3c33 = 1 + 9 = 10,
por lo tanto
−1/10 2/10 −2/10
adj A adj A
A−1 = = = −4/10 2/10 1/10 .
det A 10
6/10 −3/10 3/10
1. Resolver
2x1 + x2 = 0
3x1 − x2 = 5
el sistema en forma matri
ial es AX = B , donde
2 1 0
A= yB = .
3 −1 5
Cal
ulando A1 , A2 , det A, det A1 , det A2 tenemos
0 1 2 0
A1 = , A2 = .
5 −1 3 5
y detA = −5, detA1 = −5, det A2 = 10, por lo tanto las solu
iones son
−5 10
x1 = −5 = 1 x2 = −5 = −2.
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 36
2. Resolver
x1 + 2x2 + 4x3 = 31
5x1 + x2 + 2x3 = 29
3x1 − x2 + x3 = 10.
Tenemos que
1 2 4
detA = det 5 1 2 = −27,
3 −1 1
31 2 4
detA1 = det 29 1 2 = −81,
10 −1 1
1 31 4
detA2 = det 5 29 2 = −108,
3 10 1
1 2 31
detA3 = det 5 1 29 = −135,
3 −1 10
así
x1 = 3, x2 = 4, x3 = 5
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 37
b)
x+y = 0
5x + 5y = 0
)
3x + 5y = 8
5x − 2y = 3
b)
5x − 2y = 1
5x − 2y = 1
−x + 2y = 2
3x + 4y = 11
4x + 2y = 9
3. Use el método de elimina
ión de Gauss para resolver los siguientes siste-
mas:
x1 + 2x2 + x3 = 4
2x1 + 3x2 = 5
a) b) 5x1 + x2 + 6x3 = 0
x1 − 7x2 = 4
2x1 + 3x2 + 3x3 = 4
x1 + 2x2 + 3x3 + 4x4 + 5x5 = 15
x1 − 2x2 + x3 − 3x5 = 0
x2 + 2x3 + 3x4 + 4x5 = 10
x1 + 7x2 − 5x3 − 5x4 + 5x5 = 0
) x3 + 2x4 + 3x5 = 6 (d)
2x1 + x2 − x3 − 4x4 + 4x5 = 0
x4 + 2x5 = 3
3x1 − x2 − 2x3 + x4 − x5 = 0
x5 = 1
b)
x1 + x2 = 0
x2 + x3 = 1
x4 + x5 = 0
)
x1 + x2 = 0
x2 + x3 = 1
x4 + x5 = 0
x1 + 2x2 + x3 + x4 + 5x5 = 2
2x1 + 3x2 − x3 + 6x4 − x5 = 1 3x2 − x3 + x4 − x5 = 1
) x1 + 2x2 + x3 − 2x4 + 3x5 = −3 d) x3 + x4 − x5 = 0
2x1 + x2 − 6x3 + 5x4 + 3x5 = 2 x4 + x5 = 0
x5 = 1
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 39
8. Para los siguientes sistemas, determine los valores de a, b para que el sis-
tema tenga solu
ión úni
a:
2x1 + 3x2 + x3 = 5
x1 + ax2 = 1
(1) 3x1 − x2 + ax3 = 2 (2)
ax1 + x2 = a
x1 + 7x2 − 6x3 = b
b)
x1 + 3x2 + 3x3 = 0
2x1 + 7x2 + 7x3 = 0
2x1 + x2 + 6x3 = 0
)
x1 + x2 − x3 = 0
2x1 − x2 + 3x3 = 0
b)
5 2 −1
2 5 4
A= , B= 3 2 2 , a = 0.
−2 3 −1
1 0 0
)
2 1 0 1 0 −1
A= 3 2 −2 , B = 2 5 4 , a = −2.
4 1 1 3 2 4
b)
1 2 3 1 3 3
2 0
A= 3 1 2 , B=
, C= 2 1 2
1 2
2 1 0 1 1 1
Demuestre que
ei = ie = i ij = −ij = k i2 = −e
ej = je = j jk = −kj = i j 2 = −e
ek = ke = k ki = −ik = j k 2 = −e
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 42
19. Es
riba la solu
ión de los siguientes sistemas
omo la suma de la solu
ión
general del sistema homogéneo aso
iado, y una solu
ión parti
ular del
sistema no homogeneo.
x1 + x2 = 1 x1 + x2 − x3 = 2
a) b)
2x1 + 2x2 = 2 2x1 − 2x2 + 2x3 = 2
x1 − x2 + x3 = 1
) x1 + 23 x2 − 12 x3 = 2
5x1 + 5x2 − x3 = 9
es invertible.
22. Sea
3 −1 4
A= 0 2 1 .
1 −1 −2
Demuestre que
A3 − 3A2 − 7A + 18I = 0,
y
al
ular A−1 .
23. Diga
uales de las siguientes matri
es son elementales
1 2 0
2 0
a) b) 0 0 1
0 0
0 1 0
1 −1 1
) 2 1 3
0 1 1
CAPÍTULO 1. SISTEMA DE ECUACIONES Y MATRICES 43
27. Cal
ular σ1 ◦ σ2 , σ2 ◦ σ1 , σ1 ◦ σ1 ,σ2 ◦ σ2 , σ1−1 , σ2−1 , (σ1 ◦ σ2 )−1 , σ2−1 ◦ σ1−1
de
1 2 3 1 2 3
a) σ1 = σ2 =
3 2 1 1 3 2
1 2 3 4 1 2 3 4
b) σ1 = σ2 =
4 3 2 1 3 1 2 4
1 2 3 4 5 6 1 2 3 4 5 6
) σ1 = σ2 =
2 1 3 5 4 6 1 2 3 4 5 6
28. Determine las inversiones para las permuta
iones del ejemplo anterior.
29. Demostrar que si σ1 , σ2 son permuta
iones de Sn
(σ1 ◦ σ2 )−1 = σ2−1 ◦ σ1−1 .
b)
1 1 2
A = −1 1 5 .
4 2 1
) Segunda linea.
d) Primera
olumna.
35. Cal
ular los siguientes determinantes
a)
2 1 3
det 0 4 0 .
1 8 2
b)
3 1 5
det 2 1 4 .
0 4 2
)
5 2 0 1
det 1 1 0 1 .
9 9 3 6
b)
1 1 1 ··· 1 1
−1 1 1 ··· 1 1
det 0 −1 1 · · · 1 1 = 2n−1 .
.. .. .. ..
. . . .
0 0 0 ··· 1 1
x1 + 2x2 + 2x3 = 4
) 2x1 + x2 − 2x3 = −1
2x1 − 2x2 + x3 = −6
Capítulo 2
Campo
Es un
onjunto K
on las opera
iones suma y produ
to que
umplen las siguien-
tes propiedades
1. α + β = β + α ∀ α, β ∈ K Conmutativa.
2. α + (β + µ) = (β + α) + µ ∀ α, β, µ ∈ K Aso
iativa .
3. µ(α + β) = µβ + µα ∀ α, β ∈ K Distributiva.
4. α · β = β · α ∀ α, β ∈ K Conmutatividad.
5. α · (β · µ) = (β · α) · µ ∀ α, β, µ ∈ K Aso
iativa .
6. Existe 0 ∈ K tal que α + 0 = α ∀α∈K Elemento Neutro.
7. ∀ α ∈ K existe −α ∈ K tal que α + (−α) = 0 Inverso Aditivo.
8. Existe 1 ∈ K tal que 1 · α = α ∀α ∈ K .
9. ∀ α ∈ K existe α−1 ∈ K tal que α·α−1 = 1 Inverso Multipli
ativo.
Ejemplos 21
47
CAPÍTULO 2. ESPACIOS VECTORIALES 48
Observa
ión 14
A los elementos de un espa
io ve
torial les llamaremos ve
tores.
Apartir de la deni
ión se obtienen las siguientes propiedades
0·u=0 ∀ u∈V.
(−1) · u = −u ∀ u∈ V.
α·0=0 ∀ α ∈ K.
−(−u) = u ∀ u∈V.
(−α) · u = −(αu) = α(−u) ∀ u ∈ V, α ∈ K .
(−α) · (−u) = αu ∀ u ∈ V, α ∈ K .
u + v = u + w enton
es v = w.
Si α ∈ K , α 6= 0, y αu = αv enton
es u = v.
Si αv = 0, enton
es α = 0 o v = 0.
Demostra
ión
u + 0 · u = (1 + 0)u = u.
u + (−1)u = (1 + (−1))u = 0 · u = 0.
αu + α0 = α(u + 0) = αu.
CAPÍTULO 2. ESPACIOS VECTORIALES 49
αu + βv ∈ W
1. L ⊂ R2 dado por
L = {(x, y) ∈ R2 |ax + by = 0}, a, b ∈ R (ambos no nulos)
(gura)
2. El
onjunto
C(R) := {f : R −→ R|
ontinuas}
on las opera
iones
(f + g)(x) := f (x) + g(x) ∀ f, g ∈ C(R)
(αf )(x) := α f (x) ∀ f ∈ C(R), ∀ α ∈ R.
es un subespa
io de Rn .
Observa
ión 16
Todo subespa
io no trivial en R2 es de la misma forma que L.
CAPÍTULO 2. ESPACIOS VECTORIALES 52
Si S = {v1 , . . . , vn }, denimos
L(S) := {c1 v1 + · · · + cn vn | c1 , . . . , cn ∈ K}
Teorema 16
Sean V espa
io ve
torial, v1 , . . . , vn ∈ V ve
tores, enton
es
L(v1 , . . . , vn ) := {c1 v1 + · · · + cn vn | c1 , . . . , cn ∈ K}
Para ver que es el mas pequeño subespa
io sea W subespa
io de V que
ontiene
a v1 , . . . , vn : Como W es subespa
io
c1 v1 + · · · + cn vn ∈ W ∀ c1 , . . . , cn ∈ K,
luego
L(v1 , . . . , vn ) ⊂ W,
y
omo W es arbitrario L(v1 , . . . , vn ) es el más pequeño.
Observa
ión 17
De manera similar se prueba que L(S) es un subespa
io de V
on S innito, y
que además es el subespa
io más pequeño que
ontiene a S . A este espa
io lo
llamaremos el espa
io ve
torial generado por S .
Ejemplos 25
Sean v1 = (1, 3, −1), v2 = (2, 1, 3) ve
tores en R3 , en
ontrar el subespa
io gene-
rado por ellos: Por deni
ión
L(v1 , v2 ) = {c1 (1, 3 − 1) + c2 (2, 1, 3)| c1 , c2 ∈ R}
y de aquí
L(v1 , v2 ) = {(x, y, z) ∈ R3 | − 2x + y + z = 0}
fá
ilmente se puede veri
ar que son subespa
ios ve
toriales de V . Sin embargo
el
onjunto [
W1 W2 := {v ∈ V |v ∈ W1 o v ∈ W2 }
no es un subespa
io de V (veri
ar).
Ahora veremos la
ondi
ión que se ne
esita para que la unión sea un subes-
pa
io.
Teorema 17 S
Sean W1 ,W2 subespa
ios ve
toriales de V . Si W1 W2 es un subespa
io de V ,
enton
es W1 ⊂ W2 o W2 ⊂ W1 .
Demostra
ión S S S
Es
ogemos v1 ∈ W1 ⊂ W1 W2 , v2 ∈ W2 ⊂ W1 W2 , luego v1 + v2 ∈ W1 W2
enton
es v1 + v2 ∈ W1 o v1 + v2 ∈ W2 . Si v1 + v2 ∈ W1 enton
es v2 = v1 + v2 +
(−v1 ) ∈ W1 y luego W2 ⊂ W1 . Analogamente se obtiene que W1 ⊂ W2 .
Ahora damos la rela
ión entre el generado por la unión de dos subespa
ios
y la suma de ellos.
Teorema 18 S
Sean W1 , W2 subespa
ios de V , enton
es W1 + W2 = L(W1 W2 ).
Demostra
ión S
Como W1 ⊂ W1 + W2 , y W2 ⊂ W1 + W2 tenemos que L(W1 W2 ) ⊂ W1 + W2 .
Para la otra
ontensión tomemos v = v1 + v2 ∈ W1 + W2 , luego notemos que
v = 1 · v1 + 1 · v2
S
es de
ir, se ve
omo una
ombina
ión lineal de elementos de W1 W2 , así obte-
nemos la otra
ontensión.
CAPÍTULO 2. ESPACIOS VECTORIALES 54
Ejemplos 26
Consideremos M2×2 , y sus sub
onjuntos
a b a 0
W1 = |a, b, c ∈ R W2 = |a, d, c ∈ R
0 c d c
se prueba fá
ilmente que W1 , W2 son subespa
ios de M2×2 . Cal
ulemos su in-
terse
ión y su suma:
\ a 0 a b
W1 W2 = |a, c ∈ R W1 +W2 = |a, b, c, d ∈ R = M2×2
0 c d c
Observa
ión 18
La des
omposi
ión de M2×2 dada por W1 , y W2 no es úni
a:
a b a 0 0 b 0 b a 0
= + = +
d c d c 0 0 0 c d 0
A
ontinua
ión veremos que
ondi
ión nos dará la úni
idad de la des
ompo-
si
ión.
v∈ W1 v =v+0
⇒ ⇒ v = 0.
v∈ W2 v =0+v
v = v2 + v2
⇒ v1 + v2 = w1 + w2 ⇒ v1 − w1 = v2 − w2 ,
v = w1 + w2
Ejemplos 27
Consideremos el espa
io ve
torial F (R), y sus sub
onjuntos
W1 = {f ∈ F (R)| f (−x) = f (x) ∀ x ∈ R} Pares
W2 = {f ∈ F (R)| f (−x) = −f (x) ∀ x ∈ R} Impares.
L
Veamos que F (R) = W1 W2 :
2. Los ve
tores
−1 16 2 3 −1 2
v1 = , v2 = , v3 =
−4 13 3 4 −2 1
son l.d. en M2×2 : En efe
to resolvamos
−1 16 2 3 −1 2 0 0
c1 + c2 + c3 =
−4 13 3 4 −2 1 0 0
de aquí obtenemos
−c1 + 2c2 − c3 16c1 + 3c2 + 2c3 0 0
= ,
−4c1 + 3c2 − 2c3 13c1 + 4c2 + c3 0 0
lo
ual nos da el siguiente sistema de e
ua
iones
−c1 + 2c2 − c3 = 0
16c1 + 3c2 + 2c3 = 0
−4c1 + 3c2 − 2c3 = 0
13c1 + 4c2 + c3 = 0
resolviendo por elimina
ión Gaussiana
−1 2 −1 −1 2 −1 −1 2 −1
16 3 2 16 3 2 16 3 2
∼ ∼ ∼
−4 3 −2 L4 +13L1 −4 3 −2 L4 /2 −4 3 −2 L2 −4L3
13 4 1 0 30 −12 0 15 −6
−1 2 −1 −1 2 −1 −1 2 −1
0 15 −6 −4 3 −2 −4 3 −2
∼ ∼ ∼
−4 3 −2 L2 ↔L3 0 15 −6 L4 −L3 0 15 −6 L3 /3
0 15 −6 0 15 −6 0 0 0
−1 2 −1 −1 2 −1 −1 2 −1
−4 3 −2 0 −5 2 0 −5 2
∼ ∼ ∼
0 5 −2 L2 −4L1 0 5 −2 L3 −L2 0 0 0 L2 /5
0 0 0 0 0 0 0 0 0
−1 2 −1 −1 0 −1/5 1 0 1/5
0 −1 2/5 0 −1 2/5 0 1 −2/5
∼ ∼ ,
0 0 0 L1 +2L2 0 0 0 (−) 0 0 0
0 0 0 0 0 0 0 0 0
así c1 = −1/5c3, c2 = 2/5c3 , c3 ∈ R, es de
ir, la solu
ión es no trivial,
por tanto son l.d.
Observa
ión 19
Notemos que si c3 = 5, enton
es c1 = −1, c2 = 2, y v1 se puede es
ribir
omo
una
ombina
ión lineal de v2 , y v3 .
−1 16 2 3 −1 2
=2 +5
−4 13 3 4 −2 1
CAPÍTULO 2. ESPACIOS VECTORIALES 57
Teorema 20
Los ve
tores v1 , . . . , vn ∈ V , (n ≥ 2) son l.d. ssi al menos uno de ellos puede
es
ribirse
omo
ombina
ión lineal de los otros n − 1 ve
tores restantes.
Demostra
ión
⇒) Si
c1 v1 + · · · + cn vn = 0
alguno de los
oe
ientes ci , i = 1, . . . , n es diferente de
ero. Supongamos
c1 6= 0, luego
c2 v2 + · · · + cn vn = −c1 v1 , y
c2 cn
v2 + · · · + vn = v1
−c1 −c1
c1 v1 + · · · + (−1)vn = 0
Demostra
ión
CAPÍTULO 2. ESPACIOS VECTORIALES 58
cn
tal que algún ci (i = 1, . . . , n) es diferente de
ero, por lo tanto
c1 v1 + · · · + cn vn = 0
on algún ci 6= 0, (i = 1, . . . , n).
Ejemplos 29
1. Los ve
tores v1 = (3, 1, −1), v2 = (4, 1, 1), v3 = (1, 2, 3) forman una base
de R3 :
CAPÍTULO 2. ESPACIOS VECTORIALES 60
0 −1 −1 1 0 −1 −1 1
1 3 −2 1 1 3 −2 1
1 1 −4 3 1 1 −4 3
∼ ∼
0 −1 −1 1 L4 −L3 0 −1 −1 1 L2 −L1
0 −1 −1 1 0 0 0 0
1 3 −2 1 1 3 −2 1
0 −2 −2 2 ∼L /2 0 −1 −1 1 ∼L3 −L2
0 −1 −1 1 2 0 −1 −1 1
0 0 0 0 0 0 0 0
1 3 −2 1 1 0 −5 4
0 −1 −1 1 0 −1 −1 1
∼ ∼
0 0 0 0 L1 +3L2 0 0 0 0 −L2
0 0 0 0 0 0 0 0
1 0 −5 4
0 1 1 −1
0 0 0 0
0 0 0 0
CAPÍTULO 2. ESPACIOS VECTORIALES 62
así obtenemos
x1 − 5x3 + 4x4 = 0,
x2 + x3 − x4 = 0,
x3 , x4 ∈ R.
Tomando x3 = s ∈ R, y x4 = t ∈ R obtenemos que las solu
iones tienen
la siguiente forma:
x1 5s − 4t
x2 −s + t
X=
x3 =
.
s
x4 t
Notemos que
(5s − 4t, −s + t, s, t) = (5s, −s, s, 0) + (−4t, t, 0, t)
= s(5, −1, 1, 0) + t(−4, 1, 0, 1),
es de
ir, las solu
iones son generadas por (5, −1, 1, 0), (−4, 1, 0, 1), y
la-
ramente se ve que son l.i.; luego estos dos ve
tores son una base para el
onjunto solu
ión.
Observa
ión 21
luego si
0 = a1 u 1 + · · · + am u m
= a1 (c11 v1 + · · · + c1n vn ) + · · · + am (cm1 v1 + · · · + cmn vn )
= (a1 c11 + a2 c21 + · · · + am cm1 )v1 + · · · + (a1 c1n + a2 c21 + · · · + am cmn )vn .
Demostra
ión
Sean
β1 = {v1 , . . . , vn }
β2 = {u1 , . . . , un }
Como V = L(β1 ) y β2 ⊂ V por el Teorema 24 n ≤ m. Analogamente obtenemos
que m ≤ n, Por lo tanto m = n.
CAPÍTULO 2. ESPACIOS VECTORIALES 64
2.4.1. Dimensión
Sea V un espa
io ve
torial de dimensión nita. Se dene la dimensión de V
omo el número de ve
tores en alguna base de V . Y la denotaremos dim V
Ejemplos 31
1. Los ve
tores e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) forman una base
para R3 , y enton
es dim R3 = 3.
2. Los ve
tores e1 , . . . , en son base de Rn , por lo tanto dim Rn = n.
3. Mm×n tiene
omo base a los Eij ,
on i = 1, . . . , m, j = 1, . . . , n, así
dim Mm×n = mn.
4. La dimensión de Pn = {a0 +a1 x+· · ·+an xn | a0 , . . . , an ∈ R} es dim Pn =
n + 1.
5. La dimensión del espa
io solu
ión del sistema de e
ua
iones visto en ejem-
plos 105 es 2.
A
ontinua
ión veremos un resultado que nos fa
ilitará veri
ar si un
onjun-
to de ve
tores en un espa
io ve
torial, es base o no,
uando sabemos la dimensión
del espa
io ve
torial V .
Lema 3 Sea S = {v1 , . . . , vn } ⊂ V
onjunto de generadores, tal que existe vj ,
1 ≤ j ≤ n tal que puede es
ribirse
omo
onbina
ión lineal de los n − 1 ve
tores
restantes, enton
es L(S\{vj }) = L(S).
Lema 4 Sean S ⊂ V l.i., y v ∈ V \S , enton
es S ′ = S ∪ {v} es l.i.
Teorema 25 Sea V espa
io ve
torial de dimensión nita n.
1. Cualquier
onjunto de generadores de V
ontiene una base de V .
2. Si {u1 , . . . , um } es un
onjunto l.i. de V , enton
es existe un
onjunto
{w1 , . . . , wn−m } tal que {u1 , . . . , um , w1 , . . . , wn−m } es base de V .
Demostra ión
Ahora repetimos el pro
eso para S ( 1), Si S (1) es l.i., enton
es S (1) es la
base de V . En
aso
ontrario (S ( 1) l.d.), supongamos que vR−1 se ve
omo
ombina
ión lineal de los otros R − 2 ve
tores y denimos
S (2) = S (1) \{vR−1 },
y nuevamente
L(S (2) ) = L(S (1) ) = L(S),
así, su
esivamente llegamos a algún
onjunto l.i. (base) ya que el pro
eso
es nito.
2. Denimos S = {v1 , . . . , vn }, y sea V0 = L(S).
Si V0 = V , enton
es S es la base de V . En
aso
ontrario V0 V , y existe
w1 ∈ V tal que w1 6= V0 , así por el Lema 4
de aquí
c1 = −7/3c3 − 7/3c4
c2 = 2/3c3 − 1/3c4 ,
luego notemos que si c3 = 0, y c4 = 3 de 2.1 obtenemos
−7(1, 2, 3, −1) − 1(−1, 1, 0, 4) = −3(2, 5, 7, −1)
7/3 (1, 2, 3, −1) +1/3 (−1, 1, 0, 4) = (2, 5, 7, −1),
| {z } | {z } | {z }
v1 v2 v4
obtenemos
c1 − c2 + c3 = 0
2c1 + c2 = 1
3c1 = 0
−c1 + 4c2 = 0,
y notemos que tal sistema no tiene solu
ión, luego w2 6∈ L(v1 , v2 , w1 ). Así obte-
nemos el siguiente
onjunto l.i. {v1 , v2 , w1 , w2 }.
Notemos que este
onjunto genera a R4 , ya que si no lo generara podríamos
en
ontrar w3 ∈ R4 tal que w3 6∈ L(v1 , v2 , w1 , w2 ), luego repitiendo el pro
eso
apli
ado arriba obtendríamos el
onjunto l.i.
L(v1 , v2 , w1 , w2 , w3 )
de R2 ?
De a
uerdo
on el Teorema anterior,
onsideremos la matriz
a c
A=
b d
Demostra
ión
Sean r = dim W1 ∩ W2 , y β0 = {u1 , . . . , ur } una base de W1 ∩ W2 . Como
W1 ∩W2 es un subespa
io de W1 , y de W2 podemos extender esta base a una base
β1 = {u1 , . . . , ur , v1 , . . . , vm } de W1 , y a una base β2 = {u1 , . . . , ur , w1 , . . . , ws }
de W2 . Ahora vemos que β = {u1 , . . . , ur , v1 , . . . , vm , w1 , . . . , ws } es base de
W1 + W2 : Primero veamos que genera, tomemos w = u + v ∈ W1 + W2
omo
u ∈ W1 , y v ∈ W2 , enton
es
u = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm ,
v = b1 u1 + · · · + br ur + br+1 w1 + · · · + br+s ws ,
y de aquí
w = u+v
= (c1 + b1 )u1 + · · · + (cr + br )ur + cr+1 v1 + · · · + cr+m vm + br+1 w1 + · · · + br+s ws ,
tenemos que
−br+m+1 w1 − · · · − br+s+m ws = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm ,
y
0 = d1 u1 + · · · + dr ur + br+m+1 w1 + · · · + br+s+m ws ,
pero los ve
tores forman la base β2 por lo tanto son l.i., enton
es
d1 = · · · = dr = · · · = br+m+ = · · · = br+s+m = 0.
asií
0 = c1 u1 + · · · + cr ur + cr+1 v1 + · · · + cr+m vm ,
pero estos ve
tores son l.i. por ser la base β1 por lo tanto
c1 = · · · = cr+m = 0,
r + m + s = (r + m) + (r + s) − r.
Corolario 13
Sean W1 , W2 subespa
ios del espa
io de dimensión nita V tales que W1 ∩ W2 =
{0}. Enton
es
dim V = dim W1 + dim W2 .
Ejemplos 35
Consideremos el ejemplo 26, luego
dim(W1 + W2 ) = dim W1 + dim W2 − dim(W1 ∩ W2 )
4 = 3+3−2
Demostra
ión
CAPÍTULO 2. ESPACIOS VECTORIALES 71
d) Sea α ∈ R
(αx|y) = αx1 y1 + · · · + αxn yn
= α(x1 y1 + · · · + xn yn )
= α(x|y)
2. Sea V = C([0, 1]) fun
iones
ontinuas en [0, 1]. Si f, g ∈ V , denimos
Z 1
(f |g) = f (x)g(x) dx.
0
) Es
laro de
R1
(f + g|h) = 0 (f (x) + g(x))h(x) dx
R1 R1
= 0 f (x)h(x) dx + 0 g(x)h(x) dx
= (f |h) + (g|h)
d) Se tiene de
Z 1 Z 1
(αf |g) = (αf (x))g(x) dx = α f (x)g(x) dx.
0 0
Observa
ión 25
El produ
to interno denido en el ejemplo 36.1 es llamado produ
to interno
anóni
o de Rn .
Teorema 30 (Desigualdad de Cau
hy-S
hwartz) Sea V espa
io ve
torial
on
produ
to interno, enton
es
(u|v)2 ≤ (u|u) (v|v) ∀ u, v ∈ V
Demostra
ión
Consideremos u − λv ,
on λ ∈ R, luego
0 ≤ (u − λv|u − λv)
= (u|u) + (u| − λv) + (−λv|u) + (−λv| − λv)
= (u|u) − 2λ(u|v) + λ2 (v|v),
0 ≤ (u − λv|u − λv)
2
(u|v) (u|v)
= (u|u) − 2 (u|v) + (v|v)
(v|v) (v|v)
(u|v)2
= (u|u) − ,
(v|v)
CAPÍTULO 2. ESPACIOS VECTORIALES 73
así
(u|v)2 ≤ (u|u) (v|v)
Observa
ión 26
La igualdad se
umple ssi u = λv o v = λu
on λ ∈ R.
Corolario 14
Sean x1 , . . . , xn , y1 , . . . , yn ∈ R, enton
es
n
!2 n
! n
!
X X X
xi yi ≤ x2i yi2
i=1 i=1 i=1
Demostra
ión
Apli
ar el Teorema 30 a Rn
on su produ
to interno
anóni
o.
Corolario 15 Sean f, g ∈ C([0, 1]), enton
es
Z 1 2 Z 1 Z 1
2 2
f (x)g(x) dx ≤ f (x) dx g (x) dx
0 0 0
Demostra
ión
Apli
ar el Teorema anterior a C([0, 1])
on su produ
to interno.
Por ejemplo
qR q
1 1 2
kex k = 0
e2x dx = 2 (e − 1)
CAPÍTULO 2. ESPACIOS VECTORIALES 74
Teorema 31 p
Sea V espa
io ve
torial
on produ
to interno. La norma kuk = (u|u) tiene las
siguientes propiedades
1. kvk ≥ 0 para todo v ∈ V ,
kvk = 0 ssi v = 0,
2. kαvk = |α| kvk para todo α ∈ R, para todo v ∈ V ,
3. ku + vk ≤ kuk + kvk para todo u, v ∈ V (Desigualdad triangular).
Ahora denimos la distan
ia entre dos ve
tores u, v ∈ V espa
io ve
torial
on produ
to interno
omo
d(u, v) := ku − vk.
Ejemplos 38
Teorema 32
Sea V un espa
io ve
torial
on produ
to interno. La distan
ia d(u, v) = ku − vk
on u, v ∈ V tiene las siguientes propiedades
1. d(u, v) ≥ 0 para
ualesquiera u, v ∈ V ,
d(u, v) = 0 ssi u = v ,
2. d(u, v) = d(v, u) para
ualesquiera u, v ∈ V ,
3. d(u, v) ≤ d(u, w) + d(w, v) para
ualesquiera u, v, w ∈ V .
CAPÍTULO 2. ESPACIOS VECTORIALES 75
Ejemplos 39
por lo tanto
19
θ = arc cos √ = 34◦ ,537
532
por lo tanto
3
θ = arc cos √ = 18◦ ,434.
10
Demostra
ión
Es inmediata de
kv1 − v2 k2 = (v1 − v2 |v1 − v2 ) y (v1 |v2 ) = kv1 k kv2 k cos θ.
Observa ión 27
3. Para
ualesquiera u, v ∈ V ,
n
X
(u|v) = (u|vi ) (vi |v),
i=1
CAPÍTULO 2. ESPACIOS VECTORIALES 77
Demostra ión
1) ⇒ 2) v ∈ V , enton
es
v = c1 vi + · · · + cn vn
y notemos que (v|vi ) = ci para todo i = 1, . . . , n, así
n
X
v= (v|vi )vi
i=1
2) ⇒ 3) Sean u, v ∈ V ,luego
n
X
u= (u|vi )vi ,
i=1
y por lo tanto
n
X
(u|v) = (u|vi )(vi |v).
i=1
3) ⇒ 4) Se tiene de 3, tomando u = v .
4) ⇒ 1) Para v ∈ V
n
X
kvk2 = (u|vi )2 ,
i=1
ssi
n
X n
X n
X
0 = kwk2 = (u|u) − 2 (u|vi )2 + (u|vi )2 = kuk2 − (u|vi )2 .
i=1 i=1 i=1
Ejemplos 42
Sea β = {u, v, w} ⊂ R3
on u = (2/3, −2/3, 1/3), v = (2/3, 1/3, −2/3), w =
(1/3, 2/3, 2/3) y el produ
to interno
anóni
o de R3 . β es una base ortonormal
de R3 : En efe
to
4 2 2 2 4 2
(u|v) = 9 − 9 − 9 = 0, (u|w) = 9 − 9 + 9 = 0,
2 2 4
(u|v) = 9 + 9 − 9 = 0,
CAPÍTULO 2. ESPACIOS VECTORIALES 78
y q q
4
kuk = + 94 +
9
1
9 = 1, kvk = 4
9 + 1
9 + 4
9 = 1,
kwk = 1,
luego β es base ortonormal de R3 (es un
onjunto l.i. de tres ve
tores).
Ahora veamos lo prá
ti
o que es tener una base ortonormal; por ejemplo si
queremos expresar u′ = (6, 6, −9)
omo
ombina
ión lineal de la base, para esto
por el Teorema 34
(6, 6, −9) = (u′ |u)u + (u′ |v)v + (u′ |w)w
= (4 − 4 − 3)u + (4 + 2 + 6)v + (2 + 4 − 6)w
= −3u + 12v
por 2.2
w2 = v2 − w1 = v2 − cu1
y enton
es
0 = (w2 |u1 ) = (v2 |u1 ) − c(u1 |u1 ) = (v2 |u1 ) − c,
por lo tanto c = (v2 |u1 ), y por 2.2
w2 = v2 − (v2 |u1 )u1
CAPÍTULO 2. ESPACIOS VECTORIALES 79
Demostra
ión
Por indu
ión, supongamos que se
umple para n = r, y veamos que se
um-
ple para r + 1. Sea β = {v1 , . . . , vr+1 } base de V , por hipotesis de indu
ión
{v1 , . . . , vr } tiene
omo base ortonormal a βON = {u1 , . . . , ur }, y denimos
Pr
vr+1 − i=1 (vr+1 |ui )ui
ur+1 = Pr
kvr+1 − i=1 (vr+1 |ui )ui k
(4, 0) − √4 ( √1 , √1 )
2 2 2
=
√4 ( √1 , √1 )
(4, 0) − 2 2 2
(4, 0) − (2, 2)
=
k(4, 0) − (2, 2)k
(2, −2)
= p
22 + (−2)2
(2, −2)
= √
2 2
1 1
= (√ , −√ )
2 2
(1, 1, 1) − √2 ( √1 , √1 , 0)
2 2 2
=
√2 ( √1 , √1 , 0)
(1, 1, 1) − 2 2 2
(1, 1, 1) − (1, 1, 0)
=
k(1, 1, 1) − (1, 1, 0)k
(0, 0, 1)
=
1
(0, 1, 1) − ( 21 , 12 , 0) − (0, 0, 1)
=
(0, 1, 1) − ( 1 , 1 , 0) − (0, 0, 1)
2 2
(− 1 , 1 , 0)
=
12 21
(− , , 0)
2 2
√ 1 1
= 2 (− , , 0)
2 2
Ejemplos 44
1. Diga si
ada uno de los siguientes sub
onjuntos del espa
io ve
torial R3
son o no subespa
ios ve
toriales
a) {(x1 , x2 , x3 )| x1 = x2 = x3 = 0}.
b) {(x1 , x2 , x3 )| x1 + x2 + x3 = 0}.
) {(x1 , x2 , x3 )| x1 = 0}.
d) {(x1 , x2 , x3 )| x1 x2 x3 ≥ 3}.
e) {(x1 , x2 , x3 )| x3 = 1}.
2. Diga si
ada uno de los siguientes sub
onjuntos del espa
io ve
torial Rn
son o no subespa
ios ve
toriales
a) {(x1 , . . . , xn )| c1 x1 + c2 x2 + · · · + cn xn = 0}.
b) {(x1 , . . . , xn )| x1 + · · · + xn = 0}.
) {(x1 , . . . , xn )| x1 = 0}.
d) {(x1 , . . . , xn )| x1 x2 x3 ≥ 3}.
e) {(x1 , . . . , xn )| x21 + · · · + x2n = 0}.
3. Diga si
ada uno de los siguientes sub
onjuntos del espa
io ve
torial P3
son o no subespa
ios ve
toriales
a) {a0 + a1 x + a2 x2 + a3 x3 | a0 + a1 = 0}.
b) {a0 + a1 x + a2 x2 + a3 x3 | a0 = a1 = a2 = a3 = 0}.
) {a0 + a1 x + a2 x2 + a3 x3 | a3 = 1}.
d) {a0 + a1 x + a2 x2 + a3 x3 | a0 = a1 = a2 = a3 }.
4. Diga si
ada uno de los siguientes sub
onjuntos del espa
io ve
torial Mn×n
son o no subespa
ios ve
toriales
a ) {A = (aij )i,j=1,...,n | a11 + a22 + · · · + ann = 0}.
b ) {A = (aij )i,j=1,...,n | aij = 0 i, j = 1, . . . , n}.
) {A = (aij )i,j=1,...,n | aij = 0 si i > j}.
5. Demuestre que el ve
tor (2, 5) ∈ R2 es una
ombina
ión lineal de los
ve
tores v1 = (1, 3), v2 = (2, −1).
−1 3
6. Demuestre que el ve
tor ∈ M2×2 es una
ombina
ión lineal
2 −1
de los ve
tores
1 1 −1 3 0 1 0 0
v1 = , v2 = , v3 = , v4 = ,
1 1 0 4 3 −1 0 1
CAPÍTULO 2. ESPACIOS VECTORIALES 84
b)
1 0 0 1 2 3 −1 4
v1 = , v2 = , v3 = , v4 = .
0 1 1 0 3 2 5 3
15. Determine una base del espa
io solu
ión de
ada uno de los sistemas ho-
mogeneos de e
ua
iones lineales siguientes
a)
x1 + x2 = 0
2x1 + 2x2 = 0
b)
3x1 + x2 − x3 = 0
x1 − x2 + x3 = 0
16. Demostrar que
ada uno de los siguientes
onjuntos de ve
tores son base
de R3
a ) v1 = (1, 2, 1), v2 = (2, 3, 3), v2 = (3, 7, 1).
b ) v1 = (3, 1, 4), v2 = (5, 2, 1), v2 = (1, 1, −6).
17. En
uentre una base β de R3 tal que β
ontenga a los ve
tores indi
ados:
a) v1 = (1, 1, 1).
b) v1 = (2, 3, 1), v2 = (3, 1, 2).
) v1 = (1, 1, 1), v2 = (3, −1, 4), v3 = (0, 1, 2).
d) v1 = (1, 2, 3), v2 = (5, 2, 1), v3 = (7, 6, 2), v4 = (3, −1, 4).
18. Considere el siguiente
onjunto de ve
tores en R3
S = {(2, 1, 1), (10, 0, 2), (3, −1, 0), (−3, 6, 3), (0, 1, −1)}
b)
3 1 3 −1
u= v= .
2 1 2 −1
b)
1 1 2 −3
u= v= .
2 3 1 4
es un
onjunto ortogonal.
30. Demuestre que el
onjunto de ve
tores de R3
2 1 2 1 2 2
S= ( , , ), ( , , − )
3 3 3 3 3 3
Apartir de la base β = {(1, 1, 1), (2, 3, −1), (5, 2, −2)}
onstruya una base
ortonormal.
34. Obtenga una base ortonormal para
ada uno de los siguientes subespa
ios
de R3
on el produ
to interno
anóni
o
a ) {(x, y, z)| 2x + 3y − z = 0}.
b ) {(x, y, z)| z = 0}.
) {(x, y, z)| x = 3t, y = t, z = −2t}.
35. Obtenga una base ortonormal para
ada uno de los siguientes subespa
ios
de R4
on el produ
to interno
anóni
o
a ) {(x, y, z, w)| y = z = w = 0}.
b ) {(x, y, z, w)| x = z, y = w}.
) L({(1, 2, 3, 1), (2, 1, 2, 2)}).
36. A partir de las bases dada
onstruir una base ortonormal:
a ) β = {(1, 1, 1), (2, 3, −1), (5, 2, −2)} base de R3 .
b ) β = {(2, 2), (4, −2)} base de R2 .
) β = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} base de R4 .
Capítulo 3
Una transforma
ión lineal entre dos espa
ios ve
toriales V , W (sobre R), es
una fun
ión T : V −→ W que
umple
1. T (u + v) = T (u) + T (v) para
ualesquiera u, v ∈ V .
2. T (αv) = αT (v) para todo v ∈ V , y todo α ∈ R
Observa
ión 29
1. T (0) = 0,
2. T (−v) = −T (v) para todo v ∈ V .
n
! n
X X
3. T ci vi = ci T (vi ), c1 , . . . , cn ∈ R, v1 , . . . , vn ∈ V .
i=1 i=1
Ejemplos 45
89
CAPÍTULO 3. TRANSFORMACIONES LINEALES 90
T (αv) = 0 = αT (v).
2. La transforma
ión identidad: T : V −→ W tal que T (v) = v; veamos que
es lineal
T (u + v) = u + v = T (u) + T (v),
T (αv) = αv = αT (v).
3. La transforma
ión reexión
on respe
to al eje X : T : R2 −→ R2 dada
por
T (x, y, z) := (x, −y).
Veamos que es lineal:
T (α(x, y, z)) = T ((αx, αy, αz)) = (2αx + 3αy − 4αz, αx + 2αy + αz)
= α(2x + 3y − 4z, x + 2y + z)
= αT ((x, y, z)).
Veri
ar si es o no lineal:
CAPÍTULO 3. TRANSFORMACIONES LINEALES 91
Propiedades 2
debemos resolver el sistema para saber la forma del nú
leo; por el método
de redu
ión de Gauss
1 2 1 1 2 1
3 1 −2 ∼L3 +L1 3 1 −2 ∼L2 −3L1
−1 −7 −6 0 −5 −5
1 2 1 1 2 1
0 −5 −5 ∼L3 −L2 0 −5 −5 ∼L2 /−5
0 −5 −5 0 0 0
1 2 1 1 0 −1
0 1 1 ∼L1 −2L2 0 1 1 ,
0 0 0 0 0 0
así obtenemos
x−z = 0 x=z
=⇒
y+z = 0, y = −z,
CAPÍTULO 3. TRANSFORMACIONES LINEALES 93
así
a+b+c+d = 0
2a + 3b + 4c + 6d = 0
a + 3b + 5c + 9d = 0,
resolviendo el sistema por elimina
ión Gaussiana
1 1 1 1 1 1 1 1
2 3 4 6 ∼L3 −L1 2 3 4 6 ∼L2 −2L1
1 3 5 9 0 2 4 8
1 1 1 1 1 1 1 1
0 1 2 4 ∼L3 /2 0 1 2 4 ∼L3 −L2
0 2 4 8 0 1 2 4
1 1 1 1 1 0 −1 −3
0 1 2 4 ∼L1 −L2 0 1 2 4 ,
0 0 0 0 0 0 0 0
así obtenemos
a − c − 3d = 0 a = c + 3d
=⇒
b + 2c + 4d = 0, b = −2c − 4d,
si c = t, d = t en R, las solu
iones tienen la forma
s + 3t −2s − 4t s −2s 3t −4t
= +
s t s 0 0 t
1 −2 3 −4
= s +t
1 0 0 1
= sA + tB
Fa
ílmente se ve que {A, B} es l.i., enton
es forma una base del nú
leo y
Ker T = L(A, B).
Demostra
ión
Sea Ker T = L(v1 , . . . , vr ), luego β1 = {v1 , . . . , vr } es base, y la extendemos
a β = {v1 , . . . , vr , vr+1 , . . . , vn } una base de V (notemos que vr+1 , . . . , vn 6∈
Ker T ).
Ahora veremos que β2 = {T (vr+1), . . . , T (vn )} es base de V:
Genera: Sea w ∈ Im T , luego existe v ∈ V tal que T v = w; Como v ∈ V ,
enton
es
v = c1 v1 + · · · + cr+1 vr+1 + · · · + cn vn ,
apli
ando T
w = Tv = T (c1 v1 + · · · + cr+1 vr+1 + · · · + cn vn )
= c1 T (v1 ) + · · · + cr+1 T (vr+1 ) + · · · + cn T (vn )
= cr+1 T (vr+1 ) + · · · + cn T (vn )
2. Tenemos N (T ) = 2, R(T ) = 2, y
N (T ) + R(T ) = 4 = dim M2×2 .
β2 = {v1 , v2 , . . . , vm }.
Para todo u ∈ U tenemos que
u = a1 u 1 + a2 u 2 + · · · + an u n ,
a la matriz formada por los
oe
ientes
a1
a2
= .
[u]β1
..
an
le llamaremos la matriz del ve
tor u
on respe
to a la base β1 . Apli
ando T al
ve
tor u tenemos que
T (u) = a1 T (u1 ) + a2 T (u2 ) + · · · + an T (un ),
omo T (ui ) ∈ V para todo i = 1, . . . , n. Enton
es
T (ui ) = b1i v1 + b2i v2 + · · · + bmi vm ,
para todo i = 1, . . . , n. A la matriz formada por los
oe
ientes bi 's
b1i
b2i
= .
[T (ui )]β2
..
bmi
le llamaremos la matriz de T (ui )
on respe
to a la base β2 . Asi
T (u) = a1 T (u1 ) + a2 T (u2 ) + · · · + an T (un )
= a1 (b11 v1 + · · · bm1 vm ) + · · · + an (b1n v1 + · · · bmn vm )
= (a1 b11 + a2 b12 + · · · + an b1n )v1 + (a1 b21 + a2 b22 + · · · + an b2n )v2
· · · + (a1 bm1 + a2 bm2 + · · · + an bmn )vm ,
y
a1 b11 + a2 b12 + · · · + an b1n
a1 b21 + a2 b22 + · · · + an b2n
..
[T (u)]β2 =
.
a1 bm1 + a2 bm2 + · · · + an bmn
pero notemos que
b11 b12 ···
b1n a1
b21 b22 ···
b2n a2
.. .. .. = [T (u)]β2
. . .
bm1 bm2 · · · bmn an
| {z }| {z }
A [u]β1
CAPÍTULO 3. TRANSFORMACIONES LINEALES 98
es de
ir
[T (u)]β2 = A[u]β1 .
A la matriz A le llamaremos la matriz aso
iada a la transforma
ión T
on
respe
to a las bases β1 , β2 y la denotaremos
A = [T ]β1 β2 .
Observa ión 30
on los ui 's los ve
tores de la base β1 , y por lo tanto la matriz aso
iada a
T es
2 3 −1 0
[T ]β1 β2 = 1 2 1 2 ,
1 1 −3 −4
así
a
2 3 −1 0
a b b
T = 1 2 1 2 .
c d c
1 1 −3 −4
d
on
β1 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}
base de R3 ,
β2 = {(0, 0, 1, 1), (0, 1, 0, 1), (1, 1, 0, 1), (1, 1, 1, 1)}
por lo tanto
1
1
[T u1 ]β2 =
3
−4
Si (x, y, z, w) = (4, 3, −17, 7)
c1 = 4
c2 = −1
c3 = 25
c4 = −21
tenemos que
4
−1
[T u2 ]β2 =
25
−21
CAPÍTULO 3. TRANSFORMACIONES LINEALES 101
así
3
3
[T u3 ]β2 =
15
−12
y enton
es la matriz aso
iada a la transforma
ión lineal es
1 4 3
1 −1 3
3 25 15
−4 21 −12
Ker T = {X ∈ Rn | AX = 0}
Im T = {Y ∈ Rm | ∃ X ∈ Rn , AX = Y } = L(v1 , v2 , . . . , vn )
onsideremos la bases
1 1 0 1 1 0 0 1
β1 = , , ,
0 0 −1 0 1 1 1 −1
CAPÍTULO 3. TRANSFORMACIONES LINEALES 102
1 1 1
β2 = 0 , 1 , 1 ,
0 0 1
de M2×2 y M3×2 respe
tivamente. Des
ribir Ker T e Im T por medio de
A = [T ]β1 β2 .
Primero
al
ulemos la imagen de β1 bajo T
2 0
1 1 0 1
T = 5 , T = −1 ,
0 0 −1 0
4 −2
3 1
1 0 0 1
T = 12 , T = 1 ,
1 1 1 −1
15 −1
luego para expresar estos ve
tores en términos de la base β2 resolvemos de ma-
nera general
1 1 1 x1
c1 0 + c2 1 + c3 1 = x2
0 0 1 x3
lo que es equivalente a resolver
c1 + c2 + c3 = x1
c2 + c3 = x2
c3 = x3 ,
despejando de este sistema obtenemos
c1 = x1 − x2
c2 = x2 − x3
c3 = x3 ,
y de aquí
−3 1
1 1 0 1
T = 1 , T = 1 ,
0 0 −1 0
β2 4 β2 −2
−9 0
1 0 0 1
T = −3 , T = 2 ,
1 1 1 −1
β2 15 −1
por lo tanto
−3 1 −9 0
A = [T ]β1 β2 = 1 1 −3 2 .
4 −2 15 −1
Ahora
al
ulamos Ker T , para esto resolvamos el sistema homogéneo
AX = 0,
CAPÍTULO 3. TRANSFORMACIONES LINEALES 103
es de
ir,
x1 x2 x3
Im T = {(x1 , x2 , x3 )| − + = 0}
2 6 3
o
s 2
Im T = {( − t, s, t)| s, t ∈ R}.
3 3
Notemos que el Ker T e Im T obtenidos anteriormente no
oin
iden
on los
obtenidos en ejemplos 46 (2). La pregunta natural que surge es ¾existe alguna
rela
ión entre Ker T , Im T
al
ulados
on la representa
ión matri
ial de T
y Ker T , Im T
al
ulados en ejemplos 46 (2)? Para en
ontrar esta rela
ión
primero observemos que Ker T e Im T
al
ulados re
ientemente dependen de
las bases β1 , β2 . Mientras que los
al
ulados en los ejemplos 46 (2) dependen de
las bases
anóni
as. Con esta
onsidera
ión al tomar la
ombina
ión
3 1 1 1 9 3 0 1 1 0 0 1
( s − t) + ( s − t) +s +t
2 2 0 0 2 2 −1 0 1 1 1 −1
la
ual
oin
ide
on la obtenida en ejemplos 46 (2) para esto basta tomar t′ = s−t
y s′ = − 27 s + 52 t, así
− 21 (s + t) 3s − t
= s ′ + t′ −2s′ − 4t′
.
s′ t′
− 27 s + 25 t s−t
Teorema 39
Sea T : U −→ V transforma
ión lineal, dim U = m, dim V = n. Sean
β1 , β1′ bases de U
β2 , β2′ bases de V.
Enton
es
Q−1 [T ]β1 β2 P = [T ]β1′ β2′
o equivalentemente
[T ]β1 β2 = Q[T ]β1′ β2 P −1
donde
P es la matriz de
ambio de base de β1′ a β1 .
Q es la matriz de
ambio de base de β2′ a β2 .
Corolario 18
Sea T : V −→ V operador lineal, β , β ′ bases de V . Si P es la matriz de
ambio
de base de β a β ′ , enton
es
[T ]β = P [T ]β ′ P −1 .
3 4 2
Si
β1′ = {(1, 0, 0), (1, 1, 0), (1, 1, 1)},
β2′ = {(0, 0, 1, 1), (0, 1, 0, 1), (1, 1, 0, 1), (1, 1, 1, 1)}.
así
1 1 1
P = 0 1 1 .
0 0 1
Para
al
ular Q basta poner β2′ en términos de β2 ,
(0, 0, 1, 1) = 0(1, 0, 0, 0) + 0(0, 1, 0, 0) + (0, 0, 1, 0) + (0, 0, 0, 1)
(0, 1, 0, 1) = 0(1, 0, 0, 0) + (0, 1, 0, 0) + 0(0, 0, 1, 0) + (0, 0, 0, 1)
(1, 1, 0, 1) = (1, 0, 0, 0) + 0(0, 1, 0, 0) + (0, 1, 0, 0) + (0, 0, 0, 1)
(1, 1, 1, 1) = (1, 0, 0, 0) + (0, 1, 0, 0) + (0, 0, 1, 0) + (0, 0, 0, 1)
así
0 0 1 1
0 1 1 1
Q=
1
.
0 0 1
1 1 1 1
Para apli
ar la fórmula del teorema ne
esitamos
al
ular Q−1 ,
0 0 1 1
1 0 0 0 1 0 0 1
0 0 1 0
0 1 1 1 0 1 0 0 0 1 1 1 0 1 0 0
∼ ∼
1 0 0 1
0 0 1 0 F3 ↔F1 0 0 1 1
1 0 0 0 F4 −F1
1 1 1 1 0 0 0 1 1 1 1 1 0 0 0 1
1 0 0 1
0 0 1 0 1 0 0 1 0 0
1 0
0 1 1 1 0 1 0 0 0 1 1 1 0 1 0 0
∼ ∼
0 0 1 1
1 0 0 0 F4 −F2 0 0 1 1 1 0
0 0 −F4
0 1 1 0 0 0 −1 1 0 0 0 −1 0 −1 −1 1
1 0 0 1
0 0 1 0 1 0 0 0 0 −1 0
1
0 1 1 1 0 1 0 0 0 1 1 0 0 0 −1 1
∼ F 3 − F4 ∼
0 0 1 1
1 0 0 0 F 2 − F4
0 0 1 0 1 −1 −1
1 F2 −F3
F 1 − F4
0 0 0 1 0 1 1 −1 0 0 0 1 0 1 1 −1
1 0 0 0 0 −1 0 1
0 1 0 0 −1 1 0 0
0 0 1 0 1 −1 −1 1
0 0 0 1 0 1 1 −1
CAPÍTULO 3. TRANSFORMACIONES LINEALES 108
por lo tanto
[T ]β1′ β2′ = Q−1
[T ]β1 β2 P
0 −1 0 1 1 3 −1
−1 1 1 1 1
0 0 2 1 3
0
=
1 −1 −1 1 −3 −14 1 1
3
0 0 1
0 1 1 −1 3 4 2
1 4 3
1 −1 3
=
5
.
25 15
−4 −21 −12
En esta se
ión veremos las opera
iones validas entre transforma
iones li-
neales.
Teorema 41
Ejemplos 51
Sean T1 : R3 −→ R2 , T2 : R2 −→ R3 transforma
iones lineales dadas por
T1 (x, y, z) = (2x + 6y − 3z, 5x − 3y + 8z)
T2 (x, y, z) = (2x + 5y, −x + 6y).
Cal
ular T2 ◦ T1 .
CAPÍTULO 3. TRANSFORMACIONES LINEALES 110
Teorema 42
Sean U , V , W espa
ios ve
toriales de dimensión nita, T1 inL(U, V ), T2 ∈
L(V, W ). Consideremos las basesβ
β1 base de U,
β2 base de V,
β3 base de W.
Enton
es
[T2 ◦ T1 ]β3 β1 = [T1 ]β2 β1 [T2 ]β3 β2 .
Ejemplos 52
Consideremos T1 y T2
omo en el ejemplo anterior,
on las bases
β1 = {(1, 1, 1), (1, 0, 1), (0, 1, 1)}
β2 = {(1, 0), (0, 1)}
y de aquí
60 63 31
[T2 ◦ T1 ]β2 β1 =
55 79 27
la
ual
oin
ide
on la matriz
al
ulada anteriormente, por lo tanto se ver
a
el teorema.
Observa ión 32
y de aquí
x′ + y ′ x′ − y ′
S(x′ , y ′ ) = , ,
2 2
y obtenemos el siguiente sistema
x′ = x + y x′ + y ′ = 2x
⇒
y′ = x − y x′ − y ′ = 2y
sustituyendo obtenemos
(T ◦ S)(x, y) = (x, y),
por lo tanto
x+y x−y
S(x, y) = , ,
2 2
es la inversa de T .
CAPÍTULO 3. TRANSFORMACIONES LINEALES 112
Teorema 45
Sean U V isomorfos, enton
es U es de dimensión nita ssi V lo es.
Corolario 19
Dos espa
ios ve
toriales de dimensión nita son isomorfos ssi tienen la misma
dimensión.
Corolario 20 Sea U espa
io ve
torial de dimensión nita, T : U −→ V trans-
forma
ión lineal. Si T es inversible enton
es dimU = dimV .
Diremos que una transforma
ión lineal T : U −→ V es un isomorsmo entre
los espa
ios ve
toriales U y V si T es inversible. En este
aso diremos que U y
V son isomorfos.
Diremos que una transforma
ión lineal T : U −→ V es no singular si T es
inye
tiva (Ker T = {0}). Dea
uerdo a la deni
ión anterior tenemos que toda
transforma
ión lineal inversible es no singular.
Teorema 46
Sean U , V espa
ios ve
toriales de la misma dimensión. Las siguientes arma-
iones son equivalentes
T es inversible.
T es sobreye
tiva.
T es inye
tiva.
CAPÍTULO 3. TRANSFORMACIONES LINEALES 113
T es no singular.
Si {u1 , . . . , un } es l.i. en U , enton
es {T u1, . . . , T un} es l.i.
Si {u1 , . . . , un } es base de U , enton
es {T u1 , . . . , T un } es base de V .
Ahora veremos
omo afe
ta la inversibilidad de T a la matriz aso
iada a T .
Teorema 47
Sean T : U −→ V transforma
ión lineal, β1 , β2 bases de U y V respe
tivamente,
enton
es T es inversible ssi [T ]β2β1 es inversible para
ualesquiera β1 , β2 bases
de U y V .
Corolario 21
Si T : U −→ V es inversible, enton
es
[T −1 ]β2 β1 = [T ]−1
β2 β1 .
a) T : R2 −→ R2 , T (x, y) = (x + y, x − y).
b) T : R2 −→ R2 , T (x, y, z) = (x + y − z, x − y − z).
) T : R3 −→ R3 , T (x, y, z) = (x + y, x + z, y + z).
d) T : M2×2 −→ M2×2 , T (A) = At .
e) T : M3×3 −→ R, T (A) = tr A.
7. Des
riba el nú
leo y la imagen de las siguientes transforma
iones lineales
a ) T : R3 −→ R2 , T (X) = AX
on
2 0 −1
A= ,
−4 0 2
b ) T : R4 −→ R3 , T (X) = AX
on
2 1 −1 3
A= 6 7 1 17 ,
0 2 2 4
8. En
uentre la matriz aso
iada a
ada una de las siguientes transforma
iones
lineales
a) T : R2 −→ R2 , T (x, y) = (3x − 2y, 5x + y).
b) T : R3 −→ R3 , T (x, y, z) = (2x + y − z, 3x + 2y − 2z, 8x − y).
) T : R4 −→ R2 , T (x, y, z, u) = (x + y, z + u).
d) T : R6 −→ R3 , T (x1 , x2 , x3 , x4 , x5 , x6 ) = (x1 + x4 , x1 + x5 , x3 + x6 ).
e) T : P2 −→ P3 , T (p) = xp.
f) T : P3 −→ R3 , T (a0 + a1 x + a2 x2 + a3 x3 ) = (2a0 + a1 + a2 , a0 − 2a2 +
3a3 , a3 ).
g ) T : P1 −→ P4 , T (p) = (x3 + x2 + x + 1)p.
h ) T : M2×2 −→ M2×2 , T (A) = At .
i ) T : M3×3 −→ R, T (A) = tr A.
9. En
uentre la imagen y el nú
leo de
ada una de las transforma
iones del
ejer
i
io anterior.
10. Considere la transforma
ión lineal T : M2×2 −→ M2×2 dada por T (A) =
A − At . En
uentre el nú
leo y la imagen de T .
11. Sea T : V −→ U una transforma
ión lineal. Sean β1 = {v1 , v2 , . . . , vm } y
β2 = {u1 , u2 , . . . , un } bases de V y U respe
tivamente. Sea A la matriz
aso
iada a T respe
to a las bases β1 y β2 .
a ) ¾Cómo se altera la matriz A si en β1 inter
ambiamos de posi
ión los
ve
tores vi y vj ?
CAPÍTULO 3. TRANSFORMACIONES LINEALES 116
es
2 1 −1
A= 3 2 2
4 3 2
En
uentre la matriz de T respe
to de la base β = {(2, 1, 1), (3, 2, −4), (2, 3, 3)}.
Capítulo 4
y luego
B(P [u]β ) = λ(P [u]β ),
es de
ir si λ es valor propio de T y u ve
tor propio de T , tambien lo serán para
la matriz aso
iada a T
on respe
to a
ualquier otra base.
Ejemplos 56
El opeardor lineal T : R2 −→ R2 dado por
T (x, y) = (2x + y, 3x + 4y),
117
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 118
y resolviendolo obtenemos
c1 = 3, c2 = 4.
De la misma manera
(1, 4) = c′1 (1, 1) + c′2 (0, 1)
Ahora para poder multipli
ar esta matriz a la matriz que representa a (1, 3)
expresemos este ve
tor en términos de la base β ′ :
(1, 3) = c′′1 (1, 1) + c′′2 (0, 1)
Finalmente
3 1 1 5 1
[T ]β ′ [u]β ′ = = =5
4 3 2 10 2
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 119
Teorema 49
Sea A matriz
uadrada. λ ∈ R es un valor propio ssi det (A − λI) = 0.
Observa
ión 33
o equivalentemente
(A − λI)X = 0,
es de
ir, X es una solu
ión no trivial del sistema
(A − λI)X = 0.
Por lo tanto para en
ontrar los ve
tores propios X debemos en
ontrar las solu-
iones no triviales del sistema homogeneo.
Ejemplos 58
Los valores propios de
5 9
A=
2 2
son lambda1 = 8 y λ2 = 1. En
ontremos los valores propios:
Consideremos A − λI
on λ = 8
5−λ 9 −3 9
A − λI = =
2 2−λ 2 −6
obtenemos
−3 9 1 −3 1 −3
∼F1 /−3 ∼F2 −2F1
2 −6 2 −6 0 0
así
x1 − 3x2 = 0 x1 = 3x2
y enton
es si x2 = t ∈ R
3t
X= ,
t
por lo tanto si λ1 = 8 los ve
tores propios aso
iados son de la forma
(3t, t) t ∈ R.
resolviendo el sistema
6 9 x1 0
=
2 3 x2 0
tenemos que
6 9 2 3 2 3
∼F1 /3 ∼F2 −F1 ,
2 3 2 3 0 0
es de
ir
3
2x1 + 3x2 = 0 x1 = − x2 ,
2
si x2 = t ∈ R enton
es
− 23 t
X= ,
t
es de
ir los ve
tores propios aso
iados al valor propio λ2 = −1 son de la forma
3
(− t, t) t ∈ R.
2
Si A es una matriz
uadrada de orden n, λ valor propio y Eλ los ve
tores
propios aso
iados a λ. Al subsespa
io ve
torial (de Rn ) formado por Eλ y el
ve
tor
ero (ambos forman el espa
io solu
ión del sistema homogeneo (A −
λI)X = 0) le llamaremos subespa
io propio de A (eigen espa
io).
Ejemplos 59
Del ejemplo anterior tenemos que para la matriz
5 9
A=
2 2
los valores propios son λ1 = 8, λ2 = −1, y los subespa
ios propios
orrespon-
dientes a estos valores propios son
Eλ1 = {(3t, t)| t ∈ R} = L((3, 1)).
3 3
Eλ2 = {(− t, t)| t ∈ R} = L((− , 1)).
2 2
Ejemplos 60
Sea
1 3 0
A = 0 −2 0
0 6 1
En
ontrar los valores propios, los ve
tores propios, los espa
ios propios y una
base para ellos.
Cal
ulemos el polinomio
ara
terísti
o
1−λ 3 0
det(A − λI) = 0 −2 − λ 0 = −(1 − λ)2 (2 + λ) = 0,
0 6 1−λ
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 122
Si λ = 1
0 3 0
A − λI = 0 −3 0
0 6 0
resolviendo el sistema
0 3 0 x1 0
0 −3 0 x2 = 0
0 6 0 x3 0
obtenemos
s
X = 0 , s, t ∈ R,
t
así el espa
io propio
Eλ1 = {(s, 0, t)| s, t ∈ R} = {s(1, 0, 0)+t(0, 0, 1)| s, t ∈ R} = L((1, 0, 0), (0, 0, 1)),
donde (1, 0, 0) y (0, 0, 1) forman una base de él, y por lo tanto tiene dimensión
2. Por otro lado Si λ = −2
3 3 0
A − λI = 0 0 0 ,
0 6 3
y resolviendo el sistema
3 3 0
0 x1 0
0 0 = ,
x2 0
0 6 3
o equivalentemente resolviendo
3x1 + 3x2 = 0 6x2 + 3x3 = 0,
obtenemos
x1 = −x2 , x3 = −2x2
−t
X = t , t ∈ R,
−2t
así el espa
io propio
Eλ2 = {(−t, t, −2t)| t ∈ R} = {s(−1, 1, −2)| t ∈ R} = L((−1, 1, −2)),
donde (−1, 1, −2) forma una base de él, y por lo tanto tiene dimensión 1.
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 123
Observa
ión 34
Resolver (A−λI)X = 0 es equivalente a
al
ular el nú
leo del operador (T −λI),
es de
ir,
Eλ = ker(T − λI).
Teorema 50
Sea T : V −→ V operador lineal,
on V espa
io ve
torial de dimensión n. λ es
un valor propio de T ssi el operador T − λI : V −→ V no tiene inversa.
Teorema 51
Si A y B son matri
es semejantes, enton
es el polinomio
ara
terísti
o de A es
el mismo que el polinomio
ara
terísti
o de B .
Observa
ión 35
Por el teorema anterior tenemos que el polinomio
ara
terísti
o de un operador
T no depende de la representa
ión matri
ial que tomemos, es de
ir, si [T ]β1 y
[T ]β2 son representa
iones de T
on respe
to a las bases β1 y β2
orrespondien-
temente, enton
es los polinomios
ara
terísti
os de [T ]β1 y [T ]β2
oin
iden.
Teorema 52
Sea A una matriz
uadrada de orden n, λ valor propio de A. Si Eλ es el espa
io
propio aso
iado a λ, enton
es
dim Eλ ≤ k,
Si λ = 1 el sistema se
onvierte en
0 1 1 1 x1 0
0 1 0 0 x2 0
= .
0 0 0 0 x3 0
0 3 3 0 x4 0
o equivalentemente
x2 + x3 + x4 = 0
x2 = 0
3x2 + 3x3 = 0
luego de aquí
x1 = t ∈ R
x2 = x3 = x4 = 0
por lo tanto
t
0
X=
0 t∈R
0
y
Eλ1 = {(t, 0, 0, 0)| t ∈ R} = L((1, 0, 0, 0))
donde (1, 0, 0, 0) forma una base de Eλ1 , y enton
es Eλ1 tiene dimensión 1, lo
ual
umple
on el teorema
dim Eλ1 = 1 ≤ 3 = k.
Si λ = 2 obtenemos el sistema
−1 1 1 1 x1 0
0 0 0 0 x2 0
=
0 .
0 0 −1 0 x3
0 3 3 −1 x4 0
o equivalentemente
x1 = x2 + x4 ,
x3 = 0,
x2 = 31 x4 ,
luego de aquí
x1 = 43 x4 ,
x3 = 0, x2 = 31 x4 ,
por lo tanto si x4 = t ∈ R
4
3t
1
t
3
X=
0
t
y
4 1 4 1
Eλ2 = {( t, t, 0, t)| t ∈ R} = L(( , , 0, 1))
3 3 3 3
donde ( 34 , 31 , 0, 1) forma una base de Eλ2 , y enton
es Eλ2 tiene dimensión 1, lo
ual
umple
on el teorema
dim Eλ2 = 1 ≤ 1 = k.
Teorema 53
Si la matriz A es diagonalizable, enton
es el polinomio
ara
terísti
o de A se
puede fa
torizar
omo produ
to de fa
tores lineales
p(λ) = (λ1 − x)(λ2 − x) · · · (λn − x).
Teorema 54
La matriz A de orden n es diagonalizable ssi los ve
tores propios de A forman
una base de Rn .
Observa
ión 36
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 126
Corolario 22
Si A matriz n×n tiene n valores propios distintos, enton
es A es diagonalizable.
Ejemplos 63
Sea
1 1 1
A= 0 1 0
0 0 2
¾Es diagonalizable la matriz A ?.
Cal
ulemos el polinomio
ara
terísti
o
1−λ 1 1
p(λ) = det(A − λI) = 0 2−λ 0 = (1 − λ)(1 − λ)2 ,
0 0 2−λ
y enton
es
x1 = t ∈ R
x2 = 0
x3 = 0
así el espa
io propio aso
iado a λ1 es
Eλ1 = {(t, 0, 0)| t ∈ R} = L((1, 0, 0)).
Si λ = 2
−1 1 1
A − λI = 0 0 0
0 0 0
y el sistema homogéneo
orrespondiente es
−x1 + x2 + x3 = 0
y enton
es si x2 = s, x2 = t ∈ R
x1 = x2 + x3 = s + t
luego tomando
v1 = (1, 0, 0), v2 = (1, 1, 0), v3 = (1, 0, 1).
b)
p(λ) = (λ1 − x)α1 (λ2 − x)α2 · · · (λm − x)αm
Ejemplos 64
En
ontrar la base β de R3 respe
to de la
ual la matriz que representa a T es
diagonal,
T (x, y, z) = (2x, 3x + 2y + z, 4x + y + 2z).
los polinomios p0 ,p1 y p2 son anulados por A, por lo tanto el polinomio mínimo
es p2 .
Teorema 57
El polinomio mínimo es úni
o.
Teorema 58
El polinomio mínimo de A, m(x) divide a
ualquier polinomio que es anulado
por A.
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 129
Ejemplos 66
En el ejemplo anterior el polinomio p2 divide a p0 , y a P1 .
Teorema 59
Sean A y B matri
es semejantes:A = C −1 BC , y p(x) un polinomio arbitrario,
enton
es
p(A) = C −1 p(B)C.
Corolario 23
Si A y B son matri
es semejantes, enton
es tienen el mismo polinomio mínimo.
Teorema 60 (Caley-Hamilton)
Sean A matriz n × n, y p(x) su polinomio
ara
terísti
o, enton
es p(A) = 0.
Corolario 24 El polinomio mínimo divide al polinomio
ara
terísti
o.
Teorema 61 nl Sean λ1 , . . . , λm valores propios distintos de A, y el polinomio
ara
terísti
o
p(x = (−1)m (x − λ1 )α1 (x − λ2 )α2 · · · (x − λm )αm ,
Ejemplos 68
Tomando A
omo en el ejemplo anterior tenemos que A es diagonalizable.
CAPÍTULO 4. VALORES PROPIOS Y VECTORES PROPIOS 130