UNIVERSIDAD NACIONAL DE COLOMBIA

FACULTAD DE CIENCIAS



NOTAS DE CLASE DE ALGEBRA LINEAL




PRESENTADO POR:




Dumar Andres Ospina Morales 133567
Daniel Andres Gomez Devia 153596









PROFESOR: Rene Castillo.


















Colombia/Bogot D.C
26/05/2010
2


ESPACIOS VECTORIALES

Todo espacio vectorial est definido por un cuerpo K:
1)
+: K K K
) ( b a b a + ,
1-1 K e c b a , , a b b a + = + conmutativa
2-1 K e c b a , , ) ( ) ( c a a c b a + + = + + asociativa
3-1 Existen un elemento que notamos 0 (cero) modulativa
a a a = + = + 0 0 K e a
4-1 Si K c a existe un elemento que notamos a tal que invertiva
( ) ( ) 0 = + = + a a a a
Nota. Los cuerpos que cumplen las propiedades 2,3 y 4 se llaman grupos. Por otro lado,
los grupos Abelianos aditivos que cumplen la propiedad conmutativa son espacios
vectoriales.

2)
( ) ab b a
K K K -
,
:

1-2 K e b a, ba ab = conmutativa
2-2 K e c b a , , ( ) ( )c ab bc a = asociativa
3-2 Existen en K un elemento que notamos 1 tal que modulativa
a a a = =1 1 K e a
4-2 Si K c a y 0 = a entonces existe un elemento que notamos K e
1
a invertiva
tal que ( ) ( ) 1
1 1
= =

a a a a
3)
( ) ac ab c b a
c b a
+ = +
K e , ,
distributiva
Nota. Los elementos de un cuerpo son escalares.

Ejemplos 1.1
bd
ac
d
c
b
a
bd
bc ad
d
c
b
a
b Z b a
b
a
Q
=
+
= +
= e =

} 0 y , | {


: existen si vectorial espaco K un es } { V cuerpo, un K Sea =
1) V V V : +
( ) v u v u + ,
1-1 V v u, e + = + u v v u
3
2-1 ( ) ( ) V e + + = + + u,v,w w v u w v u
3-1 Existen un elemento en V que notamos 0 y llamamos cero tal que
V 0 0 e + = = + u u u u
4-1 Si V e u existe un elemento que notamos u y llamamos u tal que
( ) ( ) 0 = + = + u u u u
2) Producto por escalar
( ) u u

,
V V K

1-2 V 1 e = u u u
2-2 ( ) ( ) V , e K e = u y u u
3-2 ( ) V , e K e + = + u y u u u
4-2 ( ) V , e K e + = + v u y v u v u
( ) vectorial espacio - K un es ; ; V +

Ejemplo 1.2 De espacios vectoriales.

( ) ( )
( )
( ) ( ) ( )
( )
( )
( )
( )
( )
( ) . vectorial espacio - K un es ; ;
V
V
Abeliano grupo un es ; K
: invertiva
0,0,...,0 : modulativa
,..., ,
} ,..., 1 | { K
,..., , sii ,..., ,
n cuerpo un K
2 1
2 1
n
2 1
2 2 1 1 2 1 2 1
2 1
n
2 2 1 1 2 1 2 1
+ K
=
K e = K e
+

+ + + = +
= K e =
= = = =
e
n
n
n
n
n
n n n n
i n
n n n n
a ,..., a , a
,...,a ,a a
a ,..., a , a
b ,...,a b ,a b a b b b ,...,a ,a a
n i a ,...,a ,a a
b a b a b a b b b ,...,a ,a a

4
COMBINACIN LINEAL

Sea V en K-espacio vectorial. Sean
escalares n
V de s n vectoreo
2 1
2 1
n
n
,..., ,
,...,v ,v v


una suma
n n
v ... v v + + +
2 2 1 1
se denomina combinacin lineal
.
1

=
n
i i
i
v
Ejemplo 1.3 Sea
6 1, 0,
5 , 3 , 1
3 , 2 , 1
3
2
1
=
=
=
v
v
v

3
en 9 y
8
5
2
3
2
1
=
=
=

entonces
3 3 2 2 1 1
3
1
v v v v
i
i
i
+ + =
=

3 2 1
8 ) 5 ( 2 v v v + + =
( ) ( ) ( ) 48 , 8 , 0 25 , 15 , 5 6 , 4 , 2 + + =
( ) 29 , 27 , 7 =

Teorema. 01-12-02 (1).
Si V es un K-espacio vectorial entonces V e v existe un nico V e ' v tal que
. 0 = + ' = ' + v v v v
Demostracin.
Supongamos que para algn V e v existen V e ' ' ' v y v tal que
. 0 *
0 @
= + ' ' = ' ' +
= + ' = ' +
v v v v
v v v v


1 - 3 por 0 v v ' + = '
( ) * por v v v ' + + ' ' =
( ) 1 - 2 por v v v ' + + ' ' =
( ) @ por 0 + ' ' = v
v ' ' =
De donde . v v = '

Teorema. 02-12-02 (2).
Si V es un K-espacio vectorial entonces
( ) ( ) v v

=
e K e
=
e e
-
V v y ) 2
0 0v
V v y K 0 para ) 1
V

5
Demostracin.
( )
( ) ( )
( ) ( ) ( )
v
v
v v v
v v
v v
v v v
0
0 0
0 0 0
0 0 0
0 0
V 0 0 0
0 0 0
K 0 Sea ) 1
0
=
+ =
+ + =
+ =
+ =
e + =
+ =
e


( ) ( )
( )v v
v
v


+ =
+ =
= 0 0 ) 2

( ) ( ) . v v =
SISTEMA DE GENERADORES
Sea V } , , , { B
2 1
_ =
n
v v v entonces } , , 1 , | { B
i
n
1
i
n i v
i
i
= K e
=
=

.
Ejemplo 1.4
( )
n
i n
i
i
n
n i
n i e
e e e
K =
= K e =
= K e
=
=
K _ =

} , , 1 , , , , {
} , , 1 , | { B
} , , , { B
2 1
i
n
1
i
n
2 1

Ejemplo 1.5
( )
( )
( )
( ) } , | , , {
} , | , , {
} , | V V { B
1 , 1 , 1 V
0 , 1 , 1 V
} V , {V B
2 1 2 2 1 2 1
2 1 2 2 1 1
2
1
3
2 1
K e =
K e + + =
K e + =
=
=
K _ =
y x y x x




Sea V } , , , { B
2 1
_ =
n
v v v y V = B entonces se dice que B es un sistema de
generadores del espacio Vectorial V.

Ejemplo 1.6

n
puestoi
i
n
e
e e e
K = B
=
= B
=
} 0 , , 0 , 1 , 0 , , 0 {
} , , , {
\ K V
2 1
n

6
Teorema. 01-17-02 (3).
Sea } , , , { B
2 1 n
v v v = y n m con } , , , { D
2 1
< =
m
v v v , entonces B _ D .
Demostracin. Sea D e v , existen
m
, ,
1
escalares tales que
m m
v v v + + =
1 1
,
sigue que
n m m
v v v v 0
1 1
+ + + + = , luego B e v .

Observacin. A continuacin una propiedad de las sumatorias que resulta ser muy til
en distintas pruebas.
( ) ( ) ( )
( ) ( ) ( )

= =
=
= =
+ + +
=
=
+ + + + + + + + + + + =
+ + + + + + + + + =
= =
+ + +
=
=
= =
m
j
n
i
i
n
i
n
i
im i
n
i
i
nm m m n n
nm n n m m
m
j
m
j
n
m
j
n
n
m
j
i
j
j j j j
a
a a a
a a a a a a a a a
a a a a a a a
a a a a
1 1
1 1
2
1
1
2 1 2 22 12 1 21 11
2 1 2 21 1 11
1 1
2
1
1
1 1

Teorema. 02-17-02 (4).
Sea } , , {
1 n
v v = B entonces B = B .
Demostracin. Sea B e
j
v

=
=
+ + + + + =
+
n
i
i ij
n i i i j
v
v v v v v v
1
1 1 1
0 0 1 0 0 Sea
o



entonces B e
j
v por lo cual B _ B .
1) Por el teorema 01-17-02 se tiene que B _ B .
Por otra parte, si B e w existen
s
w w w , , ,
2 1
en B y
s
, , ,
2 1
en K tales que

=
=
+ + + =
s
j
j j
s s
w
v v w w
1
2 2 1 1

Como B e
j
w ; existen K e
nj j j
o o o , , ,
2 1
tales que

=
=
n
1 i

i ij j
v w o . Entonces,

=
=
=
|
|
.
|

\
|
=
=
= =
=
=
|
.
|

\
|
=
=
n
1 i
1 1
1 1
1
n
1 i


i i
i
n
i
i
s
j
ij j
s
j
n
i
i ij s
s
j
i ij j
v
v
v
v w

o
o
o


7
de donde B e w .
2) Luego B _ B = .
Concluyendo por 1) y 2) que B = B .

INDEPENDENCIA LINEAL

Definicin. Un conjunto V } , , , {
2 1
_ = B
n
v v v es linealmente independiente si la nica
combinacin lineal de los vectores de B con escalares igual a cero es aquella en donde
todos los escalares son cero.

Ejemplo 1.7
( ) ( ) ( )
( ) ( ) ( ) ( )
( )( ) ( )( ) ( ) ( ) 0 , 0 4,7 1 3,5 1 2 , 1 1
0 , 0 4,7 0 3,5 0 2 , 1 0
} 4,7 , 3,5 , 2 , 1 {
= + +
= + +
= A

entonces A no es linealmente independiente.
Nota. Un conjunto es linealmente dependiente cuando no es linealmente independiente.

Teorema. 01-19-02 (5).

Sea ( ) finito) es B que denota cual (lo | V B + < B _ o .
Si existe B _ A linealmente dependiente entonces B es linealmente dependiente.
Demostracin. } , , {
1 s
v v = A
Existen
s
o o , ,
1
escalares no todos nulos, tales que
0
1 1
= + +
s s
v v o o .
} , , , , {
1 1 n s s
v v v v
+
= B de donde,
0 0 0
1 1 1
= + + + + +
+ n s s s
v v v v o o .
Luego B es linealmente dependiente.
Corolario.
Si un conjunto es linealmente independiente entonces todos sus subconjuntos son
linealmente independientes. La demostracin es una consecuencia inmediata del
teorema anterior.
Observaciones.
- { } es linealmente independiente. Supongamos que es linealmente dependiente,
entonces existen escalares no todos nulos para los cuales una combinacin
lineal es igual a cero.
- Todo conjunto con un vector igual a cero es linealmente dependiente.
Teorema. 02-19-02 (6).
Sea ( ) + < _ B | V B o .
B es linealmente dependiente sii existe un vector en B que es combinacin lineal de los
otros vectores de B.
Demostracin.
} , , , { )
2 1 n
v v v = B
Existen escalares
n
o o o , , ,
2 1
no todos nulos tales que
0
2 2 1 1
= + + +
n n
v v v o o o .
8
Sea } 0 | {i maximo
i
= = o s
0
2 2 1 1
= + + +
s s
v v v o o o
sigue que,
( ) ( )
( )
k
s
k
k
s s s s
v
v v v v

=
=
+ + + =
1
1 1 ` 2 2 1 1
1
o
o o o o

luego,
( ) ( )
( ) ( )

=
=
=
=
1
1
1
1 1
1
1
s
k
k k s s
k
s
k
k s s s s
v v
v v
o o
o o o o

:) Existe B e
j
v que es combinacin lineal de los otros vectores de B.
Existen escalares
n j j j
o o o o o , , , , , ,
1 1 1

+
tales que
n n j j j j j
v v v v v o o o o + + + + + =
+ +

1 1 1 1 1 1

de donde,
( )
n n j j j j j
v v v v v o o o o + + + + + + =
+ +

1 1 1 1 1 1
1 0
luego B es linealmente dependiente.
Corolario. B es linealmente dependiente sii existe un vector en B que es combinacin
lineal de los anteriores.
Corolario. B es Linealmente independiente sii no existe un vector en B que sea
combinacin lineal de los anteriores.

FAMILIAS LIBRES MAXIMALES Y BASES

Definicin. Sea ( ) + < B _ B o V . B es una familia libre maximal si B es linealmente
independiente y } { B , - V v v B e es linealmente dependiente.
Definicin. Sea ( ) + < B _ B o V . B es una base de V si:
a) B es una familia libre
b) B es un sistema de generadores de V.

Teorema. 03-19-12 (7).

Sea ( ) + < B _ B o V . B es una base de V sii B es una familia libre maximal.
Demostracin.
) Si B es base entonces es familia libre. Supongamos que no es maximal. Existe un
vector B - V e v tal que } { B v es linealmente independiente.
} , , , { B
2 1 n
v v v =
como B es un sistema de generadores, existen
n
, , ,
2 1
en K tales que
v v v v
n n
= + + +
2 2 1 1

luego
( ) 0 1
2 2 1 1
= + + + + v v v v
n n

por lo tanto } { B v es linealmente dependiente.
De donde B es maximal.
9
:) Como B es una familia libre maximal entonces B es linealmente independiente.
Veamos que B es un sistema de generadores. Sea V e v entonces B e v o B - V e v . Si
B e v entonces
j
v v = para algn j.

=
=
n
k
k kj
v
1
V o .
Si {v} B , B e v es linealmente dependiente. Existen escalares , , , ,
2 1 n
tales que

0 ,
2 2 1 1
= + + + v v v v
n n
.
Si 0 = entonces B no sera linealmente independiente.
Luego 0 = .
( )
k
n
k
k
v

=
=
1
1 -
V
V es combinacin lineal de B. Po lo tanto B es un sistema de generadores de V,
entonces B es una base.

SISTEMA MINIMAL DE GENERADORES

Definicin. Sea V un K-espacio vectorial. Un conjunto V _ A es un sistema minimal
de generadores si:
a) A es un sistema de generadores de V
b) } { , v v A A e no es un sistema de generadores de V.

Teorema. 01-24-02 (8).
Sea V _ A entonces A es un sistema minimal de generadores sii A es una base.
Demostracin.
) Como A es un sistema minimal de generadores entonces A es un sistema de
generadores de V.
Veamos que A es linealmente independiente.
} , , , {
2 1 n
v v v = A
Supongamos que A es linealmente dependiente, entonces existe A e
m
v tal que
m
v es
combinacin lineal de
1 1
, ,
m
v v . Es decir,

=
=
1
1
m
i
i i m
v v
para algunos
1
, , 1 ,

= K e
m i
v i .
} , , , , , { } {
1 1 1 n m m m
v v v v v
+
= A
Veamos que } {
m
v A es un sistema de generadores de V.
En efecto sea B e v , como A es un sistema de generadores. Existen
n
o o o , , ,
2 1
en K
tal que
( )

+ = =
+ + =
1
1 1
V
m
i
i
n
m i
i i i m i
v v o o o .
V es combinacin lineal de los vectores de } {v A . } {v A es un sistema de
generadores de V. Luego A es linealmente independiente y por lo tanto una base
de V.
10
:) Como A es base entonces es un sistema de generadores. Supongamos que existe
A e
j
v tal que } {
j
v A es un sistema de generadores de V. Todo vector de V es
combinacin lineal de los vectores de } {
j
v A en particular
j
v es combinacin lineal de
los vectores de } {
j
v A por lo tanto A es linealmente dependiente.
Sigue que A es un sistema minimal de generadores de V.
Corolario. Sea V _ A entonces A es un sistema minimal de generadores sii A es una
familia libre maximal.


Teorema. 02-24-02 (9).

Sean V un K-espacio vectorial, A y B dos sistemas de generadores de V.
Si ( ) + < A o entonces existe B D_ tal que D es un sistema de generadores de V y
( ) + < D o .

Demostracin.
} , , , {
2 1 n
v v v = A
V = A
Si V e v , existen K e
n
o o , ,
1
tal que

=
=
n
j
j j
v v
1
o .
Cada uno de los
j
v es combinacin lineal de un nmero finito de vectores de B. Sea D
el conjunto formado por todos estos vectores.
} , , , { D
2 1 m
w w w =

=
=
m
l
l lj j
w v
1

para algunos m i
lj
, , 1 = K e .

=
=
=
|
|
.
|

\
|
=
=
=
|
.
|

\
|
=
=
m
l
l l
m
l
l
n
j
lj j
n
j
m
l
l lj j
w
w
w v
1
1 1
1 1

o
o

entonces D e v , luego D es un sistema de generadores de V.

Corolario. Si un espacio vectorial V tiene una base finita, toda otra base de V es finita.
Demostracin. Si A y B son bases de V y ( ) + < A o existe B D_ tal que V D = y
( ) + < D o . Como B es un sistema minimal de generadores entonces B=D. Por lo tanto
( ) + < B o .
Teorema. 01-26-02 (10).

11
Si un conjunto finito, } , , {
1 n
o o = A genera a V, entonces cualquier conjunto
linealmente independiente contiene a lo ms n elementos.

Demostracin. Sea } , , {
2 1
| | = B un conjunto linealmente independiente.
Reemplazaremos sucesivamente los
i
o por los
i
| obteniendo en cada paso un nuevo
conjunto con n elementos que genera a V. As entonces, supngase que
} , , , , , {
1 1 n k k k
o o | |
+
= A es un conjunto de n elementos que genera a V. (Nuestro
punto de partida, la hiptesis del teorema, es el caso 0 = k .) Ya que
k
A genera a V,
1 + k
| es dependiente de
k
A . Luego, el conjunto } , , , , , {
1 1 n k k
o | | |
+
es linealmente
dependiente. En cualquier relacin no trivial que exista, los coeficientes diferentes de
cero no pueden quedar restringidos a los
i
| , porque estos son linealmente
independientes. De donde, uno de los ) ( k i
i
> o depende de los dems y despus de
reacomodar a los ndices {
n k
o o , ,
1

+
} si es necesario, podemos suponer que es
1 + k
o .
Por el Teorema 02-24-02 el conjunto } , , , , , {
2 1 1 1 n k k k
o o | |
+ + +
= A tambin genera a
V.
Si hubiera ms de n elementos en B, de esta manera llegaramos al conjunto generador
} , , {
1 n n
| | = A . Pero entonces, la dependencia de
1 + n
| respecto al conjunto
n
A contra
dira a la supuesta independencia lineal de B. As que, B contiene a lo ms n
elementos.

Teorema. 02-26-02 (11).
Si un espacio vectorial tiene una base con un nmero finito de elementos, entonces
todas las otras bases son finitas, y tienen el mismo nmero de elementos.

Demostracin. Supngase que A es una base con un nmero finito de elementos y B
otra base cualquiera. Ya que A genera a V y B es linealmente independiente, por el
Teorema 01-26-02 el nmero m de elementos en B debe ser a lo ms n. Esto prueba que
B es finita y n ms . Pero entonces pueden intercambiarse los papeles de A y B para
obtener la desigualdad en el otro sentido. As que n m = .
12
SUBESPACIOS VECTORIALES

Sea V un K-espacio vectorial, con V S _ . S es un subespacio vectorial de V si ( ) + ; ; S
es un K-espacio vectorial, con V S .

Teorema. 01-10-03 (12).

Sea } { S V, S = _ , entonces V S si y slo si
1)
2 1
, u u en S S
2 1
e + u u
2) K e y S e u , S e u

Demostracin.
) Se tiene por la definicin.
) : Las propiedades conmutativas y asociativas se tienen en S porque tambin se tienen
en V. Sea S e u y K e 0 , S 0 e u por 2) luego S 0e .
( )
( ) ( )
( )
( )u u
u u
u u
1 0
1 1
1 - 1 0
1 - 1 0
1 -
+ =
+ =
+ =
+ =
K e

luego ( ) u u = 1 como ( ) S 1 e u entonces S e u .
Las propiedades modulativa, asociativa y las dos distributivas se tienen en S porque se
tienen en V.

Teorema. 02-10-03 (13).

Sea } { S V, S = _ entonces V S si y slo si
2 1
, u u en S y
2 1
, en K,
S
2 2 1 1
e + u u en S.
Demostracin.
) Sean
1
u y
2
u en S y
2 1
, en K. Por 2) se tiene que S
1 1
e v y S
2 2
e v , por 1)
S
2 2 1 1
e + v v .
) : Sean
1
u y
2
u en S,
S 1 1
2 1
e + u u
es decir
S
2 1
e + u u .
Por otra parte, sean 0 y K e
S 0
2 1
e + u u
es decir
S
2
e u .
Teorema. 01-12-03 (14).

Sean S y T subespacios de V y T} y S | { T S e e + = + v u v u entonces V. T S +
Demostracin. Sean
1
w y
2
w en S+T. Existen
1
u y
2
u en S
1
v y
2
v en T tales que
1 1 1
v u w + = y
2 2 2
v u w + = .
13
Sean
1
y
2
en K entonces
( ) ( )
( ) ( )
2 2 1 1 2 2 1 1
2 2 2 1 1 1 2 2 1 1
v v u u
v u v u w w


+ + + =
+ + + = +

como S V
S
2 2 1 1
e + u u
como T V
S
2 2 1 1
e + v v .
Luego,
T S
2 2 1 1
+ e + w w .
Teorema. 02-12-03 (15).
Sean
n
s s s , , ,
2 1
n subespacios de V. Si
n
n
i
i
s s s s = =
=

2 1
1
T
entonces T V.
Demostracin. Sean u y v en T y y en K entonces u y v estn en n i s
i
, , 1 = .
De donde

n
i
i
s v u
1 =
e +
luego V
1

n
i
i
s
=
.
Nota. La diferencia de conjuntos no es subespacio porque T - S 0e . La unin no es
subespacio porque la suma no es cerrada.

Teorema. 03-12-03 (16).
Sea V } , , , {
2 1
_ = A
s
v v v , y } , , | {
1
1
K e
=
= A
s
s
i
i i
v entonces V A .
Demostracin. Sean v u y en A y K e y . Como A e u existen
K e
s
, ,
1
tales que

=
=
s
i
i i
v u
1
.
Existen K e
s
o o , ,
1
tales que

=
=
s
i
i i
v w
1
o .
Sigue que,
( )
i i
s
i
i
i i
s
i
i i
s
i
i i
s
i
i i
v
v v
v v w u
o
o
o
+
=
=
+
=
=
=
+
=
= +

1
1
1 1

por lo tanto A e + w u .

14









TRANSFORMACIN LINEAL.

Definicin:

Sea y dos espacios vectoriales, sea una transformacin.


Se dice que T es una transformacin lineal si satisface las siguientes propiedades:
(1).
(2).
Es decir, si T preserva las propiedades de espacio vectorial.

Ejemplo 2.1
Sea entonces

Demostracin:

Si y , entonces y adems . Luego
es virtud de (1) se tiene que.

Por (2) resulta.
(3)

Observacin:

(3) caracteriza las transformaciones lineales, es decir, nos aporta un criterio para decidir
si T es lineal o no.
(3) puede generalizarse de la siguiente manera:
Esto ltimo se demuestra por induccin
sobre n.
Ntese que por lo tanto

Ejemplo 2.2

Sea
Dada por
Demostrar que F es lineal.
Demostracin:
Sea
15

,
A demostrar que
=
=
=
=
= (
=
=




Ejemplo 2.3

Sea
Dada por
Demostrar que F es lineal.
Demostracin:
Sea

,
A demostrar que
=
=
=
=
= (
=
=

Ejemplo 2.4

Demostrar que las siguientes transformaciones T no son lineales.
1) definida por
2) definida por
3) definida por

Demostracin (1)

De donde 15+8=23

Por 45 23.
Luego no es lineal.

16
Demostracin (2)

Por lo que No es lineal.

Demostracin (3)


Pero
Luego por lo que No es lineal.


Ncleo de una transformacin lineal.
Sea una transformacin lineal, el ncleo de T se designa por y se define
como el conjunto .

Teorema (17). es un subespacio de .

Demostracin:

A demostrar que .
Si entonces
Por otra parte
Por lo tanto .

Teorema (18).

Una transformacin T es inyectiva (uno a uno) si y solo si

Demostracin:
Si T es inyectiva, entonces para tal que implica que
.
Sea , entonces luego , lo que implica
, luego .
Si sean
Tenemos:



Esto implica entonces de donde ,
Por lo tanto T es inyectiva.



Ejemplo 2.5

Sea
Definida por
17
Demostrar que F es uno-uno (inyectiva).
Demostracin:
A demostrar que

Luego implica
Entonces
De donde

Luego




Como

Sustituyendo en cualquiera de las ecuaciones del sistema resulta de
donde .
Finalmente hemos demostrado que es decir F es uno-uno.

Ejemplo 2.6

Sea
Definida por
Demostrar que F no es uno-uno (inyectiva).
Demostracin:
A demostrar que

Luego implica

Igualando


Entonces
Luego

=
Por lo que F no es inyectiva.

Ejemplo 2.7

denota el conjunto de todas las funciones continuas en y denota el
conjunto de todas las funciones con primera derivada continua.
Sea D: definida de definida por
Demostrar que D es lineal.
Demostracin:
18







Ejemplo 2.8

Demostrar que definida por es lineal.
Demostracin:
Sean


=
=
=

Ejemplo 2.9

Demostrar que definida por es lineal.
Donde es una funcin fija en .
Demostracin:
Sean con fijo.


=
=
=
Ejemplo 2.9.1

Sea

Transformaciones lineales
Demostrar que es lineal.

Demostracin:
Sean lineales.

19















NORMA DE UN VECTOR.

Definamos la magnitud o longitud de un vector por

En general

La diferencia de dos vectores en


Producto interior.

Sea un espacio vectorial sobre , la funcin ;
Tal que satisface,
1)
2)
3)
4)
5)
La llamaremos producto interior.

Ejemplo 3.1

. En general para

Sean entonces

Ejemplo 3.2
20

Sean
Demostrar que es un producto interior.
Demostracin:
1)
2)
3)


4)


5)




Ejemplo 3.3



Sean
Por la ley del coseno se tiene que:
(1)



(2)
Reemplazando (2) en (1)


La cual es otra forma de definir el producto interior.

Teorema (19).

Sean dos vectores en y el ngulo entre ellos, entonces:

De aqu se tiene
Y esto implica
Si
Luego



21
Teorema (20).

Desigualdad de Cauchy-Schwartz.
Sean , entonces

Demostracin:
Ntese que


Luego sean


Entonces por
Si
De esto se desprende que

Luego




Desigualdad triangular.

Sean , entonces

Demostracin:




Por Cauchy-Schwartz




Ejemplo 3.4

Verificar la ley del paralelogramo



Demostracin:

(1)


(2)
22
Al sumar (1) y (2) tenemos


Definicin:
Dos vectores se dice que son ortogonales si su producto interior es cero 0.

Teorema (21).

Sean vectores en linealmente dependientes, entonces

Demostracin:
Si son linealmente dependientes, entonces

Luego

Entonces:
Luego




Reemplazando





Ejemplo 3.5

Sean vectores en , demuestre que si entonces
Son ortogonales.
Demostracin:
















23























DETERMINANTES

El determinante de una matriz de orden se calcula de la siguiente manera:
Sea A la matriz:


El determinante de una matriz de orden se calcula de la siguiente manera:
Sea A la matriz:



Evaluar el determinante de la matriz:
Ejemplo 1:


Ejemplo 2:


24
Ejemplo 3:





Probar que el determinante de A es 2 o 0




Sea T el operador sobre definido por:

Hallar el determinante de T



Regla de Cramer

Consideremos el sistema



Este sistema tiene solucin nica si:

La solucin viene dada por:

Donde:




Ejemplo 4.1:

Hallar los valores de y . Dadas las ecuaciones:


Entonces:

25








Ejemplo 4.2:

Hallar los valores de y . Dadas las ecuaciones:










Ejemplo 4.3:
Hallar los valores de y . Dadas las ecuaciones:







Algunas propiedades de los determinantes
Si una matriz B se obtiene de A intercambiando filas o columnas entonces:

Si una matriz B se obtiene de A multiplicando por una constante C filas o columnas,
entonces:



Ejemplo 4.4:
26
Si
Calcular los determinantes de las siguientes matrices:





Demostrar que:








Sean y puntos distintos en .
Demuestre que la ecuacin de la recta que contiene a estos puntos es:





Propiedad:

Si demostrar que
Si no hay nada que probar, Si , y entonces:





Valores Propios o Caractersticos

Sea A una matriz el nmero real se dice que es un valor propio o caracterstico
de A si existe un vector no nulo tal que: A X = X
Adems X se denomina vector propio.

Ejemplo 4.5:

Sea A =
27
Queremos determinar los valores propios y los vectores propios de A. Es decir todos los
valores de tal que:
AX = X
Y todos los vectores no nulos X que satisfagan esa misma ecuacin. Entonces:


















Ejemplo 4.6:

Demuestre que la matriz



No tiene valores propios para














28


Por lo tanto para todos los no hay solucin real.






POLINOMIO CARACTERSTICO

Definicin:
Sea A una matriz , entonces:


Se llama polinomio caracterstico, donde es la matriz identidad. La ecuacin:

Se llama ecuacin caracterstica.

Ejemplo 5.1:

Determine el polinomio caracterstico y los valores propios de la matriz:

Entonces:




Ahora los valores propios serian:










Ejemplo 5.2:

Sea A:

29

El polinomio es llamado polinomio caracterstico.
Ahora los valores propios serian:



Ejemplo 5.3:
Sea A: