Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Julio 2008
ii
Indice
1 Espacios Vectoriales 1
1.1 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Anillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Cuerpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Dependencia Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Independencia Lineal . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Sistema de Generadores . . . . . . . . . . . . . . . . . . . 15
1.4.2 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4.3 F.L.M. y S.M.G. . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.5 Subespacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . 30
1.5.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2 Transformaciones Lineales 37
2.1 Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . 37
2.1.1 Teorema Fundamental del Algebra Lineal . . . . . . . . . 44
2.1.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.2 Transformaciones Lineales y Matrices . . . . . . . . . . . . . . . 53
2.2.1 Forma Normal Natural . . . . . . . . . . . . . . . . . . . . 63
2.2.2 Forma normal de Hermite . . . . . . . . . . . . . . . . . . 64
2.2.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3 Determinantes 75
3.1 El Grupo Simétrico . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.1.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2 Formas n-lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.3 El Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
iii
iv INDICE
Introducción
La mayoria de los matemáticos importantes del los siglos XVII y XIX es-
tan vinculaddos de una u otra manera con las ideas y conceptos mas impor-
tantes del Algebra Lineal pero el papel protagónico lo ocuparon definitivamente
William Hamilton, Hünter Grasmmann , Charles Hermite, y especialmente
Jhosep Sylvester y Arthur Cayley.
v
vi INTRODUCCIÓN
Oigo y olvido
Leo y entinedo...
Hago y aprendo
George Polya.
Capı́tulo 1
Espacios Vectoriales
El Algebra Lineal es tal vez unos de los temas más trascendentales (por no decir
difı́ciles) de un estudiante de primeros semestres de Matemáticas, llenándolo de
Teoremas y Definiciones que no son tan palpables a primera vista (como tal vez
lo es un curso de Cálculo I en sus inicios) y los cuales están en una terminologı́a
casi nueva, generando en el estudiante los primeros pasos dentro del denominado
Refléjo Simbólico. Debido a esto, este capı́tulo es de vital importancia para que
el estudiante de Álgebra Lineal empiece con el pie derecho sus estudios, y logre
completar exitosamente el curso. Daremos a continuación unas preliminares
para tener muy buenas bases y solidificar la teorı́a que se va a desarrollar.
1.1 Preliminares
Definición 1 - 1 - 1 Una Ley de Composición Interna en un conjunto A
es una aplicación
∗ : A × A −→ A
(a, b) 7−→ a ∗ b
∗: A×A −→ A
(a, b) 7−→ [
1
2 CAPÍTULO 1. ESPACIOS VECTORIALES
1.1.1 Anillos
Definición 1 - 1 - 2 Sea A un conjunto, y +,· dos leyes de composición in-
ternas sobre A. Un Anillo es una terna (A, +, ·), que cumple las siguientes
condiciones:
1. a + (b + c) = (a + b) + c para todo a, b, c de A.
2. a + b = b + a para todo a, b de A.
3. Existe un elemento 0 en A tal que a + 0 = a para todo a en A.
4. Para todo a en A existe −a, tambien en A, tal que a + (−a) = 0.
5. a · (b · c) = (a · b) · c para todo a, b, c en A.
6. a · (b + c) = a · b + a · c y (a + b) · c = a · c + b · c para todo a, b, c en A.
Hay que resaltar que los sı́mbolos + y · no siempre se utilizan como la suma y
producto ( aunque los llamaremos ası́ por comodidad ) usuales de R, se usaran
para cualquier terna (A, +, ·) sin implicar que los operadores sean siempre los
mismos. Llamaremos Neutro al 0 de A e Inverso Aditivo de a el elemento −a,
estos dos elementos son únicos puesto que si 0 y 0’ son neutros de A, entonces
0 = 0 + 00 = 00 + 0 = 00 , y si -a y b son inversos aditivos de a, entonces
b = 0+b = (−a)+a+b = (−a)+0 = −a. En general notaremos a+(−b) = a−b.
Ejemplo 1 - 1 - 3 Sea A = Z2 = {0, 1}, definimos
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
+ \ ] [ · \ ] [
\ \ ] [ \ \ \ \
] ] [ \ ] \ ] [
[ [ \ ] [ \ [ ]
1.1.2 Cuerpos
Definición 1 - 1 - 6 Llamamos Cuerpo a un Anillo de División Conmuta-
tivo. Notaremos en general a los cuerpos con la letra K.
Note que si K es un cuerpo y a, b, c ∈ K con a 6= 0, entonces
ab = ac
a−1 ab = a−1 ac
b = c
De donde, si a 6= 0, entonces ab = 0 implica ab = a0, por lo tanto b = 0. Y no
existen a, b ∈ K ambos diferentes de cero, tales que ab = 0.
Ejemplo 1 - 1 - 7 Los conjuntos R y Q son un cuerpos.
Ejemplo 1 - 1 - 8 La tripla (Z4 , +, ·) con Z4 = {0, 1, 2, 3}, donde
+ 0 1 2 3 · 0 1 2 3
0 0 1 2 3 0 0 0 0 0
1 1 2 3 0 1 0 1 2 3
2 2 3 0 1 2 0 2 0 2
3 3 0 1 2 3 0 3 2 1
No es un Cuerpo, puesto que 2 no es una Unidad
4 CAPÍTULO 1. ESPACIOS VECTORIALES
Hemos visto que se han utilizado los conjuntos Z2 , Z3 , Z4 , estos conjuntos son
la base de la llamada Aritmética Módulo n. Decimos que a ≡ b (mod n) (dicho
como, a congruente con b módulo n) si y solo si a = b + kn para algún k ∈ Z,
por ejemplo 1 ≡ 1566 (mod 1565). Si formamos el conjunto
ā = {x ∈ Z| x ≡ a (mod n)}
a ā lo llamamos clase de equivalencia, o Clases residuales módulo n. Note que
si a 6= b entonces ā ∩ b̄ = ∅, si a ≡ b (mod n) entonces ā = b̄ y que
Z = 0̄ ∪ 1̄ ∪ . . . ∪ n − 1
Por lo tanto, al denotar
Zn = {0̄, 1̄, . . . , n − 1}
y definir la leyes de composición internas
+: Zn × Zn −→ Zn ·: Zn × Zn −→ Zn
(ā, b̄) 7−→ a + b (ā, b̄) 7−→ a · b
De donde la tripla (Zn , +, ·) es un anillo conmutativo.
Teorema 1 - 1 - 1 Sea n > 1 un natural no primo, la tripla (Zn , +, ·) no es
un cuerpo.
Dem.
Como n no es primo, existen a, b entre 1 y n tales que n=ab, de donde āb̄ = 0̄,
lo cual inmetiatamente impide que (Zn , +, ·) sea un cuerpo.
Ejemplo 1 - 1 - 9 Se puede demostrar que si p es primo, la tripla (Zp , +, ·)
es un cuerpo, donde Zp = {1, 2, . . . , p − 1}, pero sale del objetivo principal del
libro. Si el estudiante desea una prueba, la puede consultar en (biblio... TNpP
Jimenez Gordillo Rubiano, pag 112)
La definición de Cuerpo es la mas corta que hemos dado hasta ahora, pero a su
vez, era el objetivo principal de esta sección, puesto que de esta vamos a construir
la principal definición de nuestra siguiente sección, Espacios Vectoriales.
1.1.3 Ejercicios
1. Demuestre que (Zn , +, ·) es un anillo conmutativo.
2. Demuestre que (Z5 , +, ·) es un cuerpo, sin utilizar lo enunciado en el Ejem-
plo 1-1-9.
3. Demuestre que la tripla (Q0 , +, ·) no es un cuerpo, donde Q0 representa al
conjunto de los Irracionales. Cuales propiedades de cuerpo no se cumplen?
4. Halle todas las soluciones posibles sobre Z3 a la ecuación
x+y+z = 2
x+y = 1
1.2. ESPACIOS VECTORIALES 5
1.
α(0) = α(0 + 0)
= α(0) + α(0)
0 = α(0)
2.
(0)v = (0 + 0)v
= (0)v + (0)v
0 = (0)v
3. • Si α 6= 0 entonces
αv = 0
−1
α αv = α−1 0
1v = 0
v = 0
• Si v 6= 0, entonces
αv = 0
= v−v
(α + 1)v = v
α+1 = 1
α = 0
v + (−1)v = (1 + (−1))v
= (0)v
= 0
1.2. ESPACIOS VECTORIALES 7
+: Vm×Vm −→ Vm
((v1 , v2 , . . . , vm ), (w1 , w2 , . . . , wm )) 7−→ (v1 + w1 , v2 + w2 , . . . , vm + wm ))
·: K ×Vm −→ Vm
(α, (w1 , w2 , . . . , wm )) 7−→ (αw1 , αw2 , . . . , αwm ))
Note que V puede ser cualquier espacio vectorial y que además podemos formar
infinitos espacios vectoriales.
1.2.1 Ejercicios
1. Demuestre que cualquier cuerpo es un espacio vectorial sobre si mismo.
Evaluando en x = 0
λ1 + λ 2 + λ 3 = 0 (1.3.1)
λ1 α1 + λ 2 α2 + λ 3 α3 = 0 (1.3.2)
λ1 α12 + λ2 α22 + λ3 α32 = 0 (1.3.3)
Dem.
Sea A = {v1 , . . . , vn }. Existe vj ∈ A tal que es combinación lineal de los otros
vectores de A.
Existen escalares λ1 , . . . , λj−1 , λj+1 , . . . , λn tales que:
j−1
X n
X
vj = λ i vi + λ i vi
i=1 j+1
Luego
j−1
X n
X
λi vi + (−1)vj + λ i vi = 0
i=1 j+1
De donde A es L. D.
Dem.
λ1 v1 + · · · + λj−1 vj−1 + λj vj = 0
j−1
X
λ j vj = (−λi )vi
i=1
j−1
X
vj = ((λ−1 )(−λi )) vi
| {z }
i=1
αi
j−1
X
λ j vj = (−λi )vi
i=1
j−1
X
vj = α i vi
i=1
Luego
j−1
X
λi )vi + (−1)vi = 0
i=1
Dem.
Supongamos que existe B ⊆ A, donde B es linealmente dependiente.
Sea B = {v1 , . . . , vs } y sea A = {v1 , . . . , vs , vs+1 , . . . , vn }
λ 1 v1 + · · · + λ s vs = 0
1.3. DEPENDENCIA LINEAL 13
Extendiendo tenemos:
λ1 v1 + · · · + λs vs + 0 · vs+1 + · · · + 0 · vn = 0
De donde A es L. D., Esto contradice las condiciones del teorema →←.
¥
Entonces:
n
X n
X
α i vi = λ i vi
i=1 i=1
Luego
n
X n
X
α i vi − λ i vi = 0
i=1 i=1
n
X
(αi vi − λi vi ) = 0
i=1
Xn
(αi − λi )vi = 0
i=1
1.3.2 Ejercicios
1. Determine si el primer vector de cada conjunto de tres vectores de R3 y
R2 [x] se puede expresar como combinacion de los otros dos restantes
2. Puede econtrar el lector un conjunto L.D., tal que ningun vector sea mul-
tiplo de otro del mismo conjunto?
3. Muestre que las matrices
µ ¶ µ ¶ µ ¶ µ ¶
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
Son L.Ind.
1.4. BASES 15
4. Demuestre que el conjunto {fp (x) = epx , fs (x) = esx } es linealmente in-
dependienete en el espacio F(R, R).( Sugerencia: Recuerde que la indepe-
dencia lineal se tiene para todo x ∈ R, en particular para x = 0 y que
puede derivar ).
1.4 Bases
1.4.1 Sistema de Generadores
Definición 1 - 4 - 1 Sea V un K-espacio vectorial, un conjunto A = {v1 , v2 , . . . , vn } ⊆
V es un Sistema de Generadores de V, si para todo v ∈ V existen escalares
λ1 , λ2 , . . . , λn en K tales que
n
X
v= λ i vi
i=1
Dem.
Sea v ∈ hAi, por lo tanto existen v1 , v2 , . . . , vn en A y λ1 , λ2 , . . . , λn en K tales
que
X n
v= λ i vi
i=1
Dem.
Por el teorema anterior, la inclusión hAi ⊆ hhAii es inmediata. Ahora, sea
w ∈ hhAii, por lo tanto existen w1 , w2 , . . . , wm ∈ hAi y α1 , α2 , . . . , αm en K
tales que
Xm
w= αi wi
i=1
16 CAPÍTULO 1. ESPACIOS VECTORIALES
para cada j existen λ1j , λ2j , . . . , λnj j en K y v1j , v2j , . . . , vnj j en A tales que
nj
X
wj = λ i j j vi j j
ij =1
De donde
m nj
X X
w = αj λ i j j vi j j
j=1 ij =1
nj
m X
X
= α j λ i j j vi j j
j=1 ij =1
hAi = hhAii
hAi = hA − {vj }i
Dem.
⇒)
Claramente A − {vj } ⊆ A, de donde hA − {vj }i ⊆ hAi.
⇐)
Sea v ∈ hAi, existen α1 , α2 , . . . , αn en K tales que
n
X
v= α i vi
i=1
Como
j−1
X
vj = λ i vi
i=1
Para algunos escalares λi i = 1, . . . , j − 1, entonces
j−1
X j−1
X n
X
v = α i vi + α j ( λ i vi ) + α i vi
i=1 i=1 i=j+1
j−1
X n
X
= (αi vi + αj λi )vi + α i vi
i=1 i=j+1
hAi = hA − {vj }i
1.4. BASES 17
hAi = hA − {v}i
Dem.
Consecuencia inmediata del anterior teorema.
hAi = V
Ejemplo 1 - 4 - 1 Sea
A = {ei | i = 1, . . . , n}
Dem.
Sean λ1 , λ2 , . . . , λn ∈ K y V = (a1 , a2 , . . . , an ) ∈ K n , si hacemos
n
X
λi ei = (λ1 , λ2 , . . . , λn )
i=1
Ejemplo 1 - 4 - 2 Sea
B = {Ei | i = 1, . . . , n}
Ei = (1, 2, 3, . . . , i, 0, . . . , 0)
Al poner
n
X
kλk = ai i = 1, . . . , n
k=i
Ejemplo 1 - 4 - 3 Sea
Dem.
Sean λ0 , λ1 , . . . , λn ∈ K y a0 + a1 x + a2 x2 + . . . + an xn ∈ K [x], si hacemos
Y al factorizar
n n µ ¶ n µ ¶ n µ ¶
X X i 2
X i n−1
X i
λi + x · λi + x · λi + . . . + x · λi + x n λn
i=0 i=1
i − 1 i=2
i − 2 i=n−1
1
Ahora, al poner
n µ ¶
X i
λi = a k k = 1, . . . , n
i−k
i=k
1.4. BASES 19
Es claro que
λn = a n
Y si 1 ≤ h ≤ n − 1, tenemos que
n µ ¶ n µ ¶
X i X i
ah = λi = λ h + λi
i−h i−h
i=h i=h+1
n µ ¶
X i
ah+1 = λi
i−h−1
i=h+1
Luego
n ·µ ¶ µ ¶¸
X i i
ah − ah+1 = λh + − λi
i−h−1 i−h−1
i=h+1
λk = a k si k = n
Si k ≤ n − 1
à n ·µ ¶ µ ¶¸ !
X i i
λk = ak − ak+1 − − λi
i−k−1 i−k−1
i=k+1
Dem.
La demostracion se deja al lector, como sugerencia, realice el procedimiento
realizado en el Teoema 1-4-3 hasta que quede un conjunto L.Ind, recuerde que
el vacı́o es L.Ind.
1.4.2 Bases
Definición 1 - 4 - 3 Un subconjunto de un espacio vectorial es una Base si y
solo si es un Sistema de Generadores que ademas es L.Ind.
20 CAPÍTULO 1. ESPACIOS VECTORIALES
Solución.
Sea V = (v1 , v2 , . . . , vn ) ∈ K n para todas las cinco bases.
Claramente si hacemos λ1 , λ2 , . . . , λn ∈ K,
n
X n
X n
X n−1
X
λj Wi = w1 λj , w2 (λ1 + λj ), . . . , wn λj
j=1 j=2 j=3 j=1
w1 (λ2 + λ3 + . . . + λn ) = a1
w2 (λ1 + λ3 + . . . + λn ) = a2
..
.
wn (λ1 + λ2 + . . . + λn−1 ) = an
Además tenemos
n n
X am X
= (n − 1) · λm
w
m=1 m m=1
Hi = (01 , 02 , . . . , 0i−1 , 1, 2, . . . , n)
λ1 = a 1 , λ2 = a2 − 2a1
22 CAPÍTULO 1. ESPACIOS VECTORIALES
Luego
i−1
X
λi + λm = ai − ai−1
m=1
λi + (ai−1 − ai−2 ) = ai − ai−1
λi = ai − 2ai−1 + ai−2
Que claramente prueba, haciendo lo mismo que en (1), que ξ es l.ind y
además es base de K n .
Y si suponemos para a1 , a2 , . . . , an ∈ K
2(λ1 + λ2 + . . . + λn ) = a1
22 (λ2 + λ3 + . . . + λn ) = a2
..
.
2n−1 (λn−1 + λn ) = an−1
2n (λn ) = an
Obtenemos que
λ0 = a 0
ai
λi =
i
Obteniendo
λn = a n
24 CAPÍTULO 1. ESPACIOS VECTORIALES
Y para i ≤ n − 1
n
X n
X
λk = a i = λ i + λk = λi + ai−1
k=i k=i+1
λi = ai − ai−1
Que muestra que, haciendo como en (1),ψ es l.ind. y además es base de
K [x].
3. Sea θ = {Ti |i = 0, . . . , n}, donde
n
(
X
f (k) k 2 si ∃m∈N tal que x = i − 2m
Ti = (−1) x f (x) =
k=i
1 en otro caso
y λ0 , λ1 , . . . , λn ∈ K, entonces al hacer
n
X n
X
λk Tk = (λ0 ) + (λ1 − λ0 )x + (λ2 − λ1 + λ0 )x2 + . . . + ( (−1)f (k) λk )xn
k=0 k=0
Y para 1 ≤ i tenemos
i
X i−1
X
f (k)
(−1) λk = a i = λ i + (−1)f (k) λk = λi − ai−1
k=0 k=0
Luego
λi = ai + ai−1
Y además
m
n X m
n X
X aij X
= (nm − 1) λij
i=1 j=1
vij i=1 j=1
De donde, reemplazando
Pn Pm aij
i=1 j=1 vij apq
λpq = −
(nm − 1) vpq
Dem.
Sea A = {v1 , v2 , . . . , vn } una base de V . Si v ∈ V , existen escalares λ1 , λ2 , . . . , λn
en K tales que
X n
v= λ i vi (1)
i=1
(a) A es L.Ind.
(a) hAi = V
Dem.
Sea A = {vi . . . , vn }. Demostraremos primero que si A es base, entonces es
un sistema minimal de generadores. En efecto, por ser base es un sistema de
generadores. Falta ver que es mı́nimo. Pero como A es base, es linealmente inde-
pendiente; por tanto, para algún vj ∈ A, A − {vj } es linealmente independiente.
Ahora,
V = hAi
n
X
= { αi vi | αi ∈ K ∧ vi ∈ A}
i=1
k−1
X X
6= { αi vi + 0.vk + i = k + 1n αi vi | αi ∈ K ∧ vi ∈ A}
i=1
k−1
X n
X
= { α i vi + α i vi | α i ∈ K ∧ v i ∈ V }
i=1 i=k+1
= hAi − {vk }
Por tanto, hAi − {vk } 6= B. Ası́ que si A es una base, entonces es un sistema
minimal de generedores. Ahora tenemos que mostrar que si A es un sistema
minimal de generadores, entonces es una base. La demostración consistirá en
mostar la independencia lineal de A. Prueba por contradiccón.
Pn Supongamos que
A es linealmente dependiente. Supongamos que v1 = i=2 αi vi ∈ A. Podemos
28 CAPÍTULO 1. ESPACIOS VECTORIALES
Dem.
Al igual que en el teorema anterior es necesario demostrar dos cosas. En primer
lugar, supongamos que A es una base, entonces es P linealmente independiente.
n
Por ser base, para todo v en V , se tiene que v = i=1 αi vi . Por tanto ∀v ∈
V − A, A ∪ v es linealmente dependiente por el corolario 1.1. Ahora debemos
demostrar que si A es una familia libre maximal, entonces es una base. Lo que
se reduce a mostrar que A es un sistema de generadores. Como A es familia
Pn para todo v en V − A A ∪ {v} es linealmente dependiente. De
libre maximal,
donde, v = i=1 λi vi . Por tanto,
V = hAi
n≤m
1.4. BASES 29
1.4.4 Ejercicios
1. Genera el conjunto {x3 + 2x2 + 3x, 1 + 2x + 3x2 , 3x + 4x3 } a R3 [x]?
2. Trate de extender el Ejemplo 1-4-6 para crear infinitas bases del conjunto
de las matrices em la m-dimensión M n1 ×n2 ×...×nm .
3. Suponga que el conjunto {x1 , x2 , x3 } es una base del espacio V . Demuestre
que el conjunto {x1 + x2 + x3 , x2 + x3 , x3 } es una base de V. Podrı́a
generalizar este resultado para un espacio n-dimensional
4. De dos ejemplos de parejas conjuntos A, B en las cuales podriamos hallar
bases para el conjunto F(A, B).
5. De un ejemplo de un espacio infinito-dimensional.
30 CAPÍTULO 1. ESPACIOS VECTORIALES
2. ∀λ ∈ K ∧ ∀u ∈ S se tiene que λu ∈ S
Dem:
⇒) Se tiene por definición de subespacio.
⇐) Falta probar modulativa e invertiva puesto:
Dem:
⇒) Se tiene por definición de subespacio.
⇐)
2. Sea µ = 0 entonces λu + 0 = µv + λu ∈ S
bla....
S1 , S2 ¹= {s1 + s2 / s1 ∈ S1 ∧ s2 ∈ S2 }
1.5. SUBESPACIOS VECTORIALES 31
Teorema 1 - 5 - 2 S1 + S2 ¹ V
Dem:
Sean s1 y s∗1 ∈ S1 s2 y s∗2 ∈ S2 tenemos:
Dem: Pn
u y v en i=1PSi y λ, µ ∈ K. Existen si y s∗i ∈ Si ∀i = 1, . . . , n tales que
SeanP
n n
u = i=1 si y v = i=1 s∗i .
n
X n
X
λu + µv = λ si + µ s∗i
i=1 i=1
n
X
= λsi + µs∗i
i=1
∗
Pn Si ¹ V entoncesλs
Pero como
∗
Pn i + µsi ∈ Si ∀i = 1, . . . , n.
Luego i=1 λsi + µsi ∈ i=1 Si , lo cual implica que
n
X
λu + µv = Si
i=1
Pn
de donde i=1 Si ¹ V .
¥
Teorema 1 - 5 - 4 hAi ¹ V
Dem:
∗ ∗
Sean u, w ∈ hAi yP
α, β ∈ K. Existen
Pvn1 , v2∗, . . . , vn ∈ A y λ1 , . . . , λn , λ1 , . . . , λn ∈
n
K tales que u = i=1 λi vi y w = i=1 λi vi .
n
µX ¶ n
µX ¶
αu + βw = α λ i vi +β λ∗i vi
i=1 i=1
n
X
= (αλi + βλ∗i )vi
i=1
¥
T
Teorema 1 - 5 - 5 Si Si ¹ V ∀i ∈ I entonces i∈I Si ¹ V
Dem: T
Sean u, v ∈ i∈I Si y λ, µ ∈ K.
Entonces u y v estan en Si ∀i∈I , pero como Si ¹ V ∀i∈I ,
entonces λu + µv ∈ Si ∀i∈I , de donde
\
λu + µv ∈ Si
i∈I
esto es Si ¹ V .
Note que si tenemos y1 = mx y y2 = nx en donde n 6= m 6= 0, los dos
subespacios en R2 (prueba para el lector), al realizar la diferencia entre ellos el
resultado no es subespacio, puesto que y1 ¹ R2 y y2 ¹ R2 pero tenemos que
y1 − y2 = {v ∈ y1 / v ∈ / y2 } de manera que el único vector que pertenece a la
intersección es el cero, de manera que no puede ser un subespacio puesto que le
harı́a falta dicho vector. De manera similar dejamos al lector hacer el análisis
de cual es el motivo de que la unión de subespacios no puede ser subespacio.
.
Dem.
• (hDi = S1 + S2 )
n
X s
X
k2 = β i vi + δi u i
i=1 i=1
n
X m
X s
X
k1 + k 2 = (λi + βi )vi + η i wi + δi u i
i=1 i=1 i=1
• (D es l.indep.)
Supongamos que D es l.dep., por lo tanto existen escalares λ1 , λ2 , . . . , λn , β1 , β2 , . . . , βm ,
µ1 , µ2 , . . . , µs , no todos nulos tales que
n
X m
X s
X
λ i vi + βi wi + µi u i = 0
i=1 i=1 i=1
De donde
n
X m
X s
X
s= λ i vi + βi wi = − µi u i
i=1 i=1 i=1
s ∈ S1 s ∈ S2
Por lo tanto s ∈ S1 ∩ S2 , y puesto que A es base de S1 ∩ S2 , existen
escalares α1 , α2 , . . . , αn , tales que
n
X n
X m
X s
X
s= α i vi = λ i vi + βi wi = − µi u i
i=1 i=1 i=1 i=1
Y por lo tanto
n
X s
X
α i vi + µi u i = 0
i=1 i=1
Dem:
Tomamos B = {v1 , . . . , vn } Linealmente indepediente en donde dim V = n,
Además m ≤ n.
Si m < n existen vm+1 , . . . , vn vectores en V tales que D = {B ∪ {vm+1 , . . . , vn }
en donde D es una base de V .
Sea S1 = hBi y S2 = h{vm+1 , . . . , vn }i de manera que
S1 ∩ S2 = {0}S1 + S2 = V
1. S1 ∩ T = S ∩ T ∗
2. S + T = S + T ∗
3. T ⊆ T ∗
1.5. SUBESPACIOS VECTORIALES 35
Dem:
dim(S + T ) = dim(S + T ∗ )
dim S + dim + T − dim(S ∩ T ) = dim S + dim + T ∗ − dim(S ∩ T ∗ ) (Simplificando)
dim T = dim T ∗
1. w ¹ V
2. w1 ¹ w
Dem:
{0} = w 1 ∩ w2 (1)
= w1 ∩ (w ∩ w2 )
= (w1 ∩ w2 ) ∩ w
= {0} ∩ w
= {0}
w ⊇ w ∩ w1 (2)
= w1 ∩ (w ∩ w2 )
= (w ∩ w2 ) + (w ∩ w1 ) (I)
(W ∩ W1 ) ⊕ (W ∩ W2 ) = W
36 CAPÍTULO 1. ESPACIOS VECTORIALES
1.5.1 Ejercicios
1. Sea W un subespacio de un K-espacio vectorial V . Si v ∈ V , demuestre
que el conjunto {v} + W es un subespacio de V sii v ∈ W . A este conjunto
se le suele llamar como Co-conjunto de W que contiene a v y se nota
simplemente como v + W .
v1 + W = v2 + W ⇐⇒ v1 − v2 ∈ W
⊕: S×S −→ S ¯: K ×S −→ S
(v1 + W, v2 + W ) 7−→ (v1 + v2 ) + W (α, v + W ) 7−→ αv + W
Transformaciones Lineales
Definición 2 - 1 - 2 Llamaremos
37
38 CAPÍTULO 2. TRANSFORMACIONES LINEALES
1.
σ(0) = σ(0 + 0)
= σ(0) + σ(0)
0 = σ(0)
0 = σ(0)
= σ(v + (−v))
= σ(v) + σ(−v)
−σ(v) = σ(−v)
Por lo tanto
• Tenemos que
n
X n−1
X
σ( λi ui ) = σ(λn un + λi ui )
i=1 i=1
n−1
X
= λn σ(un ) + λi σ(ui )
i=1
n
X
= λi σ(ui )
i=1
¥
2.1. TRANSFORMACIONES LINEALES 39
Note que de (3) del teorema anterior podemos concluir lo siguiente. Sea
B = {u1 , u2 , . . . , un } una base del espacio vectorial U , y σ ∈ L(U, V ); si u ∈ U ,
existen escalares λ1 , λ2 , . . . , λn tales que
n
X
u= λi ui
i=1
n
X
σ(u) = λi σ(ui )
i=1
Lo cual nos indica que bastarı́a con conocer las imagenes de la base del espacio
de salida para conocer la transformación lineal. Esto nos podrá ayudar a crear
una base para el espacio vectorial L(U, V ), la cual veremos más adelante (la
demostración de que L(U, V ) es un espacio vectorial se deja al lector).
Ahora nos dispondremos a dar ejemplos para familiarizar al lector con el con-
cepto de Transformación Lineal.
Ejemplo 2 - 1 - 1 Homotecia vectorial de razón α. Sea α ∈ K, definimos
σ: U −→ U
u 7→ σ(u) = αu
Vemos claramente que σ(λ1 u1 +λ2 u2 ) = α(λ1 u1 +λ2 u2 ) = λ1 (αu1 )+λ2 (αu2 ) =
λ1 (σ(u1 )) + λ2 (σ(u2 ))
Ejemplo 2 - 1 - 2 Inyeccion canónica de K n en K m con n < m. Definimos
σ: Kn −→ Km
(x1 , x2 , . . . , xn ) 7→ σ((x1 , x2 , . . . , xn )) = (x1 , x2 , . . . , xn , 0, . . . , 0)
Sean u = (x1 , x2 , . . . , xn ), v = (y1 , y2 , . . . , yn ) ∈ K n , y α, β ∈ K, entonces
σ(αu + βv) = (αx1 + βy1 , . . . , αxn + βyn , 0, . . . , 0)
= (αx1 , αx2 , . . . , αxn , 0, . . . , 0) + (βy1 , βy2 , . . . , βyn , 0, . . . , 0)
= α(x1 , x2 , . . . , xn , 0, . . . , 0) + β(y1 , y2 , . . . , yn , 0, . . . , 0)
= α(σ(u)) + β(σ(v))
Ejemplo 2 - 1 - 3 Sea n > m, entonces
σ: Kn −→ Km
(x1 , x2 , . . . , xn ) 7→ σ((x1 , x2 , . . . , xn )) = (x1 , x2 , . . . , xm )
Es una T.L.
Sean u = (x1 , x2 , . . . , xn ), v = (y1 , y2 , . . . , yn ) ∈ K n , y α, β ∈ K, entonces
σ(αu + βv) = (αx1 + βy1 , . . . , αxm + βym )
= (αx1 , αx2 , . . . , αxm ) + (βy1 , βy2 , . . . , βym )
= α(x1 , x2 , . . . , xm ) + β(y1 , y2 , . . . , ym )
= α(σ(u)) + β(σ(v))
40 CAPÍTULO 2. TRANSFORMACIONES LINEALES
σA : Km −→ Kn
v 7→ σA (v) = A · v
es una T.L.
Pero
m
X
bi = aij (αxj + βyj )
i=1
Xm m
X
= α aij xj + β aij yj
i=1 i=1
= αci + βdi
De donde
σ(αu + βv) = (αci + βdi )n×1
= (αci )n×1 + (βdi )n×1
= α(ci )n×1 + β(di )n×1
= α(σ(u)) + β(σ(v))
Teorema 2 - 1 - 2 Sean U y V K-espacios vectoriales de dimensión n y m,
respectivamente. Sean A = {a1 , a2 , . . . , an } una base de U y B = {b1 , b2 , . . . , bn }
una base de V . Sea σij la transformación lineal de U hacia V tal que
½
0 si k 6= j
σij (ak )
bi si k = j
Entonces el conjunto {σij |i = 1, 2, . . . , m; j = 1, 2, . . . , n}, es una base del espa-
cio L(U, V ).
Dem.
Del Teorema 2-1-1 habı́amos concluido que dada una transformación lineal τ ∈
L(U, V ), ésta se podia definir conociendo una base de U y las imagenes según τ
de los componentes de tal base. Es claro entonces, que si B es una base de V ,
τ estará definida por los βik escalares, en donde para cada ak ∈ A
m
X
τ (ak ) = βik bi
i=1
2.1. TRANSFORMACIONES LINEALES 41
Definamos
m X
X n
∗
τ (u) = λij σij (u)
i=1 j=1
donde los λij son escalares (esta es una combinación lineal de los σij ), podemos
ver claramente que
X n
m X m
X
τ ∗ (ak ) = λij σij (ak ) = λik bi
i=1 j=1 i=1
Si hacemos
λik = βik ∀i=1,2,...,m ∀k=1,2,...,n
Tenemos que para todo ak ∈ A
m X
X n
τ (ak ) = βij σij (ak )
i=1 j=1
N (σ) = {u ∈ U |σ(u) = 0}
Estas dos definiciones son de importante cuidado, el estudiante debe tener claro
que no siempre el Kernel de una transformación es 0. Por ejemplo en la transfor-
mación lineal σ ∈ L(R2 , R) tal que σ(x, y) = x − y, N (σ) = {(x, y) ∈ R2 |x = y}.
Observe, que si nos hubieran pedido hallar todas las soluciones reales al sistema
2x + y = 0
x − 2y = 0
3x − y = 0
Es lo mismo que hallar N (σ) con σ ∈ L(R2 , R3 ) tal que σ(x, y) = (2x + y, x −
2y, 3x − y) y viceversa, osea, hallar la solución al sistema es hallar el kernel de
la transformación ‘asociada al sistema’ (si es que existe esta asociación, esto lo
discutiremos en la siguiente sección).
42 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Teorema 2 - 1 - 3
Im(σ) ¹ V
Dem.
Sean v1 , v2 ∈ Im(σ) y λ1 , λ2 ∈ K, por lo tanto, existen u1 , u2 ∈ U tales que
v1 = σ(u1 ) y v2 = σ(u2 )
luego
λ 1 v1 + λ 2 v2 = λ1 σ(u1 ) + λ2 σ(u2 )
= σ(λ1 u1 ) + σ(λ2 u2 )
= σ(λ1 u1 + λ2 u2 )
Teorema 2 - 1 - 4
N (σ) ¹ U
Dem.
Sean u1 yu2 en N (σ), y λ1 , λ2 en K, luego
σ −1 (v0 ) = {u ∈ U |σ(u) = v0 }
Dem.
Llamemos N (σ) + {u0 } = {u0 + u|u ∈ N (σ)},
⇒)
2.1. TRANSFORMACIONES LINEALES 43
⇐)
Sea w ∈ σ −1 (v0 ), definamos u = w − u0 , de donde
σ(u) = σ(w − u0 )
= v0 − v0
= 0
por lo tanto, u ∈ N (σ), y u0 + u = u0 + w − u0 = w ∈ N (σ) + {u0 }, esto implica
σ −1 (v0 ) ⊆ N (σ) + {u0 }
De donde concluimos
σ −1 (v0 ) = N (σ) + {u0 }
¥
Ahora, el lector podrá fácilmente (teoricamente hablando) resolver las ecua-
ciones del estilo
2x + y = 35
x − 2y = 1258
3x − y = 1293
hallando una solución particular, y teniendo en cuenta el resultado anterior.
Teorema 2 - 1 - 6 Sea σ ∈ L(U, V ), luego
σ es uno a uno sii N (σ) = {0}
Dem.
⇒)
Sea σ uno a uno, luego si u1 , u2 ∈ U , entonces
σ(u1 ) = σ(u1 ) =⇒ u1 = u2
Luego, sea u ∈ N (σ), por lo tanto
σ(u) = 0 = σ(0) =⇒ u = 0
Esto implica N (σ) = {0}.
⇐)
Sea N (σ) = {0}, por lo tanto, si u1 , u2 ∈ U y ademas
σ(u1 ) = σ(u2 )
σ(u1 − u2 ) = 0
u1 − u 2 = 0
u1 = u2
44 CAPÍTULO 2. TRANSFORMACIONES LINEALES
τ ◦ σ ∈ L(U, W )
Dem.
* Denotaremos τ ◦ σ simplemente como τ σ
Sean u1 , u2 ∈ U y λ1 , λ2 ∈ K, luego
Esto es
τ σ ∈ L(U, W )
¥
Dem.
Definimos
τ0 : Im(σ) −→ W
v 7→ τ 0 (v) = τ (v)
Pero
N (τ 0 ) = {v ∈ Im(σ) | τ 0 (v) = 0}
= {v ∈ Im(σ) | τ (v) = 0}
= Im(σ) ∩ N (τ )
46 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Además
Por lo tanto
ρ(σ) = ρ(τ σ) + dim(Im(σ) ∩ N (τ ))
¥
Corolario 2 - 1 - 1
Dem.
Tenemos que
por Teorema 3 - 8
De donde se concluye
ρ(σ) = ρ(τ σ) + ϑτ
Dem.
Como N (τ ) ⊆ Im(σ)
N (τ ) ∩ Im(σ) = N (τ )
Y por Teorema 3 - 8
ρ(σ) = ρ(τ σ) + dim(N (τ ))
ρ(σ) = ρ(τ σ) + ϑ(τ )
¥
2.1. TRANSFORMACIONES LINEALES 47
Corolario 2 - 1 - 3
ρ(τ σ) ≤ min(ρ(τ ), ρ(σ))
Dem.
Es claro que si
ρ(σ) = ρ(τ σ) + dim(Im(σ) ∩ N (τ ))
Entonces
ρ(τ σ) ≤ ρ(σ)
Ahora, tenemos que
Im(σ) ⊆ V
τ (Im(σ)) ⊆ τ (V )
τ (σ(U )) ⊆ τ (V )
dim(τ σ(U )) ≤ dim(τ (V ))
dim(Im(τ σ)) ≤ dim(Im(τ ))
ρ(τ σ) ≤ ρ(τ )
En conclusión,
ρ(τ σ) ≤ min(ρ(τ ), ρ(σ))
ρ(τ σ) = ρ(τ )
Dem.
σ(U ) = V
τ σ(U ) = τ (V )
Imτ σ = Imτ
ρ(τ σ) = ρ(τ )
ρ(τ σ) = ρ(σ)
48 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Dem.
Puesto que τ es uno a uno
N (τ ) = 0
Pero
Dem.
Consecuencia inmediata de los Corolarios 3 - 4 y 3 - 5.
Dem.
⇒) Supongamos τ σ = 0, pero σ 6= 0, para alguna σ ∈ L(U, V ). Entonces, existe
u ∈ U tal que σ(u) 6= 0, luego
(τ σ)(u) = 0
= τ (σ(u)) 6= 0
−→←−
Por lo tanto σ = 0
χ: U −→ V
u 7→ χ(u)
2.1. TRANSFORMACIONES LINEALES 49
Pn Pn
Tal que si u = i=1 λi ui , entonces χ(u) = i=1 λi v0
χ ∈ L(U, V )*, pero, χ 6= 0, pues χ(u1 ) = v0 6= 0, y
(τ χ)(u) = τ (χ(u))
Xn
= τ( λ i v0 )
i=1
n
X
= λi τ (v0 )
i=1
Xn
= λi · 0
i=1
= 0
Dem.
⇒) Supongamos que exista τ ∈ L(V, W ) tal que τ σ = 0 pero τ 6= 0. Luego
existe v ∈ V tal que τ (v) 6= 0. Como σ es sobreyectiva, existe u ∈ U tal que
σ(u) = v, luego
(τ σ)(u) = τ (σ(u))
= τ (v) 6= 0
→←
Luego τ = 0
Sea
τ: V −→ W Pn
v 7−→ τ (v) = i=s+1 λi w0
Es fácil ver que τ ∈ L(V, W ), claramente τ 6= 0 pues τ (vs+1 ) = w0 6= 0.
Sea u ∈ U , entonces σ(u) ∈ Im(σ), existen escalares λ1 , λ2 , . . . , λs tales que
s
X
σ(u) = λ i vi
i=1
τ (σ(u)) = 0
→←
Por lo tanto σ es un epimorfismo.
τ es monomorfismo, sii, τ σ1 = τ σ2 ⇒ σ1 = σ2
τ es monomorfismo ↔ τ σ ∗ = 0 ⇒ σ ∗ = 0
↔ τ (σ1 − σ2 ) = 0 ⇒ σ1 − σ2 = 0
↔ τ σ1 − τ σ 2 = 0 ⇒ σ 1 − σ 2 = 0
↔ τ σ1 = τ σ 2 ⇒ σ1 = σ 2
σ es epimorfismo, sii, τ1 σ = τ2 σ ⇒ τ1 = τ2
Sea τ ∗ = τ1 − τ2 ,
σes epimorfismo ↔ τ ∗ σ = 0 ⇒ τ ∗ = 0
↔ (τ1 − τ2 )σ = 0 ⇒ τ1 − τ2 = 0
↔ τ1 σ − τ 2 σ = 0 ⇒ τ 1 − τ 2 = 0
↔ τ1 σ = τ 2 σ ⇒ τ 1 = τ 2
¥
2.1. TRANSFORMACIONES LINEALES 51
4. σ es única
Supongamos que exista τ ∈ L(U, V ) tal que ∀i=1,2,...,n τ (ui ) = vi . Sea
u ∈ U , luego existen escalares λ1 , λ2 , . . . , λn ∈ K tales que.
n
X
τ (u) = τ( λi ui )
i=1
n
X
= λi τ (ui )
i=1
Xn
= λ i vi
i=1
= σ(u)
τ = σ
U∼
= Kn
2.1.2 Ejercicios
1. Supóngase D denota el operador de derivación
dy d2 y
D(y) = , D2 (y) = D[D(y)] = 2 , etc.
dx dx
Demuestre que D n es una transformación lineal y también que p(D) es
una transformación lineal si p(D), es un polinomio en D con coeficientes
constantes.
definamos
a1j
a2j
σ(uj ) = ..
.
amj
Y construyamos la siguiente matriz
Observe que
α+β+χ = x
α+β = y
α = z
Y por lo tanto
0 −2
MAB (σ) = 2 2
−3 5
por lo tanto
1 0 ··· 0
0 1 ··· 0
MAA (id) = .
.. .. ..
.. . . .
0 0 0 1
Sean
A = {e1 , e2 , e3 , e4 }
A0 = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)}
B = {e1 , e2 , e3 }
B0 = {(1, 2, 1), (3, −1, 0), (1, 0, 0)}
Halle todas las posibles matrices asociadas a σ por las bases dadas anteriormente
2.2. TRANSFORMACIONES LINEALES Y MATRICES 55
Tenemos que
Por lo tanto
2 −3 4 −1 0
−1 4 −7 8
MAB (σ) = 5 1 −6 −2 MAB (σ) = −7 7 −8 18
−1 4 −7 8 24 −28 35 −63
Ahora
Por lo tanto
2 3 −1 2 0
4 −4 3 −1
MAB0 (σ) = −2 0 6 5 MAB0 (σ) = 10 −8 0 −7
4 −4 3 −1 −32 31 −4 24
Sea A = {e1 , e2 }. Halle MAA (σθ ) , MAA (σθ σα ) , MAA (σθ ) · MAA (σα ).
Tenemos que
Por lo tanto µ ¶
cos θ −sen θ
MAA (σθ ) =
sen θ cos θ
Ahora, sabemos que
Y por lo tanto
µ ¶
cos (θ + α) −sen (θ + α)
MAA (σθ σα ) =
sen (θ + α) cos (θ + α)
56 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Sea
σ: U −→ V
u 7→ σ(u)
y A = {u1 , . . . , un }, B = {v1 , . . . , vn } bases de U y V repectivamente.
Pn
Si u ∈ U , existen escalares λ1 , . . . , λn en K tales que u = j=1 λj uj , y además
Pm
como σ(uj ) ∈ V , existen escalares a1j , a2j , . . . , amj tales que σ(uj ) = i=1 aij ,
es decir
n
X n
X m
X
σ(u) = λj σ(uj ) = λj aij vi
j=1 j=1 i=1
el ultimo término de estas igualdades puede ser escrito como
Xm Xn
aij λj vi (3.1)
i=1 j=1
es decir
α1 = a11 λ1 + a12 λ2 + · · · + a1n λn
α2 = a21 λ1 + a22 λ2 + · · · + a2n λn
..
.
α1 = am1 λ1 + am2 λ2 + · · · + amn λn
de donde
α1 a1 a12 ··· a1n λ1
α2
a21 a22 ··· a2n
λ2
.. = .. .. .. .. ..
. . . . . .
αm am1 am2 ··· amm λn
2.2. TRANSFORMACIONES LINEALES Y MATRICES 57
m
X m
X
σ(uj ) = aij vj y τ (uj ) = bij vj
i=1 i=1
luego
m
X
(σ + τ )(uj ) = (aij + bij )vj
i=1
tambien existen escalares b1i , . . . , bsi ∀i=1,...,m los cuales forman la i-esima columna
de MBC (τ ) y son tales que
s
X
τ (vi ) = bli wl
l=1
De otra parte, puesto que (τ σ)(uj ) ∈ W , existen escalares c1j , . . . , csj tales que
s
X
(τ σ)(uj ) = clj wl
l=1
58 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Sean
Halle
MAC (τ ) NBA (σ) C
OB (τ σ) P =M ·N
Tenemos que
5 1
σ(1, 2, 3) = (2, 3) = (1, 1) + (−1, 1)
2 2
σ(1, 3, 0) = (−3, 7) = 2(1, 1) + 5(−1, 1)
σ(2, 0, 0) = (6, 8) = 7(1, 1) + 1(−1, 1)
Por lo tanto µ5 ¶
2 7
NBA (σ) = 2
1
2 5 1
2.2. TRANSFORMACIONES LINEALES Y MATRICES 59
Ahora
Por lo tanto
3 5
C
1 −7
MA (τ ) =
−8
8
7 −7
Faltaria por hacer
De donde
10 31 26
C
−1 −33 0
OB (τ σ) =
−16 24 −48
14 −21 42
Y finalmente es claro que
3 5 µ5 ¶ 10 31 26
1 −7 2 7 −1 −33 0
MAC (τ )NBA (σ) =
−8
· 21 =
−16
8 2 5 1 24 −48
7 −7 14 −21 42
0 0
Sean σ ∈ L(U, V ), A y A bases de U , B y B bases de V. Tomemos MAB (σ) y
MAA0 (id). se tiene que
Esto muestra cómo, dada MAB (σ), con σ ∈ L(U, V ), obtener matrices que rep-
resenten la misma tranformación lineal pero respecto a diferentes bases en
U o en V.
µ : L (K n , K m ) → K m×n
σ → µ (σ) = Q = MAB σ
3. µ es biyectiva
(a) µ es uno a uno, pues si MAB (σ) = MAB (τ ), entonces las respectivas
columnas de estas matrices son iguales, es decir σ(uj ) = τ (uj )∀uj ∈A;j=1,...,n ,
lo que a su vez implica que σ(u) = τ (u) ∀u ∈ K n
2.2. TRANSFORMACIONES LINEALES Y MATRICES 61
Dem.
es decir à !
m
X m
X
λj qij vi =0
j=1 i=1
o lo que es lo mismo
m
X m
X
λj qij vi = 0
i=1 j=1
de donde
λ q + λ q + ··· + λ q
0 1 11 2 12 m 1m
0 λ1 q21 + λ2 q22 + · · · + λm q2m
= ..
0
.
0 λ1 qm1 + λ2 qm2 + · · · λm qmm
q11 q12 q1m
q21 q22 q2m
= λ1 . + λ2 . + · · · + λ m .
.. .. ..
qm1 qm2 qmm
esto último es una evidente contradicción pues se trata de las columnas de una
matriz no singular.
0
siendo MBB (id) y MAA0 (id) matrices no singulares.
Tenemos que I = {σ(u1 ), . . . , σ(uρ )} es una base de Imσ, por lo que existen
w1 , . . . , wm−ρ vectores en K m tales que
B 0 = I ∪ {w1 , . . . , wm−ρ }
es una base de K m .
Para A0 y B 0 asi construidos encotraremos que
1 0 0 ... 0 0 ... 0
0 1 0 ... 0 0 ... 0
0 0 1 ... 0 0 ... 0
.. .. .. . . . .. . . ..
. ..
0
B
MA0 (σ) = . . . . . .
fila ρ → 0 0 0 ... 1 0 ... 0
0 0 0 ... 0 0 ... 0
. . . .
. . ... .. . . ..
.. .. .. . . .
0 0 0 ... 0 0 ... 0
Sea σ ∈ L(U, V ) tal que dim(U )=n y dim(V )=m y A = {u1 , . . . , un } una
base de U .
Llamemos In al conjunto {1, 2, . . . , n } y definamos los Ki como sigue:
K1 = min{i ∈ In \σ(ui ) 6= 0}
/ huk1 i}
K2 = min{i ∈ In \i > k1 ∧ σ(ui ) ∈
K3 = min{i ∈ In \i > k2 ∧ σ(ui ) ∈
/ huk1 , uk2 i}
..
.
© ®ª
Kρ = min i ∈ In \i > ρ − 1 ∧ σ(ui ) ∈/ uk1 , . . . , ukρ−1
0
..
.
0
1 ← puesto j
σ(uj ) =
0
.
..
0
2.2. TRANSFORMACIONES LINEALES Y MATRICES 65
MAB (σ) = In
Dem.
Sean A y B bases de k n y k m respectivamente, según el teorema 3-13, existe
σ ∈ L(K n , K m ) tal que A = MAB (σ), y según la construcción anterior, eixste D
base de K m tal que MAD (σ) satisface las condiciones del teorema, siendo
MAD (σ) = MBD (id)MAB (σ) = QA
Claramente
0 0 ··· 0
.. .. .. ..
.
. . .
as1
Els A = as2 ··· asm ← fila l − ésima
. .. .. ..
.. . . .
0 0 ··· 0
Por lo tanto
a11 a12 ··· a1m
.. .. .. ..
. . . .
al1 + λas1
(Im + λEls ) A = al2 + λas2 ··· alm + λasm ← fila l − ésima
.. .. .. ..
. . . .
as1 as1 ··· as1
es la igual a la matriz A salvo que los elementos de la fila l son los de la original
mas λ veces los correspondientes de Els A.
Definamos Fls (λ) = Im + λEls , de modo que (Fls (λ))−1 = Fls (−λ)
Definamos entonces Tls = Esl + Els − Ell − Ess + Im . Note que Tls tiene inversa,
y que esta es Tsl
2.2. TRANSFORMACIONES LINEALES Y MATRICES 69
(Im + (λ − 1)Ell )A
produce una matriz ”similar” a A pero con su fila l-ésima multiplicada por λ
Realizar el producto de alguna de las matrices Fls (λ), Tls o Tls por una matriz
dada es los que comunmente se denominan operaciones elementales. Para
ello Dada una matriz A ∈ K m× n se le adjunta Im y a la matriz obtenida y
se efectuan las convenientes operaciones elementales de modo que para A se
obtenga la FNH, la matriz resultante en donde se empieza con Im es la matriz
Q tal que QA = A0 . Se ilustra el procedimietno mediante el siguiente ejemeplo
Ejemplo 2 - 2 - 6 Sea
4 2 3 6 1 −1
5 10 4 8 3 −1
A=
−2
−4 −2 −4 −1 2
11 22 6 12 4 1
Formamos la matriz
¯
4 2 3 6 1 −1 ¯
¯ 1 0 0 0
5
10 4 8 3 −1 ¯
¯ 0 1 0 0
−2 −4 −2 −4 −1 2 ¯ 0 0 1 0
¯
11 22 6 12 4 1 ¯ 0 0 0 1
A partir de la cual
¯ R1 (1/4)
4 2 3 6 1 −1 ¯ 1 0 0 0
¯ F12 (−5)
5
10 4 8 3 −1 ¯
¯ 0 1 0 0
F13 (2)
−2 −4 −2 −4 −1 2 ¯ 0 0 1 0
¯ F14 (−11)
11 22 6 12 4 1 ¯ 0 0 0 1
↓
3 3 1
¯ R2 (4)
1 2 4 2 2− 41 ¯¯ 14 0 0 0
0 0 1 1 1 1 ¯ −5 1 F21 (−3/4)
4 2 2 4 ¯ 14 0 0
F23 (1/8)
0 0 − 21 −1 0 3
2 ¯ 211 0
¯ 1 0
F24 (9/4)
0 0 − 49 − 29 − 32 15 ¯ − 0 0 1
4 4 ↓
¯
1 2 0 0 −1 −1 ¯¯ 4 −3 0 0 F31 (1)
0 0
1 2 2 1 ¯¯ −5 4 0 0 F32 (−2)
0 0 0 0 1 2 ¯¯ −2 2 1 0 F34 (−3)
0 0 0 0 3 6 ¯ −14 −9 0 1 ↓
70 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Ejemplo 2 - 1 - 5 Sea
σ : R6 → R4
v → σ(v)
con
dimN (σ) = 3
x1 + 2x2 + x6 = 0
x3 + 2x4 − 3x6 = 0
x5 + 2x6 = 0
de donde
x1 = −2x2 − x6
x3 = −2x4 + 3x6
x5 = −2x6
(A |v )
72 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Note que
x0 = (0, . . . , 0, b01 , 0, . . . , 0, ’r ho, . . . , 0)
¯
es una solución del problema.
Construimos la matriz
a11 a12 ··· a1n
a21 a22 ··· a2n
.. .. ..
. . . ...
A=
ai1
ai2 ··· ain
. .. .. ..
.. . . .
am1 am2 ··· amn
Se tiene que
w1 = 1 + 2x + x2
w2 = 8 − 12x + 6x2 − x3
w3 = 1 − 4x + 6x2 − 4x3 + x4
Por lo tanto tomando E como la base canónica de R5 [x] se halla que
1 2 1 0 0 0
A= 8 −12 6 −1 0 0
1 −4 6 −4 1 0
matriz cuya FNH es
10 3
1 0 0 19 − 19 0
13 1
A0 = 0 1 0 152 − 76 0
0 0 1 − 53
76
7
38 0
por lo que
© 10 3 3 4 13 3 1 4 2 53 3 7 4
ª
C = 1+ 19 x − 19 x , x + 152 x − 76 x , x − 76 x + 38 x
2.2.3 Ejercicios
1. Sea σ ∈ L(R3 ), R3 y B = {e1 , e2 , e3 }, tenemos que
a + 2b a − b − 3c a − b + 3c
MBB (σ) = a − b + c a + 2b + c a − b − 2c
a − b − c a − b + 2c a + 2b − c
Sean b1 = e1 + e2 + e3 , b1 = e1 − e2 , b3 = e1 − e3
(a) Demuestre que B 0 = {b1 , b2 , b3 } es una base de R3
0 0
(b) Halle MBB0 (σ),MBB0 (σ) y MBB (σ)
2. Solucione el sistema
1 1 −3 −1
a
2
1 −2 1
b =
1 1 1 3
c
1 2 −3 1
74 CAPÍTULO 2. TRANSFORMACIONES LINEALES
AX = B (∗)
Donde A es una matriz cuadrada. Demostrar que (∗) tiene solución única
para todo valor de B si y sólo si el sisitema homogeneo AX = 0 no tiene
más solución que la trivial.
Determinantes
75
76 CAPÍTULO 3. DETERMINANTES
La tabla de multiplicar de S3
◦ id τ1 τ2 τ3 τ1 τ2 τ1 τ3
id id τ1 τ2 τ3 τ1 τ2 τ1 τ3
τ1 τ1 id τ 1 τ2 τ1 τ3 τ2 τ3
τ2 τ2 τ1 τ3 id τ 1 τ2 τ3 τ1
τ3 τ3 τ1 τ2 τ1 τ3 id τ1 τ2
τ1 τ2 τ1 τ2 τ3 τ1 τ2 τ1 τ3 id
τ1 τ3 τ1 τ3 τ2 τ3 τ1 id τ 1 τ2
στ1 τ2 . . . τm = id
de donde
σ = τm τm−1 . . . τ1
Ohhh, esto nos lleva al siguiente teorema.
Dem.
1) Si n = 2 tenemos id = τ τ además τ = τ τ τ
3.1. EL GRUPO SIMÉTRICO 77
τ@ = τ ∗σ
τ @ (n) = (τ ∗ σ)(n)
= τ ∗ (σ(n))
= τ ∗ (j)
= n
Por lo visto en 2.1) tenemos que existen τ1 , τ2 , . . . , τm trasposiciones en Sn tales
que
τ@ = τ 1 , τ2 , . . . , τ m
τ ∗σ = τ 1 , τ2 , . . . , τ m
σ = τ ∗ τ1 , τ 2 , . . . , τ m
De donde σ es un producto de trasposiciones .
¥
Dem.
En general, con i < j solo podemos formar estas 4 clases de conjuntos:
Ahora, veamos cual es la cantidad de signos negativos aportados para cada ξ(σ),
ξ(τ ) y ξ(τ σ) (notado por #f ac(−)(ξ)(φ))de los anteriores conjuntos.
Por lo tanto
¥
.
3.1. EL GRUPO SIMÉTRICO 79
2. 1 ≤ l < i, s = i
De donde
τ (s) − τ (l) = j − l > 0
3. 1 ≤ l < i, s = j
De donde
τ (s) − τ (l) = i − l > 0
4. l = i y i < s ≤ j
De donde
τ (s) − τ (l) = s − j < 0
Y hay j − i factores negativos
5. l = i, j < s
De donde
τ (s) − τ (l) = s − j > 0
6. i < l < j y s = j
De donde
τ (s) − τ (l) = i − l < 0
Y hay (j − i) − 1 factores negativos
7. l = j, j < s
De donde
τ (s) − τ (l) = s − i > 0
sig(τ ) = −1
80 CAPÍTULO 3. DETERMINANTES
φ = τ 1 τ2 . . . τ m
Entonces
sign(φ) = (−1)m
3.1.1 Ejercicios
1. Cuántas transposiciones hay en Sn ?
n
X
vj = a i j j ei j
ij =1
3.2. FORMAS N-LINEALES 81
Donde
n
X n
X n
X
µ(v1 , . . . , vj , . . . , vn ) = µ( a i 1 1 ei 1 , . . . , a i j j ei j , . . . , a i n n ei n )
i1 =1 ij =1 in =1
n
X n
X n
X
= ai1 1 µ(ei1 , . . . , a i j j ei j , . . . , a i n n ei n )
i1 ij =1 in =1
n
X n
X n
X
= ai 1 1 ai 2 2 . . . ain n µ(ei1 , ei2 , . . . , ein ) (1)
i1 i2 in
µ(v1 , v2 , . . . , vi , . . . , vj , . . . , vn ) = 0
Note que si µ es n-lineal alternada, la ecuacion (1) que determinada por las
permutaciones de todos los ei , más aún, hagamos
In = {i1 , i2 , . . . , in }
Existe por lo tanto φ ∈ Sn tal que φ(k) = ik ∀k=1,...,n , y podemos escribir a (1)
de la siguiente manera
X
aφ(1)1 aφ(2)2 . . . aφ(n)n µ(eφ(1) , eφ(2) , . . . , eφ(n) )
φ∈Sn
Dem.
⇒)
0 = µ(v1 , . . . , vi + vj , . . . , vj + vi , . . . , vn )
= µ(v1 , . . . , vi , . . . , vj + vi , . . . , vn ) +
µ(v1 , . . . , vj , . . . , vj + vi , . . . , vn )
= µ(v1 , . . . , vi , . . . , vj , . . . , vn ) +
µ(v1 , . . . , vj , . . . , vj , . . . , vn ) +
| {z }
0
µ(v1 , . . . , vi , . . . , vi , . . . , vn ) +
| {z }
0
µ(v1 , . . . , vj , . . . , vi , . . . , vn )
µ(v1 , . . . , vi , . . . , vj , . . . , vn ) = −µ(v1 , . . . , vj , . . . , vi , . . . , vn )
82 CAPÍTULO 3. DETERMINANTES
⇐)
Sea vi = vj = x, entonces
µ(v1 , . . . , x, . . . , x, . . . , vn ) = −µ(v1 , . . . , x, . . . , x, . . . , vn )
2µ(v1 , . . . , x, . . . , x, . . . , vn ) = 0
µ(v1 , . . . , x, . . . , x, . . . , vn ) = 0
3.3 El Determinante
luego ¡ ¢
µ vϕ(1) , . . . , vϕ(n) = sig(ϕ)µ (v1 , . . . , vn )
X ¡ ¢
µ(v1 , . . . , vn ) = aϕ(1)1 , . . . , aϕ(n)n µ vϕ(1) , . . . , vϕ(n)
ϕ∈Sn
X
= µ(e1 . . . , en ) aϕ(1)1 , . . . , aϕ(n)n
ϕ∈Sn
X
= α aϕ(1)1 , . . . , aϕ(n)n
ϕ∈Sn
3.3. EL DETERMINANTE 83
P
Definición 3 - 3 - 1 detB (v1 , . . . , vn ) = ϕ∈Sn aϕ(1)1 , . . . , aϕ(n)n
2. detB es alternada
ejercicio para el lector (solo hace falta demostrar que detB (v1 , . . . , vi , . . . , vj , . . . , vn ) =
−detB (v1 , . . . , vj , . . . , vi , . . . , vn ), porque? )
entonces
X
det(AT ) = sig(ϕ)bϕ(1)1 , . . . , bϕ(n)n
ϕ∈Sn
X
= sig(ϕ)a1ϕ(1) , . . . , anϕ(n)
ϕ∈Sn
.
Ahora, puesto que sig(στ )=sig(σ)sig(τ ) y además ϕϕ−1 = id, se sigue que
sig(ϕ) = sig(ϕ−1 )
por lo tanto
X X
sig(ϕ)a1ϕ(1) , . . . , anϕ(n) = sig(ϕ−1 )aϕ−1 (ϕ(1))ϕ(1) , . . . , aϕ−1 (ϕ(n))ϕ(n)
ϕ∈Sn ϕ∈Sn
Y por lo tanto
detB σ = detB (MBB (σ)) · detB
Si A ∈ K n×n existe σA ∈ L(K n , K n ) tal que
σA = A · v = (MCC (σA )) · v
donde C es la base canónica de K n . Sean B ∈ K n×n y σB la transformación
que la representa, por lo visto en el capı́tulo anterior
σA σB = σAB
Teorema 3 - 3 - 5
σA σB = σAB
Dem.
Algunas aplicaciones en
Derive
87
88 APÉNDICE A. ALGUNAS APLICACIONES EN DERIVE
CROSS(v, w).
OU T ER(v, w).
Ejemplo A - 5 Calcule el elemento 7 de v := V ECT OR(3k 3 −5k 2 +17k, k, −14, 37, 3).
DERIVE nos muestra ELEM EN T (v, 7) = 180.
SUMA: A + B
PRODUCTO POR ESCALAR: α · B, en donde α ∈ C
PRODUCTO: A · B
DETERMINANTE: DET (A)
TRAZA: T RACE(A)
TRASPUESTA: A‘
MATRIZ INVERSA: (A)( − 1)
MATRIZ (A)n con n ∈ Z: (A)n
NORMA DE LA MATRIZ A: ABS(A)
ELEM EN T (A, i, j)
Para tener los vectores de la base canónica de mathbbR3 derive los nota:
i := [1, 0, 0]
j := [0, 1, 0]
k := [0, 0, 1]
KRON ECKER(i, j) := IF (i = j, 1, 0)
E(2, 3, 3, 4) = [0, 0, 0, 0; 0, 0, 1, 0; 0, 0, 0, 0]
AP P EN D(u, v)
[1] Jimenez L., Gordillo J., Rubiano G., Teorı́a de Números [Para Prin-
cipiantes], Universidad Nacional de Colombia, Pro-Offset Editorial Ltda,
Bogotá, D.C., 2a Edición, 2004
[2] Friedberg S.,Insel A., Spence L.: Algebra Lineal, Illinois State Univer-
sity, Publicaciones Cultural S.A., 1a Edición,
[3] Ibort A., Rodriguez M.: Notas de Algebra Lineal, Universidad Com-
plutense de Madrid, Madrid , (2001).
[5] Luzardo D., Peña A.: Historia del Algebra Lineal hasta los Albores
del Siglo XX, Universidad del Zulia, Maracaibo, Venezuela, Divulgaciones
Mateműaticas Vol. 14 No. 2(2006), pp. 153170 , (2006).
[7] Bourbaki N.,: Elementos de Histoia de las Matematicas, Editeurs des Sci-
ences et des Arts, Parı́s , (1969).
[8] Nering E.: Algebra Lineal y Teorı́a de Matrices, México, Limusa (1977).
93
94 BIBLIOGRAFÍA