Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Facultad de Ingeniera
Electrnica y Elctrica
E.A.P:
Curso:
Tema:
Profesor:
Alumno:
Cdigo:
Ao:
Ingeniera Electrnica
Algebra Lineal
Monografa
Javier Vsquez Serpa
Colla Muoz No
15190004
2015
NDICE
1. Matrices
Propiedades
Multiplicacin de matrices
Adjunto de una matriz
Matriz inversa
propiedades
Tipo de matrices
Matriz simtrica
Matriz anti simtrica
Matriz triangular superior
Matriz triangular inferior
Matriz nilpotente
Matriz idempotente
Matriz involutiva
Rango de una matriz
2. Determinantes
Teorema de Laplace
3. Espacios vectoriales
Definicin
Propiedades
Teoremas
Sub espacio vectoriales
Definicin
Propiedades
teoremas
4. Transformaciones lineales
Definicin
Propiedades
Teoremas
Ncleo de una transformacin
Imagen de una transformacin
Isomorfismo
5. Diagonalizacion
Auto valores y auto vectores
1.
1.1
MATRICES
PROPIEDADES:
COMMUTATIVA:
A+B=B+A
ASOCIATIVA:
(A+B)+C=A+(B+C)
MULTIPLICACIN DE MATRICES:
A(B+C)=AB+AC
(A+B)C=AC+BC
A(BC)=(AB)C
(AB)=(A)B
ABBA
AB=0 no implica que necesariamente A=0 o B=0
AB=AC no implica que necesariamente B=C
DETERMINANTES
a) Determinante de orden 2:
= a
Ej e mpl o:
11
22
12
21
b) Determinante de orden 3:
Ejemplo:
TEOREMA DE LAPLACE
Suponga que A es una matriz 2x2, |A| puede ser calculado desarrollando
sobre cualquier columna o regln: Suponga que:
A=
[ ]
a b
c d
Det(A)=
Ejemplo:
MATRIZ INVERSA
Sabemos que:
A A-1 = A-1 A = I
CALCULO POR DETERMINANTE:
Donde:
Ejemplo:
F3 + F2
F2 - F3
F1 + F2
P R O P I E D A D E S D E L A M AT R I Z I N V E R S A :
(A B ) - 1 = B - 1 A - 1
(A - 1 ) - 1 = A
(k A) - 1 = k - 1 A - 1
(A t ) - 1 = (A
-1
)t
TIPO DE MATRICES
10
Ej e mpl o:
M AT R I Z TR I A N G U L A R I N F E R I O R :
En u n a m at ri z t ri ang ul ar i nfe ri o r
l os el e me n tos si tu ad os
p or e n ci ma d e l a di ag on al p ri n ci p al son ce ros.
Ej e mpl o:
M AT R I Z
SIMETRICA:
A T =A .
Ejemplo:
A=
[ ]
1 0
0 1
[ ]
AT= 1 0
0 1
M AT R I Z A N S I M E T R I C A :
Una matriz cuadrada A llama anti simtrica si es opuesta (es decir,
inversa aditiva) a su transpuesta:
11
A =A
MATRIZ NILPOTENTE:
Una matriz
que
Ejemplo: Sea
MATRICES SEMEJANTES:
tal
12
Tod o s su s c oe fi ci e n te s son ce ro s.
13
H ay d os fi l a s (o c ol u mn as) i gu al e s.
Su p ri mi mos
la
te rce r a
col u mn a
p orq ue
es
c omb in a ci n
li ne al d e l as d os p ri me ra s: c 3 = c 1 + c 2 .
14
F2 = F2 - 3F1
F3 = F3 - 2F1
R(A)=3
ESPACIO VECTORIAL
DEFINICION 1
Un espacio vectorial es una terna (V,+, ), donde V es un conjunto no vaco
y ( +, ) son dos operaciones del tipo + : V V R, : R V V a las
que llamaremos suma de vectores y producto por escalares
respectivamente y con las siguientes propiedades: denotando +(u, v) = u +
v y (, v) = v
15
PROPIEDADES:
Propiedad asociativa
1. u + (v + w) = (u + v) + w, u, v,w V
Propiedad conmutativa
2. u + v = v + u, u, v V (conmutativa).
Elemento neutro
3. Existe e V tal que e + v = v + e = v, v V (elemento neutro).
Elemento opuesto
4. Para cada v V existe w tal que v + w = w + v = e (elemento
opuesto).
Propiedad asociativa
5. (v) = ()v, v V , , R
Propiedad distributiva
6. (u+v) = u+v y (+)v = v+v, u, v V y , R
Propiedad unimodular
7. 1v = v,v V (unimodular).
DEFINICIN 2
Sean V1 y V2 dos espacios vectoriales. Se define en V1 V2 =
{(v1, v2); vi Vi} las siguientes operaciones:
(v1, v2) + (u1, u2) = (v1 + u1, v2 + u2)
(v1, v2) = (v1, v2).
SUBESPACIO VECTORIAL
Definicin 2.1
Sea V un espacio vectorial y U un subconjunto suyo. Se dice que
U es un subespacio vectorial de V si satisface las siguientes propiedades:
1. Si u, v U, entonces u + v U.
16
Definicin 2.2
Sean U y W subespacio vectoriales de V. Se define la suma de U
Con W como el conjunto
U +W = {u + w; u U, w W}.
Entonces U+W es un Subespacio vectorial. Adems se tienen las siguientes
propiedades:
1. U +W = W + U.
2. U + U = U.
3. U U +W.
4. U + W es el menor Subespacio (con respecto a la inclusin de conjuntos)
que
Contiene a U y a W.
Definicin 2.3
Un espacio vectorial V es suma directa de dos Subespacio vectoriales
U y W suyo, y se denota por V = U W, si V = U +W y U W = {0}.
Teorema 1:
Si V y W son dos espacios vectoriales, entonces dim(V W _)
=dim(V ) + dim(W).
17
Ejemplo:
TRANSFORMACIN LINEAL
Definicin:
18
v1 , v 2 V [T (v1 v 2 ) T (v1 ) T (v 2 )]
Rv V [T (v ) T (v)]
Ejemplo:
T : R2 R2
x x 2y
y 2x y
x
x
v1 1
v 2 2
y1
y2
, R
T (v`1 v 2 ) T ( ( x1 , y1 ) ( x 2 , y 2 ))
T (v`1 v 2 ) T (x1 x 2 , y1 y 2 )
T (v`1 v 2 ) (x1 x 2 2(y1 y 2 ),2(x1 x 2 ) y1 y 2 )
T (v`1 v 2 ) (x1 2y1 ,2x1 y1 ) ( x 2 2 y 2 ,2 x 2 y 2 )
T (v`1 v 2 ) ( x1 2 y1 ,2 x1 y1 ) ( x 2 2 y 2 ,2 x 2 y 2 )
T (v`1 v 2 ) T ( x1 , y1 ) T ( x 2 , y 2 )
T (v`1 v 2 ) T (v1 ) T (v 2 )
19
T 0V 0W
T X T (X )
Demostracin de 1:
V es un E.V . X V
X V
0 0. X
( sabemos que)
T (X ) T ( X )
entonces :
T (0V ) T (0. X ) 0.T ( X )
0W
Demostracin de 2:
V es un E.V . X V
X 1. X
entonces :
T ( X ) T (1. X ) 1.T ( X )
T(X )
( sabemos que)
20
Nu(T ) X V / T ( X ) 0W
(T ) dim Nu (T )
Im( T ) X W / T X Y para a lg un X V
(T ) dim Im( T )
Teorema:
Sea T de V en W una transformacin lineal entonces:
1. El ncleo de T es un subespacio de V.
2. La imagen de T es un subespacio de V.
3. Dim(V)=Dim(Nu(T))+Dim(Im(T))
21
Demostracin de 1:
X 1 , X 2 Nu (T ) X 1 X 2 Nu (T )
1) V es un E.V.
X
X
X V / T ( X ) 0W X
1
) 0W
Nu (T ) / T ( X 1 ) 0W
Nu (T ) / T ( X 2
X1 X 2 T ( X1 X 2 ) T ( X1 ) T ( X 2 )
0W 0W
0W
2)
, X Nu(T )
X Nu(T )
X Nu (T ) T ( X ) 0W
T (X ) .T ( X ) .0W 0W
Nu (T ) es un subespacio de V .
1) Demostracin de 2:
Y1 , Y2 Im( T )
Y1 Y2 Re(T )
V / T ( X 2 ) 0W
22
Y2 Im( T ) Y2 W / T ( X 2 ) Y2 para a lg un X 2 V
Y1 Y2 T ( X 1 X 2 ) Y1 Y2
pero X 1V X 2 V
( X 1 X 2 ) V luego Y1 Y2 Im( T )
2)
, Y Re(T ) .Y Im( T )
Y Im( T ) Y W / Y T ( X ) para a lg un X V
.Y T ( X )
T (X ) donde X V
Y Im( T )
Im(T) es un subespacio de V.
Representacin matricial
Sea
T : n m
1)
x
x 0
Nu (T ) y / T y 0
z
z 0
T
Nu ( A )
T ( X ) AT . X
23
x y 0
x
1 1 1 0
y
1 1 0 z 0
(T ) ( AT )
(T ) (T ) n
(T ) ( AT )
Teorema:
Sea T de Rn en Rm una transformacin lineal. Si AT es la matriz asociada a T,
entonces:
1. Nu (T ) Nu( AT )
2. (T ) ( AT )
3. Im( T ) Im( AT )
4. (T ) ( AT )
5. (T ) (T ) n
Ejemplo:
Sea
T :
T : 3 3
x
y
z
x 2y z
2x y z
x 3 y 2z
(T ) (T )
,
24
T : y 2 1 1
z 1 3 2
x
y
z
1 2 1
A(T ) 2 1 1
1 3 2
1 2 1 0
1 2 1 0
Nu (T ) 0 5 3 0 0 5 3 0 base
0 5 3 0
0 0
0 0
5 y 3z 0
3
y z
x 2y z 0
5
3
x 2 z z
5
z
x
5
Entonces:
Nu(T)=
z /5
3 z / 5 / z
z
(T ) 1
a
x a
x
Im( T ) b / T y b para a lg un y
c
z c
z
25
2 1 1
1 3 2
x a
1 2 1 a
y b 2 1 1 b
z c
1 3 2 c
a
1 2 1
0 5 3 b 2a b a c 0
0 0
0 b a c
3
Im( T ) y / y x z 0
z
(T ) 2
Teorema:
Sea V un espacio vectorial de dimensin n y W un espacio vectorial de
dimensin m y T:V
B2 V1 , V2 ,...,Vm
una base de V y
matriz nica AT de mxn tal que:
T ( x ) B
B1 U1 ,U 2 ,...,U n
AT X B1
A(T ) T (V1 ) B2
T (V2 ) B
T (Vn ) B
mxn
26
ISOMORFISMO
T :V W
Sea
una transformacin lineal, se dice que T es un isomorfismo si
y solo si T es inyectiva y sobreyectiva.
T :V W
ncleo de T es igual
0V .
Nu (T ) x V / T ( x ) 0W 0V
Nu (T ) 0V T es 1a1
Nu (T ) 0V
T (V1 V2 ) 0W
pero : Nu (T ) 0V
V1 V2 0W
V1 V2
Tes 1a1.
T :V W
para todo
Y W
Y W , X V
existe al menos un
X V
tal que
T (X ) Y
T ( x) Y
27
Ejemplo:
Determine si la transformacin dada es 1a1, sobre, o ambas.
x x y
T
y
2
x
T : 2 2
Solucin:
x
Nu(T )
y
x y 0
2x y 0
0
Nu (T )
0
x y 0
2x y 0
T es inyectiva.
(T ) 0 ( x) x
Im( T ) 2 T es sobreyectiva
Teorema
Sea
T :V W
Dim (V ) Dim (W ) n
Entonces:
1) si T es inyectiva entonces T es sobreyectiva.
2) Si T es sobreyectiva entonces T es inyectiva.
Ejercicio:
Determine si T es isomorfismo:
y0
x0
28
T : y
z z 0
Solucin: las dimensiones no son iguales.
x
0 0
3
Nu (T ) y / T y 0;0 M 2 x 2
z
z
0 0
x0
x
x y 0 0
T y
y0
T es injectiva.
z
0
0
0
z
z0
x
a b
a b
M 2 x 2 / T y
Re(T )
c
d
c d
xa
x
x y a b
yb
T y
zc
z z 0 c d
0d
0
T no es sobrejectiva
3
T no es isomorfismo.
Teorema
Sea
T :V W
un isomorfismo
si
V1 , V2 ,...,Vn
29
T :V W
V W
Teorema
V es isomorfo a W si y solo si la dim(V)=dim(W).
DIAGONALIZACION: AUTOVALORES Y
AUTOVECTORES
CASO I
Si 1 2 3 : 1, 2, 3 R-{0}
a)
Sea A
3x3
1 3 2
: A= 0 2 0
0 0 1
1
3
2
P A ( ) =det ( AI )= 0
2
0 =(1+ )(1 )(2)
0
0
1
Igualando a cero
( 1+ )( 1 ) ( 2 )=0
=1, =1, =2
Calculando los autovectores
Para
=1
Sea V=(x,y,z)
R3 {0 } / ( AI ) V =0
30
[ ][ ] [ ]
2 3 2 x
0
=
0 3 0 y
0
0 0 0 z
0
3y=0
Y=o
2x+3y+2z=0
X=-z
=1
Para
Sea V=(x,y,z)
R3 {0 } / ( AI ) V =0
][ ] [ ]
0 3 2 x
0
=
0 1 0 y
0
0 0 2 z
0
-2z=0
z=o
y=0
=2
Sea V=(x,y,z)
R3 {0 } / ( AI ) V =0
31
][ ] [ ]
1 3 2 x
0
0 0 0 y =0
0 0 3 z
0
-3z=0
z=o
-x+3y+2z=0
X=3y
V =( x , y , z ) =( 3 y , y , 0 )= y ( 3,1,0 )=(3,1,0)
3 1 1
P= 1 0 0
0 0 1
Calculamos la inversa de P:
T
][
0 1 0
1 0 1 0
P1=
=
1 3
0
1 3 1
1
0 1 1
0 0 1
][
][
0 1 0 1 3 2 3 1 1
1
B=P AP= 1 3 1 0 2 0 1 0 0
0 0 1 0 0 1 0 0 1
[
[
][
]
0 2 0 3 1 1
B= 1 3 1 1 0 0
0 0 1 0 0 1
2 0 0
B= 0 1 0
0 0 1
32
CASO II
Sea: A=
1 4
4 1
2x2
][ ] [
1 4 0
4 1
0
1
4
4 1
1
4
4 1
=0
(1- )2+16=0
Polinomio Caracterstico: 2-2+17
1=1+4i
2=1-4i
Nota: no es diagonalizable en
=1+4i
11
4
4 11
11
4
X
4 11 Y
][ ] [ ]
4 iX + 4 Y =0
{4
X 4 iY =0
0
0
2x2
33
X=X
Y=iX
[ YX ] [iXX ]
V1~
[1i ]
=X
V1=
[1i ]
V2=
[i1 ]
=1-4i
][ ] [ ]
12
4
X
4 12 Y
0
0
{44 iXX++44YiY=0=0
X=X
Y=-iX
V2~
P=
[ YX ] [iXX ]
=
[ ]
1 1
i i
; det (P) 0
1 1 i
i
P-1= 2 1
1 2+8 i
0
0
28i
P-1AP= 2
D=
1+ 4 i
0
0
14 i
b) Sea M
M=
[i1 ]
=X
]
2x2
3x3
[ ]
2 1 1
0 3 1
0 0 1
34
[ ][ ] [
2 1 1
0 0
0 3 1
0 0
0 0 1
0 0
2
1
1
0
3
1
0
0
1
2
1
1
0
3
1
0
0
1
2
1
1
3
1-
=0
=0
(1-)(2-)(3-)= 0
Polinomio Caracterstico: -3+82-20+16
(-4) (-2) (-2)=0
1=1 2=2 3=3
3 Hallando los autovectores
=1
21
1
1
0
3 1
1
0
0
1 1
[ ][ ] [ ]
1 1 1 X
0 2 1 Y
0 0 0 Z
{X2+YY ++ZZ=0=0
X=Y
0
0
0
35
V1~
[] [ ] [ ]
X
Y
Z
Y
Y
2 Y
=Y
1
1
2
V1=
[]
1
1
2
36
=2
22
1
1
0
3 2
1
0
0
1 2
0 1 1 X
0 1 1 Y
0 0 1 Z
][ ] [ ]
=
0
0
0
Z=0
{Y +Z=0
X=X
Y=0
Z=0
[ ] [ ] []
X
Y
Z
V2~
X
0
0
=X
=3
23
1
1
0
3 3
1
0
0
1 3
1 1 1 X
0 0 1 Y
0 0 2 Z
Y=X
Z=0
][ ] [ ]
+ Z=0
{X2+YZ=0
X=X
1
0
0
0
0
0
V2=
[]
1
0
0
37
P=
[ ] [ ] []
X
Y
Z
1 1 1
1 0 1
2 0 0
=X
1
1
0
V1=
; det (P) 0
0 0 1
1
P-1= 2 2 2 0
0 1
1
[ ]
[ ]
P-1AP=
D=
X
X
0
1 0 0
0 2 0
0 0 3
1 0 0
0 2 0
0 0 3
CASO III
A=
3 1 1
0 2 0
1 1 3
[]
1
1
0
38
][ ] [
3 1 1
0 0
0 2 0
0 0
1 1 3
0 0
3 1
1
0
2
0
1
1 3
3 1
1
0
2
0
1
1 3
2-
3
1
1
3
=0
=0
(2-)((3-)(3-)-(1)1)= 0
(2-)(2-6+8)=0
(2-) (-4) (-2)=0
=4
3 1 1
1
0
2 1
0
1
1 3 1
1 1 1 X
0 2 0 Y
1 1 1 Z
][ ] [ ]
X Y + Z=0
2 Y =0
X Y Z=0
0
0
0
39
[ ] [] []
X
Y
Z
V1~
Z
0
Z
1
0
1
=Z
V1=
=2
][ ] [ ]
1 1 1 X
0 0 0 Y
1 1 1 Z
0
0
0
+ Z=0
{XY
XY + Z=0
X+Z=Y
V2~
[ ] [ ] [] []
V2=
[] []
P=
X
Y
Z
1
1
0
X
X +Z
Z
-1
P =
=X
0
1
1
[ ]
[
1 1 0
0 1 1
1 0 1
1
1
0
; det (P) 0
+Z
0
1
1
[]
1
0
1
40
[ ]
4 0 0
0 2 0
0 0 2
-1
P AP=
D=
[ ]
4 0 0
0 2 0
0 0 2
EJEMPLO 2:
B=
4 1 1
2 5 2
1 1 2
][ ] [
4 1 1
0 0
2 5 2 0 0
1 1 2
0 0
4
1
1
2
5 2
1
1
2
4
1
1
2
5 2
1
1
2
4-
=0
| |
5 2
1
2
-1
2 2
1 2
+ (-1)
2 5
1
1
(4-)((5-)(2-)-(-2)1)-1(4-2-(-2)1)-1(2-(5-))=0
(4-)(10-7+2+2)+2-6-+3=0
(4-)( 2-7+12)+ -3=0
=0
41
=3
41
1
1
2
5 1 2
1
1
2 1
1 1 1 X
2 2 2 Y
1 1 1 Z
][ ] [ ]
=
0
0
0
X +Y Z =0
2 X + 2Y 2 Z=0
X +Y Z =0
X+Y-Z=0
X+Y=Z
[ ] [ ] [] []
X
Y
Z
V1~
X
Y
X +Y
=X
=5
][ ] [ ]
1 1 1 X
2 0 2 Y
1 1 3 Z
X +Y Z=0
2 X2 Z=0
X +Y 3 Z=0
X=Z
Y=2Z
0
0
0
1
0
1
+Y
0
1
1
V1=
[] []
1
0
1
0
1
1
42
[ ] [ ] []
[]
X
Y
Z
V2~
[ ]
1 0 1
0 1 2
1 1 1
; det (P) 0
P =
P-1BP=
[ ]
-1
D=
=Z
1
2
1
1
2
1
V1=
P=
Z
2Z
Z
1 1 2
1 0
1
2
1 2
3 0 0
0 3 0
0 0 5
[ ]
3 0 0
0 3 0
0 0 5