Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Dedicamos
este
trabajo
a
los
estudiantes
de
la
Escuela
Politcnica
Nacional
PRLOGO
Esta obra est dirigida a los estudiantes que estn iniciando sus estudios
superiores en las diferentes carreras de ingeniera, as tambin como a
los docentes y personas en general que necesitan una obra de consulta.
El objetivo fundamental de esta obra es proporcionar una gua, para
plantear, analizar y resolver problemas de los diferentes temas del
lgebra Lineal.
El lgebra lineal es una rama de las matemticas que estudia conceptos
tales como: matrices, determinantes, sistemas de ecuaciones lineales y,
su enfoque ms formal que son los espacios vectoriales y sus
transformaciones lineales.
Es un espacio que tiene muchas conexiones con muchas reas dentro y
fuera de las matemticas como el clculo vectorial y las ecuaciones
diferenciales, la ingeniera, etc.
La historia del lgebra lineal se remonta a los aos de 1843 cuando
Willam Rowan Hamilton (de quien proviene el uso del trmino vector)
creo los cuaterniones; y de 1844 cuando Hermann Grassmann public su
libro La teora de la extensin.
De manera formal el lgebra lineal estudia las estructuras matemticas
denominadas espacios vectoriales, las cuales constan de un conjunto de
vectores definido en un campo, con una operacin de suma de vectores,
y, otra de producto entre escalares y vectores que satisfacen ciertas
propiedades.
El lector debe aprender la parte terica, las propiedades que se
describen en cada captulo de este libro, para analizar cmo se aplican
en los ejercicios resueltos en clases y luego debe apropiarse de sus
mtodos de anlisis y de solucin, para resolver los ejercicios
propuestos.
La favorable acogida que se brinde a este texto, servir para continuar
trabajando a favor del proceso de enseanza y aprendizaje. Las
sugerencias que permitan mejorar este trabajo, sern de mucha ayuda
para facilitar la comprensin y el estudio.
Deseamos expresar nuestros sinceros agradecimientos a todas las
personas que de una u otra manera contribuyeron a la elaboracin del
mismo.
Loa Autores
ISBN: 978-9942-21-774-5
COPIA LEGAL
CONTENIDO
CAPTULO 1..............................................................................................................................................1
MATRICES ................................................................................................................................................1
DEFINICIN ..........................................................................................................................................1
OPERACIONES CON MATRICES........................................................................................................3
SUMA DE MATRICES........................................................................................................................3
DIFERENCIA DE MATRICES ...........................................................................................................3
MULTIPLICACIN POR UN ESCALAR ...........................................................................................4
MULTIPLICACIN DE MATRICES..................................................................................................6
MATRIZ TRANSPUESTA ...................................................................................................................10
TRAZA DE UNA MATRIZ ..................................................................................................................16
MATRIZ INVERTIBLE........................................................................................................................17
OPERACIONES ELEMENTALES ......................................................................................................23
OPERACIONES ELEMENTALES INVERSAS ..................................................................................23
MATRICES ELEMENTALES..............................................................................................................23
MATRICES EQUIVALENTES ............................................................................................................24
FORMA ESCALONADA DE UNA MATRIZ......................................................................................27
MATRIZ ESCALONADA POR FILAS ..............................................................................................27
MATRIZ ESCALONADA REDUCIDA POR FILAS..........................................................................27
1
II
CAPTULO 5..........................................................................................................................................163
PRODUCTO INTERNO........................................................................................................................163
DEFINICIN ......................................................................................................................................163
EJEMPLOS .........................................................................................................................................163
NORMA DE UN VECTOR .................................................................................................................164
VECTORES ORTOGONALES ..........................................................................................................167
PROYECCIN ORTOGONAL ..........................................................................................................167
CONJUNTO ORTOGONAL...............................................................................................................168
VECTOR UNITARIO .........................................................................................................................169
NORMALIZACIN DE UN VECTOR ..............................................................................................169
CONJUNTO ORTONORMAL ...........................................................................................................169
BASE ORTONORMAL ......................................................................................................................169
3
PRODUCTO CRUZ EN R ...............................................................................................................171
DEFINICIN ......................................................................................................................................173
DEFINICIN ......................................................................................................................................174
PROBLEMAS PROPUESTOS ...........................................................................................................175
CAPTULO 6..........................................................................................................................................189
TRANSFORMACIONES LINEALES .................................................................................................189
DEFINICIN ......................................................................................................................................189
NCLEO .............................................................................................................................................190
IMAGEN .............................................................................................................................................191
INYECTIVIDAD, SOBREYECTIVIDAD Y BIYECTIVIDAD ........................................................194
CONJUNTO DE LAS TRANFORMACIONES LINEALES L (V , W ) ............................................196
IGUALDAD ....................................................................................................................................196
OPERACIONES CON TRANFORMACIONES LINEALES.............................................................197
SUMA..............................................................................................................................................197
MULTIPLICACIN POR UN ESCALAR .......................................................................................197
COMPOSICIN DE TRANSFORMACIONES LINEALES ............................................................198
TRANSFORMACIONES LINEALES INVERTIBLES .....................................................................201
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL ...................................................204
REDEFINICIN DE NCLEO E IMAGEN ......................................................................................207
MATRIZ ASOCIADA A UNA COMPOSICIN DE FUNCIONES ..................................................208
SEMEJANZA DE MATRICES...........................................................................................................209
PROBLEMAS PROPUESTOS ...........................................................................................................213
CAPTULO 7..........................................................................................................................................241
VALORES Y VECTORES PROPIOS .................................................................................................241
DEFINICIN ......................................................................................................................................241
VALORES Y VECTORES PROPIOS DE MATRICES......................................................................242
POLINOMIO CARACTERSTICO DE UNA MATRIZ ....................................................................245
ECUACIN CARACTERSTICA DE UNA MATRIZ ......................................................................245
CLCULO DEL POLINOMIO CARACTERSTICO ........................................................................246
MULTIPLICIDAD ALGEBRAICA....................................................................................................246
MULTIPLICIDAD GEOMTRICA ...................................................................................................246
MATRICES SEMEJANTES Y DIAGONALIZACIN......................................................................247
DIAGONALIZACIN DE MATRICES SIMTRICAS ....................................................................250
TEOREMA DE CALEY - HAMILTON..............................................................................................254
FORMAS CUADRTICAS Y CANNICAS ....................................................................................257
SECCIONES CNICAS..................................................................................................................260
PROBLEMAS PROPUESTOS ...........................................................................................................265
1
MATRICES
Captulo 1
MATRICES
DEFINICIN
a21 a22
...
...
A
ai1 ai 2
...
am1 am 2
... a1 j
... a2 j
... ...
... aij
... anj
a1n
... a2n
... ...
... ain
... amn
...
K.
La i-sima fila de A es: ai1
ai 2
... aij
a1 j
a2 j
.
a1 j
.
a
mj
2
MATRICES
IGUALDAD
Sean las matrices A aij mn y B bij mn ,
A B aij bij
Ejemplos
1.
1 2
A
3 4
1 2
B
3 4
2.
1 2
A
3 4
1 2
B
3 4
MATRIZ CUADRADA
Sea A aij mn .
Ejemplos
1 5
A
2 7
2 1 0
B 7 8 9
10 5 8
MATRIZ NULA
Sea O aij mn .
O es una matriz nula si y slo si aij 0 , es decir, es una matriz cuyos elementos son
iguales a cero.
Ejemplos
Las siguientes marices son nulas:
0 0
O2
0 0
0 0 0
O3 0 0 0
0 0 0
LGEBRA LINEAL
0
O4
0
0 0 0
0 0 0
0 0 0
0 0 0
3
MATRICES
a12 b12
a11 b11
a22 b22
a b
A B aij bij 21 21
a b
m1 m1 am 2 bm 2
a1n b1n
a2n b2n
amn bmn
La suma de matrices est definida cuando ambas matrices tienen el mismo tamao.
Ejemplo
3
1 2 3 3 4 0 4 6
5 0 1 1 1 0 6 1 1
2 3 4 1 1 6 3 4 10
DIFERENCIA DE MATRICES
Sean las matrices A aij mn y B bij mn .
La diferencia de A y B es la matriz A B de m filas y n columnas, dada por:
A B A ( B)
Ejemplos
1.
2 5 1 7 1 12
0
3
3
2
3
1
2.
4
1 3 4 5 6 0 4 9
3 2 2 4
1 0 1 1 2
2 3 7 1
4 10 1 1 3
LGEBRA LINEAL
4
MATRICES
a 21 a 22 a 2 n
A aij
a
m2
mn
m1
Ejemplos
1.
2 3 10 15
5
7 1 35 5
2.
0 8 0 16
2
10 4 20 8
3.
2 3
A
1 0
3 1
B
0 1
Solucin:
5 9
2 A 3B
2 3
0 11
3 A 2 B
3 2
DEFINICIN
(1) A A
LGEBRA LINEAL
5
MATRICES
PROPIEDADES
TEOREMAS
A ( B C ) ( A B) C
2.
A B B A
3.
AO A
4.
A ( A) O
5.
A = A
6.
1. A A
7.
A A A
8.
A B A B
9.
0. A O
DEMOSTRACIONES
1. A+(B+C)=A+(B+C)
Axioma reflexivo
Cambio de notacin
Definicin de suma
Propiedad de campo
=(A+B)+C
3. A+O=A+O
Axioma reflexivo
(aij 0ij )
Notacin
(aij )
Propiedad de campo
=A
LGEBRA LINEAL
6
MATRICES
5. ( ) A ( ) A
Axioma reflexivo
( aij )
Notacin
( ( aij ))
Propiedad de campo
( A)
MULTIPLICACIN DE MATRICES
mn y B b jk np .
cik aij b jk .
j 1
En forma desarrollada:
cik ai1b1k ai 2b2 k aij b jk aip b pk .
a11 a12 a1 p
aip
ai1 ai 2
b p1 b p 2 b pk
am1 am 2 amp
b pn cm1 cm 2
cik
c1n
cmn
Observaciones
1.
2.
LGEBRA LINEAL
7
MATRICES
Ejemplo
Una empresa fabrica en su planta 3 productos A, B y C. Los almacenes principales se
encuentran en Quito, Guayaquil, Cuenca y Loja. Las ventas durante el ao anterior en
Quito se cifraron en 400,100 y 500 unidades de los productos A, B y C en orden; las del
almacn de Guayaquil en 300, 150 y 400; las del almacn en Cuenca en 100, 100 y 200;
y las del almacn de Loja en 200,150 y 300. Los precios de venta de los productos
fueron 25, 50 y 80 USD para los productos A,B y C respectivamente.
a)
b)
c)
Qu es AX?
Solucin:
a)
400
300
A
100
200
b)
100
150
100
150
500
400
200
300
c)
55.000
47.000
AX
23.500
36.500
LGEBRA LINEAL
8
MATRICES
Ejemplo
Comprobar que las siguientes identidades algebraicas
A B 2 A2 2 AB B 2
( A B )( A B ) A2 B 2
no son ciertas si A y B son matrices cuadradas de orden n , usando las marices
1 1
A
0 2
1 0
B
1 2
2 1
A B
1 4
1 3
A2
0 4
0 1
A B
-1 0
1 0
B 2
3 4
0 2
AB
2 4
1 1
BA
1
3
Por lo tanto
3 6
2 7
A2 2 AB B 2
6 15
7 16
A B 2
1 2
0 3
A2 B 2
( A B)( A B)
4 1
3 0
Las expresiones que se indican en el enunciado para A B y ( A B)( A B) son
2
A B 2 A2 AB BA B 2
( A B)( A B) A2 AB BA B 2
LGEBRA LINEAL
9
MATRICES
y como ordinariamente AB BA
AB BA 2 AB
AB BA O
Por lo que
A B 2 A2 2 AB B 2
( A B)( A B) A2 B 2
Observacin
No existe ley conmutativa para la multiplicacin de matrices.
PROPIEDADES
TEOREMAS
K , A M mxn ,B M nxp
10. (A) B ( AB)
11. ( A ) B ( AB)
12. ( AB) A( B )
A M mxn,B, C M nxp
13. A ( B C ) AB AC
A, B M mxn ,C M nxp
14. ( A B)C AC BC
DEMOSTRACIONES
10.
(A) B (A) B
Axioma reflexivo
(aij )(b jk )
Notacin
( )(aij )(b jk )
( AB)
Notacin
LGEBRA LINEAL
10
MATRICES
13.
A( B C ) A( B C )
Axioma reflexivo
(aij )(b jk c jk )
Notacin
aij (b jk c jk )
j 1
n
(aij b jk aij c jk )
j 1
n
j 1
j 1
Multiplicacin de matrices
Propiedad de campo
15.
Notacin
A( BC ) A( BC )
Axioma reflexivo
(aij ) b jk c kl
k 1
Notacin
n
p
aij b jk c kl
j 1
k 1
Multiplicacin de matrices
p
n
aij b jk c kl
k 1 j 1
aij b jk (c kl )
j 1
Multiplicacin de matrices
( AB) C
Notacin
MATRIZ TRANSPUESTA
Sea la matriz A aij mn .
La transpuesta de A notada por A t , es la matriz nxm obtenida al intercambiar las filas y
las columnas de A , es decir, A t ( a ji ) nm .
Ejemplo
1 2 3
A
0 1 5
LGEBRA LINEAL
1 0
At 2 1
3 5
11
MATRICES
PROPIEDADES
TEOREMAS
A, B M mxn ,
16. ( A B) t A t B t
17. ( A t ) t A
K , A M mxn ,
18. (A) t A t
A M mxn ,B M nxp
19. ( AB) t B t A t
DEMOSTRACIONES
16.
18.
19.
( A B) t ( A B) t
Axioma reflexivo
(a ij bij ) t
Notacin
(a ji b ji )
Definicin de transpuesta
At B t
Notacin
(A) t (A) t
Axioma reflexivo
(aij ) t
Notacin
(a ji )
Definicin de transpuesta
(a ji )
Notacin
aij a ji
, numricamente
b jk bkj
( AB) t (cik ) t
n
aij b jk
j 1
LGEBRA LINEAL
Producto de matrices
12
MATRICES
n
a ji bkj
j 1
Definicin de transpuesta
bkj a ji
j 1
Propiedad de campo
B t At
Notacin
DEFINICIN
Sea la matriz A M nxn , se define
A. A A 2
A.
A
A An
n veces
MATRIZ SIMTRICA
Sea la matriz A aij mn .
A es una matriz simtrica si y slo si A A t
Ejemplos
1.
1 2
,
A
2 3
1 2
,
At
2 3
2.
1
1 2
A 2 2 3 ,
1 3 3
1
1 2
A 2 2 3 , A A t A es simtrica.
1 3 3
A A t A es simtrica.
TEOREMA 20
Si A y B son matrices simtricas, A B es matriz simtrica.
LGEBRA LINEAL
13
MATRICES
DEMOSTRACIN
A A t (1)
Hiptesis
B B t (2)
Sumando (1) y (2)
A B At B t
( A B) t
(Teorema 16)
MATRIZ ANTISIMTRICA
Sea la matriz A a ij n .
A es antisimtrica si y slo si A A t .
Ejemplo
1 2
1 2
0
0 1 2
0
t
Si A 1 0
3 A 1
0 3 1 0
3 A
2 3 0
2 3
2 3 0
0
A es matriz antisimtrica.
MATRICES CONMUTABLES
Sean las matrices A, B M nxn .
Ejemplo
a11 a12 a1n
m1 am 2 ann
LGEBRA LINEAL
14
MATRICES
a11
0
A
a12 a1n
a 22 a 2 n
0 a mn
a11
a
A 21
a
m1
0
a 22
am2
a mn
MATRIZ DIAGONAL
Sea la matriz A aij n .
2 0
A
0 1
2.
1 0
I
0
1
3.
1 0 0
0 3 0
D
0 0 2
LGEBRA LINEAL
15
MATRICES
MATRIZ ESCALAR
Sea la matriz A a ij n .
5 0 0
0 5 0
A
0 0 5
MATRIZ IDENTIDAD
Sea la matriz I a ij n .
Ejemplos
1 0
,
I 2
0 1
I 1 1,
1 0 0
I 3 0 1 0 ,
0 0 1
1 0 0
0 1 0
In
0 0 1
MATRIZ NILPOTENTE
Sea la matriz A a ij n .
Ejemplos
1.
0 2
A
0
0
2.
0 1 3
B 0 0 2
0 0 0
LGEBRA LINEAL
16
MATRICES
Tr ( A) aij .
i 1
Ejemplos
1.
2 0
, entonces Tr ( A) 7
Si A
7 5
2.
0 4
1
Si A 2 2 1 , entonces Tr ( A) 5
3
4 6
Propiedades
1.
Tr ( A) .Tr ( A)
2.
Tr ( A B) Tr ( A) Tr ( B)
3.
Tr ( AB) Tr ( BA)
TEOREMA 21
x
DEMOSTRACION
Sean A (aij ) mn
I (b jk ) nn , donde b jk 0, j k b jk 1, j k
cik aij b jk
j 1
17
MATRICES
si k=1
si k=2
si k=j
TEOREMA 22
Corolario
Sean las matrices A , I M nxn
A.I I . A A
MATRIZ INVERTIBLE
Sea la matriz A M nxn .
18
MATRICES
Notas
1. B es matriz inversa de A , B A 1 , de la definicin,
AA 1 A 1 A I .
2. B es matriz invertible, A B 1 , de la definicin,
BB 1 B 1 B I
TEOREMA 23
Sea A M nxn ,
Si A es matriz invertible, entonces su inversa es nica.
DEMOSTRACION
Por contradiccin:
Se supone que la inversa de A no es nica, es decir, existen matrices B1 y B2 , inversas
de A , tales que B1 B2 .
AB1 B1 A I
AB 2 B2 A I ( 2)
B1 B1 I
(1)
(1)
(2)
(3)
TEOREMA 24
Sea A M nxn , matriz invertible, entonces A 1 A
1
LGEBRA LINEAL
19
MATRICES
DEMOSTRACION
AA 1 A 1 A I ,
Igualando
A A 1
TEOREMA 25
Sean A, B M nxn , matrices invertibles, entonces
AB 1 B 1 A 1
DEMOSTRACION
Si A y B son invertibles
existen matrices A1 y B 1
P.D.
( AB ) D D ( AB )
a)
( AB ) B 1 A 1 A( BB 1 ) A 1
A( I ) A 1
AA 1
I
b)
(1)
B 1 A 1 ( AB ) B 1 ( A 1 A) B
B 1 ( I ) B
B 1 B
(2)
Por lo tanto ( AB ) 1 B 1 A 1
LGEBRA LINEAL
20
MATRICES
TEOREMA 26
Sean A1 , A2 ,, An M nxn , matrices invertibles, entonces:
MATRIZ ORTOGONAL
Sea la matriz A M nxn .
Ejercicio
Comprobar que la matriz dada es ortogonal
1
3
2 2 1
2 1 2
1 2
2
TEOREMA 27
A M mxn , O M nxp , tal que A.O O
DEMOSTRACION
Sean las matrices A (aij ) mn O (b jk ) np , donde, b jk 0
AO (aij )(b jk )
aij b jk
j 1
aij .0
j 1
LGEBRA LINEAL
21
MATRICES
TEOREMA 28
A M nxp , O M mxn , tal que, O. A O
DEMOSTRACION
Se deja como ejercicio.
TEOREMA 29
A M mxn , B M nxp , se cumple que
DEMOSTRACION
A= A1 , A2 , , Ai , , Am
B= B1 , B 2 ,, B i , B P
= Ai. B
=Fila i-sima de A.B
TEOREMA 30
Sea ei la fila i-sima de I M nxn , entonces:
Fila i-sima de A ei . A
DEMOSTRACION
Fila i-sima de I A ei . A
I . A A , entonces
Fila i-sima de A ei . A
LGEBRA LINEAL
(Teorema 29)
22
MATRICES
TEOREMA 31
Sean A M mxn , B M nxp
Si A tiene fila de ceros, AB tambin tiene fila de ceros.
DEMOSTRACION
Ai es la Fila i-sima de A
(Teorema 29)
Ai .B
=O.B
O1 p
Por lo tanto
TEOREMA 32
Sea A M nxn
Si A tiene fila de ceros, entonces A no es invertible.
DEMOSTRACION
Por contradiccin.
Se supone que A es invertible, por lo tanto
AA 1 A 1 A I
AA 1 tiene fila de ceros
(Teorema 31)
A no es invertible.
LGEBRA LINEAL
23
MATRICES
OPERACIONES ELEMENTALES
Una operacin elemental se representa por e y se la puede aplicar sobre matrices.
Existen tres tipos de operaciones elementales:
3. Sumar una fila o columna multiplicada por un escalar a otra fila o columna
(e III )
Fi F j , C i C j ,
MATRICES ELEMENTALES
Una matriz elemental se la representa por E , y se la puede obtener mediante la
aplicacin de una operacin elemental sobre la matriz identidad.
TEOREMA 33
A como en I .
LGEBRA LINEAL
24
MATRICES
MATRICES EQUIVALENTES
A es equivalente por filas o columnas a B si y slo si B se obtiene por medio de una
aplicacin sucesiva e infinita de operaciones elementales sobre A .
A B B e K e K 1 e 2 e1 A .
TEOREMA 34
Sea A M mxn , A es equivalente a A , es decir,
Toda matriz es equivalente a s misma.
DEMOSTRACION
B eK eK 1 e2 e1 A
(1)
eK, B eK 1 e2 e1 A
(2)
Cambiando la notacin
A es equivalente a A.
Corolario
Sean A, B M mxn .
Si A es equivalente a B , B es equivalente a A .
TEOREMA 35
Sean A, B, C M mxn .
Si A es equivalente a B y B es equivalente a C , entonces A es
equivalente a C .
LGEBRA LINEAL
25
MATRICES
DEMOSTRACION
Si A es equivalente a B,
B eK eK 1 e2 e1 A
(1)
Si B es equivalente a C,
C e J e J 1 e2 e1 B
(2)
TEOREMA 36
Toda matriz elemental es invertible y su matriz inversa es elemental.
DEMOSTRACION
E matriz elemental
E matriz inversa de A
I e , eI e e , I
e(A)=EA
P.D. EE=EE=I
a)
EE=I
eE I
e e , I I
,
EE=I
b)
(Teorema 33)
(1)
EE=I
e , eI I
e(E)=I
EE=I
Igualando (1) y (2)
EE=EE=I
LGEBRA LINEAL
(Teorema 33)
(2)
26
MATRICES
TEOREMA 37
DEMOSTRACION
a)
(Teorema 33)
B e K e K 1 e3 E 2 E1 A ,
Por lo tanto:
B E K E K 1 E 2 E1 A
b)
(Teorema 33)
B eK eK 1 e2 e1 A ,
Por lo tanto:
A es equivalente a B.
Corolario
Sean A, B M mxn .
27
MATRICES
Ejemplos
1 2 3
0 1 2
2 3 4
0 0 0
0 0 0
1 2 3
0 0 2
1 2 0
0 0 2
4 2 1
0 1 3
0 0 5
0 0 3 2
0 0 0 5
1 3 2
1 0
0
0
0 0
0
0
0 0 0
1 0 0
0 1 0
0 0 1
Ejemplos
1 0 0
0 1 0
0 0 0
0
0
0
1
0
0
5
3
0
0
1 0 0
0 0 1
0 0 0
0
0
1 0 0 5
0 0 1 2
LGEBRA LINEAL
0
0
0
1
0
0
0
0
1
0
1 0 3
0 1 2
0 0 0
0
0
28
MATRICES
TEOREMA 38
Sea A M mxn .
A es equivalente por filas a una matriz escalonada por filas.
TEOREMA 39
Sea A M mxn .
A es equivalente por filas a una matriz escalonada reducida por filas
TEOREMA 40
Sea A M nxn . A es una matriz escalonada reducida por filas.
Si A I , entonces A tiene fila de ceros.
DEMOSTRACION
Si A no tiene fila de ceros, entonces A I (Contra recproca)
Si A no tiene fila de ceros,
An
0 0 0 0 1
An 1
0 0 0 1 0
A2
1 0 0 0 0
A1
0 0 0 0 0 ,
A ( A1 , A2 , , An 1 , An )
A I AA
LGEBRA LINEAL
29
MATRICES
TEOREMA 41
Sea A M nxn .
DEMOSTRACION
a)
B I
A E K E K 1 E 2 E1 B
Si B I
B tiene fila de ceros (Teorema 40)
E K E K 1 E 2 E1 B
(Teorema 31)
(Teorema 32)
b)
A E K E K 1 E 2 E1 I ,
(Teorema 37)
A E K E K 1 E 2 E1 ,
Por lo tanto:
A es invertible.
Corolario
(Teorema 21)
(Teoremas 25, 36)
30
MATRICES
TEOREMA 42
Si A es invertible y reducible a la matriz identidad por sucesin de
operaciones elementales, al aplicar a I esta sucesin, se obtiene A 1 .
DEMOSTRACION
Si A es invertible,
A es equivalente por filas a I,
(Teorema 41)
I E K E K 1 E 2 E1 A
(1)
(Teorema 37)
I ( E K E K 1 E 2 E1 ) A
IA 1 ( E K E K 1 E 2 E1 ) AA 1
A 1 ( E K E K 1 E 2 E1 ) I
A 1 e K e K 1 e2 e1 I
I eK eK 1 e2 e1 A
(2)
e K e K 1 e2 e1 A e K e K 1 e2 e1 I
( I A 1 ).
Ejemplo
1 3
2 2
1 0 1 3
0 1 0 8
1 0 1 3
2 1 0 1
1 2 5
A1
2 2 1
LGEBRA LINEAL
1 0 1 0
2
1
8
8
0 1
2
8
2
8
85
1
8
31
MATRICES
PROBLEMAS PROPUESTOS
1.
1 2 3
A
2 1 0
1 0
B 2 1
3 2
1 2
D
2 5
0
2 1
E 1 2 3
4 3 1
1 3 1
C 1 1 1
0 1 2
Calcular:
a)
LGEBRA LINEAL
32
MATRICES
b)
LGEBRA LINEAL
33
MATRICES
c)
LGEBRA LINEAL
34
MATRICES
2.
x 0
. Hallar A2 , A3 , A4
Sea A
z y
3.
1 0
. Determinar A tal
Sean las matrices A del problema anterior y B
26 27
que A3 B .
LGEBRA LINEAL
35
MATRICES
4.
1 2 3
5.
a b
1 1
y B
.
conmutables con B si A
c d
0 1
LGEBRA LINEAL
36
MATRICES
6.
1 2 0
1 0 0
I 3 A
7.
Calcular AB
1 1
1 2
0 3
A
5 1
3 1
2 1
LGEBRA LINEAL
3 1 5
2 1 4
3 2 0
1 4 6
3 5 0
3
2
B 1
0
3
2 3 0
1 3 2
5 4 2
1 3 0
0 4 6
1
3
0
1
37
MATRICES
8.
1 x 3
A
x 1 2
1
B
0
2 x
3 1
1 0
3 1
2
C
x
a)
b)
9.
1
0
i 1 j 1 , si i
i j
LGEBRA LINEAL
38
MATRICES
10.
a)
1
2
b)
0 1
0 1
0 2
0 0
LGEBRA LINEAL
2 3 0
1 1 0
1 0 1
1 2 1
2
1
1
1
0
3
39
MATRICES
c)
11.
1 0 1 3
1 2 3 0
2 1 0 1
1 2
1 3
b)
4 3
LGEBRA LINEAL
40
MATRICES
c)
0
0
1
2 2 0
3 3 3
d)
2 2
1
0
1 3
0 2 1
e)
2 1 3
1 0 4
1 1 2
LGEBRA LINEAL
41
MATRICES
12.
P 2 0 1 y J 0 1 1 . Hallar
1 1 0
0 0 1
a) P 1 y J n .
b) A tal que A PJP 1 .
c) An PJ n P 1 . Verificar que A0 I y A1 A .
LGEBRA LINEAL
42
MATRICES
13
cos
Sea la matriz A
sen
sen
. Hallar A n
cos
14.
x
Sea la matriz A
0
LGEBRA LINEAL
y
. Hallar A n . Usar el Teorema del Binomio.
x
43
MATRICES
15.
x 1 0
16.
17.
LGEBRA LINEAL
44
MATRICES
18.
19.
son simtricas.
LGEBRA LINEAL
45
MATRICES
20
Dadas la matrices
1 2 0
A
1 1 4
0 1 0
B
3 1 0
2 1
C
3 2
2A X B
b)
At 2 X C
c)
CX AB t BB t
LGEBRA LINEAL
46
MATRICES
21.
Bt .
22.
LGEBRA LINEAL
47
MATRICES
23.
24.
Demostrar que toda matriz cuadrada es la suma de una matriz simtrica y una
matriz antisimtrica.
LGEBRA LINEAL
48
MATRICES
mn se cumple que .A O 0 A O .
25.
26.
Si H es solucin de AX O , R , H es solucin de AX O .
b)
c)
LGEBRA LINEAL
49
DETERMINANTES
Captulo 2
DETERMINANTES
DEFINICIN
El determinante es una funcin que establece una correspondencia
entre el conjunto de matrices cuadradas y el campo real o complejo.
Asi:
f : M nxn K
A f (A) det(A)
NOTACIN
Sea A (aij ) n , el determinante de A se nota as:
A det( A)
O tambin
a11
a
A 21
a n1
a12
a 22
a1n
a2n
a n 2 a nn
DEFINICIN
Sea A M 2x 2
a
Si A 11
a 21
a12
, entonces
a 22
det( A) a11 a 22 a 21 a12
LGEBRA LINEAL
50
DETERMINANTES
DEFINICIN
Sea A M 3x 3
a11
Si A a 21
a
31
a32
a13
a 23 , entonces
a33
a 22
a32
a 23
a
a12 21
a33
a31
a12
a 22
det( A) a11
a 23
a
a13 21
a33
a31
a 22
a32
LGEBRA LINEAL
51
DETERMINANTES
PROPIEDADES
TEOREMAS
Sea A (aij ) n .
1. Si A tiene fila o columna de ceros, el det( A) 0 .
2. Si la i-sima fila de A o la j-sima columna de
A, se multiplica
DEMOSTRACIONES
1.
A aij Aij ,
j 1
A 0.Aij 0
j 1
LGEBRA LINEAL
52
DETERMINANTES
n
2.
det( B) det( A)
3.
, det(A) n det( A)
Por induccin
i)
n 1
A1 ( a11 )
det(A1 ) 1. det( A1 )
ii)
det(AK ) K det( AK )
det(AK 1 ) K 1 det( AK 1 )
4.
P.D.
j 1
j 1
j 1
LGEBRA LINEAL
53
DETERMINANTES
5
Sean
a11
a
A i1
a11,1
a
n1
P.D.
a1n
ain
ai 1,n
a nn
a11
a
B i 1,1
ai ,1
a
n1
a1n
ai 1,n
ai ,n
ann
det( A) det( B)
n
det( B) bi 1, j Bi 1, j
j 1
(1) i 1 j aij N ( i 1)
(1)(1) i j aij N ( i 1)
a
j 1
ij
Aij
det(A)
6.
Sea
a11
a
A i1
a11,1
a
n1
a1n
ain
ai 1,n
a nn
det( A) det( B)
det( A) det( A)
Ordenando la igualdad
LGEBRA LINEAL
(Teorema 8)
54
DETERMINANTES
2 det( A) 0
det( A) 0
7.
Sea
a11
a
B i1
a11,1
a
n1
ain
ai 1, n
ann
a1n
det( B) det( A)
Pero, det( A) 0 ,
Por lo tanto det( B) 0
8.
Sea
a11
a
A i1
a11,1
a
n1
a1n
ain
ai 1,n
a nn
a11
ai1
B
ai1 a11,1
a n1
Al aplicar el Teorema 7
LGEBRA LINEAL
ain
ain ai 1,n
a nn
a1n
55
DETERMINANTES
a11
a1n
a11
det( B)
a1n
ain
ain
ai1
ain
ai1
ai1
ai 1,1
ai 1,n
a n1
a nn
a n1
a nn
det(A)
det(B) det( A)
9.
Si n 2
a
A 11
a 21
a12
,
a 22
a
A t 11
a12
a 21
a 22
det( A) a11 a 22 a 21 a 22
(1)
det( A t ) a11 a 22 a 21 a 22
(2)
ii)
Si n k
det( AK ) det( AKt )
si n k 1
det( AK 1 ) det( AKt 1 )
Sean
A a ij K 1
B bij K 1
bij a ji
B (1)1 j b1 j B1 j
j 1
(1)
A (1) j 1 a j1 Ai1
j 1
LGEBRA LINEAL
(2)
56
DETERMINANTES
Pero, a j1 b1 j , es decir,
B1 j A j1
B1 j A j1
B1 j A j1
De (1)
n
B (1)1 j a j1 A j1
j 1
B A
10.
Si n 2
a
A 11
0
a12
,
a 22
A a11 a 22
2
A aii
i 1
ii)
Si n k
K
AK aii
Hiptesis inductiva
i 1
AK 1
K 1
aii
Tesis inductiva
i 1
K 1
AK 1 (1) K 1 j a K 1, j AK 1, j
segn la fila K 1
j 1
0 ( 1) K 11 a K 1,1 AK 1,1
(1) K 11 a K 1, K 1 AK 1, K 1
K
(1)2 K 2 aK 1, K 1 aii
i 1
LGEBRA LINEAL
0 0
57
DETERMINANTES
K
aK 1, K 1 aii
i 1
aii
i 1
TEOREMA 11
Si E es una matriz elemental, entonces:
EA E A , y
AE A E
DEMOSTRACION
a)
Por lo tanto:
EA E A
b)
LGEBRA LINEAL
58
DETERMINANTES
EA A
EA E A
c)
Se reemplaza una fila o columna por la suma de una de ellas multiplicada por
E 1
EA A 1 A
EA E A
Corolario
Si A y B son equivalentes:
B E K E K 1 E 2 E1 A
TEOREMA 12
Sea A M nxn
A es invertible si y slo si A 0
DEMOSTRACION
1.
A E K E K 1 E 2 E1
A 0 , puesto que E 0
2.
Si A 0 , entonces A es invertible.
Se demuestra la contrarrecproca:
Si A no es invertible, entonces A 0
Si A no es invertible,
A es equivalente a una matriz B que tiene fila de ceros,
LGEBRA LINEAL
59
DETERMINANTES
A E K E K 1 E 2 E1 B es matriz con fila de ceros
A E K E K 1 E 2 E1 B
A 0
TEOREMA 13
Sean las matrices A, B M nxn
AB A B
DEMOSTRACION
1.
A es invertible
Si A es invertible
A E K E K 1 E 2 E1
(1)
A E K E K 1 E 2 E1
(2)
AB E K E K 1 E 2 E1 B
A B E K E K 1 E 2 E1 B
(3)
2.
A no es invertible
Si A no es invertible
A 0
AB no es invertible
AB 0
AB 0. B
Por lo tanto:
AB A B
LGEBRA LINEAL
(Teorema (12)
(M, Teoremas 31,32)
60
DETERMINANTES
TEOREMA 14
Sea A M nxn
ai1 Ak1 ai 2 Ak 2 ain Akn 0 , si i k
DEMOSTRACION
Sea B es la matriz obtenida al reemplazar la k-sima fila de A por la i-sima fila de A ,
as:
a11
a
i1
A
a
k1
a n1
a12
a12
ak 2
an2
a1n
a an
a kn
a nn
a11
a
i1
B
a
i1
an1
a12
a12
ai 2
an 2
a1n
aan
ain
ann
DEFINICIN
Sea A M nxn , se define como matriz adjunta de A a la transpuesta de
la matriz de los cofactores de los elementos aij .
Ejemplo
2 1
A
1 3
LGEBRA LINEAL
3 1
Cof (A)
1 2
3 1
adjA
1 2
61
DETERMINANTES
TEOREMA 15
Sea A M nxn
adjA. A A.adjA A I
DEMOSTRACION
a11
a 21
A.adjA
a11
a
n1
a12
a 22
ai 2
an2
a1n
a2n
ain
a nn
A11
A12
A
12
A21
A22
Ak1
Ak 2
A2 n Akn
Ani
An 2
Ann
(Teorema 14)
es decir,
A.adjA
adjA. A A.adjA A I
Corolario
Sea A M nxn y A 0 , entonces
A 1
LGEBRA LINEAL
1
.adjA
A
62
DETERMINANTES
Ejemplo
Dada la matriz
1 2 4
A 3 8 2
2 0 4
a)
Calcular A .
b)
c)
d)
Calcular A1 .
Solucin:
1 2
a)
A 3 8 2 2
2 0
b)
c)
4
4
0
3
Adj ( A)
2
3
2
4
2
4
8
0
8 2
1 2
3 8
2 4
0 4
1 4
8
1
3
1
2 4
1 2
2 0
2(36) 4(2) 64
2
32 8 36
4
16 4 14
2
16 4
2
2
0
0
1 2 4 32 8 36 64
A. Adj ( A) 3 8 2 16 4 14 0
64
0
2 0 4 16 4
2 0
0
64
0
0
32 8 36 1 2 4 64
Adj ( A). A 16 4 14 3 8 2 0
64
0
16 4
2 2 0 4 0
0
64
d)
32 8 36
1
1
A
Adj ( A)
16 4 14
A
64
2
16 4
1
9 / 16
1/ 2 1/ 8
A 1/ 4
1 / 16 7 / 32
1 / 4 1 / 16 1 / 32
LGEBRA LINEAL
63
DETERMINANTES
PROBLEMAS PROPUESTOS
1.
a)
1 2 3
2
1 2 1
b)
0 3 1
1 2i 0
c)
2 1 i
LGEBRA LINEAL
64
DETERMINANTES
d)
1
4
2
3
2
3
1
4
e)
1 a
1
1
1
1 1 a
1
1
1
1 1 a
1
1
1
1 1 a
f)
2
1
1
1
0
9
9
9
LGEBRA LINEAL
3
2
4
1
1
8
8
9
4
1
3
2
x
4
, donde x es el ltimo dgito del ao actual.
7
0
65
DETERMINANTES
2.
Determinar el valor de
1 2 3 4 5 6
2 3 4 5 6 1
a)
3 4 5 6 1 2
4 5 6 1 2 3
5 6 1 2 3 4
6 1 2 3 4 5
1 1 1 1 1 1
1 2 2 2 2 2
b)
1 2 3 3 3 3
1 2 3 4 4 4
1 2 3 4 5 5
1 2 3 4 5 6
LGEBRA LINEAL
66
DETERMINANTES
c)
a b c 1
b c a 1
c a b 1
1 1 1 1
i)
abc 0
ii)
abc 3
LGEBRA LINEAL
67
DETERMINANTES
d)
1 a1
a2
a3
a1
1 a2
a3
a1
a2
1 a3
a1
a2
a3
y2
y
y3
1 an
e)
x2
x
x3
f)
LGEBRA LINEAL
an
an
an
z2
z
z3
68
DETERMINANTES
3 7i
0 4
2 3i
g)
1 10i 8 3
3i
3.
Demostrar que:
0
a
a
a
a
0
a
a
a
a
0
a
a
a
3 a 4
a
0
LGEBRA LINEAL
69
DETERMINANTES
4.
a b b b b
b a b b b
b b a b b
a b
b b b a b
b b b b a
5.
Hallar el valor de
a1 b1
a2 b1
an b1
a1 b2 a1 bn
a2 b2 a2 bn
an b2 an bn
LGEBRA LINEAL
n 1
a (n 1)b
70
DETERMINANTES
6.
a)
Demostrar que:
b 2 ac bc
c2
A ab
ac
bc 4a 2b 2 c 2
a2
ab b 2 ac
b c 0
Verificar primero que: A a 0 c
0 a b
b)
b2 c2
ab
ca
LGEBRA LINEAL
ab
c a2
bc
2
ca
bc
2
a b2
71
DETERMINANTES
7.
Demostrar que
1
0
1
0
8.
0 a
1 b
0 c
1 d
a2
b2
a c b d a b c d
c2
d2
ab
a2
b2
ab
ab
b2
a2
ab
LGEBRA LINEAL
b2
ab
ab
a2
72
DETERMINANTES
9.
Probar que
b c 2
10.
b2
a2
a c 2
a2
b2
c2
c2
a b 2
2abca b c
Demostrar que
1
a1
2
a1
3
a1
1
a2
2
a2
3
a2
1
a3
2
a3
3
a3
1
a4
2 a1 a 2 a1 a3 a1 a 4 a 2 a3 a 2 a 4 a3 a 4
a4
3
a4
LGEBRA LINEAL
73
DETERMINANTES
11.
y
y1
y2
y3
1 x
1 x1
1 x2
1 x3
x2
x12
=0
x 22
x32
LGEBRA LINEAL
74
DETERMINANTES
b)
y2
y12
y 22
y 32
x
x1
x2
x3
y
y1
y2
y3
1
1
0
1
1
LGEBRA LINEAL
75
DETERMINANTES
c)
Si se conoce que:
L1 : a11 x a12 y a13 0,
L2 : a21 x a22 y a23 0,
L3 : a31 x a32 y a33 0,
A12
A13
A22
A23
A32
A33
a12
a13
A a 21
a 22
a 23
a31
a32
a33
5 x 7 y 27 0, 9 x 2 y 15 0, 4 x 5 y 11 0.
LGEBRA LINEAL
76
DETERMINANTES
d)
valor absoluto de
x1
x2
x3
x4
y1
y2
y3
y4
z1
z2
z3
z4
1
D , siendo D el determinante de:
6
1
1
1
1
LGEBRA LINEAL
77
DETERMINANTES
12.
Sea
1 2 a
A 1 a 1
0
1 a
a)
b)
LGEBRA LINEAL
78
DETERMINANTES
13.
Sea
1 1 1
A 1
3 3 2
a)
b)
LGEBRA LINEAL
79
DETERMINANTES
14.
Sea
1 3
A 2 3
3 1 2
a)
b)
LGEBRA LINEAL
80
DETERMINANTES
15.
Dada la matriz
1 a a 2
A 1 b b 2
1 c c 2
a) Hallar A .
b) Encontrar Adj(A) .
c) Calcular A1 .
LGEBRA LINEAL
81
SISTEMAS DE ECUACIONES
Captulo 3
SISTEMAS DE ECUACIONES LINEALES
DEFINICIN
Ecuacin lineal, es una expresin del tipo:
a1 x1 a 2 x 2 a n x n b
(1)
donde
x1 = variable
x2 , x3 , xn , = variables libres
a i = coeficientes de las variables
b = trmino constante
a, b K
xi K
CS t1 , t 2 , , t n : ti K
I.
Si a1 0
x1
a
b a2
x2 n xn
a1 a1
a1
Si a1 a2 an 0 b 0
Reemplazando en (1)
0 x1 0 x 2 0 x n b
0b
82
SISTEMAS DE ECUACIONES
III.
Si a1 a2 an 0 b 0
De (1)
0 x1 0 x 2 0 x n 0
00
DEFINICIN
Los sistemas de ecuaciones lineales son expresiones del tipo:
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1
22 2
2n n
2
am1 x1 am 2 x2 amn xn bm
(1)
Observaciones
1.
2.
3.
4.
5.
83
SISTEMAS DE ECUACIONES
SISTEMAS DE ECUACIONES
INCONSISTENTE
CONSISTENTE
NO HOMOGNEO
Solucin
nica
no-trivial
Infinitas
soluciones
HOMOGNEO
Solucin
Infinitas
nica
soluciones
trivial
+ trivial
SISTEMAS EQUIVALENTES
Son aquellos sistemas que tienen las mismas soluciones.
Para obtener un sistema equivalente de uno dado, se pueden realizar las siguientes
operaciones:
1.
Intercambiar ecuaciones ( Ei E j ) .
2.
3.
84
SISTEMAS DE ECUACIONES
Del sistema (1),
a11 x1 a12 x2 a1n xn b1
a21 x1 a22 x2 a2n xn b2
a x a x a x b
m2 2
mn n m
m1 1
a21 a22 a2 n x2 b2
a
m1 am 2 amn xn bm
a21 a22 a2 n
a
m1 am 2 amn
b1
b2
bm
(2)
Observaciones
1.
2.
AX B
correspondiente.
3.
MTODOS DE RESOLUCIN
Para resolver sistemas de ecuaciones se utilizarn los mtodos de Gauss (o de la
triangulacin), Gauss-Jordan y Cramer, los mismos que se detallan a continuacin.
LGEBRA LINEAL
85
SISTEMAS DE ECUACIONES
MTODO DE GAUSS
Consiste en encontrar una matriz ampliada escalonada equivalente por filas a la matriz
correspondiente al sistema original, se escribe el sistema equivalente conforme a la
matriz escalonada y se resuelve el sistema as obtenido. Si la matriz A tiene fila de
ceros y la matriz ( A B ) no tiene fila de ceros, el sistema es inconsistente.
MTODO DE GAUSS-JORDAN
Consiste en encontrar una matriz ampliada escalonada reducida por filas equivalente
por filas a la matriz correspondiente al sistema original, se escribe el sistema
equivalente ajustado a la matriz escalonada reducida por filas y se resuelve el sistema
as obtenido.
MTODO DE CRAMER
Este mtodo sirve para resolver sistemas que tienen el mismo nmero de incgnitas que
de ecuaciones.
TEOREMA DE CRAMER
Sea un sistema de ecuaciones nxn donde:
DEMOSTRACIN
Se expresa el sistema en forma matricial.
AX B
De acuerdo a la hiptesis:
A 0
LGEBRA LINEAL
Ai
A
86
SISTEMAS DE ECUACIONES
A es invertible y existe A 1
A( A 1 X ) A 1 B
X A 1 B
adjA.B
A
A11
A12
adjA
A
12
Ak1 Ani
Ak 2
An 2
Akn
Ann
A21
A22
A2 n
siendo
a11
a 21
A.
a11
a
n1
a12
a 22
ai 2
an2
a1n
a2n
ain
a nn
xi
Fi (adjA.B)
A
Fi (adjA.B ) c1i b1 c 2i b2 c ni bn
(1)
Se calcula Ai
a11
a
Ai 21
an1
LGEBRA LINEAL
a12 b1
a22 b2
an 2 bn
a1n
a2 n
ann
87
SISTEMAS DE ECUACIONES
Desarrollando por cofactores de acuerdo a la i-sima columna:
Ai b1ci1 b2 ci 2 bn cin
(2)
xi
Fi (adjA.B) Ai
A
A
Sntesis
Si A M n con A 0 , entonces AX B tiene como solucin nica:
b1
1 b2
x1
A
bn
a12 a1n
a22
a2 n
an 2
ann
a11 b1 a1n
a2 n
1 a21 b2
x2
A
an1 bn
ann
a11
1 a21
xn
A
an1
a12 b1
a22
b2
an 2
bn
Observacin
Ejemplo
Resolver usando el mtodo de Cramer
x1 x 2 x3 2
2 x1 x 2 2 x3 1
3x x x 0
2
3
1
LGEBRA LINEAL
88
SISTEMAS DE ECUACIONES
Solucin:
1
A 2
2 12 0 el sistema es de Cramer
1 1
x1
0 1 1
12
1
2
2 1 2
x2
x3
12
1 0
12
5
3
1
6
1 5 1
CS , ,
2 3 6
Resumen
En ciencia y tecnologa existe una gran variedad de situaciones que pueden expresarse
en trminos matemticos mediante sistemas de ecuaciones lineales, o bien acercarse a
un sistema de este tipo, de ah el inters de su estudio.
Una vez que se ha planteado un sistema lineal de ecuaciones, se delinean tres cuestiones
importantes. La primera de ellas es conocer si tiene o no solucin, la segunda es la
unicidad de la misma y, por ltimo, el clculo de la solucin cuando existe.
A las dos primeras cuestiones da respuesta el teorema de Rouch-Frbenius, tal como se
ilustra en este captulo. En este punto del estudio es importante tomar en cuenta tambin
las propiedades que presentan los conjuntos de soluciones de los sistemas lineales
homogneos y no homogneos.
La cuestin referente al clculo de las soluciones tiene mltiples respuestas, ya que
existen diversos mtodos para determinarlas. Entre ellos, cabe destacar el mtodo de
triangulacin de Gauss y la regla de Cramer.
LGEBRA LINEAL
89
SISTEMAS DE ECUACIONES
PROBLEMAS PROPUESTOS
1.
Resolver
a)
2 x1 x2 3 x3 5
3 x1 2 x2 2 x3 6
5 x1 3 x2 x3 16
b)
2 x1 3 x2 2 x3 5
x1 2 x2 3 x3 2
4 x1 x2 4 x3 1
c)
1
x1 ax2
x2 x3 2
x x x 2
2
3
1
LGEBRA LINEAL
90
SISTEMAS DE ECUACIONES
d)
1 i x1 2 i x2 5
2 2i x1 ix2 1 2i
Usar el mtodo de Cramer
e)
x1 2 x2 3 x3 2 x4 2
2 x1 5 x2 8 x3 6 x4 5
3 x 4 x 5 x 2 x 4
2
3
4
1
f)
x1 2 x2 2 x3 2
3 x 2 x x 5
1
2
3
2 x1 5 x2 3 x3 4
x1 4 x2 6 x3 0
LGEBRA LINEAL
91
SISTEMAS DE ECUACIONES
g)
2.
x1 5 x2 4 x3 13 x4 3
3 x1 x2 2 x3 6 x4 2
2 x 2 x 3 x 4 x 1
2
3
4
1
kx1 x2 x3 1
x1 kx2 x3 1
x x kx 1
3
1 2
LGEBRA LINEAL
92
SISTEMAS DE ECUACIONES
b)
x1 x2 kx3 2
3 x1 4 x2 2 x3 k
2 x 3 x x 1
2
3
1
c)
3 x3 3
x1
2 x1 kx2 x3 2
x 2 x kx 1
2
3
1
LGEBRA LINEAL
93
SISTEMAS DE ECUACIONES
3.
2 x1 ( 1) x2
2 x3 2 3
x1
2 x2 ( 1) x3
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
94
SISTEMAS DE ECUACIONES
4.
2 x1 x2 x3 0
2
x1 2 x2 x3
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
95
SISTEMAS DE ECUACIONES
5.
2 x1 (3 a ) x2 (2 a ) x3 1
3 x
3 x2 (4 2a ) x3 3 b
1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
96
SISTEMAS DE ECUACIONES
6.
x1 x2 x3 1
2 x
ax3 b
1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
97
SISTEMAS DE ECUACIONES
7.
(m 1) x2 (m 1) x3 0
mx1
x2
x3 m 1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
98
SISTEMAS DE ECUACIONES
8.
mx1 (m 1) x2
x3 m 1
(m 1) x
(m 1) x3 m 1
1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
99
SISTEMAS DE ECUACIONES
9.
a 1x2 a 1x3 0
2 x1
x2
x3 1
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
100
SISTEMAS DE ECUACIONES
10.
x1 x2 x3 1
ax1 bx2 c x3 k
2
2
2
2
a x1 b x2 c x3 k
a)
b)
c)
No tenga solucin.
LGEBRA LINEAL
101
ESPACIOS VECTORIALES
Captulo 4
ESPACIOS VECTORIALES
DEFINICIN
Sean
u, v V | u v V
Axioma de clausura
ii)
u, v, w V | (u v) w u (v w)
Axioma de asociatividad
iii)
iv)
u V , ! u , V | u u , u , u e
v)
u, v V | u v v u
Axioma de conmutatividad
2.
K , u V | u V
Axioma de clausura
3.
, K , u V | ( )u ( u )
4.
!e K , u V | eu u (e 1)
5.
, K , u V | (a )u u u
6.
K , u, v V | (u v) u v
EJEMPLOS
1.
R n a1 , a2 , , an ai R, i 1,2, , n
Si R , u , v R n , u a1 , a2 ,, an , v b1 , b2 ,, bn se definen
u v a1 b1 , a2 b2 ,, an bn y u a1 , a2 , , an
LGEBRA LINEAL
102
ESPACIOS VECTORIALES
2.
mxn .
Observaciones
1.
2.
3.
TEOREMA 1
Sea V , K ,, un espacio vectorial
K , u, v, w K se cumple que:
a)
b)
uvvwu w
0.u Ov
c)
.OV OV
d)
.u OV 0 u OV
e)
( .u ) (u ) ( .u )
DEMOSTRACIONES
LGEBRA LINEAL
103
ESPACIOS VECTORIALES
a)
c)
u 0V u
u (v (v)) u
(u v) (v) u
Axioma de asociatividad
v w ( v ) u
Hiptesis
v ( v ) w u
Axioma de asociatividad
0V w =u
uw
0V 0V 0V
Axioma reflexivo
(0 V 0 V ) 0 V
Axioma reflexivo
0V 0V 0V
(1)
Axioma distributivo
.u .u
(2)
Axioma reflexivo
0V ( 0V ( 0V )) 0V ( 0V )
d)
0V 0V 0V
0V 0V
Por Contradiccin
Se supone que:
( 0 u 0V )
0 u 0V
K , tal que, 0,
0V 0V
Hiptesis
1
1
u 0V
1.u 0V
u 0V
Lo que contradice la suposicin
0 u 0V
LGEBRA LINEAL
104
ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES
Sean V y S dos espacios vectoriales definidos en el campo K , entonces S es un
subespacio vectorial de V , si y slo si, S V . De hecho, todos los espacios vectoriales
tienen subconjuntos que tambin son espacios vectoriales. Grficamente se tiene
TEOREMA 2
Sea V , K , , un espacio vectorial, S V , S ,
S es subespacio vectorial de V si y slo si cumple que:
1.
u, v S u v S
2.
K , u S | u S
DEMOSTRACION
1)
""
Se cumple pues S V
2.
""
S , es un grupo conmutativo
a)
u, v S | u v S
Axioma de clausura
Si cumple
b)
u, v, w S | (u v) w u (v w)
Axioma de asociatividad
Si cumple
c)
!e S , u S | e u u e (e 0 v )
P.D.
e 0V S
Si 0
LGEBRA LINEAL
105
ESPACIOS VECTORIALES
u 0u
u 0 V
0V S
Si cumple
d)
u S , ! u , S | u u , u , u e
P.D.
u , u S
Si 1
u 1.u
u u
es decir,
uS
Si cumple
e)
u, v V | u v v u
Si cumple
Corolario
0V S , S
2.
K , u, v S | u v S
COMBINACIN LINEAL
Sean V , K , , un espacio vectorial, T V ,
T t1 , t 2 , t n
Se dice que u V es combinacin lineal de T si y slo si existen elementos del campo
LGEBRA LINEAL
106
ESPACIOS VECTORIALES
CONJUNTO GENERADOR
Sean V , K , , un espacio vectorial, S V , S s1 , s 2 , s n , u V .
Si u 1s1 2 s2 n sn ,entonces S es conjunto generador de V .
CPSULA LINEAL
Sean V , K , , un espacio vectorial, S V , S , S s1 , s 2 , s n
La cpsula de S es el conjunto de los vectores que son combinaciones lineales de los
elementos de S , y se nota por S , es decir,
S v V | v 1s1 2 s2 n sn , i K
TEOREMA 3
Sean V , K , , un espacio vectorial, S V , S
La cpsula de S es subespacio vectorial de V .
DEMOSTRACION
1.
0v S y S
u S
Sea 0 K
u 0 V
0u 0V
0v S
2.
u , v S | u v S
u 1 s1 2 s 2 n s n
v 1 s1 2 s 2 n s n
u v ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
uv S
LGEBRA LINEAL
107
ESPACIOS VECTORIALES
3.
K , u S | u S
u 1 s1 2 s 2 n s n
u 1 s1 2 s 2 n s n
i i
u 1 s1 2 s 2 n s n
u S
1t1 2t 2 n t n 0V
1t1 2t 2 n t n 0V
a esta se llama combinacin lineal trivial.
TEOREMA 4
Sean
V , K , , un espacio vectorial,
1.
2.
DEMOSTRACION
1
S1 S 2 V
S1 s1 , s2 ,, sn
S 2 s1 , s2 ,, sr
LGEBRA LINEAL
108
ESPACIOS VECTORIALES
Si S1 es linealmente dependiente, 1 0 , tales que:
1s1 2 s2 n sn 0v
2. Por contradiccin:
Se supone que S1 es linealmente dependiente
S1 es linealmente dependiente S1 S 2
S 2 es linealmente dependiente
TEOREMA 5
Sean
V , K , , un espacio vectorial,
S V .
DEMOSTRACION
1.
""
1 s1 2 s 2 i si n s n 0V , es decir,
i si 1 s1 2 s 2 n s n
1 0 , (en caso contrario se elige otro vector)
Despejando si
si 1 s1 2 s 2 n s n
Por lo tanto:
si es combinacin lineal de los restantes vectores.
LGEBRA LINEAL
109
ESPACIOS VECTORIALES
2. ""
Sea si S , tal que, es combinacin lineal de los restantes vectores de S ,
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
(1)
si si
(2)
1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n 0V
S es linealmente dependiente.
TEOREMA 6 EL WRONSKIANO
W f1, f 2 ,, f n
f1
f1'
f1( n 1)
f2
f2 '
f 2( n 1)
fn
fn '
f n ( n 1)
DEMOSTRACION
a)
""
Por contradiccin
Se supone que W 0 , entonces
Una fila o columna de W es combinacin lineal de las restantes, por ejemplo:
W 0
b)
""
Por contradiccin:
Se supone que S es linealmente dependiente, entonces
Una fila o columna de W es combinacin lineal de las restantes, es decir,
W 0 , lo que contradice la suposicin
110
ESPACIOS VECTORIALES
BASE
DEFINICION
Sean V , K , , un espacio vectorial y S V ,
S es una base de V , si y slo si:
1.
S genera a V , y
2.
S es linealmente independiente.
TEOREMA 7
Sean V , K , , un espacio vectorial y S V ,
Si S s1 , s 2 , s n es una base del espacio vectorial V , entonces todo
vector de S se puede expresar de una y solo una manera como
combinacin lineal de los vectores de S. La combinacin lineal es
nica.
DEMOSTRACION
Sea u V
Se supone que la combinacin lineal no es nica, es decir,
u 1 s1 2 s 2 n s n
(1)
u 1 s1 2 s 2 n s n
(2)
i i
Restando (1) y (2)
u (u ) ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
0V ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
Si S es base de V , entonces S es linealmente independiente,
i i 0 ,
i i
LGEBRA LINEAL
111
ESPACIOS VECTORIALES
Lo que contradice la suposicin.
Por lo tanto: la combinacin lineal es nica.
TEOREMA 8
Sean V , K , , un espacio vectorial y S V ,
Si S es un conjunto finito de vectores no nulos que genera a V
entonces, S contiene a una base T de V .
DEMOSTRACION
a)
b)
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
(1)
S1 genera a V?
Sea u V
u es combinacin lineal de S
u 1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n
(2)
c)
S 2 S1 si 1 , que es generador de V .
Al continuar con el proceso se encuentra un subconjunto T de S que es
linealmente independiente y que genera a V . //
LGEBRA LINEAL
112
ESPACIOS VECTORIALES
TEOREMA 9
Sean V , K , , un espacio vectorial y S , T V ,
s 1 , s 2 ,
, s n , es una base de V , y
DEMOSTRACION
Se supone que:
nr
Si S genera a V
t i es combinacin lineal de S
t i 1 s1 2 s 2 n s n
Se despeja s n 0V
(En caso contrario, si se despeja otro)
t i 0V a n 0
1
1
s n t1
an
an
( 1 s1 2 s 2 n 1 s n 1 )
S1 s1 , s 2 , , s n1 , t1 genera a V
t 2 es combinacin lineal de S1
t 2 1 s1 2 s 2 n 1 s n 1 t1
t 2 0V
si 1 n 1 0
t 2 t1 , entonces
T es linealmente independiente
n 1 0
En caso contrario se elige otro
LGEBRA LINEAL
113
ESPACIOS VECTORIALES
1
1
t 2
( 1 s1 2 s 2 n 2 s n 2 )
s n 1
n 1
n 1
de donde,
S 2 s1 , s 2 , , s n 2 , t1 , t 2 genera a V
Repitiendo el proceso n veces, se encuentra el conjunto
t n 1 1t1 2 t 2 n t n , entonces
T es linealmente dependiente
nr.
TEOREMA 10
Sean V , K , , un espacio vectorial, S , T V ,
s 1 , s 2 ,
, s n , es una base de V , y
DEMOSTRACION
Si S es base de V y T es linealmente independiente, n r (Teorema 9)
Si T es base de V y S es linealmente independiente, n r (Teorema 9)
Se concluye que n r .
Es decir, las diferentes bases de un mismo espacio vectorial tienen igual nmero de
vectores.
Corolario
Si S es base de V y tiene n vectores, un conjunto con n 1 vectores es linealmente
dependiente.
LGEBRA LINEAL
114
ESPACIOS VECTORIALES
DEFINICIN
Las coordenadas de un vector u V , respecto a una base dada S , son
los escalares que sirven para expresar u como combinacin lineal de
S , as:
u 1 s1 2 s 2 n s n
u S
1
2 , es el vector coordenadas de u respecto a S .
DIMENSIN
Sean V , K , , un espacio vectorial, S V , S
s 1 , s 2 ,
, s n , es una base
DIMENSIN FINITA
Un espacio vectorial V es de dimensin finita si y slo si la base de V tiene un finito
nmero de vectores.
Ejemplos: R n , C n , Pn , M mn .
DIMENSIN INFINITA
Un espacio vectorial V es de dimensin infinita si y slo si la base de V tiene un
infinito nmero de vectores.
Ejemplo: P el espacio vectorial de todos los polinomios.
TEOREMA 11
Sean V , K , , un espacio vectorial, dim V n , S V ,
s 1 , s 2 ,
, s n , entonces
115
ESPACIOS VECTORIALES
DEMOSTRACION
Por contradiccin
Se supone que S no es base de V ,
Si S no es base, entonces S no genera a V
TEOREMA 12
Sean V , K , , un espacio vectorial, dimV n , S V ,
s 1 , s 2 ,
, sn
DEMOSTRACION
Por contradiccin
Se supone que S no es base de V ,
Si S no es base, entonces S es linealmente independiente (Teorema 9)
1.
2.
Si S1 es linealmente dependiente,
LGEBRA LINEAL
116
ESPACIOS VECTORIALES
Si S 2 es linealmente independiente, es base y dim V n 2
Lo que contradice la suposicin.
Por lo tanto S es base de V .
TEOREMA 13
Sean V , K , , un espacio vectorial, dim V n , S es un conjunto
de vectores linealmente independientes, entonces existe una base T
de V que contiene a S .
DEMOSTRACION
S s1 , s 2 ,, s j
Si S no es base, u V que es combinacin lineal de S ,
S1 s1 , s 2 ,, s j , u es linealmente independiente
1.
Si S
S1 T , S T .
2.
Si S1 no es generador, no es base
S 2
T , S T .
TEOREMA 14
Sean V , K , , y W , K ,, espacios vectoriales de dimensin
finita, si W es subespacio vectorial de V , entonces se cumple que
dim W dim V
LGEBRA LINEAL
117
ESPACIOS VECTORIALES
DEMOSTRACION
Si W es subespacio vectorial de V ,
W V , es decir,
W V W V
1. Si W V , dim W dim V
2. Si W V , u V t.q. u W ,
Una base de W tiene menor nmero de vectores que una base de V,
dim W dim V
TEOREMA 15
Sea V , K , , un espacio vectorial. La interseccin de cualquier
coleccin de subespacios vectoriales de V , es un subespacio
vectorial de V , es decir, si V1 , V2 , , Vn , son subespacios vectoriales
de V , entonces
n
W Vi , es subespacio vectorial de V .
i 1
DEMOSTRACION
1.
0v W
0 v Vi , i 1,2,, n , pues Vi es subespacio vectorial
0v W
2.
u, v W u v W
n
u Vi , u Vi , i 1,2,, n
i 1
v Vi , v Vi , i 1,2,..., n
i 1
u v Vi
i 1
u v W
LGEBRA LINEAL
118
ESPACIOS VECTORIALES
3.
K , u W .u W
n
u W , entonces u Vi
i 1
u Vi , entonces u Vi
i 1
u V , entonces u W .
i 1
DEFINICIN
Sean V1 , V2 , , Vn subespacios vectoriales del espacio vectorial
V , K , , ,
S V1 , V2 , , Vn , y los vectores vi Vi
donde
TEOREMA 16
Sean
V , K , ,
TEOREMA 17
Sean
V , K , ,
W1 W2 B1 B2
DEFINICIN
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
vectoriales de V , U W1 W2 define la suma directa de W1 yW2 si
W1 W2 v V !v1 W1 !v2 W2 , v v1 v2
LGEBRA LINEAL
119
ESPACIOS VECTORIALES
TEOREMA 18
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
vectoriales de dimensin finita de V .
U W1 W2 , si y slo si U W1 W2 y W1 W2 0V .
DEMOSTRACION
u1 W 2 , v 2 W 2 v u 2 v 2
u1 v1 u 2 v 2
u1 u 2 v 2 v1
u1 u 2 W1 W2 0V
v1 v 2 W1 W2 0V
u1 u 2 0V
u1 u 2
v1 v 2 0V
v1 v 2
Corolario
Sean
V , K , ,
TEOREMA 19
Sean V , K , , un espacio vectorial, y W1 un subespacio vectorial
de V . entonces existe un subespacio (complemento) W 2 del espacio
vectorial de V tal qu V W1 W 2 .
LGEBRA LINEAL
120
ESPACIOS VECTORIALES
DEMOSTRACION
1.
W1 V
W2 0V
W1 W2 0V V W1 W 2 .
2.
W1 V
W1 es subespacio vectorial propio de V , dim V n
S1 v1 , v 2 , , v r , base de W1 , r n ,
S1 W1
S 2 v r 1 , , v r , donde v j S1 , j r 1,..., n
S 2 W2
W1 W2 0V
W1 W2 v1 , v 2 , , v r , v r 1 , , v n
S1 S 2 v1 , v 2 , , v r , v r 1 , , v n
V W1 W 2 .
Ejercicio
Sea W1 ax 3 bx 2 cx d P3 x a 2b c d b c
subespacio vectorial de
TEOREMA 20
Sean W1 y W 2 subespacios vectoriales de dimensin finita de un
espacio vectorial V , K , , , entonces
W1 W2 es un espacio vectorial de dimensin finita y adems:
dim W1 dim W2 dim(W1 W2 ) dim(W1 W2 ) .
LGEBRA LINEAL
121
ESPACIOS VECTORIALES
DEMOSTRACION
W1 W2
Sea S u1 , u 2 , , u k base de W1 W2
S tiene k vectores y es parte de una base de W1 y W 2
S1 u1 , u 2 , , u k , v1 , , v n es base de W1
S 2 u1, u2 ,, uk , w1,, wm es base de W 2
S1 S 2 u1, u2 ,, uk , v1,, vn , w1,, wm
S1 S 2 tiene k m n vectores
S1 S 2 genera a W1 W2 (Definicin)
i 1
i 1
i 1
iui i vi i wi 0v
(1)
Reordenando
m
i 1
i 1
i 1
( i wi ) iui i vi W1
m
( w ) W
i 1
( w ) W
i 1
i 1
i 1
W2
( i wi ) i ui
Reordenando
k
i 1
i 1
i u1 i w1 0V
Se obtiene una combinacin lineal de S 2 , base de W 2 que tiene k m vectores
i 0, i 1,2, , k
i 0, i 1,2, , m
Se obtiene una combinacin lineal de S1 , base de W1 que tiene k n vectores
k
i 1
i 1
i u1 i vi 0V
i 0, i 1,2, , k
LGEBRA LINEAL
122
ESPACIOS VECTORIALES
i 0, i 1,2, , n
S1 S 2 es linealmente independiente y genera a W1 W2
dim W1 dim W2 ( k n) ( k m)
dim W1 dim W2 ( k n m) k
dim W1 dim W2 dim(W1 W2 ) dim(W1 W2 ) .
TEOREMA 21
Sean W1 y W 2 subespacios vectoriales de dimensin finita de un
espacio vectorial V , K , , .
W1 W2 es subespacio vectorial de V si y slo si W1 W2 o
W2 W1 .
DEMOSTRACION
a)
""
Por contradiccin
Se supone que:
W1 W2 W2 W1
u1 u1 W1 u1 W2
u 2 u 2 W2 u 2 W1
u1 W1 W1 W2
u 2 W2 W1 W2
u1 , u 2 W1 W2 que es subespacio vectorial
u1 u 2 W1 W2 , entonces
u1 u 2 W1 u1 u 2 W2
1.
Si u1 u 2 W1
u1 W1 u1 W1
u1 u1 u 2 W1
u 2 W1
LGEBRA LINEAL
123
ESPACIOS VECTORIALES
Lo que contradice la suposicin.
2.
Si u1 u 2 W2
u 2 W 2 u 2 W 2
u 2 u1 u 2 W 2
u1 W 2
b)
""
W1 W2
W1 W2 que es subespacio vectorial
Por lo tanto
W1 W2 es subespacio vectorial de V si y slo si W1 W2 W2 W1
CAMBIO DE BASE
En este apartado se estudia la relacin entre dos vectores coordenadas para el mismo
vector, respecto a bases diferentes.
Sean el espacio vectorial V , K , , y, S y T bases ordenadas de V
S s1, s 2 ,, s n
T t1 , t 2 , , t n
v V
v 1 s1 2 s 2 n s n
(I)
v 1 t1 2 t 2 n t n
(II)
LGEBRA LINEAL
124
ESPACIOS VECTORIALES
(1)
s 2 a 21t1 a 22 t 2 a 2 n t n
(2)
s n a n1t1 a n 2 t 2 a nn t n
s1 T
a11
a
21
a
n1
s 2 T
a12
a 22
a
n2
s n T
a1n
a2n
a
nn
S 2 T
S n T
En forma desarrollada
a
n2
nn
n1
LGEBRA LINEAL
(n)
125
ESPACIOS VECTORIALES
Sustituyendo (1),(2),,(n) en (I) e igualando a (II)
Reordenando
Escribiendo matricialmente
1 a11
2 a 21
a
n n1
a12
a 22
an2
a1n 1
a2n 2
a nn n
O tambin
v T
PS T v S
Similarmente
v S
QT S v T
Ejemplo
Sean los conjuntos S y T bases ordenadas del espacio vectorial R 3 , tales que
LGEBRA LINEAL
126
ESPACIOS VECTORIALES
u (6, ,3,3) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
u T
2
1
1
vT
2
1
1
1
wT 2
1
La matriz requerida es
2 2 1
P 1 1 2
1 1 1
Resumen
En este captulo se revela y se ensea una parte importante del lgebra Lineal, ya que
se analiza la estructura de espacio vectorial, que es el ambiente de trabajo del que se
parte para la obtencin de los resultados y desarrollos que se vern a continuacin en los
siguientes temas.
Se comenz reflexionando con vectores en el plano y en el espacio considerndolos
como segmentos de rectas orientados, junto con las posibles operaciones que pueden
realizarse entre ellos y sus propiedades. Una vez conocidos los espacios R 2 y R 3 como
conjuntos de vectores, se procedi a generalizar, en un proceso de abstraccin, los
aspectos que los caracterizan, obtenindose as la estructura de un espacio vectorial.
De la definicin de subespacio vectorial W surge de manera inmediata el concepto de
conjunto generador, que permite definir, a partir de un nmero finito de vectores, todos
los elementos de W . Dentro de los conjuntos generadores interesan aquellos que
contienen el menor nmero de elementos y estos pueden encontrarse con ayuda de los
conceptos de dependencia e independencia lineales. Estos conjuntos generadores
mnimos se conocen como las bases de los espacios vectoriales y, el nmero de
elementos que las componen, la dimensin de los mismos.
LGEBRA LINEAL
127
ESPACIOS VECTORIALES
PROBLEMAS PROPUESTOS
ESPACIOS VECTORIALES Y SUBESPACIOS
1.
LGEBRA LINEAL
128
ESPACIOS VECTORIALES
2.
b)
( a , b ) ( c, d ) ( a c, b d ) y k ( a , b ) ( a , b )
c)
d)
LGEBRA LINEAL
129
ESPACIOS VECTORIALES
3.
b)
( x, y , z ) ( x , , y , , z , ) ( x x , , y y , , z z , ) , y
r ( x, y, z ) ( x,1, z )
c)
x
El conjunto de las matrices M 2x1 tal que , donde x 0
y
con las operaciones usuales en R 3 .
LGEBRA LINEAL
130
ESPACIOS VECTORIALES
4.
a)
2
2
W b a b c 1
c
b)
W b a b 1
c
c)
W b b a 2c
c
LGEBRA LINEAL
131
ESPACIOS VECTORIALES
5.
a)
W ( x, y , z ) e x y 0
b)
W ( x, y, z ) y x z
c)
W ( x, y , z ) x z 2
d)
W ( x, y, z ) x y 0 2 x z 0
e)
W ( x, y, z ) x 2 y z 0
LGEBRA LINEAL
132
ESPACIOS VECTORIALES
6.
W p( x) ax
W p ( x ) ax
W p( x) ax
W p( x) ax 2 bx c p(0) p(1) 1
LGEBRA LINEAL
bx c b c
133
ESPACIOS VECTORIALES
7.
W f : 1,1 R
f es contnua
b)
W f : 1,1 R
f es derivable
c)
W f : 1,1 R
d)
W f : 1,1 R
f ( x) f ( x)
e)
W f : 1,1 R
f (0)
f)
W f : 1,1 R
f 12 0
LGEBRA LINEAL
-1
f ( x)dx 0
1
2
134
ESPACIOS VECTORIALES
COMBINACIONES LINEALES Y CONJUNTOS GENERADORES
1.
T ( 2,1)
b)
T (2,1), (1,2)
c)
T (3,1), (1, 13 )
d)
LGEBRA LINEAL
135
ESPACIOS VECTORIALES
2.
(1,1,2),((0,0,1)
b)
(2,-2,0),(-1,1,2)
c)
(3,0,-2),(2,-1,1)
d)
(1,1,0),(1,0,1),(0,1,1)
LGEBRA LINEAL
136
ESPACIOS VECTORIALES
3.
S (1,1), ( 2,3) . En R 2 .
b)
c)
1 1
S 2 , 2 . En M 3x1 .
3 3
d)
S 1 x,3 x 2 , x 2 x 1 . En P2 x .
e)
1 0 1 2 4 1 2 5
,
,
,
. En M 2 x 2 .
S
1 0 0 0 3 0 6 0
LGEBRA LINEAL
137
ESPACIOS VECTORIALES
4.
S (1,2,1,2), (0,1,2,3. En R 4 .
b)
2
S 1 t , 1 t . En P2 t .
c)
1
S 2 . En M 3 1 .
3
LGEBRA LINEAL
138
ESPACIOS VECTORIALES
5.
6.
1 1 1 0 0 1
,
,
1
1
1
a)
Calcular S .
b)
LGEBRA LINEAL
139
ESPACIOS VECTORIALES
7.
1 1
Sea el conjunto S 1 , 0 del espacio vectorial M 3x1 .
0 1
a)
Hallar S .
b)
1
Probar que la matriz F 2 pertenece a S .
3
c)
LGEBRA LINEAL
140
ESPACIOS VECTORIALES
8.
b)
1 0 1
T 1, 1 , 0 . En M 3x1 .
1 1
c)
S 1 x x 2 , 1 x x 2 , x x 2 . En P2 x .
LGEBRA LINEAL
141
ESPACIOS VECTORIALES
9.
10.
LGEBRA LINEAL
142
ESPACIOS VECTORIALES
11.
LGEBRA LINEAL
143
ESPACIOS VECTORIALES
12.
(1,1,0), (3,4,2
LGEBRA LINEAL
144
ESPACIOS VECTORIALES
13.
t 2 1, t 2, t 3
2t 2 t, t 2 3, t
2t 2 t 1,3t 2 t 5, t 13
LGEBRA LINEAL
145
ESPACIOS VECTORIALES
14.
Sea el espacio vectorial de las funciones continuas de valor real. Hacer lo mismo
que en el ejercicio 12.
a)
b)
c)
cos t , sent , e
t , e , sent
cos t , sen t , cos 2t
t
LGEBRA LINEAL
146
ESPACIOS VECTORIALES
BASES Y DIMENSION
1.
sea base.
a)
b)
c)
LGEBRA LINEAL
147
ESPACIOS VECTORIALES
2.
3.
El vector (1,0,2)
b)
LGEBRA LINEAL
148
ESPACIOS VECTORIALES
4.
1 1
0 1
y B
a b
, tales que AM MB
Determinar las matrices M
c d
b)
c)
d)
LGEBRA LINEAL
149
ESPACIOS VECTORIALES
5.
1 1
Sea la matriz A
1
1
a)
a b
tales que AM O .
Determinar las matrices M
c d
b)
c)
d)
LGEBRA LINEAL
150
ESPACIOS VECTORIALES
6.
b)
LGEBRA LINEAL
151
ESPACIOS VECTORIALES
7.
W p (t ) at 2 bt c p (t ) p (1 t )
LGEBRA LINEAL
152
ESPACIOS VECTORIALES
8.
a b c 0
W p ( x ) ax 2 bx c
b c 0
2a b c 0
LGEBRA LINEAL
153
ESPACIOS VECTORIALES
9.
a b a b c
0
c d 0
c d a
a)
b)
LGEBRA LINEAL
154
ESPACIOS VECTORIALES
10.
W p ( x ) ax 3 bx 2 cx d
abc
LGEBRA LINEAL
155
ESPACIOS VECTORIALES
11.
B t 2 t 1, t 2,1 , C t 2 , t ,1
a)
b)
Hallar p (t ) B si p(t ) t 2t 1
2
Encontrar p (t ) C si p (t ) B
LGEBRA LINEAL
1
1
3
156
ESPACIOS VECTORIALES
12.
a b c 0
a b c d 0
W1 (a, b, c, d )
y W2 (a, b, c, d )
a b d 0
2a c d 0
a)
Determinar W1 W2 .
b)
c)
LGEBRA LINEAL
157
ESPACIOS VECTORIALES
13.
W1 (1,2,3), (01,1
a)
Hallar W1 explcitamente.
b)
LGEBRA LINEAL
158
ESPACIOS VECTORIALES
14.
W 2 ( x, y ) 5 x 4 y 0
a)
b)
Hallar W1 W2 , W1 W2 y W1 W2 .
Establecer si W1 W2 es subespacio vectorial de R 2 .
c)
Determinar si R 2 W1 W2 .
LGEBRA LINEAL
159
ESPACIOS VECTORIALES
15.
LGEBRA LINEAL
160
ESPACIOS VECTORIALES
16.
a)
Calcular W1 W2 , W1 W2 y W1 W2 .
b)
c)
LGEBRA LINEAL
161
ESPACIOS VECTORIALES
17.
2 z y 3 z w 0
x
2 z 2w 0
x 2 y 4 z 2w 0
y zw0
a)
b)
c)
d)
LGEBRA LINEAL
162
ESPACIOS VECTORIALES
18.
a b c 0 x
2z w 0
x 2 y 4 z 4w 0
x y 3z w 0
a)
b)
c)
d)
LGEBRA LINEAL
163
PRODUCTO INTERNO
Captulo 5
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial, un producto interno sobre V ,
es una funcin que asigna a cada par de vectores u, v V , un escalar
u, v V (u, v) (v, u )
2.
u V (u , u ) 0 u 0V u 0V
3.
4.
u, v, w V (u v, w) (u, w) (v, w)
EJEMPLOS
1.
Sea ( R n , R,,.) u , v R n
u a1 , a 2 , , a n
v b1 , b2 , , bn
n
i 1
2.
Rn
Sea (C n , C ,,.) u , v C n
u z1 , z 2 , , z n
v w1 , w2 , , wn
LGEBRA LINEAL
164
PRODUCTO INTERNO
3.
Sea M n , R,. A, B M n
A, B Tr ( B t A)
4.
Sea M n , C ,. A, B M n
A, B Tr B * A
5.
( f , g ) f (t ) g (t )dt
a
6.
Sea F
a, b
( f , g ) f (t ) g (t ) dt
a
7.
Sea Pn x , R, ,. p( x), q( x) Pn x
p ( x ) a0 a1x an x n
q ( x ) b0 b1x bn x n
NORMA DE UN VECTOR
Sea el espacio vectorial (V , K ,,)
u V
u (u , u )
Terminologa
u se lee: norma de u .
LGEBRA LINEAL
165
PRODUCTO INTERNO
Observacin. Al referirse a los espacios euclidianos R, R 2 , R 3 , la norma, es un nmero
real que representa la distancia entre el origen y el extremo del vector.
TEOREMAS
Sea (V , K ,,) un espacio vectorial definido con producto interno.
1.
Si u 0V , u 0
2.
Si u 0V , u 0
3.
u u
4.
5.
(u , v) u v
Desigualdad de Cauchy-Schwartz
uv u v
Desigualdad triangular
DEMOSTRACIONES
1.
Si u 0V , u 0
Si u 0V , (u, u ) 0
Si (u, u ) 0 , (u , u ) 0
Si
3.
(u , u ) 0 , u 0
u u
u u
( u , u )
2 ( u, u )
2 (u, u )
(u, u )
u
5.
uv u v
uv
u v, u v
166
PRODUCTO INTERNO
u 2 Re(u, v) v
2
u 2 (u, v) v
2
u 2u v v
2
u v
21
Por lo tanto:
uv u v
TEOREMA 6
Sea (V , K ,,) un espacio vectorial definido con producto interno,
u , v V , u 0V , v 0V K R
es el ngulo formado por u y v , entonces
cos
(u , v)
u v
DEMOSTRACION
uv
u v 2 u v cos
uv
(u v, u v)
u 2(u, v) v
2
(1)
(2)
Re( z ) z
Re(u , v ) (u , v ) u v ,
z z 2 Re( z )
LGEBRA LINEAL
(Teorema 4)
167
PRODUCTO INTERNO
u v 2 u v cos u 2(u, v) v
2
Simplificando:
u v cos (u , v) 2
u
VECTORES ORTOGONALES
Sea (V , K ,,) un espacio vectorial definido con producto interno, u, v V , u y v son
ortogonales si y solamente s su producto interno es igual a cero, es decir,
cos
(u , v)
0
u v
Observacin.
El vector nulo se considera ortogonal a todo vector v V .
PROYECCIN ORTOGONAL
El vector w es la proyeccin ortogonal de v sobre u si y solamente si (v w, w) 0 .
CLCULO DE w
Segn la figura anterior:
w es paralelo a u , entonces
w u
(v w, w) 0 , pues v w es ortogonal a w .
LGEBRA LINEAL
(1)
168
PRODUCTO INTERNO
(v u , u ) 0
(v, u ) (u, u ) 0
(v, u )
(u , u )
(2)
w ( v, u )
u
u
CONJUNTO ORTOGONAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V .
T es un conjunto ortogonal si y solamente s:
u, v T , (u v) (v, u ) 0
Ejemplo
Sea T R 3
T (1,0,0), (0,2,0), (0,0,1) es ortogonal.
TEOREMA 7
Sea (V , K ,,) un espacio vectorial con producto interno, T V
Si T es ortogonal, entonces es linealmente independiente.
DEMOSTRACION
Sea T t1 , t 2 , , t n conjunto ortogonal
1 t1 2 t 2 n t n 0 V
(0 V , t i ) 0 ,
donde 1 i n
( 1t1 2 t 2 n t n , t i ) 0
1 (t1 , t i ) 2 (t 2 , t i ) n (t n , t i ) 0 ,es decir,
i (t i , t i ) 0
i 0
LGEBRA LINEAL
169
PRODUCTO INTERNO
Si i 0 , entonces T es linealmente independiente.
Corolario
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
conjunto ortogonal, entonces se cumple que si T tiene n vectores, T es base ortogonal
de V.
VECTOR UNITARIO
Sea u V . Se dice que u es un vector unitario si su norma es igual a 1.
NORMALIZACIN DE UN VECTOR
Sea u V
u
1
u
CONJUNTO ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
ortogonal, entonces se cumple que: Si u V es unitario, entonces T es ortonormal.
BASE ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , entonces
Si T es conjunto ortonormal y es base de V , entonces T es base ortonormal de V.
Ejemplos
1.
Sea el conjunto T R 2
T (1,0), (0,1) i , j es base ortonormal de R 2 .
2.
Sea el conjunto T R 3
T (1,0,0), (0,1,0), (0,0,1) i , j , k es base ortonormal de R3 .
LGEBRA LINEAL
170
PRODUCTO INTERNO
DEMOSTRACION
1.
DimW 2
(1)
(t 2 , s1 ) ( 1 s1 2 s 2 , t1 )
( 1t1 2 s 2 , t1 )
t2 ,t1 1 (t1 , t1 ) 2 ( s 2 , t1 )
0 1 (t1 , t1 ) 2 ( s 2 , t1 )
1 2
( s 2, t1 )
(2)
(t1 , t1 )
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
(Teorema 7)
T es base de W
t
t
T ' 1 , 2 es base ortonormal de W .
t1 t 2
2.
DimW 3
t 3 1 t1 2 t 2 3 s 3
(t 3 , t1 ) ( 1t1 2 t 2 3 s3 , t1 )
LGEBRA LINEAL
(1)
171
PRODUCTO INTERNO
0 1 t1 , t1 2 t2 , t1 3 s3 , t1 ,
de donde:
1 3
( s 3 , t1 )
(t1 , t1 )
(2)
(t 3 , t 2 ) ( 1t1 2 t 2 3 s3 , t 2 )
0 1 t1 , t2 2 t2 , t2 3 s3 , t2
2 3
( s3 , t 2 )
(t 2 , t 2 )
(3)
(s , t )
(s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 )
(t1, t1 )
( DimV n ), luego se
normalizan todos los vectores obteniendo una base ortonormal del espacio vectorial.
PRODUCTO CRUZ EN R3
Sean u, v R 3 tales que u a1 , a 2 , a3 y v (b1 , b2 , b3 ) , el producto cruz entre u y v
se define por:
a2b3 a3b2
172
PRODUCTO INTERNO
Ejemplo
Sea el espacio vectorial R 4 . S R 4 . S s1 , s2 , s3 base de R 4 .
s1 (1,1,1,1) , s 2 (1,1,1,1) , s3 (1,1,1,1)
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
t 2 2 (1,1,1,1)
(1,1,1,1)
4
t 2 2 (1,1,1,1) (1,1,1,1)
2
2 2
t 2 2(1,1,1,1)
(1,1,1,1) (3,1,1,1)
4
(s , t )
(s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 )
(t1, t1)
2
2
1
1
t3
6
4
6
1
1
4
6
2
t 3 (0,1,1,2)
T (1,1,1,1), (3,1,1,1), (0,1,1,2 es base ortogonal
t1 4
t 2 12 2 3
t3 6
1
1
T*
(1,1,1,1),
(3,1,1,1),
(0,1,1,2 es base ortonormal.
2 3
6
4
LGEBRA LINEAL
173
PRODUCTO INTERNO
DEFINICIN
Ejemplo
Sea el espacio vectorial R 3 .
a)
b)
c)
Solucin:
a)
W v x, y, z R3 : v, u 0
v, u 5 x 3 y 2 z 0
3
2
W v x, y, z R3 : x y z
5
5
b)
i.
R3
r,0 0
R3
ii.
R, v, w W | v w W
u , v w u , v u , w
u , v w u , v u , w
u , v w 0
Por i. y ii. W es subespaio vectorial de R 3 .
c)
2
3
v y z , y, z
5
5
3 2
v y ,1,0 z ,0,1
5 5
Dim W 2
LGEBRA LINEAL
174
PRODUCTO INTERNO
DEFINICIN
W u V : w W , u, w 0
Ejemplo
Sea el espacio vectorial R 4 . W R 4
W u x, y, z, w R 4 : x y 3z w 0
a)
Hallar W .
b)
Demostrar que R 4 W W .
Solucin:
a)
u y 3 z w , y , z , w
u y 1,1,0,0 z 3,0,1,0 w 1,0,0,1
B es base de W
W se obtiene de : v, u1 0 , v, u2 0 , v, u3 0
De donde
x' y ' 0
3 x' z ' 0
x' w' 0
y ' x'
z ' 3 x'
w' x'
W v x' , y' , z ' , w' R 4 : y' x' , z ' 3x' , w' x`'
tambin: v x ' , x ' ,3 x ' , x ' x ' 1,1,3,1
W 1,1,3,1
b)
LGEBRA LINEAL
175
PRODUCTO INTERNO
PROBLEMAS PROPUESTOS
1.
producto interno en P1 t .
LGEBRA LINEAL
176
PRODUCTO INTERNO
2.
LGEBRA LINEAL
177
PRODUCTO INTERNO
3.
b)
1 3
0 8
2 1
, B
, C
LGEBRA LINEAL
178
PRODUCTO INTERNO
4.
cumplen que u v u v
5.
uv uv
2
LGEBRA LINEAL
2u 2v
2
179
PRODUCTO INTERNO
6.
7.
b)
LGEBRA LINEAL
180
PRODUCTO INTERNO
8.
LGEBRA LINEAL
181
PRODUCTO INTERNO
9.
LGEBRA LINEAL
182
PRODUCTO INTERNO
10.
f contnua
LGEBRA LINEAL
183
PRODUCTO INTERNO
11.
W ( x, y , z ) 2 x y 2 z 0
b)
W ( x, y , z ) x 2 y z 0
c)
W (1,1,1), (1,2,3)
LGEBRA LINEAL
184
PRODUCTO INTERNO
12.
13.
a)
b)
b)
LGEBRA LINEAL
185
PRODUCTO INTERNO
14.
a b a 2b c d 0
a b 2c 0 , y W2
W1
b 3c d 0
c d
c d
a)
Calcular W1 W2 , una base y su dimensin.
b)
A, B Tr A.B t .
LGEBRA LINEAL
186
PRODUCTO INTERNO
15.
p ( x), q ( x) p x q x dx .
0
LGEBRA LINEAL
187
PRODUCTO INTERNO
16.
1 2
A
2 3
Hallar el conjunto complemento ortogonal de A , esto es, A .
LGEBRA LINEAL
188
PRODUCTO INTERNO
17.
LGEBRA LINEAL
189
TRANSFORMACIONES LINEALES
Captulo 6
TRANSFORMACIONES LINEALES
DEFINICIN
Sean V y W dos espacios vectoriales definidos sobre el mismo
campo. Una funcin L de V en W que asigna a cada vector v V ,
un vector L(v) W es una transformacin lineal, si y slo si,
L (v i v j ) L (v i ) L (v j )
2.
L(vi ) L(vi )
K , vi , v j V | Lvi v j Lvi Lv j
Grficamente:
Notacin
Se escribe L : V W para indicar que L transforma el espacio vectorial V en el
espacio vectorial W .
Terminologa
A las transformaciones lineales suele llamrseles operadores o aplicaciones lineales.
LGEBRA LINEAL
190
TRANSFORMACIONES LINEALES
TEOREMA 1
Sea L : V W una transformacin lineal, entonces se cumple que:
1.
L (0 V ) 0 W
2.
DEMOSTRACION
1.
L( vi ) L(vi )
0
vi 0V
L (0 V ) 0 W
2.
NCLEO
Sea L : V W una transformacin lineal, entonces el ncleo de L , notado por N (L) ,
es el subconjunto de V , que contiene todos los elementos v V , tales que sus imgenes
son iguales al vector nulo de W . As:
N ( L) v V | L(v) 0W
TEOREMA 2
Sea L : V W una transformacin lineal, entonces se cumple que:
El ncleo de L es un subespacio vectorial de V .
LGEBRA LINEAL
191
TRANSFORMACIONES LINEALES
DEMOSTRACION
1.
0V N ( L )
L (0 V ) 0 W
0V N ( L )
2.
K , vi , v j N ( L) vi v j N (L)
L(vi v j ) L(vi ) .L(v j )
0W
0W
0W
Grficamente:
V
N (L)
IMAGEN
Sea L : V W una transformacin lineal, entonces la imagen de L , notada por Im(L) ,
es el subconjunto de W , que contiene todos los elementos wW , que son imgenes de
vectores v V debidas a la transformacin L . As:
Im(L) w W v V , L(v) w
Se debe destacar que las definiciones de ncleo e imagen son muy importantes en el
estudio de las transformaciones lineales.
LGEBRA LINEAL
192
TRANSFORMACIONES LINEALES
TEOREMA 3
Sea L : V W una transformacin lineal, entonces se cumple que:
La imagen de L es un subespacio vectorial de W .
DEMOSTRACION
1.
0W Im(L)
L (0 V ) 0 W
0W Im(L)
2.
K , wi , w j Im(L) wi w j Im(L)
Si wi , w j Im(L) , entonces vi , v j V , tales que:
L(vi ) wi
(1)
L (v j ) w j
L (v j ) w j
Sumando (1) y (2)
L(vi ) L(v j ) wi w j
wi w j Im(L)
Grficamente:
LGEBRA LINEAL
(2)
193
TRANSFORMACIONES LINEALES
TEOREMA 4
Una transformacin lineal queda totalmente determinada si se conocen
las imgenes de los elementos de la base del espacio de salida.
Sea L : V W una transformacin lineal, dim V n
DEMOSTRACION
Si S n es base de V y vi V
vi 1v1 2 v 2 n v n
Aplicando el operador lineal L a los dos miembros
TEOREMA 5
Sea L : V W una transformacin lineal, dim V n
DEMOSTRACION
Sea S v1 , v 2 , , v k , una base de N (L) , donde: 1 k n
Se puede extender este conjunto hasta una base de V . Asi:
S v1 , v 2 , , v k , v k 1 , , v n
Sus imgenes son:
L(v1 ), L(v2 ), , L(vk ), L(vk 1 ), , L(vn )
0W
T L(v k 1 ), , L(v n )
P.D. T es base de Im(L)
Se debe demostrar que en conjunto genera y es base de la imagen de L. As:
LGEBRA LINEAL
194
TRANSFORMACIONES LINEALES
1.
T genera Im(L)
Sea wi W tal que vi V
L(vi ) wi
vi 1v1 2 v 2 k v k k 1v k 1 n v n
L(vi ) 1 L(v1 ) 2 L(v 2 ) k L(v k ) k 1 L(v k 1 ) n L(v n )
0W
T es linealmente independiente
k 1 L(v k 1 ) n L(v n ) 0W
L( k 1v k 1 n v n ) 0W
k 1v k 1 n v n N ( L)
k 1v k 1 n v n 1v1 2 v 2 k v k
1v1 2 v 2 k v k k 1v k 1 n v n 0V
i i 0
T es linealmente independiente.
Por las partes 1. y 2. T es base de Im(L)
dim Im(L) n k
Por lo tanto:
L es inyectiva si y slo si vi , v j V :
v1 v j L (v i ) L (v j ) ,
L (v i ) L (v j ) v i v j
2.
L es sobreyectiva si y slo si L (V ) W
dim Im( L ) dim W
3.
LGEBRA LINEAL
195
TRANSFORMACIONES LINEALES
TEOREMA 6
Sea L : V W una transformacin lineal.
L es inyectiva si y slo si N ( L) 0V
DEMOSTRACION
1.
Si L es inyectiva, entonces N ( L) 0V
Por contradiccin:
Se supone que
N ( L) 0V
L (v ) L (0 V )
v 0V
N ( L) 0V
2.
Si N ( L) 0V , entonces L es inyectiva
Por contradiccin:
Se supone que L no es inyectiva
Sean vi , v j V , vi v j
(1)
L (v j ) L (v j )
(2)
L (v j ) L (v j ) 0 W
L (v j v j ) 0W
v j v j 0V
vj vj
Lo que contradice la suposicin, entonces
L es inyectiva.
196
TRANSFORMACIONES LINEALES
Corolario 1
Sea L : V W una transformacin lineal.
Si L es inyectiva, entonces dim N ( L) 0
Corolario 2
Sea L : V W una transformacin lineal.
L biyectiva si:
1.
dim N ( L) 0
2.
Corolario 3
Sea L : V W una transformacin lineal, dim V dim W . Las siguientes proposiciones
son lgicamente equivalentes:
Grficamente:
IGUALDAD
L i , L j L (V ,W )
Li L j vi V : Li (vi ) L j (vi )
LGEBRA LINEAL
197
TRANSFORMACIONES LINEALES
TEOREMA 7
L i , L j L (V ,W ) se cumple que:
Li L j L (V ,W )
DEMOSTRACION
Sean Li , L j L (V ,W )
Sea vi V
Li (vi ) wi
L j (vi ) wi,
Considerando que
Li , L j L (V ,W )
wi , wi, W ,
( Li L j )(vi ) Li (vi ) L j (vi )
wi wi,
wi wi, W
Por lo tanto Li L j L (V ,W ) .
LGEBRA LINEAL
198
TRANSFORMACIONES LINEALES
TEOREMA 8
K, L i L (V ,W ) se cumple que:
Li L (V ,W )
TEOREMA 9
L (V ,W ) definido sobre el campo K , con las operaciones de suma y
producto es un espacio vectorial ( L (V ,W ) , K ,,) .
DEMOSTRACION
Como ejemplo se demuestra el axioma de asociatividad:
Li , L j , Lk L (V ,W ) ( Li L j ) Lk Li ( L j Lk )
( Li L j ) Lk (v) ( Li L j ) Lk (v)
( Li L j )(v) L j (v)
Li (v) ( L j )(v) L j (v)
Li (v) ( Li L j )(v)
Li ( L j Lk )
L j L (V ,W ) , Li L (W , Z ) ( Li oL j )(v) Li ( L j (v))
LGEBRA LINEAL
199
TRANSFORMACIONES LINEALES
Terminologa
Li oL j se lee: Li compuesta L j
TEOREMA 10
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
Li oL j L (V , Z )
DEMOSTRACION
( Li oL j )(v) ( Li oL j )(v)
Li ( L j (v))
Li (w)
z , zZ
Por lo tanto:
Li oL j L (V , Z )
LGEBRA LINEAL
200
TRANSFORMACIONES LINEALES
TEOREMA 11
Li L (V ,W ) , Lm , Lk L (W , Z ) , se cumple que:
( Lk Lm )oLi Lk oLi Lm oLi
TEOREMA 12
Li , L j L (V ,W ) , Lk L (W , Z ) , se cumple que:
Lk o( Li L j ) Lk oLi Lk oL j
TEOREMA 13
K , L j L (V ,W ) , Li L (W , Z ) , se cumple que:
1. 1.
2. 2.
Li oL j Li o L j
Li oL j Li oL j
3.
TEOREMA 14
Lk L (V ,W ) , L j L (W , Z ) , Li L ( Z ,U ) , se cumple que:
Li o( L j oLk ) ( Li oL j )oLk
LGEBRA LINEAL
201
TRANSFORMACIONES LINEALES
Li oL j I W y L j oLi I V .
Grficamente:
L j Li 1
Li oL1
i IW
L1
i oLi I V
LGEBRA LINEAL
202
TRANSFORMACIONES LINEALES
TEOREMA 15
Sea L una transformacin lineal invertible de V en W , entonces:
1.
v V : L1 ( L(v)) v
2.
w W : L ( L1 ( w)) w
DEMOSTRACION
1.
( L1oL)(v) ( L1oL)(v)
L1 ( L(v))
L1 ( w)
w
2.
( LoL1 )( w) ( LoL1 )( w)
L( L1 ( w))
L(v)
w
TEOREMA 16
Sea L L (V ,W ) , si L es invertible, entonces
DEMOSTRACION
P.D. L1 ( L(vi ) L(v j )) L1 (( L(vi )) L1 ( L(v j ))
L(vi ), L(v j ) W
( L1oL )(vi v j ) ( L1oL )(vi v j )
L1 ( L((vi v j ))
L1 ( L((vi )) L1 ( L(v j ))
LGEBRA LINEAL
203
TRANSFORMACIONES LINEALES
v i v j
(Teorema 15)
L1 (( L(vi )) L1 ( L(v j ))
TEOREMA 17
Sea la transformacin lineal L L (V ,W ) ,
DEMOSTRACION
1.
L es inyectiva
a)
Sean vi , v j V
Se supone que:
L (v i ) L (v j )
L1 ( L(v j )) L1 ( L(v j ))
vi v j
L es inyectiva
L es sobreyectiva
b)
Sea L L (W ,V ) ,
w W , v V : L1 ( w) v
L( L1 ( w)) L(v)
L (v ) w
L es sobreyectiva
Por a) y b) L es biyectiva
2.
L (v ) w
LGEBRA LINEAL
(1)
204
TRANSFORMACIONES LINEALES
w W , v V H ( w) v
(2)
De (1)
H ( L(v)) H ( w)
H ( L(v)) v
HoL(v) v
HoL I V
(3)
De (2)
L( H ( w)) L(v)
De (1)
L( H ( w)) w
( LoH )( w) w
LoH I W
(4)
x
n
2.
DimN ( L) n Rango de A .
205
TRANSFORMACIONES LINEALES
TEOREMA 18
Sea L una transformacin lineal, dim V n, dim W m .
Bs v1 , v2 , , vn , base ordenada de V
Bl w1 , w2 , , wm , base ordenada de W , entonces
! A M mxn , tal que L(v)Bl Av Bs
DEMOSTRACION
1.
Existencia
Sea v V
v es combinacin lineal de Bs
v 1v1 2 v 2 n v n
vBs
1
2
(1)
(2)
L(v) W
L(v) es combinacin lineal de Bl
L(v) 1 w1 2 w2 n wm
L(v)Bl
1
2
(3)
(4)
De (3)
m
L(v) i wi
i 1
L(v) L( 1v1 2 v 2 n v n )
L(v) 1 L(v1 ) 2 L(v 2 ) n L(v n )
LGEBRA LINEAL
(5)
206
TRANSFORMACIONES LINEALES
n
L (v ) i v j
(6)
j 1
L (v j ) W
L(v j ) es combinacin lineal de Bl
L(v j ) a1 j w1 a 2 j w2 a nj wm
a1 j
a2 j
a
mj
L(v )
j
Bl
L(v j ) aij wi
(7)
i 1
j 1
i 1
L(v) i aij wi
m n
L(v) aij j wi
i 1 j 1
aij j wi
i i
i 1
i 1 j 1
i a ij j
j 1
Desarrollando
i ai1 1 ai 2 2 ain n
Tambin
m a m 1 a m 2 2 a m n
LGEBRA LINEAL
(8)
207
TRANSFORMACIONES LINEALES
Escribiendo matricialmente
1 a11
2 a 21
a
m m1
a1n 1
a 2 n 2
a mn n
a12
a 22
am2
vBs
L(v)Bl
L(v)Bl
Av Bs , donde
A L(v1 Bl
2.
L(v2 Bl
L(vn Bl
Unicidad
Por contradiccin
Se supone que A no es nica, entonces
L(v)Bl
A ' v Bs
(1)
L(v)Bl
Av Bs
(2)
A A'
Lo que contradice la suposicin.
Por lo tanto A es nica.
Ncleo de L :
Av O
LGEBRA LINEAL
208
TRANSFORMACIONES LINEALES
Observaciones
1.
2.
DimN ( L) n Rango de A .
Base
Base
( Li oL j )(v)B3 Li oL j BB13vB1
TEOREMA 19
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
L oL
i
B1
j B3
LGEBRA LINEAL
Li B 3 . L j
B2
B1
B2
Base
dim
209
TRANSFORMACIONES LINEALES
DEMOSTRACION
( L oL (v)
= L ( L (v)
L L (v)
L oL v L .L
L oL L .L
i
B3
( Li oL j (v)
i
B2
i B3
B1
j B3
B1
j B3
B3
B2
i B3
B1
B2
i B3
B3
(Teorema 18)
B2
B1
j B2
B1
j B2
SEMEJANZA DE MATRICES
TEOREMA 20
Sea L : V W una transformacin lineal, dimV n y la dimW m .
B QT1'T . A. PS ' S
DEMOSTRACION
S s1 , s 2 , .s n
T t1 , t 2 , .t n
s S Ps S
t T Qt T
'
'
Si A LT , entonces
S
LGEBRA LINEAL
(1)
(2)
210
TRANSFORMACIONES LINEALES
L( s)T
As S
L( s ) t
(4)
L( s)T
Qt T '
(5)
QL( s )T ' As S
(6)
(7)
L(s)T
LTS
'
'
'
Q 1 APs S '
Q 1 AP
Grficamente:
vi S
S
T
A L
L(vi ) T
Q
vi S '
LGEBRA LINEAL
S'
T
'
B L
L(vi ) T '
211
TRANSFORMACIONES LINEALES
1.
2.
Adems:
3.
4.
Corolario
Sea L : V V una transformacin lineal y sean S , S ' bases ordenadas de V con matriz
S'
de cambio de base PS ' S de S ' a S . Entonces si B L S ' y A L SS
B P S 1' S . A. P S ' S
DEFINICIN
Sean las matrices A, B M n xn , B es semejante a A si existe una
matriz P invertible, tal que, B P 1 AP .
TEOREMA 21
Sean
LGEBRA LINEAL
212
TRANSFORMACIONES LINEALES
Observaciones
1.
f es
213
TRANSFORMACIONES LINEALES
PROBLEMAS PROPUESTOS
1.
f :RR
x y f ( x)
a)
f ( x) x 2
b)
f ( x) ax b , si : i) b 0 ii) b 0
c)
f ( x) senx
d)
f ( x) e x
e)
f ( x) x
LGEBRA LINEAL
214
TRANSFORMACIONES LINEALES
2.
f : R2 R2
a)
b)
x, y f x, y x y , x 2 y
f : Mn Mn
A f ( A) At
F :V R
c)
f F ( f ) f ( x)dx
a
LGEBRA LINEAL
, donde V f a , b R : f es contnua
215
TRANSFORMACIONES LINEALES
3.
Sea la funcin
f :
R4
P1 x
(a, b, c, d) f ( a, b, c, d ) a b d a c d x
a)
b)
LGEBRA LINEAL
216
TRANSFORMACIONES LINEALES
4.
Dada la funcin
f :
R 2 P1 x
(a, b) f (a, b) (a b) (b 2a) x
a)
b)
c)
d)
f es inyectiva, es sobreyectiva?
LGEBRA LINEAL
217
TRANSFORMACIONES LINEALES
5.
Hallar T ( x, y, z ) explcitamente.
b)
c)
LGEBRA LINEAL
218
TRANSFORMACIONES LINEALES
6.
B 1 x,1 x 2 , x x 2
f 1 x 0,1,1
f x x 1,1,0
f 1 x 2 1,0,1
2
Hallar:
a)
f (a bx cx 2 ) explcitamente.
b)
c)
LGEBRA LINEAL
219
TRANSFORMACIONES LINEALES
7.
P2 x
a bx cx 2
R3
f a bx cx 2 a b c, a b c, a b c
a)
b)
Calcular f 1 para 0 .
LGEBRA LINEAL
220
TRANSFORMACIONES LINEALES
8.
2x y 2z
x 2z
f ( x, y, z )
2 x y 2 z 3x y ( 1) z
donde M es el espacio vectorial de las matrices simtricas de orden 2x2.
a)
b)
Encontrar la inversa de f si 0 .
LGEBRA LINEAL
221
TRANSFORMACIONES LINEALES
9.
b)
Hallar A f BB12 .
c)
Si
f (u )B 2
LGEBRA LINEAL
1
3 hallar u . Sugerencia: u B1 A 1 f (u )B 2 .
1
222
TRANSFORMACIONES LINEALES
10.
c d
Ms
a b c
a b a b
f
a c
c d a b c
x
B1
0 0 1 0 0 1
0 1 1 0 0 1
b)
Encontrar
LGEBRA LINEAL
2 1
.
1 0
f ( E ) B2 , conociendo que E
223
TRANSFORMACIONES LINEALES
11.
Si
a)
b)
Encontrar L( x, y, z )
c)
d)
LGEBRA LINEAL
224
TRANSFORMACIONES LINEALES
12.
R3
R3
x, y , z L x, y , z x 2 y
, x 3 y 5 z ,2 x 3 y z
a)
b)
c)
LGEBRA LINEAL
225
TRANSFORMACIONES LINEALES
13.
L:
P2
P2
p(x)
a)
b)
Hallar L1
c)
C 1, x, x 2 y B 1 x, x x 2 ,1 x 2 son bases de P2 .
d)
LGEBRA LINEAL
226
TRANSFORMACIONES LINEALES
14.
Encontrar f ( x, y, z )
b)
c)
d)
LGEBRA LINEAL
227
TRANSFORMACIONES LINEALES
15.
A f
B1
B2
1 1
1
1 1 1
1 1
1
a)
Calcular explcitamente f L P2 t , R 3 .
b)
LGEBRA LINEAL
228
TRANSFORMACIONES LINEALES
16.
R3
R3
x, y , z f x, y , z x
g:
R3
R3
x, y , z f x, y , z x
a)
b)
Calcular B g CC y C f CC
c)
Verificar que A BC
LGEBRA LINEAL
z,
y z, x y
, x y , x y z
229
TRANSFORMACIONES LINEALES
17.
gof ( p(t )) g ( f ( p(t )) g ( p(0), p' (1)) ( p(0), p' (1), p(0) p' (1)) , y las bases
B1 1 t , t , t 2
B2 (1,1), (1,2)
b)
LGEBRA LINEAL
230
TRANSFORMACIONES LINEALES
18.
1 1
1 1 0
1
A f B
0
B2
a)
Hallar f explcitamente.
b)
c)
LGEBRA LINEAL
1
2 .
1
231
TRANSFORMACIONES LINEALES
19.
c d
R2
a b
a b c, b c d
f
c d
a)
b)
c)
1
1
Determinar f (E ) usando a). Si E B .
0
2
LGEBRA LINEAL
1 0 0 1 0 0 0 0
,
,
,
base ordenada de M 2
B
0 1 1 0 1 1 0 1
232
TRANSFORMACIONES LINEALES
20.
B 1 x, x, x x 2 y S 2,1 x, x 2
a)
b)
LGEBRA LINEAL
p ( x)S
si
p( x)B
2
1 y determinar p (x ) .
1
233
TRANSFORMACIONES LINEALES
21.
g (v1 , v2 , v3 ) (v1 v3 , v2 v3 )
a)
b)
Expresar A f CC .
c)
Hallar B g CB .
d)
Encontrar E hB .
B
LGEBRA LINEAL
234
TRANSFORMACIONES LINEALES
22.
a)
b)
c)
Verificar que P Q 1 .
d)
e)
2
B1
Mostrar que B P 1 A P , donde B f B
B 2 , A f B1 , y adems
f ( x, y , z ) ( 2 y , 3 x y ) .
LGEBRA LINEAL
235
TRANSFORMACIONES LINEALES
23.
a)
b)
c)
Verificar que P Q 1 .
d)
e)
2
B1
Mostrar que B P 1 A P , donde B f B
B 2 , A f B1 , y adems
f ( x, y , z ) ( 2 y z , x 4 y , 3 x ) .
LGEBRA LINEAL
236
TRANSFORMACIONES LINEALES
24.
f( 1, 1 ) ( 2 ,1 ) y f ( 2,3) (3,1)
a) Calcular f explcitamente.
b) Hallar la matriz A f CC . C es la base cannica de R 2 .
c) Encontrar la matriz B f SS usando la matriz de cambio de base.
S (1,1), ( 1,1) es base de R 2 .
LGEBRA LINEAL
237
TRANSFORMACIONES LINEALES
25.
f : R2 R2
x, y f x, y x, y
LGEBRA LINEAL
238
TRANSFORMACIONES LINEALES
26.
f : R3 R3
x, y , z f x, y , z ( 2 x z , x y z , z )
, y
C la base cannica de R 3
S (1,0,11), (0,1,0), (1,1,0) base ordenada de R 3
a)
Hallar A f CC .
b)
c)
LGEBRA LINEAL
239
TRANSFORMACIONES LINEALES
27.
2 1 1
B
A f C
3 2 3
B e1 , e2 , e3 es base cannica R 3
C f 1 , f 2 es base cannica R 2
a)
e2 ' e1 e3
e3 ' e1 e2
b)
Calcular f CB '
Si C ' f 1 ' , f 2 ' donde
1
f1 ' f1 f 2
2
1
f 2 ' f1 f 2
2
Calcular f CB ''
LGEBRA LINEAL
240
TRANSFORMACIONES LINEALES
28.
2 3
B
A f C
1 1
B (1,1), ( 2,3) es base R 3
C e1 , e 2 es base cannica R 2
B ' e1 , e 2 es base cannica R 2
C ' (1,1), ( 2,1) es base R 3
LGEBRA LINEAL
241
VALORES Y VECTORES PROPIOS
Captulo 7
VALORES Y VECTORES PROPIOS
DEFINICIN
Sean L L (V ,V ) , (V , K ,,) , K
es valor propio de L , si y solo s v 0V , v V , tal que,
L (v ) v .
v V , v 0V , es vector propio de L asociado con el valor propio
.
Grficamente:
Observaciones
1.
0V no es un vector propio
2.
0 si es un valor propio
LGEBRA LINEAL
242
VALORES Y VECTORES PROPIOS
Notacin
TEOREMA 1
DEMOSTRACION
1.
0 V V
Si cumple por definicin
2.
K , u , v V u v V
L(u ) u
(1)
L (v ) v
(2)
(3)
L(u v) u v
(u v)
u v VK
AX X
LGEBRA LINEAL
243
VALORES Y VECTORES PROPIOS
TEOREMA 2
Sean L L (V ,V ) , (V , K ,,) , A LS y X M nx1 , entonces
S
DEMOSTRACION
1.
L(v)S vS
Av S v S
AX X
es un valor propio de A
2.
TEOREMA 3
Si es un valor propio de A , V CS ( I A) X O tambin
V CS ( A I ) X O
DEMOSTRACION
Si es un valor propio de A , entonces
AX X
X AX O
( I A) X O
CS X ( I A) X O
(1)
V X (I A) X O 0 nK 1
(2)
244
VALORES Y VECTORES PROPIOS
V CS ( I A) X O
Corolario 1
DimV n Rango ( I A) n Rango ( A I )
Corolario 2
es valor propio de A si y slo si det( I A) 0 det( A I ) 0
TEOREMA 4
Sea A M nxn y sean 1 , 2 , , n valores propios diferentes de A , con
sus vectores propios asociados v1 , v 2 , , v n , entonces v1 , v 2 , , v n es
linealmente independiente.
DEMOSTRACION
Se demuestra por induccin
1.
Si n 2
v1 , v 2 son vectores propios asociados a los valores propios 1 , 2
1v1 2 v 2 0V
(1)
1 Av1 2 Av 2 0V
11v1 2 2 v 2 0V
(2)
11v1 2 1v 2 0V
Restando (3)-(2)
2 1v 2 2 2 v 2 0V
2 (1 2 )v 2 0V
2 0 , ya que, 1 2 , y
v 2 0V (vector propio)
LGEBRA LINEAL
(3)
245
VALORES Y VECTORES PROPIOS
De (1)
1 0
v1 , v 2 es linealmente independiente.
2.
nk
1v1 2 v 2 n nv n 1vv 1 0V
(4)
1v1 A 2 v2 A n vn A n 1vn 1 A 0V
11v1 2 2 v 2 n n v n n 1 n 1v n 1 0V
(5)
1 n 1v1 2 n 1v 2 n n 1 nv n 1 n 1v n 1 0V
Restando (6) de (5)
1 (1 n 1 )v1 2 ( 2 n 1 )v 2 n ( n n 1 )v n 0V
n 1 0 , por lo tanto
p( ) det(I A) det( A I )
p( ) det(I A) det( A I ) 0
LGEBRA LINEAL
(6)
246
VALORES Y VECTORES PROPIOS
n 1
n2
tr2 ( A)
n 3
tr3 ( A) 0 det A
siendo tri ( A) la suma de todos los menores de orden i que contienen en su diagonal
principal, i elementos de la diagonal principal de A .
TEOREMA 5
K es un valor propio de A M nxn
si y solo si es raz de la
ecuacin caracterstica de A .
DEMOSTRACION
a)
p( ) det(I A) det( A I ) 0
MULTIPLICIDAD ALGEBRAICA
Sea A M nxn y p ( ) 1 n1 2 n 2 n nr 0 su ecuacin caracterstica
y 1 , 2 , , n son races de p y las mismas son de multiplicidad algebraica (MA)
n1 , n 2 , , n r .
MULTIPLICIDAD GEOMTRICA
DimVi MGi
LGEBRA LINEAL
247
VALORES Y VECTORES PROPIOS
Observacin
MGi MAi
DEFINICIN
Sean A, B M nxn . A es semejante a B si existe una matriz P
invertible, tal que, B P 1 AP .
DEFINICIN
Sea A M nxn . A es diagonalizable si existe una matriz diagonal D tal
que, A es semejante a D , es decir, D P 1 AP .
TEOREMA 6
Sean A M nxn una matriz asociada a L y L L (V ,V ) entonces, A es
diagonalizable si y slo si existe una base del espacio vectorial M nx1 ,
formada por vectores propios de A .
DEMOSTRACION
a)
Si
D P 1 AP
Multiplicando a los dos miembros de la igualdad anterior por P , se obtiene
LGEBRA LINEAL
248
VALORES Y VECTORES PROPIOS
PD AP
Se escriben D y P en forma desarrollada
1
b11
b21
P
b j1
b
n1
b12
b1 j
b22
b2 j
b j2
b jj
bn 2
bnj
b1n
b2 n
b jn
bnn
P.D j
(1)
A.Pj
(2)
P.D j A.Pj
(3)
b1 j
b2 j
P.D j j
b jj
b
nj
P.D j j Pj
De (3)
A.Pj j Pj
249
VALORES Y VECTORES PROPIOS
b)
v 1v p1 2 v p 2 n v pn
L(v) 1 L(v p1 ) 2 L(v p 2 ) n L(v pn )
(1)
(2)
Reordenando
L(v) (11 0. 2 0. n )v p1 (0.1 2 . 2 0. n )v p 2
(0.1 0. 2 n n )v pn
Escribiendo matricialmente
L(v)S
1 1 0. 2 0. n
0. 1 2 2 0. n
0. 0. .
2
n
n
1
1
1
2
L(v)S
n
n
DL S
S
LGEBRA LINEAL
v S
250
VALORES Y VECTORES PROPIOS
L(v)S
Dv S
A es semejante a D , entonces
A es diagonalizable.
Corolario 1
Si An tiene n vectores propios, entonces An es diagonalizable ( MGi MAi )
Corolario 2
Si An es diagonalizable, la matriz diagonal semejante a An tiene en su diagonal los
valores propios de An .
Observacin
Si vi c son las coordenadas del vector vi en la base cannica C , entonces vi s son
las coordenadas del vector vi en la base de vectores propios S de A y forman la matriz
P.
AL C
C L (v )
vi C
i C
P 1
D L S
S L (v )
vi S
i S
TEOREMA 7
Todas las races de la ecuacin caracterstica de una matriz real y
simtrica son reales.
LGEBRA LINEAL
251
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Se supone que existen valores propios C de A M ( R ) nxn tales que
AX X
_____
_____
AX .X
____
__ ____
A X . X
(1)
__ ____
X tA X X t . X
____
__
____
____
__
____
____
__
____
( X t A) X . X t X
( AX t ) X . X t X
( X ) t X . X t X
____
__
____
X t X .X t X
__
TEOREMA 8
Si A M nxn es matriz simtrica, entonces los vectores propios
asociados a valores propios distintos de A son ortogonales.
DEMOSTRACION
Sean X 1 y X 2 vectores propios de A con valores propios 1 y 2 , tales que:
AX 1 1 X 1
(1)
AX 2 2 X 2
(2)
1 ( X 1 , X 2 ) 1 ( X 1 , X 2 )
(1 X 1 , X 2 )
(3)
252
VALORES Y VECTORES PROPIOS
1 ( X 1 , X 2 ) ( AX 1 , X 2 )
( X 1 , AX 2 )
(4)
(Hiptesis)
(X1, X 2 ) 0
DEFINICION
Una matriz cuadrada A es ortogonal si su matriz inversa es igual a su
transpuesta, esto es, A 1 A t .
TEOREMA 9
Sea A M nxn , A es ortogonal si y slo si las columnas y las filas de A
forman un conjunto ortonormal de vectores de R n .
TEOREMA 10
Si A es una matriz real y simtrica, entonces existe una matriz
ortogonal P , tal que P 1 AP P t AP D . En consecuencia se dice que
la matriz A es ortogonalmente diagonalizable.
LGEBRA LINEAL
253
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Si A es una matriz real y simtrica, existe una base de vectores de M nx1 , (Teorema 6)
existe una base de vectores ortonormales de M nx1 , entonces existe una matriz P
ortogonal, tal que, P 1 P t , donde P 1 AP P t AP D .
TEOREMA 11
Sea la matriz A M ( R) n .
Si A es simtrica, entonces es diagonalizable.
PROPIEDADES
Sea A M nxn
1.
2.
3.
4.
5.
6.
8.
9.
10.
LGEBRA LINEAL
254
VALORES Y VECTORES PROPIOS
P( A) O.
DEMOSTRACION
Q ( ) 0 1 2 2 n n , donde 1 son coeficientes matriciales cuadrados
P ( ) 0 1 2 2 n n I A
P ( ) 0 A 1 A 2 A2 n An 0 12 2 3 n n 1
Si A
P( A) 0 A 1 A2 2 A3 n An 1 0 A 1 A2 2 A3 nn 1
P ( A) O
//
TEOREMA 13
Toda matriz cuadrada satisface su ecuacin caracterstica, es decir, si
DEMOSTRACION
Considerando que
a11 a12 a1n
a21 a22 a2n
P ( ) I A
an1
an 2 ann
255
VALORES Y VECTORES PROPIOS
P11 ( ) P12 ( ) P1n ( )
P ( ) P ( ) P ( )
n2
nn
n1
Adems:
det I A I adj I A
. I A
det I A I Q ( ). I A
(1)
(2)
Si A
P ( A) O
//
(Teorema 12)
Si A
P ( A) A n a n 1 A n 1 a1 A a0 I O
A 1.P ( A) A n 1 a n 1 A n 2 a1I a0 A 1 O
A1
1
An 1 an 1 A n 2 a1I
a0
Ejemplo
LGEBRA LINEAL
256
VALORES Y VECTORES PROPIOS
Dada la matriz
1 1 4
A 3 2 1
2 1 1
a)
b)
Verificar que P( A) O
c)
Hallar A 1
Solucin:
a)
p ( ) 3 22 5 6 0
b)
P ( A) A3 2 A 2 5 A 6 I O
1 1 4
A 3 2 1
2 1 1
6 1 1
A 7 0 11
3 1 8
11 3 22
A 29 4 17
16 13 5
11 3 22 6 1 1 1 1 4 1 0 0 0 0 0
P( A) 29 4 17 2 7 0 11 5 3 2 1 6 0 1 0 0 0 0
16 13 5 3 1 8 2 1 1 0 0 1 0 0 0
P( A) O
c)
A1
1
A2 2 A 5I
6
1 1 4
A 3 2 1
2 1 1
6 1 1
A 7 0 11
3 1 8
6 1 1 2 2 8 5 0 0
A 1 7 0 11 6 4 2 0 5 0
6
3 1 8 4 2 2 0 0 5
1 3 7
1
A 1 9 13
6
1 3 5
1
LGEBRA LINEAL
257
VALORES Y VECTORES PROPIOS
En forma desarrollada:
Q A ( x) x1
a21 a22 a2n x2
x2 xn
a
n1 an 2 ann xn
Observacin
Q A ( x ) puede ser representada por muchas matrices, pero solo por una matriz simtrica.
Particular
Sea Q A ( x) ax12 bx1 x2 cx22 , su matriz simtrica esta dada por:
a b2
A b
c
2
TEOREMA 12
Sea A M nxn , existe una matriz simtrica A1 , tal que
QA ( x) QA1 ( x) , X t A X X t A1 X
DEMOSTRACION
Sea la matriz
LGEBRA LINEAL
258
VALORES Y VECTORES PROPIOS
A1
t
1
A A
2
A1t
t
1
A A
2
A1t
1 t 1
1
A A A At A1 , entonces
2
2
2
A1 es matriz simtrica.
Sean
t
1
A A
2
(1)
X t A1 X X t A1 X
(2)
A1
X t A1 X X t .
X t A1 X
1
A At X
2
1 t
1
X A X X t At X
2
2
X t AX X t AX t
(3)
(4)
X t A1 X
1 t
1
X A X X t At X t
2
2
X t A1 X
1 t
1
X AX X t AX
2
2
X t A X X t A1 X
//.
TEOREMA 13
Sea A M nxn una matriz simtrica y Q A ( x ) X t A X su forma
cuadrtica asociada. Existe un cambio de variable lineal Y BX , donde
B M nxn , y una matriz diagonal D , tal que Q A ( x ) Q D ( y ) , es
decir, X t A X Y t DY .
LGEBRA LINEAL
259
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Si A es matriz simtrica, existe una matriz P invertible tal que:
A PDP 1 PDP t
(1)
Q A ( x) X t A X
(2)
Q A ( x) X t P D P t X
(3)
Sea P t X Y , entonces
Y t X tP
(4)
Observacin
TEOREMA 14
MATRIZ DE ROTACIN
Sea P una matriz real y ortogonal, entonces
P.P 1 P.Pt 1
P . Pt 1
P.P 1
LGEBRA LINEAL
P 1
P 1
260
VALORES Y VECTORES PROPIOS
cos
P
sen
sen
,
cos
donde 0 2 .
DEFINICIN
Se llaman invariantes de una curva, a todas las expresiones formadas
por los coeficientes de su ecuacin, que no varan al realizar rotaciones
y traslaciones paralelas de los ejes coordenados.
SECCIONES CNICAS
Sea la curva
f x1, x2 a11x12 a12 x1x2 a22 x22 2a1x1 2a2 x2 a 0
X t AX BX a 0
Como A es matriz simtrica es ortogonalmente diagonalizable, por lo tanto
0
P t AP 1
0 2
y
Si X PY , donde Y 1
y2
PY t APY BPY a 0
Y t P t AP Y BPY a 0
1 y12 2 y22 b1 y2 b2 y2 a 0
LGEBRA LINEAL
261
VALORES Y VECTORES PROPIOS
2.
3.
a12
a22
a11
a12
a1
a12
a22
a2
a1
a2
2 0 12 c
0 c
0
0
0
1
1 2
0 2
1z12 2 z22
0 Curva de tipo
elptico
(2)
c
c
Por lo tanto
(1)
s 0 Elipse
s 0 Elipse imaginaria
Curva de tipo
0 Hiprbola
hiperblico
Curva de tipo
0 Parbola
parablico
LGEBRA LINEAL
262
VALORES Y VECTORES PROPIOS
Sus graficas se presentan a continuacin.
Elipse
Hiprbola
Parbola
LGEBRA LINEAL
263
VALORES Y VECTORES PROPIOS
Ejemplo
Dada la forma cuadrtica
2 x1 2 x1 x2 2 x22 9 0
s4
A
2 1
1 2
2 1
1
1
v1 y v2
1
1
1 1
B , base ortogonal, entonces
1 1
1 1 1 1
,
base ortonormal
T*
2 1 2 1
1 1 1
2 1 1
3 0
D
0 1
P 1 P es matriz de rotacin
Y t DY f 0
y1
3 0 y1
9
y 2
0 1 y 2
3 y12 y22 9
1
3
9
LGEBRA LINEAL
264
VALORES Y VECTORES PROPIOS
Resumen
Una de las diferentes propiedades de las transformaciones lineales es la de proteger la
estructura de espacio vectorial. En concreto, si f es una transformacin lineal definida
en el espacio vectorial V de dimensin n en s mismo y W es un subespacio vectorial
de V , se verifica que su transformado es de nuevo subespacio vectorial de V . En
ocasiones, se tiene adems que f (W ) W , por lo que en este caso W permanece
invariante por f . Las nociones que permiten determinar los subespacios invariantes por
una transformacin lineal f son los de valores y vectores propios de f o, exactamente,
dada la correspondencia uno a uno existente entre el conjunto M n y el de las
trasformaciones lineales L (V , V ) , de su matriz asociada A .
Una vez mostrados los mtodos analticos de clculo de valores y vectores propios de
una matriz A (o de la transformacin lineal f que representa) se ilustran diversas
propiedades de ambos conceptos, que son de gran utilidad en el estudio de la
diagonalizacin de una matriz A M n . El indicado problema consiste en determinar
una base de V respecto de la cual la matriz asociada a la transformacin lineal f sea
diagonal. Esta base, que se construye a partir de los vectores propios de A , no siempre
existe, tal como se analiza en este captulo, y por ello no todas las matrices cuadradas
son diagonalizables.
La diagonalizacin de una matriz A permite realizar ciertas operaciones matriciales de
una manera ms sencilla, como sucede con el clculo de la potencia o de la exponencial
de A .
Las formas cuadrticas constituyen un instrumento del lgebra Lineal de gran utilidad y
aplicacin en Estadstica, Econometra, Teora de la Optimizacin, etc. Lo que justifica
su estudio en el mbito de la ingeniera y ciencias.
Una forma cuadrtica, tal como se aprendi, es una funcin con valores propios reales
definida por un polinomio cuadrtico.
Todos estos aspectos se desarrollaron en los conceptos:
Valores y vectores propios.
Propiedades de los valores y vectores propios.
Diagonalizacin de una matriz.
Formas cuadrticas y cannicas.
Aplicaciones.
LGEBRA LINEAL
265
VALORES Y VECTORES PROPIOS
PROBLEMAS PROPUESTOS
1.
2.
3.
1 a
. Calcular los valores de los parmetros a y b para
Dada la matriz A
2 b
que el vector 2,1 sea un vector propio asociado al valor propio 1 5 en la
matriz A . Cul es el otro valor propio en este caso?
4.
LGEBRA LINEAL
266
VALORES Y VECTORES PROPIOS
5.
x, y
f x, y x 2 y ,2 x y
Calcular los valores y vectores propios, una base para cada espacio propio, du
dimensin y una base de vectores propios S tal que f est representada con
respecto a S por una matriz diagonal.
LGEBRA LINEAL
267
VALORES Y VECTORES PROPIOS
6.
Probar que si es un valor propio de una matriz A con vector propio asociado
v y n N es un entero positivo, entonces
7.
1 4
. Hallar los valores y vectores propios de A y A 2 .
Sea la matriz A
2
3
LGEBRA LINEAL
268
VALORES Y VECTORES PROPIOS
8.
1 1 1
1 1
1 , 0
1 1
1
, 1
0
9.
Hallar una matriz A M 3x 3 tal que sus valores propios son 1, 2 2 con
vectores propios asociados v1 1,1,1, y v 2 2,1,1 , y 3 3 con vector
propio asociado v3 1,1,2,
LGEBRA LINEAL
269
VALORES Y VECTORES PROPIOS
10.
11.
todos sus valores propios son iguales a cero entonces A es una matriz nula.
LGEBRA LINEAL
270
VALORES Y VECTORES PROPIOS
12.
rango A 3I 3 1 .
W x, y, x R 3 : 4 x 3 y 0 es un espacio propio de A .
tr ( A) 7 .
LGEBRA LINEAL
271
VALORES Y VECTORES PROPIOS
13.
Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
hallar las matrices D y P , tales que, D P 1 AP .
a)
1 3 3
3 5 3
6 6 4
b)
3 1 1
7 5 1
6 6 2
LGEBRA LINEAL
272
VALORES Y VECTORES PROPIOS
c)
3 1 1
2 2 1
2 2 0
d)
3 2 1
0 2 0
0 0 0
LGEBRA LINEAL
273
VALORES Y VECTORES PROPIOS
14.
Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
hallar las matrices D y P (ortogonal), tales que, D P t AP .
a)
1 0 3
0 2 0
3 0 1
b)
1 2 1
2 0 2
1 2 1
LGEBRA LINEAL
274
VALORES Y VECTORES PROPIOS
c)
3 1 1
1 5 1
1 1 3
d)
0 1 1
1 0 1
1 1 0
LGEBRA LINEAL
275
VALORES Y VECTORES PROPIOS
15.
b)
c)
x12 x22 2 x1 1 0
d)
LGEBRA LINEAL
276
VALORES Y VECTORES PROPIOS
e)
f)
g)
h)
i)
LGEBRA LINEAL
277
VALORES Y VECTORES PROPIOS
16)
d)
LGEBRA LINEAL
278
VALORES Y VECTORES PROPIOS
f)
17)
LGEBRA LINEAL
SIN INGENIEROS
Se muri un Ingeniero y se fue a las puertas del Cielo. Sabido es que los Ingenieros por
su honestidad siempre van al cielo. San Pedro busc en su archivo, pero ltimamente
andaba un poco desorganizado y no lo encontr en el montn de papeles, as que le dijo:
"Lo lamento, no ests en listas...". De modo que el Ingeniero se fue a la puerta del
infierno y le dieron albergue y alojamiento inmediatamente.
Poco tiempo pas y el Ingeniero se cans de padecer las miserias del infierno, y se puso
a disear y construir mejoras. Con el paso del tiempo, ya tenan ISO 9001, sistema de
monitoreo de cenizas, aire acondicionado, inodoros con drenaje, escaleras elctricas,
equipos electrnicos, redes de telecomunicaciones, programas de mantenimiento
predictivo, sistemas de control visual, sistemas de deteccin de incendios, termostatos
digitales, etc. Y el Ingeniero se hizo de muy buena reputacin.
Un da Dios llamo al Diablo por telfono y con tono de sospecha le pregunt. Y
qucmo estn por all en el infierno?.
El diablo contest:"Estamos REBIEN!! Tenemos ISO 9001, sistema de monitoreo de
cenizas, aire acondicionado, inodoros con drenaje, escaleras elctricas, equipos
electrnicos, Internet, etc. Oye, apntate mi direccin de e-mail, es:
eldiablofeliz@infierno.com. Y no s cul ser la prxima sorpresa del Ingeniero!".
"QU?, QU?! TIENEN un Ingeniero all?? Eso es un error! Nunca debi haber
llegado ah un Ingeniero. Los ingenieros siempre van al cielo, eso est escrito y resuelto
ya. Me lo mandas inmediatamente!.
Ni loco!. Me gusta tener un ingeniero de planta en la organizacin y me voy a quedar
con l eternamente.
Mndamelo o TE DEMANDAR!!...:
Y el Diablo, con la vista nublada por la tremenda carcajada que solt, le contest a
Dios: "Ah S?? ......y por curiosidad... DE DNDE VAS A SACAR UN
ABOGADO?!" si todos estn aqu.
Ofrece este mensaje a tus amigos y amigas para que tengan una idea de lo que es un
ingeniero