Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
UNIVERSIDAD DE CANTABRIA
ESPACIOS VECTORIALES
APLICACIONES LINEALES
ENDOMORFISMOS Y DIAGONALIZACIN
EL ESPACIO EUCLDEO
A lo largo de este tema y de los que siguen, muchas veces aparecern sistemas de
ecuaciones que habr que resolver. Se dan por conocidas las distintas tcnicas de
resolucin de sistemas.
No obstante, mientras no se nos indique lo contrario, o en ausencia de indicaciones, los
sistemas siempre debern clasificarse , y despus resolverse por el mtodo de Gauss.
Es decir,
6) Usando las ecuaciones del sistema ya escalonado, despejar las incgnitas principales
(en funcin de los parmetros).
7) Dar la solucin con todas las incgnitas, tanto principales como parmetros.
Hay que seguir este proceso aunque el sistema pueda parecer muy sencillo.
No se debe comenzar a despejar las incgnitas de cualquier modo, pues entonces es fcil
que cometamos errores respecto a si existe o no solucin, o al nmero de parmetros que
debemos dejar, etc.
Ejemplo.
Resolvemos el sistema formado por una sola ecuacin, 2x+3yz=4.
Introduccin.
La idea de vector est tomada de la Fsica, donde sirven para representar magnitudes
vectoriales como fuerzas, velocidades o aceleraciones. Para ello se emplean vectores de
dos componentes en el plano, de tres componentes en el espacio...
2 3
Se supone conocida la representacin grfica y manejo de los vectores de y de .
En Matemticas, tratamos de abstraer las propiedades que caracterizan a los vectores para
extenderlas tambin a otro tipo de objetos diferentes de los vectores de la Fsica.
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
Adems estas operaciones cumplen ciertas propiedades, que observamos en los vectores
de 2 y de 3 :
En lo sucesivo, utilizaremos habitualmente la siguiente notacin: u,v,w (u otras letras latinas) para
vectores, mientras que las letras griegas designarn escalares.
x Distributivas:
Respecto de la suma de escalares: ( D + E ) v = D v + E v
Respecto de la suma de vectores: D (u + v) = D u + D v
Se puede comprobar que se cumplen las propiedades requeridas para ambas operaciones.
El vector cero es (0,. . .,0).
p = x3+x2+x+1 , q = x3+x2+x+1
4) Consideremos el conjunto 2x2 (tambin denotado por 2) de las matrices 2x2 con
trminos reales:
a c
2x2 = : a, b, c, d
b d
a c a' c'
En efecto, si tomamos , con a, a, b, b, c, c, d, d enteros,
b d b' d'
La suma y el producto por un escalar cumplen todas las propiedades requeridas. En este
K
caso el vector 0 es el nmero complejo cero, 0+0i.
Observar adems que, en este contexto, el conjunto de los nmeros complejos se comporta
igual que el espacio vectorial 2 , identificando el nmero complejo a+bi con el vector (a,b).
Este es el motivo por el cual se suele representar el plano complejo como si fuera 2 , con la
parte real en el eje de abscisas y la parte imaginaria en el eje de ordenadas.
x Hay muchos otros espacios vectoriales. Gracias a esto, las propiedades que encontremos
para espacios vectoriales en general, las podemos aplicar a matrices, polinomios,
funciones...
Observacin.
En algunos espacios vectoriales reales, distintos de n , puede hacerse un paralelismo o
identificacin con n , para un n adecuado.
Por ejemplo, ya hemos visto cmo el espacio vectorial real de los nmeros complejos
puede identificarse con 2 , correspondiendo el nmero complejo a+bi al vector (a,b)
Lo mismo ocurre con el espacio de matrices 2x2 = { matrices 2x2 }, que se identifica con
4 , correspondiendo a la matriz
a c
el vector (a,b,c,d).
b d
En todos los casos las operaciones de suma y producto por escalar se pueden trasladar
paralelamente del espacio considerado a n .
Dado un espacio vectorial V, podemos considerar una parte S de l que funcione como un
espacio vectorial ms pequeo, incluido en V.
Como V es un espacio vectorial, posee unas operaciones (suma, producto por un escalar)
que en particular se pueden efectuar en S. Slo necesitaremos que, al efectuarlas, su
resultado quede dentro de S.
Definicin: Subespacio.
Dado un espacio vectorial V, se dice que un subconjunto S de V es un subespacio vectorial
K
si contiene al vector 0 , y si al efectuar las operaciones de suma y producto por escalar entre
vectores de S, el resultado permanece en S.
(Se puede decir que S es cerrado para las operaciones suma y producto por escalar.)
Es decir:
K
x 0 S .
x Si v, w S entonces v + w S.
x Si v S y O es un escalar, entonces Ov S.
Ya no hace falta comprobar que se cumplen las propiedades asociativa, conmutativa, etc.
puesto que sabemos que se cumplen en V, y por tanto tambin en S (se dice que S hereda
las propiedades de las operaciones en V).
Por supuesto si para V utilizamos escalares reales, tambin para S; si para V utilizamos
complejos, tambin para S.
Ejemplos de subespacios.
1) La recta x=y es un subespacio de 2 . Est formado por los vectores de la forma (a,a).
Contiene al vector (0,0).
Adems, es cerrado para la suma y producto por escalar:
x Suma: (a,a) + (b,b) = (a+b, a+b) que tambin es un elemento de la recta.
x Producto por un escalar: O , O(a,a) = (Oa,Oa) que tambin es un elemento de la recta.
x Suma: (ax+b) + (ax+b) = (a+a)x + (b+b) que tambin es un polinomio de grado b1.
x Producto por escalar: O , O(ax+b)= Oax+Ob que tambin es un polinomio de grado b1.
Las curvas o las superficies curvas no son subespacios; tampoco las figuras geomtricas
finitas, como crculos o polgonos en el plano, esferas o poliedros en el espacio.
(Comprobar grficamente que no pueden sumarse vectores dentro de este tipo de conjuntos)
7)K En todo espacio vectorial existen el subespacio cero, formado solamente por el vector
{ 0 }, y el subespacio total, formado por todos los vectores del espacio.
Ejemplos:
1) En 2 , la recta bisectriz del primer cuadrante puede describirse en implcitas como
{ y=x }, y en paramtricas como { (OO) : O }
x+z=0
4) Consideremos el subespacio de 3 dado en implcitas por x + 2y + z = 0
Cul es su forma paramtrica? Para ello resolvemos el sistema, que es compatible
indeterminado. La solucin depende de un parmetro y es { (O0, O) : O }.
- Por el contrario el subespacio total 3 tiene como forma paramtrica { (DEJ) : DEJ }
(tres parmetros variando libremente, pues no hay ninguna limitacin). Ecuaciones implcitas
no tiene ninguna, pues no hay restriccin alguna que imponer.
n
Si S es un subespacio de , la forma implcita y paramtrica de S satisfacen en general la
siguiente relacin:
N de ecuaciones implcitas + N de parmetros = n.
(n es el n de incgnitas).
Sin embargo para que esto sea cierto debe cumplirse que las ecuaciones implcitas sean
independientes entre s, es decir, que ninguna sea combinacin lineal de otras. Esto significa
que, considerando las ecuaciones como un sistema, no sobre ninguna ecuacin: es decir,
que la matriz de coeficientes tenga rango igual al nmero de ecuaciones.
Tambin los parmetros deben ser independientes entre s : por ejemplo en la expresin
3
paramtrica (D+E, D+E), que en corresponde a la forma implcita {x=y , z=0}, no se
cumple la relacin anterior: 2+2 v 3. Esto ocurre porque los dos dos parmetros no son
independientes. En realidad puede sustituirse D+Epor un solo parmetro O y as
tendramos (O, O, 0) y ya se cumple 2+1=3.
(Esto ser ms fcil de comprobar ms adelante, en el punto Bases y dimensin, pues el nmero
de parmetros independientes es igual a la dimensin del subespacio).
Inclusin de subespacios.
Dados dos subespacios A y B, puede ocurrir que uno est incluido en otro (una recta dentro
de un plano, por ejemplo).
Se dice que A est contenido o incluido en B (y se denota A B) si todos los elementos de
A estn tambin en B.
G
En cualquier espacio vectorial V, el subespacio { 0 } est contenido en todos los dems
subespacios; mientras que todos ellos estn contenidos en el total V.
Tenemos que A B , pues todo vector de la forma (O) tambin es de la forma (DE),
tomando E
Ambos ejemplos son el mismo, pues se trata del eje X contenido en el plano XZ.
A partir de dos subespacios podemos construir otro efectuando las operaciones de suma o
interseccin de subespacios.
1. Interseccin de subespacios.
Ejemplos.
z=0
Uniendo ambas tenemos que es la expresin implcita de ST.
y=0
Se trata por tanto del eje X , { (O,0,0) } en paramtricas.
2. Suma de subespacios.
Teorema
La suma de subespacios es un subespacio.
Ejemplo.
Consideremos los subespacios en 3 dados en paramtricas por:
H={ (D, DE, E) : DE }
K={ (0,0, J) : J }
Entonces los elementos de H+K se formarn sumando (D, DE, E) + (0,0, J) = (D, DE, EJ)
es decir, H + K = { (D, DE, EJ) : DEJ }
Observacin
La interseccin ST es un subespacio ms pequeo que S y que T (est contenido en S y
tambin en T).
Por el contrario la suma S+T es un subespacio ms grande que S y que T, pues contiene a
ambos.
De hecho ST es el mayor subespacio contenido en ambos, y S+T es el menor subespacio
que contiene a ambos.
Teorema.
Para probar que un conjunto S es subespacio, basta probar que:
La combinacin lineal de elementos de S est en S.
(Ello es debido a que calcular una combinacin lineal de vectores involucra tanto la suma como el
producto por escalares, as que equivale a probar ambas cosas por separado).
Esto se suele expresar diciendo que un subespacio es un conjunto cerrado para las
combinaciones lineales.
Ejemplo.
Veamos si es subespacio de 2 el conjunto U={ (OO) O }.
Tomamos dos elementos genricos de U, (OO) y (PP). Una combinacin lineal de ellos es:
D(OO) + E (PP) = (DOEPDOEP que tambin es un elemento de U.
Por tanto U es subespacio.
Ejemplo
Sean en 2 los vectores u=(1,1), v=(0,3), w=(2,5) .
x Observamos que son linealmente dependientes por (a):
w es combinacin lineal de u y v , puesto que w = v+2u.
(pueden encontrarse tambin otras combinaciones, como u = 1
2 w 1
2 v , etc).
Si un conjunto es linealmente dependiente, entonces por (a) sabremos que existe algn
vector entre ellos que es combinacin lineal de los dems. Pero esto no quiere decir que
cualquier vector de ellos sea combinacin lineal de los dems.
ya que, por (a), tenemos que w = u + v (es decir, w=1u + 1v + 0k ), hay un vector que es
combinacin lineal de los dems. Pero no cualquier vector lo es, puesto que k no es
combinacin lineal de los dems. Esto se puede ver poniendo
O equivalentemente:
G
(b) El vector 0 no es combinacin lineal de ellos, a no ser que la combinacin tenga
coeficientes todos nulos.
Observacin.
G
La definicin de dependencia lineal no es: v, w son independientes si 0v + 0w = 0
Esa afirmacin no aporta nada, puesto que se cumple para todos los vectores, dependientes
o no.
G
De lo que se trata, es de ver si esa es la nica manera de poner 0 como combinacin lineal
de ellos.
As pues, la nica forma de poner (0,0) como combinacin lineal de u, v es con coeficientes
DEnulos. Esto significa que son linealmente independientes.
D+ 4 E + 5 J= 0
(0,0,0) = D (1,0,2) + E (4,3,1) + J(5,3,3) 3E+3J=0
2 D+ E + 3 J= 0
1 4 5
Este sistema es compatible indeterminado, puesto que su matriz es 0 3 3 con rango 2.
2 1 3
Esto quiere decir (aun sin resolver el sistema) que existen coeficientes DEJ no nulos que
permiten poner (0,0,0) como combinacin lineal de u, v, w. Por tanto son linealmente
dependientes.
3 D+ 2 E = 0
(0,0,0) = D (3,2,1) + E (2,2,0) 2 D+ 2 E = 0
D = 0
Observacin.
Si observamos los dos ltimos ejemplos, veremos que la matriz del sistema est formada
por los vectores dados, en columnas.
Hallando el rango de esa matriz vemos si el sistema es compatible determinado o
indeterminado, y por tanto si los vectores son independientes o dependientes, respectivamente.
Volveremos sobre esto ms tarde (en el punto Rango de un conjunto de vectores.)
2) Dos vectores v, w son linealmente dependientes cuando uno es mltiplo del otro , v=Ow
(ya que esto equivale a decir que uno es combinacin lineal del otro).
G
3) Todo conjunto que contenga al 0 es ligado.
G G
Vemoslo para 3 vectores: si tenemos { v, w, 0 } podemos formar 0 como combinacin de ellos:
G G
0 v+ 0 w+ 1 0 = 0
y los coeficientes de esta combinacin lineal son 0, 0, 1 y por tanto no todos nulos.
7) Si un conjunto es ligado, quitndole los vectores que son combinacin lineal de los
dems, llegar a ser libre.
El desarrollo de esta propiedad nos lleva a un nuevo concepto, el de rango:
Ejemplo.
Consideremos en 2 el conjunto de vectores (2,0), (0,1), (4,3), (2,5); vamos a aplicar la
propiedad 6) anterior.
x Este conjunto es linealmente dependiente puesto que observamos que algn vector es
combinacin de los dems; concretamente
(4,3) = 2 (2,0) + 3 (0,1)
Suprimimos por tanto el vector (4,3) ; el conjunto restante (2,0), (0,1), (2,5) sigue siendo
ligado puesto que
(2,5) = 1 (2,0) + 5 (0,1)
Suprimimos el vector (2,5), el conjunto restante (2,0), (0,1) ya es independiente (son dos
vectores y uno no es mltiplo del otro).
x Tambin podramos haber seguido otro camino, por ejemplo viendo que (2,0) es
combinacin lineal de los dems (comprubese) y suprimindolo. El conjunto restante
(0,1), (4,3), (2,5) sigue siendo ligado; vemos que (0,1) es combinacin lineal de los dems y
lo suprimimos. Llegamos entonces al conjunto (4,3), (2,5) que ya es independiente.
Por los dos caminos llegamos a distintos conjuntos independientes. Pero ambos constan del
mismo nmero de vectores (dos en este caso).
El rango es, por tanto, el nmero de vectores independientes que contiene el conjunto.
Ejemplos.
1. En 4 determinar el rango de los vectores (1,2,3,4), (0,1,6,1), (3,3,1,0) :
1 0 3
2 1 3
La matriz que forman por columnas es cuyo rango es 3
3 6 1
4 -1 0
(lo que puede comprobarse escalonando la matriz).
Esto significa que los 3 vectores son linealmente independientes.
2. En 2 determinar el rango de los vectores (1,3), (5,8). Como la matriz que forman es
1 5
cuadrada se puede calcular su determinante. Como ste es no nulo, los vectores son
3 8
linealmente independientes.
Observacin.
En un caso como el 3 anterior, el clculo del rango nos dice cuntos vectores son
independientes, pero no cules. Aunque el rango sea 3, no est garantizado que 3 vectores
cualesquiera vayan a ser independientes. Por ejemplo en este caso, u,v,w no lo son.
Para saber cules lo son, se pueden tomar los correspondientes a las columnas pivotales
despus de escalonar la matriz (en este caso u, w, k).
Tambin podemos verlo usando la propiedad 4) del rango, quitando el vector que no haga
disminuir el rango: en este caso podemos quitar v. Otra posibilidad es quitar u, o tambin w.
Pero no podemos quitar k, pues entonces disminuira el rango.
Observacin.
Notar que, dado un conjunto de vectores, el conjunto de todas sus combinaciones lineales
es efectivamente un subespacio:
- la suma de dos combinaciones lineales de v1, ... , vr es otra combinacin lineal de v1, ... , vr .
- el producto de un escalar por una combinacin lineal de v1, ... , vr es otra combinacin lineal
de v1, ... , vr .
Ejemplos.
OP a 2 1 2 a
P b (las incgnitas son , , mientras que a, b son datos).
0 3 1 b
Se observa que para cualesquiera datos a, b este sistema es compatible. As cualquier
vector (a,b) 2 puede ponerse como combinacin lineal de (2,0), (1,3), (2,1) y por ello son
un sistema generador de 2 .
Observacin
Dado un sistema v1, . . . ,vn, cundo un vector u pertenece al subespacio que generan?
Esto ocurrir si u es combinacin lineal de v1, . . . ,vn. , por tanto podemos plantear tal
combinacin lineal, lo que conducir a un sistema de ecuaciones, y ver si es compatible o
incompatible.
Ejemplo
En 3 , pertenece u=(1,2,3) al subespacio generado por v=(4,5,6), w=(7,8,9) ?
Veamos si es posible poner u = D v + E w.
4 D+ 7 E = 1
(1,2,3) = D (4,5,6) + E (7,8,9) 5 D+ 8 E = 2
6 D+ 9 E = 3
Teorema
Un vector u pertenece al subespacio generado por un conjunto de vectores v1, . . . ,vn si al
aadirlo a stos no aumenta el rango.
(En efecto, ya vimos que si al aadir u no aumenta el rango, significa que u depende linealmente de
v1, . . . ,vn , es decir, es combinacin lineal de ellos).
Ejemplo.
Sean en 3 los subespacios:
U=plano XY={ (DEDE } , sistema generador (1,0,0), (0,1,0).
V= plano XZ={ (OPOP } sistema generador (1,0,0), (0,0,1).
Por tanto, siempre ser mejor reducir los sistemas generadores en lo posible, suprimiendo
todos aquellos vectores que dependan linealmente de los dems.
Esto llevar al concepto de base.
Ejemplos de bases.
n:
1. La base cannica (o base natural, o base estndar) de
e1 = (1,0,. . . ,0)
e2 = (0,1,. . . ,0)
........
en = (0,0,. . . ,1)
- Son linealmente independientes porque forman un determinante no nulo.
- Son sistema generador de n porque todo vector (a1,a2,. . . ,an) n se puede expresar
como combinacin lineal de ellos:
(a1,a2,. . . ,an)= a1(1,0,. . . ,0)+ a2(0,1,. . . ,0)+ . . . + an(0,0,. . . ,1)
6. Reducir un conjunto para que forme base. Es (2,0,0), (0,3,0), (4,1,0) base de
S=plano XY de 3 ?
- Son un sistema generador de S, pero no son independientes (su determinante es nulo).
Por tanto no son base de S. Puede obtenerse una base de S de algn modo?
S. Estos tres vectores tienen rango 2, por tanto uno de ellos es combinacin lineal de los
dems y puede suprimirse: por ejemplo suprimimos (4,1,0), ya que al quitarlo no baja el
rango. (Tambin podra quitarse cualquiera de los otros dos).
Los restantes vectores (2,0,0), (0,3,0) siguen generando el mismo subespacio S y son
independientes. Son por tanto base de S.
Ejemplos de dimensin.
1. n tiene dimensin n, pues tiene una base de n elementos (p.ej. la cannica).
2. M2x2= {matrices 2x2 con trminos reales} tiene dimensin 4. Una base de M2x2 es:
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
3. P2= {polinomios de grado d 2 con coeficientes reales} tiene dimensin 3. Una base de P2
es, por ejemplo, la formada por los tres polinomios siguientes:
1+0x+0x2 , 0+x+0x2, 0+0x+x2 (es decir, los polinomios 1, x, x2).
4. El rango de una familia de vectores, es igual a la dimensin del subespacio que generan.
Es decir: si v1,v2,. . . vn generan un cierto subespacio S, y si el rango de dicho conjunto es r,
entonces dim S = r.
(Si un cierto conjunto de vectores tienen rango 2, entonces generan un plano; etc.)
Ejemplo.
En 3, sea S el subespacio generado por: (1,0,2), (0,1,2), (3,3,3), (2,2,0).
Observamos que el rango de este conjunto (= rango de la matriz que forman, por filas o por
columnas) es 3. As por la propiedad 4 , tenemos que dim S = 3. Pero como estamos en 3,
por la propiedad 3 ha de ser S= 3.
Teorema:.
Sea S un espacio o subespacio de dimensin m. Entonces,
x Si tenemos m vectores linealmente indep. en S, tambin sern sistema generador de S.
x Si tenemos m vectores que generan S, tambin sern linealmente independientes.
Por tanto, si tenemos un conjunto formado por tantos vectores como indica la dimensin,
dichos vectores sern a la vez linealmente independientes y sistema generador, o bien
ninguna de las dos cosas.
As pues, para probar que son base, bastara probar solamente una de las dos cosas: que
son linealmente independientes, o que son sistema generador.
Esto solamente se puede aplicar cuando conocemos la dimensin del espacio y cuando
tenemos tantos vectores como indica la dimensin.
1 0 x
Debe ser rg 0 1 y =2. Escalonamos esta matriz para ver su rango.
3 5 z
(Notar que el hecho de que sus trminos sean incgnitas no impide en absoluto efectuar operaciones
elementales en las filas, como en cualquier matriz numrica.)
1 0 x 1 0 x 1 0 x
0 1 y 0 1 y 0 1 y
3 5 z 0 5 z 3x 0 0 z 3x 5y
Las dos primeras filas de la matriz son no nulas, as que el rango ser 2 cuando la tercera
fila sea nula, es decir, cuando z - 3x + 5y = 0. Esta es la forma implcita buscada. Notar que
es la misma que se obtuvo en la 1 forma.
1 0 x
0 1 y
Debe ser rg =2. Escalonamos esta matriz para ver su rango.
2 1 z
1 3 t
1 0 x 1 0 x 1 0 x
0 1 y
0 1 y
0 1 y
2 1 z 0 1 z 2x 0 0 z 2x y
1 3 t 0 3 tx 0 0 t x 3y
Las dos primeras filas de la matriz son no nulas, as que el rango ser 2 cuando la tercera y
cuarta filas sean nulas, es decir, cuando z - 2x - y = 0 ; t + x - 3y = 0. Estas son las
ecuaciones implcitas buscadas. Notar que son las mismas que se obtuvieron en la 1 forma.
Hacen falta, por tanto, 2 ecuaciones implcitas. Tratemos de buscar dos relaciones entre
las coordenadas x,y,z,t del vector genrico DDD
Estas dos relaciones son z = 3x ; y = 2x. Estas son las ecuaciones implcitas.
Definicin: Coordenadas.
En un espacio vectorial V, fijada una base {v1,v2,. . . vn} , todo vector uV puede ponerse de
forma nica como combinacin lineal de dicha base:
u = D 1 v1 + D 2 v2 + . . . D n vn
Los escalares D 1, D 2, . . . , D n se llaman coordenadas del vector u en la base {v1,v2,. . . vn}.
Ejemplos de coordenadas.
1. Coordenadas en distintas bases.
En 2 fijemos la base cannica, { (1,0), (0,1) }. Consideremos el vector v=(1,2). Para hallar
sus coordenadas en esta base, ponemos u como combinacin lineal de la misma:
(1,2)=1(1,0) + 2(0,1)
Por tanto, (1,2) son las coordenadas de v en base cannica.
Cuando se utiliza la base cannica, obtenemos el sentido usual de coordenadas.
Pero cuando se utiliza otra base no es as.
Por ejemplo, en 2 fijemos ahora la base B = { (2,3), (1,1) } y consideremos el mismo
vector v=(1,2). Hallemos sus coordenadas en la base B. Para poner v como combinacin
lineal de dicha base, planteamos el sistema
3 1
(1,2)= D (2,3)+ E (1,1) cuya solucin es D = , E = . As pues,
5 5
3 1
v= (2,3) (1,1)
5 5
3 1
Por tanto, , son las coordenadas de v en base B.
5 5
No debe confundirse el vector con sus coordenadas; aqu el vector sigue siendo v=(1,2), y
3 1
las coordenadas , son un par de nmeros que indican cmo expresar v en
5 5
combinacin lineal de la base B.
2. Si u es el vector que tiene como coordenadas (5, 6) en la base (1,2) (3,4), cul es el
vector u?
Segn la definicin de coordenadas,
u = 5 (1,2) + (6) (3,4) = (13, 14).
En 3 , sea el subespacio S generado por los vectores (1,1,0) y (0,0,1). (Se trata del plano
x=y en 3). Los dos vectores son independientes, por tanto forman base de S.
Consideremos el vector v = (2,2,3) perteneciente a S. Hallemos las coordenadas de este
vector respecto a la base (1,1,0), (0,0,1) de S. Para ello expresamos v como combinacin
lineal de dicha base:
(2,2,3)= 2(1,1,0) + 3(0,0,1)
As pues, las coordenadas de v en esta base de S son (2,3).
No debe sorprendernos que v tenga slo 2 coordenadas. El vector v ciertamente tendra 3
coordenadas como elemento de 3, pero tiene 2 coordenadas como elemento del plano S,
que es un subespacio de dimensin 2.
Ejemplo.
Consideremos en 2 las dos bases siguientes:
la base del ejemplo (1) anterior, B ={ (2,3), (1, 1) }
la base cannica B ={ (1,0), (0,1) }
x Vamos a construir la matriz de cambio de base de B a B.
Para ello debemos expresar los vectores de la base B en funcin de la base cannica B.
(2,3) = 2(1,0) + 3(0,1) coordenadas (2,3)
(1,1)= 1(1,0) 1(0,1) coordenadas (1, 1)
Introduciendo estas coordenadas en las columnas de una matriz, tendremos la matriz de
cambio de base de B a B:
2 1
P=
3 1
5 52
Vamos a aplicar estas matrices para hallar las coordenadas en base B del vector v=(1,2).
Tenemos sus coordenadas en la base cannica B que son (1,2). Utilizamos la matriz Q de
cambio de base de B a B:
15 1
1 53
3 5
=
5 52 2 15
3 1
As hemos obtenido , , las coordenadas de v en base B. Comprobar que son las
5 5
mismas que se obtuvieron en el ejemplo (1) anterior.
Podemos volver a las coordenadas en base B utilizando la matriz P de cambio de base de B a B':
2 1 53 1
1 =
3 1 5 2
x Comprobar en el ejemplo anterior que P y Q son inversas entre s. Por tanto, despus de
hallar P, podramos haber hallado Q como P 1 .
Observar en el ejemplo anterior que la matriz ms fcil de obtener es la P, que pasa de una
base B a la base cannica, pues basta escribir en las columnas la base B.
P
-1
Base B Base cannica P= base B en columnas; Q=P
Ejemplo.
En 3, consideremos los subespacios
S = planoXY, una base es (1,0,0), (0,2,0).
T = planoXZ, una base es (3,0,0), (0,0,4).
S+T resulta ser el espacio total 3. En efecto, un sistema generador de S+T es la unin de
ambos,
(1,0,0), (0,2,0), (3,0,0), (0,0,4)
que es un sistema generador de 3. Pero no es una base, pues no es linealmente
independiente.
(Ello ocurre porque S T no es cero)
Teorema.
Si la suma S T es directa, al unir una base de S y una base de T se obtiene una base de
S T.
Ejemplo.
En 3, consideremos los subespacios
S = planoXY, una base es (1,0,0), (0,2,0).
H = eje Z, una base es (0,0,5)
La suma es directa pues S H = {0}. El subespacio suma S H resulta ser el espacio total
3. Por el teorema anterior, uniendo las bases de S y de H se obtendr una base del
subespacio suma:
(1,0,0), (0,2,0), (0,0,5)
que efectivamente es base de 3.
(la primera frmula se puede obtener de la segunda, pues en el caso de suma directa, el
trmino de la interseccin vale cero).
Ejemplo.
En 3, el suplementario de un plano es cualquier recta que no est contenida en el plano.
Igualmente el suplementario de una recta es cualquier plano que no la contenga.
Ejemplo.
En 4, sea S el subespacio cuya base es v1=(1,0,2,0), v2=(3,0,0,0). Vamos a hallar un
suplementario de S. Para ello prolongamos la base dada aadiendo vectores que elegimos
entre los de la base cannica. Han de ser independientes de los anteriores.
x No podemos aadir (1,0,0,0) porque no es independiente de los anteriores. (Es mltiplo de
v2).
x Podemos aadir v3 = (0,1,0,0) pues es independiente de v1 , v2 (La matriz formada por
v1, v2, v3 tiene rango 3).
x No podemos aadir w = (0,0,1,0) pues no es independiente de los anteriores. (La matriz
formada por v1, v2, v3 ,w tiene rango 3; su determinante es cero).
x Podemos aadir v4 = (0,0,0,1) pues es independiente de v1 , v2 (La matriz formada por
v1, v2, v3 ,v4 tiene rango 4; su determinante es no nulo).
- Ya hemos terminado, pues tenemos 4 vectores independientes y por tanto una base del
total 4. Los dos vectores que hemos aadido, v3 = (0,1,0,0) y v4 = (0,0,0,1), forman una
base de un suplementario de S.
Cada () es un punto.
Hay en total 50 puntos, de los cuales 20 son de cuestiones y 30 de ejercicios.
C-1) Existe...
() a)...un subespacio de 2 que se parezca a ?
() b)...un subespacio de 2 que se parezca a 3?
Si existe pon un ejemplo, y si no, razona por qu.
() C-2) En el espacio vectorial de las matrices 2x2 con trminos reales, inventa un ejemplo de
subespacio (que no hayas visto en otro lugar).
() C-4) La interseccin de dos planos en 3 puede ser un solo punto? Explica por qu. (Puedes
razonar como en la cuestin anterior).
() C-5) a) En 2, inventa un conjunto de tres vectores {u,v,w} linealmente dependientes, que tenga
rango 2, de modo que se pueda suprimir uno de ellos y se conserve el rango.
() b) Lo mismo, pero de modo que no se pueda suprimir uno cualquiera. Seala cules se
pueden suprimir y cules no.
() C-7) Si u, v son linealmente independientes, tambin lo son 2u y 3v? Explica por qu.
() C-8) Cierto o falso? En un espacio vectorial, ningn conjunto linealmente independiente puede
tener ms vectores que un sistema generador. Razona la respuesta.
C-10) Puede esta matriz ser una matriz de cambio de base en algn espacio vectorial?
Razona la respuesta.
1 3 3
() a) A=
0 1 0
1 1 1
() b) B= 1 1 1
1 1 1
1 1
() c) C=
3 2
(1, 2, 0, 1), (-1, -1, -1, 3), (-1, 1, -3, 11) ,(4, 0, -2, 1), (2, -3, -3, 3),
E-8) En 4 , si S tiene como sistema generador { (1,1,0,0), (1, -1, 0, 0) } y T tiene como sistema
generador { (0,2,1,0) , (-1,1,1,0) }, hallar:
() a) un sistema generador del subespacio S+T.
() b) una base de S+T.
x+y-z-t =0 x - y = 0
E-9) Dados los subespacios de 4 S= y T= , calcular:
2x + 2y - z - t = 0 z-t =0
() a) el subespacio ST.
() b) el subespacio S+T (sugerencia: se puede usar el resultado de a) para hallar la dimensin de S+T).
x + y + z + t = 0
E-10) Dado el siguiente subespacio de 4 en implcitas, hallar una base y
y - 2z - t = 0
dimensin. Puedes hacerlo mediante el siguiente proceso:
() E-12) Extender el siguiente conjunto linealmente independiente hasta que forme base de 4 .
(2,3,0,1), (0,2,0,0).
() E-14) Dada la base { (0,-1), (1,2) } de 2 , hallar las coordenadas del vector v= (-3,-8) en dicha
base.
E-15) Dadas las bases B={ (1,0), (0,1) } (cannica) y B={ (0,-1), (1,2) } , hallar:
() a) la matriz de cambio de base de B a B .
() b) la matriz de cambio de base de B a B
Sol. C-1) a) S, por ejemplo el eje X, formado por los vectores de la forma (O, 0), que se identificaran
con el nmero real O . Tambin valdra el eje Y, o cualquier otra recta que pase por el origen. (Al
ser de dimensin 1, una recta se puede identificar con , que tambin es de dimensin 1).
b) No es posible, pues 2 tiene dimensin 2, y no puede contener un espacio que se
parezca a 3, pues ste tendra dimensin 3. Un espacio de dimensin 3 no puede estar
contenido en otro de dimensin 2.
Sol. C-2) Hay muchas posibilidades; estos son slo algunos ejemplos: las matrices de la forma
a b a b a a a 2a a b a b a b
, , , , , , , etc.
2b c c a a a 3a 4a 2a 2b b + c c c a + b + c
es decir, las mismas que en a) excepto la primera. No sera posible dim(S+T) = 5 porque estamos
en 4, as que no puede haber un subespacio de dimensin 5.
b) Habra que poner 2 vectores que sean linealmente dependientes entre s, p. ej. u=(1,0) ,
v=(2,0) , y otro que sea independiente de ellos: p.ej. w= (1,1) . Este conjunto tiene rango 2.
As, quitando u se conserva el rango; quitando v tambin; pero no podemos quitar w porque
entonces el rango disminuye.
Sol. C-6) a) No, porque nunca pueden ser independientes ms vectores de lo que indica la dimensin.
b) No, pues nunca pueden ser sistema generador menos vectores de lo que indica la dimensin.
Sol. C-7) S, porque si u, v son linealmente independientes, como slo son 2 vectores, significa que
uno no es mltiplo del otro. Entonces 2u y 3v tampoco pueden ser uno mltiplo del otro.
(Imagina que 2u fuese mltiplo de 3v , p.ej. 5 veces: 2u = 53v, entonces despejando tendramos
u = 152 v , y no puede ser porque u y v eran independientes).
Sol. C-8) Cierto, pues el conjunto independiente siempre tiene un nmero de vectores menor o igual
que la dimensin del espacio, mientras que el sistema generador siempre tiene un nmero de
vectores mayor o igual que la dimensin del espacio.
Sol. C-9) a) La base { (0,1) , (1,0) } , es decir, la cannica pero con los vectores en orden contrario.
As claramente (1,2) = 2 (0,1) + 1 (1,0).
b) La base { (1,0), (0,1)} , es decir, la cannica pero con los vectores cambiados de signo.
As claramente (1,2) = (1) (1,0) + (2) (0,1)
c) No es posible. En cualquier base, las coordenadas (0,0) son exclusivas del vector nulo.
Sol. E-1) a) No, porque no contiene al (0,0), ya que no hay ningn valor de a, b que cumpla a la vez
a+b=0 y a+b+2=0.
b) S. Es el conjunto de todos los vectores de 2 que tienen sus dos coordenadas iguales.
Se ve ms fcilmente si llamamos b=a+1, entonces el conjunto es { (b,b) }. Es subespacio porque:
- La suma de dos elementos es (b,b)+(c,c)=(b+c,b+c) que es otro elemento del conjunto.
- Si O es un escalar, O (b,b) = (Ob,Ob) que es otro elemento del conjunto.
Sol. E-2) 1 forma: Plantear el sistema dado por D(1,2,4)+E(-1,-1,2)=(1,4,16). Es compatible, por
tanto es posible poner v como combinacin lineal de (1,2,4) y (-1,-1,2). S pertenece.
2 forma: Hallar el rango de los tres vectores y ver que es 2. Por tanto, v es combinacin
lineal de (1,2,4) y (-1,-1,2). S pertenece.
Sol. E-3) a) 1 forma: Como hay 2 parmetros, y estamos en 3 , har falta 1 ecuacin. Claramente
sta es y=x+z , es decir, x-y+z=0.
2 forma: Un sistema generador del subespacio es (1,1,0), (1,2,1). Un vector (x,y,z)
1 1 x
pertenece al subespacio si el rango de es 2. Esto ocurre cuando x-y+z=0 (se puede ver
1 2 y
0 1 z
calculando el determinante o triangulando la matriz).
Sol. E-4) a) Escalonando la matriz se ve que es de rango 4, igual al nmero de vectores, luego el
conjunto es independiente. (Otra forma: porque el determinante 4x4 que forman, es no nulo).
b) Escalonando la matriz se ve que es de rango 2, menor que el nmero de vectores, luego el
conjunto es dependiente. (Otra forma: viendo que alguno es combinacin lineal de los otros).
Sol. E-7) Ponemos (a, a+b, a+b+c, c, 2a-b) = a (1,1,1,0,2) + b (0,1,1,0,-1) + c(0,0,1,1,0). As, un
sistema generador es (1,1,1,0,2) , (0,1,1,0,-1), (0,0,1,1,0).
Sol. E-8) a) Un sistema generador de S+T se obtiene uniendo ambos sistemas generadores:
(1,1,0,0), (1, -1, 0, 0), (0,2,1,0) , (-1,1,1,0)
b) Para saber si este sistema generador es base, hay que ver si son independientes, y si no lo
son, quedarse con tantos como indique el rango.
1 forma: Escalonando la matriz se obtiene que el rango es 3 (por tanto no son independientes);
las columnas pivotales son la 1, 2 y 3 y as una base de S+T sera
(1,1,0,0), (1, -1, 0, 0), (0,2,1,0)
2 forma: Sin escalonar la matriz se ve que su 4 columna es toda nula, as que el rango ya no es 4.
Ser 3 o menor. Pero se ve fcilmente que los 3 primeros vectores son independientes, as que el
rango es 3 y los 3 primeros vectores forman base: (1,1,0,0), (1, -1, 0, 0), (0,2,1,0)
xyzt 0
2x 2y z t 0
Sol. E-9) a) ST se obtiene resolviendo el sistema formado por las 4 ecuaciones.
xy 0
zt 0
Se observa que el sistema es compatible determinado, y como es homogneo, su solucin nica
es (0,0,0,0). Por tanto ST = { (0,0,0,0) }, es el subespacio cero.
b) 1 forma: Siguiendo la sugerencia: Por a) tenemos que dim(ST)=0. Tambin sabemos que:
- dim(S)=2, ya que est definido por 2 ecuaciones independientes en 4 y por tanto tendra
42=2 parmetros, dimensin 2.
- dim(T)=2 por lo mismo.
As, usando la frmula dim(S)+ dim(T) = dim(S+T) + dim(ST), obtenemos que dim(S+T)=4.
4
Entonces S+T es un subespacio de dimensin 4 en , as que slo puede ser el total.
4
Concluimos por tanto que S+T= .
Sol. E-11) a) No, pues no son independientes (su determinante es nulo; o bien escalonando la matriz
se ve que es de rango 2).
b) El subespacio {y=0} en 3 es un plano; tiene dimensin 2 (pues est dado por 1
ecuacin en 3 ; 31=2). As que los dos vectores sern base de este plano si son independientes.
Y son independientes, porque uno no es mltiplo de otro. Por tanto s forman base.
Sol. E-12) Tenemos 2 vectores; para formar una base de 4 habr que aadir otros 2, que sean
independientes de los anteriores.
Probemos con vectores de la base cannica: por ejemplo si elegimos (0,0,1,0), (0,0,0,1) tendremos
la familia (2,3,0,1), (0,2,0,0), (1,0,0,0), (0,0,1,0) que se ve claramente que es de rango 4 (la matriz
ya est escalonada). Por tanto esta familia es base de 4.
(Los vectores aadidos no tienen por qu ser de la base cannica, valdran otros si el rango final es 4).
Sol. E-13) Habr que quedarse con 3 vectores independientes. (Ojo, los 3 primeros no lo son). Para
saber cules son, escalonamos la matriz y nos quedamos con las columnas pivotales, que son la
1, 2 y 4. Por tanto una base ser (1,2,3) (4,5,6), (0,1,3) .
Sol. E-14) 1 forma: Planteamos el sistema (-3,-8) = D (0,-1) + E (1,2) , cuya solucin es D= 2, E= 3.
As pues, las coordenadas de v en la base dada son (2, 3).
2 forma: Hallamos la matriz de cambio de base (ver ejercicio E-15), y multiplicndola por v se
2 -1 -3 2
obtiene = que son las coordenadas pedidas.
1 0 -8 -3
Sol. E-16) a) La suma ser directa si dim(ST)=0. Sabemos que tanto S como T tienen dimensin 2,
entonces
dim S + dim T = dim(S+T) + dim(ST)
2 2 4 0
vemos que el caso dim(ST)=0 slo se da cuando dim(S+T)=4. Y esto ocurrir en caso de que los
vectores (1,2,0,0), (1,0,0,2), (0,0,2,1), (2,0,0,1) que generan S+T sean independientes.
En efecto lo son (la matriz que forman es de rango 4), as que dim(S+T)=4, y dim(ST)=0.
Por tanto la suma es directa.
b) La suma ser directa si dim(ST)=0. Sabemos que tanto S como T tienen dimensin 2,
entonces
dim S + dim T = dim(S+T) + dim(ST)
2 2 4 0
vemos que el caso dim(ST)=0 slo se da cuando dim(S+T)=4. Pero esto es imposible porque
estamos en 3, ningn subespacio puede tener dimensin 4. Por tanto dim(S+T)=4 no puede ser,
y dim(ST)=0 tampoco. La suma no es directa.
Sol. E-17) Aadimos vectores hasta formar una base de 3: ser necesario aadir 1 vector, que sea
independiente de los anteriores. Por ejemplo (1,0,0) sirve, porque el rango de (1,2,3),(4,5,6), (1,0,0)
es tres.
As, la base del suplementario son los vectores aadidos, en este caso (1,0,0). Por tanto el
suplementario encontrado es el espacio generado por este vector (en este caso se trata del eje x)
(Hay infinitas posibilidades ms. De hecho cualquier recta no contenida en el subespacio sera un
suplementario).
Una aplicacin entre dos conjuntos A y B es una regla que permite asignar a cada
elemento de A, uno de B.
La aplicacin f del conjunto A en el conjunto B se indica mediante f: A
oB o bien
f o B.
A
El conjunto A se llama conjunto inicial, y el B conjunto final.
Si la aplicacin f asigna al elemento aA el elemento bB, diremos que b es la imagen
de a, lo que se denota por f(a) = b.
La regla ha de estar inequvocamente definida, de modo que para todos y cada uno de los
elementos de A, est claro qu elemento de B es su imagen.
Ejemplos:
1. La aplicacin del conjunto de la poblacin espaola mayor de edad en el conjunto de los
nmeros naturales, que asigna a cada ciudadano su nmero de DNI.
Es inyectiva, pues no hay dos personas con el mismo DNI. No es suprayectiva, pues no
todos los nmeros se utilizan.
2. La aplicacin del conjunto de los nmeros reales en el conjunto de los reales positivos,
o
que asigna a cada nmero su cuadrado:
x 6 x2
No es inyectiva, pues hay nmeros con el mismo cuadrado (p.ej. 2 y 2). Es suprayectiva,
pues todos los reales positivos son el cuadrado de algn nmero.
S fo
3
(D , 2D ) 6 (3D , 4D ,5D )
Ejemplos.
1. Consideremos la siguiente aplicacin de 3 en 2 y veamos si es lineal:
3 f o 2
(x,y,z) 6 (2x, z)
Vamos a comprobar que se cumple la afirmacin (2) anterior.
(2a): Veamos que f(v+ w) = f(v) + f(w) para cualesquiera v, w 3 :
Sean dos vectores genricos de 3 , v=(a,b,c), w= (a, b, c), entonces
6. Proyecciones: Son aplicaciones que llevan todos los vectores del espacio 3 a un
cierto plano, sobre el que proyectamos.
La siguiente aplicacin transforma cualquier pieza tridimensional en su vista en alzado
(proyeccin sobre el plano XZ).
3 o 3
(x,y,z) 6 (x,0,z)
Propiedad: Si f: V
o W es una aplicacin lineal, la imagen del vector cero de V siempre
es el vector cero de W.
Demostracin:
G G
Denotemos por 0V y 0W el vector cero de V y de W respectivamente.
Entonces, partiendo de cualquier vector vV, tenemos:
G G
f( 0V ) = f( v v) = f(v) f(v) = 0W
Observacin. Esta propiedad puede utilizarse para probar que una aplicacin no es lineal,
pues si no cumple esta propiedad no podr serlo. (Si la cumple, podr ser lineal o no.)
Calculemos la imagen del subespacio S= {(DE,D DE) : DE }. Para ello hallamos
primero un sistema generador de S, que es (1,1,1), (1,0,1). La imagen de este sistema
generador es:
f(1,1,1) = (4,12)
f(1,0,1) = (1,3)
Por tanto f(S) ser el subespacio de 2 generado por (4,12) y (1,3).
Notar que estos no forman base de f(S), pues no son independientes. Una base de f(S)
podra ser (4,12), o bien (1,3), por ejemplo.
NCLEO E IMAGEN.
G
Observemos que determinados vectores de V pueden tener como imagen el 0W . Esto ocurre
G
al menos con 0V , pero tambin puede ocurrir con ms vectores de V.
2 f o 2
Por ejemplo, en la aplicacin el vector (0,0) tiene como imagen
(x,y) 6 (x-y, x-y )
(0,0), pero lo mismo le ocurre a (1,1), y tambin a todos los vectores de la forma (OO).
Adems, si v1, . . . vn son un sistema generador de V, entonces sus imgenes f(v1), . . . , f(vn)
son un sistema generador de Im(f).
Ejemplos.
3 f
o 2
1) Calcular el ncleo y la imagen de la aplicacin lineal
(x,y,z) 6 (x+y+2z, 3x+3y+6z )
Imagen: Partimos de un sistema generador del espacio inicial 3 , por ejemplo la base
cannica (1,0,0), (0,1,0), (0,0,1). Sus imgenes son:
f(1,0,0) = (1,3)
f(0,1,0) = (1,3)
f(0,0,1) = (2,6)
Por tanto Im(f) est generada por (1,3), (1,3), (2,6). Eliminando los vectores que son
combinacin lineal de los dems, obtenemos que una base de Im(f) es { (1,3) }.
As pues, la dimensin de Im(f) es 1.
x+y+2z =0
sistema compatible indeterminado cuya solucin general es:
3x+3y+6z =0
(2D, 2E, DE) : DE
Estos son todos los vectores que forman el ncleo, es decir
Ker(f) = { (2D, 2E, DE) : DE }
De esta expresin paramtrica podemos obtener una base de Ker(f): { (2,0,1), (0,2,1) }
Por tanto la dimensin del ncleo es 2.
Observemos que se verifica la frmula: 1 + 2 = 3.
2 fo 2
2) Calcular el ncleo y la imagen de la aplicacin lineal
(x,y) 6 (2x-3y, -x-y )
Ncleo: Hay que encontrar los vectores cuya imagen es (0,0), es decir, los (x,y) tales que
(2x+3y, xy) = (0,0) por tanto
2x+3y=0
este sistema es compatible determinado y por tanto su nica solucin
xy = 0 es x=0, y =0.
Imagen: De la frmula dim( Im(f) ) + dim( Ker(f) ) = 2 , como dim( Ker(f) ) es cero,
obtenemos que dim( Im(f) ) = 2.
Y como Im(f) est contenida en el espacio final 2 , si su dimensin es 2 ha de ser todo el
espacio. Por tanto, Im(f) = 2 .
CLASIFICACIN DE APLICACIONES.
Una aplicacin lineal f: V
o W puede ser inyectiva, suprayectiva, ninguna de las dos
cosas o ambas (y en ese caso es biyectiva). Veremos cmo esto se relaciona con el clculo
del ncleo e imagen.
Suprayectividad:
Im(f) es un subespacio de W, que puede ocupar todo W o no. Si existen elementos de W
que estn fuera de Im(f), stos no sern imagen de ningn elemento de V.
Por tanto, f: V
o W ser suprayectiva si Im(f) ocupa todo W: Im(f) = W.
Para comprobar esto basta comparar las dimensiones: en efecto, como Im(f) siempre est
contenido en W, cuando sus dimensiones coincidan tendremos que Im(f) = W.
As pues, f es suprayectiva cuando dim ( Im(f) ) = dim(W).
Neila Campos LGEBRA LINEAL Aplicaciones Lineales 7
Inyectividad:
En principio habra que comprobar si existen dos vectores de V cuyas imgenes sean
iguales. Pero esto viene facilitado por el siguiente resultado:
G
Teorema. f es inyectiva si y slo si su ncleo es solamente { 0V }.
Demostracin:
G G
Si hay un vector v adems de 0V en el ncleo, ambos tienen la misma imagen 0W , con lo
que f ya no sera inyectiva.
Y por otra parte, si f no es inyectiva entonces hay dos vectores u, v con imgenes iguales,
f(u) = f(v), y entonces tendremos
G
f(u)f(v) = 0 f(u v) = 0 as el vector u v est en el ncleo, luego ste ya no es { 0V }
Ejemplos.
3 f o 2
1) Consideramos la aplicacin del ejemplo 1) anterior
(x,y,z) 6 (x+y+2z, 3x+3y+6z )
2 fo 2
2) Ejemplo 2) anterior:
(x,y) 6 (2x-3y, -x-y )
3) Una aplicacin f: 3
o 2 nunca podr ser inyectiva: pues como Im(f) est
contenida en 2 , su dimensin es d 2 y as
Observacin.
Cuando la aplicacin es inyectiva, la frmula dim( Im(f) ) + dim( Ker(f) ) = n indica que
Im(f) tiene la misma dimensin, n, que el espacio inicial.
As pues, dada f: V
o W inyectiva, Im(f) es una copia de V dentro de W.
2 fo 3
Por ejemplo, dada la siguiente aplicacin inyectiva,
(x,y) 6 (x+y, x-y, 0 )
el subespacio Im(f) est generado por las imgenes de la base cannica:
f(1,0)= (1,1,0)
f(0,1)=(1,1,0).
Como (1,1,0) y (1,1,0) son linealmente independientes, Im(f) tiene dimensin 2. As, Im(f)
es un plano en 3 y por tanto una copia del conjunto inicial 2 dentro de 3 .
Veremos que hay una relacin entre las matrices y las aplicaciones lineales, tanto es as que
cada matriz representa una aplicacin, y cada aplicacin se puede identificar con una matriz.
Para introducir esto, partimos del concepto de rango de una aplicacin.
Observacin.
En el ejemplo anterior, para calcular el rango de f, hemos calculado el rango (es decir, el
nmero de vectores independientes) de la familia de vectores (2,0), (3,1), (1,1). Esto
2 3 1
equivale, colocando estos vectores en columnas, a calcular el rango de la matriz
0 1 1
(en este caso rango 2).
Veremos que esta matriz cumple un papel importante respecto a la aplicacin.
Dada una aplicacin lineal f: V o W, se llama matriz asociada a f (en bases cannicas) a
la matriz que contiene en sus columnas las imgenes de la base cannica de V.
Propiedades.
1) La matriz de f: n
o m es de tamao m x n.
A v = f(v)
Ejemplo.
2 f o 3
Dada la aplicacin
(x,y) 6 (x+y, x-y, 0)
su matriz asociada ser de tamao 3x2.
Colocamos en las columnas las imgenes de la base cannica de 2 :
1 1 5
1 -1 2 = -1
por tanto f(v) = (5,1,0)
0 0 3 0
Observacin.
Dada una aplicacin lineal podemos calcular su matriz asociada; pero tambin al revs:
dada cualquier matriz A de tamao m x n, podemos interpretarla como la matriz de una
aplicacin f: n o m , puesto que con la matriz ya sabemos calcular las imgenes y
por tanto est determinada la aplicacin f.
As pues, hay una identificacin entre aplicaciones lineales y matrices.
Esta es la ecuacin de f, que es la expresin que permite calcular la imagen (y1, . . ., ym) a
partir del vector (x1, . . ., xn).
x Imagen: Las columnas de A son las imgenes de la base cannica, por tanto son
imgenes de un sistema generador del espacio inicial V. As pues dichas columnas son un
sistema generador de Im(f).
Por tanto: Im(f) es el espacio generado por las columnas de A.
Dichas columnas no tienen por qu formar una base de Im(f); para obtener sta habr que
suprimir las columnas que dependan linealmente de las dems (por ejemplo, escalonando la
matriz y quedndonos con las columnas pivotales).
Ejemplo.
1 0 1
Sea f la aplicacin dada por la matriz A= 0 2 2 ; calcular bases de su ncleo e imagen.
2 1 1
Notemos que, ya que A es de tamao 3x3, la aplicacin ser f: 3
o 3 .
La matriz de una aplicacin que hemos considerado hasta ahora, es la matriz llamada
estndar o en bases cannicas. Cuando no se afirme lo contrario se tratar de la matriz
estndar.
Ahora bien, si fijamos en los espacios inicial y final otras bases, entonces podemos trabajar
con coordenadas en dichas bases.
Podemos entonces encontrar una expresin de f adecuada a estas coordenadas.
(Nota. A partir de aqu, conviene repasar el punto COORDENADAS Y CAMBIOS DE BASE del
tema Espacios Vectoriales).
Ejemplo.
2 f o 3
Sea la aplicacin
(x,y) 6 (x+y, x-y, 0)
y consideremos las bases siguientes:
- En el espacio inicial 2 la base B = { (1,1), (1,1) }
(0,2,0) = D (1,0,0) + E (1,1,0) + J (1,1,1) D=1, E=1J=1, es decir, (1,1,1) son las
1
coordenadas de (2,0,0) en base B y por tanto 1 es la segunda columna de la matriz M.
1
1 1
As tenemos M = 1 -1 , la matriz de f en bases B y B.
-1 1
Propiedades.
1) La matriz de f: n
o m en bases cualesquiera es de tamao m x n, al igual que la
matriz estndar.
x1 y1
M # = #
x y
n m
x1 y1
siendo # las coordenadas de v en base B, y siendo # las coordenadas de su
n
x y
n m
imagen f(v) expresada en base B.
En bases cannicas: La imagen de (x,y) es simplemente (x+y, x-y, 0) por lo que f(v)=(8,2,0).
(4,3) = D(1,1)+ E(1,1) D=4, E=1, luego (4,1) son las coordenadas de v en base B.
1 1 5
1 -1 4 = 3
-1 1 1 -3
As pues, la imagen de v es (5,3,3) en coordenadas en base B.
Que las coordenadas de f(v) en base B sean (5,3,3) significa, por definicin de
coordenadas, que:
base B
M base B
Tambin es posible cambiar de base slo en el espacio inicial, o slo en el espacio final:
f
V W 2) Ahora M es la matriz en B y la base
b. cannica
A cannica (es decir, sus columnas
b. cannica
contienen las imgenes de la base B,
P-1 P expresadas como coordenadas en base
cannica).
M
base B
Entonces tenemos: : M= AP
(Podemos considerar que Q es la matriz identidad)
Ejemplo:
2 f o 3
Dada la aplicacin
(x,y) 6 (x+y, x-y, 0)
1 1
ya hemos calculado anteriormente la matriz en bases cannicas, que es A= 1 -1
0 0
1 1
y su matriz en bases B={(1,1),(1,1)}, B={(1,1,0),(1,0,1),(0,1,1)}, que es M = 1 -1 ,
-1 1
Los cambios de base son:
1 1
En el espacio inicial 2 : el cambio de B a la base cannica es P=
1 1
(P se halla colocando en columnas los vectores de B expresados en base cannica).
El cambio inverso, de la base cannica a B ser P1.
12 1
2 12 1 1 1 1
M = Q1 A P = 12 1 1 1
12 2 1 -1 1 1 = 1 -1 .
1 1 0 0
-1 1
1
2 2 2
MATRICES EQUIVALENTES.
La equivalencia es una relacin entre matrices que se puede definir de cuatro formas
diferentes:
4) Dos matrices son equivalentes si tienen la misma dimensin mxn y el mismo rango.
1 2 3 4 1 0 0 0
Ejemplo. Dadas las matrices A= 5 6 7 8 y B = 0 1 0 0 , observamos que
9 0 1 2 0 0 1 0
ambas tienen dimensin 3x4 y rango 3. As, por la afirmacin 4) anterior, A y B son
equivalentes.
Esto significa, por 2), que A se puede transformar en B mediante operaciones elementales
por filas y posiblemente tambin por columnas.
Tambin significa, por 1), que tanto A como B son matrices de una cierta aplicacin lineal en
distintas bases. Esta aplicacin deber ser f: 4 o 3 (puesto que as su matriz ser
3x4) y deber ser rg(f)=3 ( es decir, dim(Im(f))=3 ), puesto que as la matriz de f tendr
rango 3.
h : V
o W oU
v x f(v) x g( f(v) )
Ejemplo
g
2 f
o 4 4
o 3
Sean las aplicaciones y
(x,y) 6 (x, y, x+y, x-y ) (x,y,z,t) 6 (x, x y, z+t)
1 0
0 1
La matriz de f en base cannica es A=
1 1
1 1
1 0 0 0
La matriz de g en base cannica es B= 1 1 0 0
0 0 1 1
Por tanto la aplicacin compuesta h=g v f tiene como matriz en base cannica
1 0
1 0 0 0 1 0
0 1 = 1 1
BA= 1 1 0 0
0 0 1 1 1 1 2 0
1 1
que es de dimensin 3x2 puesto que h comienza en 2 y acaba en 3 .
() C-4) Dada una aplicacin lineal f, con matriz asociada A, qu relacin hay entre Im(f)
y el rango de A?
C-5) Para cada una de estas aplicaciones lineales, cules son las posibilidades para la
dimensin de Im(f) ?
() a) f : 3
o 4
() b) f : 5 o 2
C-6) Para cada una de estas aplicaciones lineales, cules son las posibilidades para la
dimensin de Ker(f) ?
() a) f : 3
o 4
() b) f : 3
o 2
() a) f : 2 o 3
(x,y) 6 (x+1 , y+1, x+y )
() b) f : 2 o 2
(x,y) 6 (y , x )
f : 4 o 3
E-2) Dada , dar una base de la imagen de los
(x, y, z, t) 6 (x+2y+t, y+3z-t, 0)
siguientes subespacios:
() a) S= <(1,0,1,0), (2,3,0,1)>
() b) T= <(0,0,3,2), (4,6,3,1), (1,0,0,2)>
() b) f : 3
o 4
(x, y, z) 6 (z+2x, z+2x, -x-y-z, y)
() c) f : 3 o 3
(x, y, z) 6 (-x-y, 2x+2y, z)
() d) f : 3 o 3
(x, y, z) 6 (3x+y, 3y+z, 3z)
E-6)
f : 3 o 4
() a) Dada la aplicacin hallar todos los vectores
(x, y, z) 6 (x+y+z, z, y, x)
cuya imagen sea w=(4,1,3,0) .
f : 3 o 2
() b) Dada la aplicacin hallar todos los vectores cuya
(x, y, z) 6 (x+y, y-z)
imagen sea u=(1,1).
f : 3 o 2
() E-9) Dada la aplicacin
(x, y, z) 6 (2x+3z, x+2y)
y la base B= { (1,1,0), (0,1,1), (0,0,1) } en 3 , hallar la matriz de f tomando como bases
B en 3 y la cannica en 2 .
() E-10) Dada la aplicacin del ejercicio E-9), y la base B= { (2,0), (2,1) } en 2 , hallar la
matriz de f tomando como bases la cannica en 3 y la base B en 2 .
E-11) Dadas las bases B={ (1,4), (1,3) } de 2 y B={ (2,0,1), (0,-1,0), (3,0,0) } de 3 ,
Sol. C-2) Falso: f(v1), . . . , f(vn) sern un sistema generador de Im(f), pero no de W (a no ser
que Im(f) sea igual a W, pero no tiene por qu serlo. Slo si f es suprayectiva).
1 0 0
Sol. C-3) a) Basta poner una matriz 4x3 de rango 3, por ejemplo 0 1 0
0 0 1
0 0 0
1 0 0 0
b) Basta poner una matriz 3x4 de rango 3 , por ejemplo 0 1 0 0
0 0 1 0
c) Ha de ser entre dos espacios de la misma dimensin, o de un espacio en s mismo,
por ejemplo n o n . Basta entonces poner una matriz cuadrada nxn de rango n, por
ejemplo la identidad de tamao n.
Sol. C-5) a) La dimensin de Im(f) ha de ser menor o igual que la dimensin del espacio inicial
(ya que la dimensin no puede aumentar). Tambin ha de ser menor o igual que la
3
dimensin del espacio final 4 , ya que Im(f) est contenido en 4 . As pues, la dimensin de
Im(f) ha de ser b3 y b4 , por tanto puede ser 0 (si fuese la aplicacin nula), 1, 2 3.
Sol. C-6) a) Ker(f) est contenido en 3 , por tanto su dimensin puede ser 0, 1, 2 3.
b) Lo mismo. El espacio final no influye.
f(a,b)=(b,a)
f(Oa, Ob) = (Ob, Oa) que coincide con O(b,a).
Sol. E-2) a) f(S) est generado por las imgenes de (1,0,1,0) y (2,3,0,1).
f(1,0,1,0) = (1,3,0)
f(2,3,0,1) = (7, 4,0)
Los vectores (1,3,0) y (7,4,0) son linealmente independientes y por tanto base de f(S).
Sol. E-3) a) Im(f) est generada por las imgenes de la base cannica:
f(1,0,0,0)=(1,0,0)
f(0,1,0,0)=(2,1,0)
f(0,0,1,0)=(0,3,0)
f(0,0,0,1)=(1,1,0)
que son las columnas de la matriz de f. La matriz est ya escalonada y tiene rango 2,
con columnas pivotales las dos primeras. Por tanto una base de Im(f) ser { (1,0,0), (2,1,0) }
x
1 2 0 1 0
b) Resolviendo el sistema y se obtiene (6D+3E, 3D+E, DE) y de
0 1 3 -1 z 0
0 0 1 0 0
t
ah un sistema generador de Ker(f), que es (6, 3, 1 0), (-3, 1, 0, 1). Como estos dos vectores
son linealmente independientes, son base de Ker(f).
2 0 1
b) La matriz de la aplicacin es A= 2 0 1
de rango 2 (escalonando la matriz).
-1 -1 -1
0 1 0
-1 -1 0
c) La matriz de la aplicacin es A= 2 2 0
que tiene rango 2.
0 0 1
2v n de de filas y de columnas no es inyectiva ni suprayectiva.
3 1 0
d) La matriz de la aplicacin es A= 0 3 1 que tiene rango 3 =n de de filas y de columnas,
0 0 3
luego es inyectiva y suprayectiva, por tanto biyectiva.
1 1 1 4
x
Sol. E-6) a) El sistema 0 0 1 1 , que es compatible determinado, tiene como
y
0 1 0 3
z
1 0 0 0
solucin (0,3,1). Es el nico vector cuya imagen es (4,1,3,0) .
x
b) El sistema 1 1 0 y = 1 , que es compatible indeterminado, tiene como
1
0 1 -1 z
solucin { (-O1+OOO }. Estos son todos los vectores cuya imagen es (1,1).
1 1 1
1 0 2 0
Sol. E-8) a) La matriz estndar de f es A= 0 0 1 y la de g es B=
0 1 0 0 1 0 2
1 0 0
1 1 1
1 0 2 0 0
luego la matriz de h = g v f es BA =
0 1 = 1 -1 1
0 1 0 2 0 1 0 -2 0 1
1 0 0
2 forma: La matriz que se pide, tendr en sus columnas las imgenes de la base B
(expresadas en base cannica). Basta por tanto calcular dichas imgenes.
f(1,1,0)=(2,3)
f(0,1,1)=(3,2)
f(0,0,1)=(3,0)
2 3 3
Ponindolas por columnas se obtiene la matriz .
3 2 0
2 0 3
Sol. E-10) La matriz de f en bases cannicas es A= . La matriz de cambio de la base
1 2 0
1
cannica a B en 2 es Q1= 2 2 21 1 . Por tanto la matriz que se pide es
0 1 0 1
1 1 2 0 3 0 2 - 32
Q1A = 2 = .
0 1 1 2 0 1 2 0
0 0 1 -2 -2 1 1
Por tanto la matriz pedida es Q1A P = 0 1 0 3 3 1 1 = -15 -12
1 0 2 1 0 4 3 -4 - 10
3 3 3
1
1 1 1 3 1
b) El cambio de base cannica a la base B en es P =
2
4 3 4 1
2 0 3
El cambio de B a la base cannica en es Q= 0 1 0
3
1 0 0
2 0 3 1 0 -30 8
1 3 1 =
Por tanto la matriz pedida es Q M P = 0 1 0 0 3 -12 3
1 0 0 0 -2 4 1 -3 1
En lo que resta de este tema, nos centraremos en un tipo especial de aplicaciones lineales:
los endomorfismos.
Definicin: Endomorfismo.
Se llama endomorfismo a una aplicacin lineal f: V
o V, en que el espacio inicial y final
son el mismo.
ENDOMORFISMOS BIYECTIVOS
Sea f: V
o V y sea A su matriz asociada.
Las siguientes propiedades son todas equivalentes, es decir, si se cumple una, se cumplen
todas las dems:
Ejemplos de endomorfismos biyectivos (es decir, que cumplen todo lo anterior) son las
aplicaciones ya vistas: giros, simetras y homotecias.
En este tema se tratar de ver, dada una matriz, si existe otra matriz semejante a ella
que sea diagonal: P1 A P = D, y en ese caso calcular la diagonal D y la matriz de paso P.
En otras palabras: dado un endomorfismo, trataremos de encontrar una base en la cual la
matriz del endomorfismo sea sencilla (diagonal si es posible).
Para ello se utilizarn los valores y vectores propios.
En un endomorfismo, dado que el espacio inicial y el final son el mismo, podemos comparar
un vector v con su imagen f(v), y ver si es mltiplo suyo.
Definicin.
Si un vector v (no nulo) cumple que su imagen es mltiplo suyo, es decir, si
f(v)=Ov
con Oescalar, se dice que v es un vector propio (o autovector) de f, y que O es su valor
propio (o autovalor) asociado.
Ejemplos.
2 f o 2
1) En una homotecia todos los vectores son vectores propios, y
(x,y) 6 (2x, 2y )
su valor propio es 2, ya que cualquier vector v queda transformado en 2v.
3 o 3
2) Consideremos una simetra respecto al plano XZ,
(x,y,z) 6 (x, - y,z)
- Observar que los vectores de la forma (D,0,0) quedan transformados en s mismos (es
decir, multiplicados por 1). Por tanto 1 es valor propio, con vectores propios los de la forma
(D,0,0)
- De igual modo son vectores propios los de la forma (0, 0, E), tambin con valor propio 1.
- Observar que los vectores de la forma (0,J,0) quedan transformados en (0,J,0), es decir,
multiplicados por 1. Por tanto 1 tambin es valor propio, con vectores propios los de la
forma (0,J,0).
2
o 2
3) En un giro de 45, no hay valores ni vectores
(x,y) 6 ( 22 x- 22 y, 22 x+ 22 y )
propios, ya que ningn vector queda transformado en un mltiplo de s mismo.
Propiedades.
2. Los valores propios de una matriz diagonal o triangular, son sus elementos diagonales.
3. Si los valores propios de A son O1,. . . ,On entonces los de Ak son O1k,. . . ,Onk .
4. Si los valores propios de A son O1,. . . ,On entonces los de DA son DO1,. . . ,DOn.
5. Si los valores propios de A son O1,. . . ,On y si A tiene inversa, entonces los valores
1 1
propios de A-1 son ,. . . .
O1 On
Para la mayora de los valores de Oeste sistema ser compatible determinado (rango 2), y
por tanto no tendr ms soluciones que x=0, y=0. Estos valores de Ono son valores propios.
Sin embargo, para algunos valores de Oel sistema ser compatible indeterminado y por
tanto existirn soluciones no nulas del sistema: es decir, vectores no nulos tales que
f(v)=Ov.
Estos valores de Oque hacenel sistema compatible indeterminado, son los valores propios.
Las soluciones v de este sistema para cada O son los vectores propios.
Cundo el sistema ser compatible indeterminado? Esto ocurrir cuando la matriz del
sistema tenga determinante nulo. Planteamos entonces
3 O 2
det = 0.
0 1 O
es decir (3OO= 0
lo que se cumple slo para los valores O=1, O=3. Estos son los valores propios.
3 O 2 x 0
Ahora calculamos los vectores propios resolviendo el sistema =
0 1 O y 0
para O=1 y para O=3, (el sistema ha de ser compatible indeterminado)
O=3 :
0 2 x 0
El sistema es = cuya solucin son los vectores (P,0).
0 2 y 0
Por tanto, estos son los vectores propios de valor propio 3. El subespacio que forman es V3.
Una base de V3 es (1,0).
G G
3. Para cada valor propio O, resolver el sistema (A O, x 0 (compatible indeterminado),
la solucin ser el subespacio propio asociado a O
Hemos encontrado los vectores propios u=(1,1) y v=(1,0), correspondientes a los dos
valores propios. Con estos dos vectores, como son linealmente independientes, se forma
una base de 2 , B={ (1,1) , (1,0) }.
Hallemos la matriz de f en esta base y comprobaremos que efectivamente es diagonal.
Ahora bien, sabemos que los vectores de la base, u y v, son vectores propios: por tanto
conocemos su imagen, que es un mltiplo suyo.
Ahora hay que expresar estas imgenes en coordenadas respecto de la misma base B, es
decir, expresarlas como combinacin lineal de u y v. Es fcil:
1
f(u) = 1u se expresa como 1u + 0v coordenadas (1,0) 1 columna
0
0
f(v) = 3v se expresa como 0u + 3v coordenadas (0,3) 2 columna
3
1 0
As ya podemos formar la matriz D = , que efectivamente es diagonal.
0 3
Los elementos de la diagonal son precisamente los valores propios, 1 y 3 en este caso.
base B
D base B
donde:
3 2
- A es la matriz de f en base cannica, que ya conocamos: A=
0 1
1 0
- D= es la diagonal de los valores propios.
0 3
- P es la matriz de cambio de la base B a la cannica; por tanto tendr en sus columnas
los vectores de B expresados en base cannica:
1 1
P= (es decir, P tiene en sus columnas los vectores propios u, v).
1 0
Plantendolo en general,
Diagonalizar una matriz cuadrada A es encontrar una diagonal D semejante a A.
Pero atencin: esto no es posible para todas las matrices. Si la construccin anterior es
posible, diremos que A es diagonalizable.
Para ver si A es diagonalizable, habr que ver si se puede formar la base de vectores
propios. Es decir, habr que ver si, uniendo las bases de los distintos subespacios propios,
hay suficientes vectores como para formar con ellos una base del espacio total V.
A) Ver si es diagonalizable.
1) Calcular el polinomio caracterstico y hallar los valores propios.
2) Para cada valor propio O, calcular la dimensin del subespacio propio VO
1) Hallar los vectores propios, resolviendo el sistema correspondiente para cada valor propio.
2) Hallar una base de cada subespacio propio, y unirlas todas para formar una base de
vectores propios del espacio total n .
Para que D sea nxn se necesitarn n valores propios, as que en la diagonal habr que repetir cada
valor propio Otantas veces como indique dim(VO). Adems ha de respetarse un mismo orden al
colocar los valores propios en D, y los vectores propios en las columnas de P.
1 0 2
dim(V3) = 3 rg(A3I) = 3 rg 1 0 1 = 3 2 = 1
0 0 0
La suma de ambas dimensiones es 1+1=2, no es igual a la dimensin total 3.
Por tanto, A no es diagonalizable.
3 f o 3
2) Veamos si es diagonalizable el siguiente endomorfismo:
(x,y,z) 6 (x-4y, -y, 2y+z)
1 4 0
Ello se refiere a diagonalizar la matriz de f en base cannica, A= 0 1 0
0 2 1
Para ver si es diagonalizable, hallamos sus valores propios. El polinomio caracterstico es
1 O 0 2
det 1 3 O 1 = O3 O2 O + 1 = (O1)2 (O+1)
0 0 3 O
Valores propios: O 1 doble, O 1 simple.
Como O 1 es simple (multiplicidad 1), ya sabemos que dim(V1) = 1. Hallemos dim(V1).
0 4 0
dim(V1) = 3 rg(A I) = 3 rg 0 2 0 = 3 1 = 2
0 2 0
O= 1 :
2 4 0 x 0
G G
El sistema es (A + , x 0 , es decir, 0 0 0 y = 0 solucin (2JJJ)
0 2 2 z 0
Por tanto si la matriz es real simtrica, no hace falta comprobar que es diagonalizable.
Supongamos que queremos calcular la potencia An de una matriz. Esto puede llevar una
gran cantidad de operaciones.
Pero si la matriz A es diagonalizable, el clculo se facilita notablemente.
En ese caso, diagonalizando la matriz tendremos P1AP = D, por tanto A = PDP1 .
Entonces,
n n
A = AA = P DP1 PDP1 PDP1 = PDD P1 = PD P1
es decir,
n n
A = PD P1
n
lo cual es muy fcil de calcular teniendo en cuenta que para hallar la potencia D basta
elevar a la potencia n cada elemento diagonal.
Ejemplo
3 2
Hemos obtenido anteriormente la diagonalizacin de la matriz A= :
0 1
1 0 1 1
P1AP = D, por tanto A= PDP1, donde D= y P=
0 3 1 0
Calculemos entonces A9.
1
9 9 19
1 0 1 1 1 1 0 1 1 19683 19682
A =PD P =P P = =
0 39 1 0 0 19683 1 0 0 1
1. Crculos de Gershgorin.
Este resultado permite localizar una zona del plano complejo (o de la recta real) en la que
se encuentran los valores propios, y as acotarlos entre ciertos lmites:
Dada una matriz A de tamao nxn, se pueden dibujar en el plano complejo n crculos, uno
por cada fila de la matriz, de la siguiente manera:
- Centro: el elemento diagonal de la fila
- Radio: la suma de los valores absolutos de los dems elementos de la fila
Entonces, todo valor propio de A se encuentra contenido en alguno de los crculos,
incluido el borde.
Se trata de un mtodo iterativo para calcular el valor propio dominante (es decir, de mayor
valor absoluto) de una matriz, as como su vector propio asociado.
1) Que haya un nico valor propio de mayor valor absoluto (p. ej. no se podra aplicar a
una matriz cuyos valores propios fueran 5,1,5). Este valor propio ser el que
calcularemos.
2) Que dicho valor tenga asociado un subespacio propio de dimensin 1, por tanto
generado por un solo vector propio. Este vector propio ser el que calcularemos.
Ejemplo
4 12
Calculemos el valor propio dominante y su vector propio asociado, para A=
6 14
Partimos del vector v0 = (1,0). Hemos trabajado con 4 cifras significativas.
N ui Vi vi =
ui
iteracin i
0 (1,0) 1 (1,0)
1 (4,6) 6 (0.6667, 1)
2 (9.333, 10) 10 (0.9333, 1)
3 (8.2667,8.4) 8.4 (0.9841,1)
... ... ... ...
8 ... 8 (1,1)
9 (8,8) 8 (1,1)
Cada () es un punto.
Hay en total 40 puntos, de los cuales 15 son de cuestiones y 25 de ejercicios.
() C-1) Razonar por qu una matriz 3x3 no puede tener 4 valores propios.
4 0 0
C-2) Si la matriz de un endomorfismo en base cannica es
0 1 0
0 0 3
() a) Di, sin calcular, cules son los valores propios.
() b) Di, sin calcular, cules son los vectores propios.
C-3) Una cierta matriz A, de tamao 4x4, tiene como valor propio el 8.
() a) Qu posibilidades hay para el rango de la matriz A8 I ?
() b) Qu posibilidades hay para la dimensin del subespacio propio V8 ?
() C-5) Inventa una matriz 3x3 que sea diagonalizable. (Busca un ejemplo lo ms sencillo
posible).
() C-6) Sea A una matriz real simtrica 2x2 con dos valores propiosO y P . Si un vector
propio asociado a O es (1, 3), cul ser un vector propio asociado a P?
0 0 0
E-2) Dado el endomorfismo , determinar si los siguientes vectores son o no
2 1 2
1 0 1
vectores propios, y en caso afirmativo, hallar su valor propio.
() a) u = (0,3,0)
() b) v = (1, 0 , -1)
() c) w = (2,2,1)
() b) 1 2
2 4
1 0 0
E-4) Dado el siguiente endomorfismo,
2 1 1
8 1 3
3 o 3
() E-7) Dado el endomorfismo hallar la matriz de f en la base
(x,y,z) 6 (-x, - y , x+z)
B= { (1,0,2), (1,0,-1), (0,3,0) }
() E-8) De una matriz A de tamao 2x2, se sabe que es diagonalizable y que los valores
propios son 0 y 3 , con vectores propios respectivamente (1,1) y (4,1). Hallar la matriz A.
(Sugerencia: A=PDP1).
() E-9) Dada A= 6 1
hallar, mediante el mtodo de las potencias, el valor propio dominante
2 7
y su vector propio.
Sol. C-1) a) Una matriz 3x3 puede tener como mucho 3 valores propios: ya que el polinomio
caracterstico es de grado 3 y puede tener como mximo 3 races.
Sol. C-2) a) Como la matriz es diagonal, los valores propios son los elementos diagonales: 4, 1, 3.
b) Los vectores propios son los de la base cannica: (1,0,0), (0,1,0), (0,0,1). Ya que,
como la matriz contiene las imgenes de la base cannica en columnas, se observa que
f(1,0,0) = (4,0,0) luego (1,0,0) es vector propio de valor propio 4.
f(0,1,0) = (0,-1,0) luego (0,1,0) es vector propio de valor propio 1.
f(0,0,1) = (0,0,3) luego (0,0,1) es vector propio de valor propio 3.
Sol. C-3) a) Tendr rango estrictamente menor que 4, es decir, 3, 2, 1, 0. Ya que la matriz A8 I
dar lugar a un sistema compatible indeterminado, cuyas soluciones son los vectores propios de
valor propio 8.
b) Como todos los subespacios propios, podr tener dimensin como mnimo 1, y como
mximo la dimensin del espacio vectorial, en este caso 4. Por tanto, dimensin 1, 2, 3 4.
De hecho la dimensin de V8 est relacionada con el rango de la matriz A8 I, puesto que
dim (V8) = 4 rg(A8 I) .
Sol. C-4) a) Los subespacios propios son V3 y V5 . Los dos valores propios son simples, es decir, de
multiplicidad 1. Como la dimensin del subespacio propio est comprendida entre 1 y la
multiplicidad, dicha dimensin ha de ser 1, tanto para V3 como para V5 .
Entonces 1 + 1= 2, s es diagonalizable.
b) Los subespacios propios son V6 , V7 y V8. De manera similar, los tres valores propios son
simples, de multiplicidad 1. Como la dimensin del subespacio propio est comprendida entre 1 y la
multiplicidad, dicha dimensin ha de ser 1, para los tres subespacios .
Entonces 1+1+1= 3, s es diagonalizable.
Sol. C-6) a) En una matriz real simtrica, los vectores propios de distinto valor propio son
ortogonales. Por tanto el vector asociado a P deber ser ortogonal a (1,3). Por ejemplo (3,1) o
cualquier mltiplo suyo.
0 0 0 0 0
Sol. E-2) a) Hallamos la imagen de u:
2 1 2 3 3
1 0 1 0 0
vemos que f(u) = 1u , luego u es vector propio de valor propio 1.
0 0 0 1 0
b) Hallamos la imagen de v:
2 1 2 0 0
1 0 1 1 0
vemos que f(v) = 0v , v es vector propio de valor propio 0.
0 0 0 2 0
c) Hallamos la imagen de w:
2 1 2 2 6
1 0 1 1 3
vemos que f(w) no es mltiplo de w . Por tanto w no es vector propio.
Para O= 2:
3 0 0 x 0
0 solucin (0,E,-E) , vector propio (0,1,-1)
2 1 1 y
8 1 1 z 0
c) Los vectores propios son en total dos, luego no forman una base de 3.
El endomorfismo no es diagonalizable.
3 0 3
Sol. E-5) Primero escribimos la matriz de f, que es A=
0 3 9
0 0 3
a) Polinomio caracterstico: (3O) (3Ovalores propios 3 doble, 3 simple.
b) Para O= 3:
0 0 3 x 0
solucin (DE) , vectores propios (1,0,0) , (0,1,0)
0 0 9 y 0
0 0 6 z 0
Para O= 3:
6 0 3 x 0
solucin (E,3EE) , vector propio (1,3,2)
0 6 9 y 0
0 0 0 z 0
c) Hay en total tres vectores propios que forman una base de 3. Esto significa que el
endomorfismo s es diagonalizable.
3 0 0
d) La diagonal es la de los valores propios: D=
0 3 0
0 0 3
La matriz de paso tiene en columnas los vectores propios (en el mismo orden que los
1 0 1
valores): P=
0 1 3
0 0 2
(Se puede comprobar que se cumple D= P1AP ).
23 1
3 0
5 2
Por tanto la matriz en la base dada es M = Q1 A Q = 3 3 0
0 0 1
(Puede comprobarse que efectivamente A tiene los valores y vectores propios del enunciado).
Sol. E-9) El valor es 8 y el vector es (0.50, 1). Para dos cifras significativas converge en unas 10
iteraciones, segn el vector inicial que se tome.
INTRODUCCIN.
Trataremos en este tema de llevar a los espacios vectoriales nociones geomtricas como
ortogonalidad, ngulo, longitud, distancias, reas...
Veremos que todo ello se puede obtener al introducir un producto escalar.
La geometra eucldea se desarrolla en los siglos XIX y XX, tras la aparicin del concepto de
espacio vectorial. Recibe su nombre en honor a Euclides, matemtico griego (~300 a.C.)
quien estudi los conceptos bsicos de la Geometra plana, aunque por supuesto no en un
contexto vectorial.
Para generalizar esos conceptos geomtricos, observamos el comportamiento de los
vectores del plano. En 2 tenemos definido el producto escalar usual
(a1,a2) (b1,b2) = a1 b1 + a2 b2
Es una operacin entre dos vectores, cuyo resultado es un escalar (de ah el nombre
producto escalar).
El producto escalar permite reconocer a los vectores ortogonales (ngulo recto): dos
vectores son ortogonales si su producto escalar es cero (por ejemplo, (1,3) y (-6,2), etc.)
Observemos las propiedades de esta operacin:
1. Conmutativa. u v = v u
2. Distributiva. u ( v + w) = u v + u w
3. Reubicacin del escalarD (u v) = (D u) v = u (D v)
G
4. Definida positiva: v v t 0, y se da la igualdad v v = 0 solamente para el vector v = 0 .
Cualquier operacin en un espacio vectorial que cumpla las anteriores propiedades, diremos
que es un producto escalar (aunque no se trate del producto escalar usual).
Llamaremos espacio eucldeo a un espacio vectorial dotado de un producto escalar.
El producto escalar se denotar por u v. Tambin se puede utilizar la notacin <u,v>.
a b a ' b'
= aa ' bb ' cc ' dd '
c d c' d '
Este producto escalar tambin puede expresarse as, para dos matrices A y B:
A B = traza (A Bt) (Nota: la traza de una matriz es la suma de sus elementos diagonales).
Por analoga con lo que ocurre en el plano o el espacio con el producto escalar usual,
podemos definir los siguientes conceptos, siempre referidos a un cierto producto escalar.
Nos situamos en V, un espacio eucldeo.
1. Vectores ortogonales.
Dos vectores u, v son ortogonales si su producto escalar es cero: u v = 0. Se denota u A v.
Diremos que un conjunto de vectores es un conjunto ortogonal si cada uno de ellos es
G
ortogonal a todos los dems. (Exigimos adems que ninguno de los vectores sea el 0 ).
x Notar que si dos vectores u, v son ortogonales entonces tambin lo son sus mltiplos Du
y Ev (D, E escalares).
Notar que si alguno de los dos vectores es nulo, no podemos dividir por su mdulo y por
tanto el ngulo no est definido. En efecto, geomtricamente el vector nulo no forma ngulo
ninguno.
Con este producto escalar tambin se obtienen distancias, ngulos, etc distintos de los
usuales (se trata de una distorsin geomtrica del espacio),
Sean los vectores (funciones) f(x)=x2, g(x)=x+1 , respecto al producto escalar fg= f(x)g(x)dx
0
1 1
1 7
x Sus mdulos son: | f | = x x dx = (x+1) (x+1) dx
2 2
, |g|= =
0 5 0
3
1
fg 12
x ngulo que forman: arc cos =arc cos 0
=arc cos = 0,547 rad
|f||g| 1 7 1 7
5 3 5 3
x Se llama conjunto ortonormal a un conjunto ortogonal cuyos vectores tienen todos norma 1.
Se puede obtener normalizando un conjunto ortogonal. Sus elementos v1, v2,... cumplen:
vi vk = 0, vi vi = 1 (el producto de vectores distintos es 0, de cada vector por s mismo es 1)
Ejemplos
Una matriz cuadrada nxn se dice que es una matriz ortogonal si sus columnas son vectores
ortonormales de n (con el producto escalar usual).
(Nota. No nos dejemos confundir por la nomenclatura, pues se llama matriz ortogonal, a pesar de
que sus columnas son ortonormales y no slo ortogonales.)
2 2
1 0 0
Ejemplos. 0 1 0 en 3 ;
2 2
en 2.
0 0 1 2 2
2 2
1. Las columnas de una matriz ortogonal son n vectores ortonormales en n y por tanto
linealmente independientes; as pues, las columnas forman base de n (es una base
ortonormal).
En lo sucesivo veremos la utilidad de las bases ortonormales (p.ej. la base cannica de n).
2. Por tanto, toda matriz ortogonal es regular o inversible (su determinante es no nulo).
SUBESPACIOS ORTOGONALES.
G
Propiedad: Si dos subespacios son ortogonales entonces su interseccin ha de ser { 0 }.
G
En efecto, si tuviramos un v z 0 en la interseccin, tendramos v v z 0 con v S, vT.
Ello impide que los subespacios sean ortogonales.
x Por otra parte, recordemos que en un espacio vectorial, dado un subespacio S podemos
definir su suplementario (o complementario) como T tal que S T sea el espacio total.
G
Todo subespacio S (salvo el { 0 } y el total) tienen infinitos suplementarios, pero slo uno es
ortogonal a S.
Ejemplo.
Propiedades:
x S A est formado por todos los vectores del espacio que son ortogonales a S.
x Cualquier subespacio que sea ortogonal a S, estar contenido en S A .
Se trata de encontrar todos los vectores ortogonales a S. Basta con que sean ortogonales a
su base.
Por tanto planteamos un sistema de ecuaciones como en el ejemplo siguiente. Es un
sistema compatible indeterminado, cuyo espacio solucin ser (en forma paramtrica) S A .
Observemos que la dimensin de S A (nmero de parmetros) deber ser n dim S.
Ejemplo.
Calculemos el ortogonal del siguente subespacio de 4 : T= { (a, 0, 2a, b) : a,b }
Primero necesitamos una base de T: sta es (1,0,2,0), (0,0,0,1).
Buscamos los vectores que sean ortogonales a ellos, es decir, los (x,y,z,t) tales que:
x x x
y y 1 0 2 0 y =0
(1, 0, 2, 0) = 0, (0, 0, 0, 1) = 0 es decir,
z z 0 0 0 1 z 0
t t t
sistema compatible indeterminado cuya solucin es { (2 O , P , O ,0) : O , P }
Por tanto una base de T A ser (2, 0, 1, 0), (0, 1, 0, 0).
Notar que efectivamente dim T A = 2 = 4 dim T. Comprobar tambin que cada uno de los
vectores de la base de T A es ortogonal a cada uno de los vectores de la base de T.
Ejemplo:
En 2, proyectamos v=(1,2) sobre u=(3,1).
1
(3,1)
uv 2 (3,1) = 5 (3,1) = 3 , 1
proy u ( v )= u=
uu 3 10 2 2
(3,1)
1
3 1 3 1 1 3
As v1 = , , y por tanto v2 = v v1 = (1,2) , = ,
2 2 2 2 2 2
3 1 1 3
y el vector v queda expresado como (1,2) = , + , , dos componentes de las cuales
2 2 2 2
la primera va en la direccin de u y la segunda es ortogonal a u (comprubese).
(Frmula de la Proyeccin)
Ejemplo:
En 3, proyectamos v=(3,2,2) sobre el subespacio S generado por: u1= (2,0,1), u2= (0,3,0).
Lo primero, observamos que u1 , u2 forman base de S, y adems base ortogonal. Por tanto
puede utilizarse la frmula anterior:
3 3
(2, 0, 1) 2
(0, 3, 0) 2
u1 < v u <v 2 u 2 8 6 8 6 16 8
proys(v) = u1 + 2 u2 = 1+ u2 = u1 + u2 = (2,0,1) + (0,3,0) = , 2,
u1 < u1 u 2 <u 2 2 0 5 9 5 9 5 5
(2, 0, 1) 0
(0, 3, 0) 3
1 0
16 8 16 8 1 2
As v1 = , 2, , y por tanto v2 = v v1 = (3,2,2) , 2, = , 0,
5 5 5 5 5 5
16 8 1 2
y el vector v queda expresado como (3,2,2) = , 2, + , 0, , dos componentes de las
5 5 5 5
cuales la primera, v1 , pertenece a S y la segunda, v2 , es ortogonal a S (comprubese que
v2 es ortogonal a ambos vectores de la base de S).
Observacin. SA
Dado cualquier subespacio S, se tiene que S S A = V,
u2 u
donde V es el espacio total.
Por tanto, todo vector uV puede descomponerse como: u1
S
u=u +u , 1 con u S, u S A .
2 1 2
u1 = proy S (u)
De hecho, estas dos componentes no son otras que las u2 = proy S A (u)
proyecciones ortogonales de u sobre S y sobre S A , es decir,
Para ello hallamos S A , que es la recta generada por w = (1,0,2) (comprubese). Entonces,
w u 1 1 2
v2 = proy S A (u) = proy w (u) = w= (1,0,2) = ,0,
ww 5 5 5
1 2 16 8
y de ah v1 = v v2 = (3,2,2) ,0, = , 2,
5 5 5 5
Observaciones.
u1 < w un < w
lo cual significa (por la definicin de coordenadas) que los escalares ,..., son
u1 < u1 un < un
las coordenadas de w en la base dada {u1, . . . ,un}.
Adems si la base es ortonormal, los denominadores pueden suprimirse pues valen 1, y as
las coordenadas son simplemente (u1 w, . . . , un w )
Ejemplo.
1 1 2 2 2 2
(1,1) (1, 1)
1 1
Hemos visto que para aplicar la frmula de la proyeccin sobre un subespacio S, se requiere
una base ortogonal de S. Veremos cmo obtener una base ortogonal de S, si la que
tenemos no lo es.
Ejemplo.
Obtener una base ortogonal de 3 a partir de la base u1=(1,1,0), u2=(0,1,1), u3=(1,0,1).
a1 = u1= (1,1,0)
0
(1,1, 0) 1
a1 u 2 1 (1,1,0) = (0,1,1) 1 (1,1,0) = 1 , 1 ,1
a2 = u2 proy a1 (u2) = u2 a1 = (0,1,1)
a1 a1 1 2 2 2
(1,1, 0) 1
0
a1 u 3 a 2 u3 1 1 1 1 2 2 2
a3 = u3 proy a2 (u3) proy a3 (u3) = u3 a 1 a 2 =(1,0,1) (1,1,0) , ,1 = , ,
a1 a1 a2 a2 2 3 2 2 3 3 3
1 1 2 2 2
Por tanto la base ortogonal es (1,1,0), , ,1 , , , . (Comprubese que es ortogonal).
2 2 3 3 3
Para hacerla ortonormal dividimos cada vector por su norma, obtenindose la base
2 2 6 6 6 3 3 3
, , 0 , , , , , , (Comprubese que es ortonormal).
2 2 6 6 3 3 3 3
Neila Campos LGEBRA LINEAL Espacio Eucldeo 11
LA MATRIZ DE PROYECCIN.
1. Formamos la matriz A que contiene la base en sus columnas. Tendr pues, tantas
columnas como indique dim S. (No es necesariamente cuadrada).
PS = A ( At A )1 At
(la existencia de la inversa de At A est garantizada por haber formado A con una base).
Ejemplo.
En 3, vamos a proyectar v = (3,2,2) sobre el subespacio S generado por: u1= (2,0,1),
u2 = (0,3,0). (Ya lo hicimos por otro mtodo, comprobaremos que el resultado es el mismo).
Tomamos la base (2,0,1), (0,3,0), (que es ortogonal pero no sera necesario que lo fuese), y
formamos la matriz
2 0
A = 0 3
1 0
2 0 1 54 0 52
5 0 2 0 1
Con ella calculamos PS = A ( At A )1 At = 0 3 =0 1 0
1 0 0 9 0 3 0 2 0 1
5 5
54 0 52 3 165
proy S (v) = PS v = 0 1 0 2 = 2 que coincide con el resultado ya obtenido.
2 0 1 2 8
5 5 5
Y adems, toda matriz Q que cumpla las tres propiedades anteriores, resulta ser matriz de
proyeccin de un cierto subespacio de n. Este subespacio es aquel que generan sus
columnas.
12 12 0
Ejemplo. Comprobemos que la matriz Q= 12 12 0 cumple las anteriores propiedades.
0 0 1
Por tanto, Q es matriz de proyeccin de un cierto subespacio S. ste ser el generado por
sus columnas ( 12 , 12 ,0), ( 12 , 12 ,0), (0,0,1), es decir, el generado por (1,1,0), (0,0,1).
Observacin.
Si tenemos que proyectar un vector sobre un subespacio S, y no disponemos de una base
ortogonal de S, tenemos dos opciones:
- Calcular una base ortogonal por Gram-Schmidt para utilizar la frmula de la proyeccin,
- O hallar la matriz de proyeccin PS y utilizarla para proyectar el vector.
1. Vector simtrico.
Puesto que en un espacio eucldeo sabemos medir distancias y longitudes (con la nocin
de mdulo de un vector), ello nos permite aplicar las frmulas geomtricas usuales para
calcular reas y volmenes en 2 y 3.
Ejemplo.
Dado el subespacio S generado por (2,0,1),(0,3,0) hallar el simtrico v del vector v = (3,2,2).
Calcular el rea del tringulo formado por v y v.
16 8 1 2 v2 v
- Como ya hemos calculado, v = v1 + v2 = , 2, + , 0, .
5 5 5 5
v1
16 8 1 2 17 6 S
Entonces, v = v1 v2 = , 2, , 0, = , 2,
5 5 5 5 5 5
El rea pedida es dos veces el rea sombreada, por tanto v2 v
base altura v v
165 22 85 51 0 52 | 1833 unidades2
2 2 2 2
rea = 2 = 2 1 2 = v1 v 2 =
2 2
Error = | proyS(v) v | 2
Nota. Tambin es posible usar como error la norma | proyS(v) v | en lugar de la norma al cuadrado.
Para ello necesitamos una base ortogonal de P2. Partiendo de la base estndar {1, x, x2}
podemos hallar una ortogonal por Gram-Schmidt (utilizando siempre el producto escalar
dado por la integral), obtenindose la base a1 = 1, a2 = x 12 , a3 = x2 x + 16 . As,
a1 f a f a f
proy P (f) = a1 + 2 a 2 + 3 a 3
2 a1 a1 a2 a2 a3 a3
lo que se calcula mediante las
integrales correspondientes
1 y=ex
(p. ej. a1 f =
0
1 e x dx = e+1 ,etc.)
>(p( x) f ( x)@
1 2
| p f |2 = dx =
0
= 00000386
y=p(x)
El error es muy pequeo, lo que
significa que la aproximacin es y=ex
buena. En efecto, en la figura se ve
que la grfica del polinomio p(x) y la
de ex estn bastante prximas en
el intervalo [0,1].
(De hecho, el error representa el rea comprendida entre las dos curvas. Este mtodo de
aproximacin hace que dicha rea sea mnima).
Si lo aproximramos por un polinomio de grado 3, 4,... obtendramos una aproximacin an
mejor.
x Dada una funcin f(x), en lugar de aproximarla por un polinomio, tambin podemos
aproximarla por otro tipo de funciones. Basta hacer la transformacin adecuada para
reducirlo al problema de aproximacin por polinomios. Por ejemplo,
1
1) Aproximar f(x) = tg x por una funcin de la forma :
ax+b
1
Equivale a aproximar por un polinomio ax + b.
tg x
Neila Campos LGEBRA LINEAL Espacio Eucldeo 16
2) Aproximar f(x) = log x por una funcin de la forma ax+b :
Equivale a aproximar log x por un polinomio ax + b.
2
ax+b
3) Aproximar f(x) = cos x por una funcin de la forma e :
Equivale a aproximar log (cos x) por un polinomio ax + b.
G G G
Observemos que resolver un sistema lineal A x = b consiste en poner la columna b de
trminos independientes como combinacin lineal de las columnas de la matriz:
a a12 x b1 a11 a12 b1
Por ejemplo, 11 es encontrar x, y que cumplan x y
a21 a22 y b2 a21 a22 b2
G b1 a11 a12
Existirn tales x, y si el vector b es combinacin lineal de , , es decir, si
b2 a21 a22
pertenece al subespacio S generado por ellas. En ese caso el sistema ser compatible.
G
Si es incompatible, se debe a que b no pertenece al subespacio S.
G G
En ese caso, podemos sustituir b por otro vector c que s est en S, y para cometer el
G G
menor error posible, c ser la mejor aproximacin de b en S.
G G G G
Ax=c , donde c = proyS( b ), S = subespacio generado por las columnas de A.
Este nuevo sistema G Gya es compatible. Su solucin, si bien no cumple las ecuaciones del
sistema original A x = b , las satisface aproximadamente.
G G
El error cuadrtico es | c b |2 (trabajando en n con el producto escalar usual), o dicho de
G G G
otra manera, | A x b |2 donde x es la solucin aproximada que hemos hallado.
Este mtodo se llama mtodo de mnimos cuadrados ya que hace mnimo el error
cuadrtico.
Ejemplo 1.
1 2 x 3 3
Este sistema es incompatible, lo cual es debido a que b = no
2 4 y 5 5
1 2
pertenece al subespacio S generado por , en 2. Entonces sustituimos b por su
2 4
mejor aproximacin en S. Para ello, una base de S es el vector (1,2).
3
(1, 2)
c = proyS(b) = proy(1,2)(b)= 5 (1,2) = 13 (1,2) = 13 , 26
1 5 5 5
(1, 2)
2
y ahora resolvemos el sistema compatible (indeterminado)
1 2 x 135
2 4 y 26 cuya solucin es ( 135 2O , O ). Obtenemos infinitas soluciones que
5
satisfacen aproximadamente el sistema original.
2 2
2 1
3,5 ,
2 13 26 1
El error cuadrtico es | b c | = = , = = 02 .
5 5 5 5 5
2 3 0 0
1 0 x 1 Igualmente es incompatible puesto que bG = 1 no pertenece al subespacio
0 1 y 1 1
2 3
S generado por las columnas 1 , 0 en 3.
0 1
G
Calculamos por tanto la mejor aproximacin de b en S. Una base de S est formada por
ambas columnas, puesto que son linealmente independientes. Con ella podemos calcular la
matriz de proyeccin, que ser PS = A ( At A )1 At .
145
G G G
As, c = proyS( b ) = PS b = 72
1
14
2 3 145 2
x x 7
y se resuelve el sistema 1 0 72 compatible determinado, cuya solucin es
0 1 y 1 y 1
14 14
2
G G 5 2 1
0,1,1 , ,
25
El error cuadrtico es | b c |2 = = | 179 .
14 7 14 14
Ejemplo
Buscamos la recta que mejor se ajuste a los puntos (1,2), (2,3), (3,5).
Una recta es de la forma y = m x + b. Si pasara por los tres puntos, debera cumplirse
2 = a1 + b 1 1 2
2 1 m
3 = a2 + b es decir, un sistema en las incgnitas m, b : 3
5 = a3 + b 3 1 b 5
1 1 3 2 2 116 2 2
G G 2 10 1
El error cuadrtico es | A x b | = 2 1 12 3 = 3 3 = 6 | 0167
3 1 3 5 29 5
6
El error es pequeo porque los puntos dados estaban casi alineados.
En todos los casos se debe hacer pasar la funcin por cada uno de los puntos,
introduciendo la abscisa del punto en la x y la ordenada en la y, para obtener una ecuacin
por cada punto. Finalmente obtendremos un sistema incompatible en las incgnitas a, b, c...
que resolveremos por mnimos cuadrados.
() C-5) En 2, proyectamos un cierto vector sobre la recta y=x. Es posible obtener como
proyeccin el vector (1,2) ? Razonar la respuesta.
() C-6) Pueden dos vectores distintos producir la misma proyeccin sobre un subespacio?
2 1 1
3 3 3
() C-7) Razonar si la matriz A = 1 2
1 puede ser matriz de proyeccin, y en ese caso, hallar a
3 3 3
1 1 2
3 3 3
qu subespacio corresponde.
E-1) Sean los vectores u=(4,0,3) , v=(1, 1, 3) en 3 con el producto escalar usual. Hallar:
() a) El mdulo de u y de v.
() b) La distancia entre u y v.
() c) El ngulo que forman.
() 0 -1
b) B =
1 0
E-7) Dado el vector (0,3,2), hallar su proyeccin ortogonal sobre los siguientes subespacios:
() a) sobre la recta generada por el vector (1,2,1)
() b) sobre el plano P generado por (1,2,1) y (0,-1,2)
() E-8) Hallar la mejor aproximacin al vector (0,3,2) en el plano generado por (1,2,1) y (0,-1,2).
() E-12) En el espacio de funciones continuas C[0,1] con el producto escalar f g = f(x) g(x) dx
0
2
normalizar el vector f(x) = x .
2
() E-13) En el espacio de funciones continuas C[0,2] con el producto escalar f g = f(x) g(x) dx
0
hallar la mejor aproximacin de la funcin f(x)=2x+1 en el subespacio generado
por la funcin g(x)=x.
3x + y = 4
E-14) Dado el sistema x - y = 3
x + 3y = 7
() a) Comprobar que es incompatible y resolverlo por mnimos cuadrados.
() b) Hallar el error cuadrtico.
Sol. C-1) a) El producto escalar debe ser cero. Podemos poner, por ejemplo, (-2,1,0), o bien (0,1,2),
(1,0,1), etc.
Sol. C-2) Esta operacin cumple algunas de las propiedades de un producto escalar, por ejemplo, el
resultado es un escalar, tiene la propiedad conmutativa... Pero la propiedad definida positiva no se
cumple, pues al multiplicar un vector por s mismo puede obtenerse un nmero negativo:
(1,2) (1,2) = 11 22 = 3
Por tanto, no es un producto escalar.
Sol. C-3) No, puesto que los vectores ortogonales son linealmente independientes, y no puede haber 5
vectores independientes en 4.
Sol. C-4) Falso. Por ejemplo el conjunto { (1,0,0), (0,1,0) } es ortonormal y tiene dos vectores. (La
afirmacin sera cierta si dijese base en lugar de conjunto ).
Sol. C-5) No es posible, ya que la proyeccin sobre la recta ha de dar como resultado un vector
perteneciente a la misma, pero el vector (1,2) no pertenece a la recta y=x. u
v
Sol. C-6) S, como indica la siguiente figura, en que los vectores u y v tienen
ambos la misma proyeccin, w, sobre el eje X.
w
4
Sol. E-1) a) | u |2 = u u = (4,0,3) 0 = 25 , luego | u | = 25 = 5.
3
1
| v |2 = v v = (1,1,3) 1 = 11 , luego | v | = 11 .
3
1
(4, 0,3) 1
uv 3
c) cos D = =
= 13 # 0.784 , D arc cos (0.784) = 0.669 rad
uv 5 11 5 11
c) f g =
0
x3 x 2
x (x+1) dx = =
3 2 0 6
5
z 0 no son ortogonales.
Sol. E-4) a) Hay que comprobar si sus columnas son vectores ortonormales, es decir, si tienen mdulo
1 y son ortogonales entre s.
En este caso las columnas son u=(0,0,2) , v=(1,0,0), w=(0,1,0). Son ortogonales entre s,
pues u v = 0, u w = 0, v w = 0. Pero no todos tienen mdulo 1, pues u tiene mdulo 2.
Por tanto, A no es una matriz ortogonal.
b) Por cualquiera de los dos mtodos del apartado a), se tiene que B s es una matriz ortogonal.
Sol. E-5) Hay que ver si cada vector de la base de S es ortogonal a cada vector de la base de T.
(-3,-3,0,1) (0,1,0,3) = 0
(-3,-3,0,1) (1,1,-1,6) = 0
(1,0,2,0) (0,1,0,3) = 0
pero (1,0,2,0) (1,1,-1,6) = 1 0 por tanto S y T no son subespacios ortogonales.
Sol. E-6) a) Se trata de hallar todos los vectores (x,y,z) que son ortogonales a (1,0,2).
Planteamos por tanto la ecuacin (1,0,2) (x,y,z) = 0 , es decir
x + 2z= 0
Se trata de un sistema de una sola ecuacin con tres incgnitas, con matriz ampliada (1 0 2 | 0).
Por el mtodo de Gauss, su solucin es EDE que ya es, en paramtricas, el complemento
ortogonal de S.
[ Una base sera (-2,0,1), (0,1,0). Comprobar que estos vectores son ortogonales a (1,0,2).
Notar tambin que la dimensin del ortogonal es 2, ya que la de S es 1, estando en 3 . ]
b) Se trata de hallar todos los vectores (x,y,z) que son ortogonales a (1,0,2) y a (1,1,1).
(1,0,2) (x, y,z) = 0 x + 2z = 0
Planteamos por tanto las ecuaciones , es decir,
(1,1,1) (x, y,z) = 0 x + y + z = 0
1 0 2 0
Se trata de un sistema de dos ecuaciones con tres incgnitas, con matriz ampliada
1 1 1 0
Sol. E-8) La mejor aproximacin es simplemente su proyeccin sobre el plano. Por tanto se trata del
mismo ejercicio b) anterior, cuya solucin es 4 , 37 , 26 .
3 15 15
Sol. E-9) Aplicamos el proceso de Gram-Schmidt para hallar primero una base ortogonal a1 , a2 .
a1 = u = (0,1,0)
3
0 1 0 2
1
a2 = v proy a1 (v) = (3,2,1) (0,1,0) = (3,2,1) 2 (0,1,0) = (3,0,1)
0
0 1 0 1
0
3 1
Por tanto la base ortonormal pedida, es : (0,1,0) , , 0,
10 10
b) Para proyectar sobre S, podemos usar la matriz de proyeccin que hemos calculado.
Sol. E-11) a) Primero hay que expresar v como suma de dos componentes:
v = v1 + v2 con v1 en la direccin de (2,1) , y v2 ortogonal a (2,1).
2 1 34
v1 = proy (2,1) (v) =
(2,1) = 10 (2,1) = (4,2) esta es la componente v1
2 5
2 1
1
f(x) f(x) dx = x
1
2 2 4 x5 1 1
ff= x dx = x dx = = luego | f | = f f =
0 0 0 5 0 5 5
f
Ahora para normalizar f, lo dividimos por su mdulo: = 5 f= 5 x2
1 5
2
Por tanto la funcin normalizada es: g(x) = 5 x
Sol. E-13) La mejor aproximacin es la proyeccin. Por tanto hay que proyectar f sobre g.
2 2
g f
0
g(x) f(x) dx x ( 2x + 1) dx
0 22 3 11
proy g (f) = g= 2
g= 2
x = x = x
g g 8 3 4
g(x) g(x) dx
0
x x dx
0
11
La mejor aproximacin es por tanto la funcin h(x) = x
4
3 1
Sol. E-14) a) Escalonando, se ve que la matriz de coeficientes del sistema A= 1 1 tiene rango 2,
1 3
3 1 4
mientras que la matriz ampliada 1 1 3 tiene rango 3. Por tanto el sistema es incompatible, ha
1 3 7
de resolverse por mnimos cuadrados.
! " Alfa A
# $ Beta B
% & Gamma G suave, como en gato
' ( Delta D
) * psilon E breve
+ , Zeta DS
(pronunciado dseta)
- . Eta E larga
/ 0 Theta Z
(pronunciado zeta)
1 2 Iota I
3 4 Kappa K
5 6 Lambda L
7 Mu M
8 9 Nu N
: ; Xi X
< = micron O breve
> ? Pi P
@ A Ro R
B C, D Sigma S
E F Tau T
Y G Ypsilon entre I y U
(como la u francesa)
H I Phi o Fi F
X J Ji J
K L Psi PS
M N Omega O larga