lgebra Lineal
Isabel Arratia Zrate
Matrices y Sistemas de
ecuaciones lineales
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
3 0 5
y B = 15 3
A =
1
2
1
7 9
3
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
a 11
a
A = 21
...
a
m1
a 12
a 22
...
a m2
a 1n
a 2n
...
...
. . . . . a mn
.....
.....
A = (a i j ), i = 1, 2, . . . . , m ; j = 1, 2, . . . . , n
diag(A) = (a11, a 22 , . . . . . . . , a nn )
La suma de los elementos de la diagonal de una matriz
cuadrada de orden n se llama traza de A, es decir,
tr ( A ) =
aii
i =1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
A = 0
0
0
5
0
0
1
-1
B =
0
C = 0
0
1
6
0
0
8
-3
B =
2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
si i = j
i
A = 2i j si i < j
| i 3 j | si i > j
A = 1
0
0
2
3
1
3
20
i=1
n(n +1)
2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
6
6
,
5
6
,
3
6
,
2
6
p2
P = .. ..
..
..
.. ..
..
..
.. ..
.. ..
4 3,8 3,5 4 3, 2 p
60
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
m filas y n
ser
Por ejemplo, A = 1
4
1
7
2
2
3
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
10
Ejercicios:
Ade
= (orden
a i j ) 4 definida
1) Determine por extensin la matriz
como sigue. Calcule la traza de A. Es A una matriz
simtrica?
i 2 7 si
i= j
A = i j + 3 si
i = j 1
0
en otros casos
a+6
5
b3
b + 2
1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
11
Omxn o simplemente O.
Suma de matrices
Si A = (ai j ), B = (bi j ) Mmxn() , la suma de A y B es la
matriz A + B = (ci j) Mmxn() , donde ci j = a i j + bi j
Por ejemplo, si
7 9
4 12
A = 6 5 y B = 2 6 ,
8 4
1 3
3 3
A + B = 4 1
7 1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
12
Observe que para sumar matrices, ellas deben ser del mismo
orden. Se tienen las siguientes propiedades:
1.
2.
3.
4.
5.
6.
AMmxn(,)existe
AMmxn
)
tal (que
A = (a i j) cuando A=(a i j)
tr(A+B) = tr(A) + tr(B), A, BMn ()
A+(-
(A + B) t = A t + B t, A, BMmxn()
A+B diagonal
8. A, B simtricas A+B simtrica
9. A, B antisimtricas A+B antisimtricas
7.
A, B diagonales
13
Por ejemplo, si
A=(a i j)
1 5
3 15
A = 4 12 , entonces 1 A = 4
4
3
3
6 20
20
(-1)A = -A,
0 A = O, A matriz
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
14
Adems
5. tr( A) = tr(A), A M n ( )
6.
( A) t = A t , A M mxn ( )
3 6
2 1
si A =
5 0 , B = 4 2
0 2
C =
1 2
t
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
15
16
24
20
28
48
32
10
15
14
20
32
28
16
La multiplicacin de matrices
Si A = (a i j) Mmxn() y B = (b i j) Mnxr() , la multiplicacin
de A y B es la matriz AB= (c i j) , de orden m x r, donde
c i j=
a ikb k j
k =1
Componentes
de la columna j
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
17
Por ejemplo, si
2 1
8
2
5
y B = 2 4,
A =
3 1 1
1 0
15 16
entonces AB=
9 7
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
el
18
Este producto
tiene otras
curiosidades?
Si, por ejemplo,
Existen matrices cuadradas A, no nulas pero tales que
A2 = O
/ (A = 0 B = 0)
AB= 0
AB= AC
/ B= C
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
19
C (A + B) = C A + CB
La matriz cuadrada
A I n = A = I n A , A M n ()
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
20
3 2 - 3
5
1 - 1 X = 6
0
1 - 2 2
1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
21
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
22
3
Por ejemplo para A =
1
de tal matriz B.
a
Supongamos que B =
c
6
investiguemos la existencia
2
b
es tal que AB = I 2; entonces
d
3 6 a b 1 0
=
que equivale a
1 2 c d 0 1
y a resolver
a + 2c = 1
3a + 6c 3b + 6d 1 0
a + 2c b + 2d 0 1
y a + 2c = 0 .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
23
A M n ( ) es invertible
B M n ( tal
) que AB
o no singular si existe
In= BA. La matriz B, cuando existe, est
=
A A1 = In = A1 A
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
24
Cules matrices
son invertibles?
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
25
Determinantes
Asociado a cada matriz A M n ( )
existe un elemento
de , su determinante, que lo denotaremos det(A) o | A | .
a b
M 2 ( ) , det(A) = ad bc ; por ejemplo,
Si A =
c d
4 1
= 12 7 = 5
3
7
Si A es una matriz cuadrada de orden mayor que 2, el
determinante de A se define en forma recursiva como sigue:
Sea A = (a i j ) matriz de orden n. Llamaremos menor de orden
ij de A, y anotaremos
, alM
determinante
de orden n -1 que se
ij
obtiene a partir de A, eliminndole la i-sima fila y la j-sima
columna.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
26
5 2
1
Por ejemplo, si A = 0
2
1 , M13 = 2, M32 = 1
1 9 1
C13 = 2 y C32 = 1
El determinante de la matriz de orden n, A = (a i j ) es el nmero
n
n
i
j
+
( 1) a i jM i j =
a i jC i j con 1 j n fijo
i =1
i =1
det( A ) =
n
n
i
j
+
( 1) a i jM i j =
a i jC i j con 1 i n fijo
j =1
j =1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
27
1 3 9
A 2 0
5
2 4 7
det(A) =
j=1
28
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
29
30
Qu sucede con el
determinante de A+B?
a 1 + c1
a 2 + c2
a1
a2
c1
c2
(k )
8. Si A M n ( ) y A , 1 k n, denota la k-sima columna
de A, entonces
31
det(A) det(A)
Pero, utilizando la notacin de la propiedad 8, se tiene que
(1)
(k )
9. det(A , . . . , A
Y como consecuencia,
det(A) = n det(A)
32
Cmo utilizar la
propiedad 11
anterior?
la sumamos a
1 5 2
1 5 2
3 1
2 7 3 = 0
3
1=
= 19
8 9
4 12
1 0
8
9
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
33
4
1
1
4
a+b
1,
7
1
1
a+c
a+d
c ,
d
x+3
7
6
x5
6
1
1 ,
x+2
a2
1
1
b
c
b2
c2
Ejercicio:
1.
2.
3.
det(-A) = - det(A), A M n ( )
tr(A) = 0
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
34
adj( A ) = (( 1) i + j M i j ) t = (C i j ) t = (C j i )
a b
d - b
M2() , adj(A)=
Por ejemplo, si A =
c d
- c a
9
5
2
1
6 12
2 1 0
A = 3 5 6 ? La matriz de los
1 0 1
5
1 6
5
1 ; luego adj( A ) = 9
2 12
5 1
6
6
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
35
Observe que si
a b
M 2 () ,
A =
c d
0
a b d - b ad - bc
=
A adj(A) =
c
a
c
d
0
ad
bc
0
d - b a b ad - bc
=
y adj(A) A =
ad - bc
- c a c d 0
Y si el determinante de A es distinto de cero tenemos que,
1
1
A
adj(A) = I 2 =
adj(A) A
det(A)
det(A)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
36
A 1 adj(A) = I n = 1 adj(A) A
det( A )
det( A )
es decir, A es invertible y se tiene que
adj(A)
A -1 =
det(A)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
37
Teorema:
Sea A Mn () ; entonces
A invertible
det( A ) 0
-1
Y en este caso se tiene que A = det(1 A ) adj(A)
Por ejemplo, si
a b
M2 () , y ad - bc 0, entonces
A =
c d
1 d - b
-1
A =
ad bc - c a
5 9
, B = 3 1 6 ,
A =
2 3
1 2 1
1 5 1
C = 2 1 3
3 2 4
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
38
1.
det( A 1 ) =
2.
( A + B ) 1 = A 1 + B 1
3.
(AB) -1 = B 1 A 1
4.
(A -1 ) 1 = A
1
k 1
B = 2 0 2k ,
3 1 k 2
1
C=
1
0 1
1 1
1 k 1
0 0 k
0
k
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
39
Fij
Multiplicar una fila por un nmero real: Si se multiplica la fila i
por el nmero 0, esta operacin se anota
Fi
Sumar dos filas: Si la fila i se suma a la fila j, anotamos
Fi + Fj
40
Ejercicio:
41
matriz
escalonada
si
Las filas que tengan todas sus componentes iguales a cero deben
estar ubicadas debajo de aquellas que tengan componentes no
nulas.
La primera componente no nula de cada fila no nula es 1, vista de
izquierda a derecha. Esta componente se llama uno distinguido o
uno capital.
El nmero de ceros al comienzo de una fila aumenta a medida
que se desciende en la matriz.
Si adems A satisface lo siguiente:
Todas las componentes de la columna donde aparece un 1
distinguido son ceros,
la matriz A se llama escalonada reducida por filas.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
42
A = 0 2 , B = 0 1 0 ,
0 0
0 0 1
Son
escalonadas
0
1 5 0
C = 0 0 1 4
0 1 1 2
43
A
1
1
0
5
=
El rango de la matriz
es 2. Por qu?
3 2 1
3
M = 2
3
2
3
4
1
a 2
1 1 0 1
A = 1 k + 1 1 0
1 4 3 2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
44
Teorema:
Sea
A invertible
A Mn () ; entonces
r (A ) = n
AIn
5
12
, B = 2 4 1 ,
A =
1 3
3 1 2
3
2 3
C = 3 1
1
k 1 2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
45
Ejercicio:
compleja:
i
3i
3
1
A = 2+i
1 1 + 2i 4 + i
1 + i 1 + i 1 + i 1 + i
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
46
Matrices elementales
Una matriz elemental es aquella que se obtiene al realizar una
operacin elemental a la matriz identidad I n .
Usaremos las
elementales:
Ei j
siguientes
notaciones
para
las
matrices
: se obtiene al realizar Fi j a I n
Ei () : se obtiene al realizar Fi a I n
Ei j () : se obtiene al realizar Fi + Fj a I n
Por ejemplo, para orden 3,
E2 3
1 0 0
= 0 0 1 ,
0 1 0
1 0 0
E1 3 (4) = 0 1 0
4 0 1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
47
Observaciones
(1) Existe una equivalencia entre realizar a la matriz A una
operacin elemental fila y multiplicar, por la izquierda, la matriz A
por una matriz elemental. A saber,
Ei j A
Fi j
Ei () A
Fi
E i j ( ) A
Fi + Fj
Ei j Ei j = I n
Ei () Ei ( 1 ) = I n
Ei j () Ei () = I n
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
48
Teorema:
Sea A Mn () ; entonces
A invertible
AIn
49
A = E 1 1 E 2 1 . . . . E -1
k
det(A) = det(E
-1
1 )
. . . . det(E
-1
k )
det(A) 0
A invertible
Del teorema siguen los siguientes corolarios:
(1) A Mn () A invertible r ( A ) = n
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
50
(2) A Mn () , A invertible
A es producto de
matrices elementales.
E k . . . . . E 2 E1 A = I n A -1 = E k . . . . . E 2 E1
Adems, prueba el enunciado hecho antes: Si una sucesin de
operaciones elementales fila reducen A a la matriz identidad I n,
entonces esa misma sucesin de operaciones elementales fila
cuando se aplican a I n proporcionan A 1.
2 8
A
=
Ejercicio: Exprese la inversa de la matriz
1 3
como producto de matrices elementales.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
51
Factorizacin LU
Sea A Mn () . Si al escalonar A no es necesario realizar
permutacin de filas, entonces A puede factorizarse como el
producto LU donde:
L es una matriz triangular inferior con todos los elementos de
su diagonal iguales a 1.
U es una matriz triangular superior con los elementos pivotes
en la diagonal.
No toda matriz admite
factorizacin LU
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
52
A
=
Por ejemplo,
1
efecto,
a
A =
c
0 x
d 0
0 1 ax
=
1 0 cx
ax = 0
En
cy + dz
ay
(a = 0
x = 0)
L o U no invertible
A no invertible
invertible
A admite factorizacin LU
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
53
A = 0
1
1 1 1 F1 + F3
A = 0 1 1
1 2 0
1
1
2
1
0
1 1 1 F2 + F3
0
1
1
0 1 1
1 1 1
0
1
1
=U
0 0 2
E2 3 (1) E1 3 (1) A = U
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
54
Efectivamente,
A = 0
1
1
1
2
1 1
1 = 0
0 1
0
1
1
0 1
0 0
1 0
1
1
0
1
2
A= 3 0
1 2
2
0
1
0
3
1
2
1
1
1
B=
3 1 1
2
1
2
3 1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
55
22 2
2n n
(*) 21 1
........
a m1x 1 + a m 2 x 2 + . . . . . + a mn x n
=
=
b1
b2
...
bm
x1
x2
X=
,
....
x
n
b1
b
B= 2
....
b
m
56
x1
x
n
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
57
Ejercicio:
x1 + 4 x 2 3 x 3
5 x 2 x + 3 x
2
3
1
=
=
0
6
x1 x 2 2 x 3 + 2 x 4
3x 1 + x 2 + 4 x 3 + 9 x 4
A = 1 5 1 ,
6
1
1
4 5
A =
1 0
2
,
7
2
B = - 4
3
1
B = - 6
10
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
58
59
un sistema homogneo;
60
x1 + x 2 x3
= 0
2x1 2x 2 + 3x3 = 0
3x1 + 7x 2 x3 = 0
A = 2 2 3
3
7 1
1
A = 2 2
3 0 - 4 5 0 1
0
1
0
=E
2
3
7 1 0 4 2 0 0
7 0 0 1
61
Ejemplo 2:
x1 + x2 3x3
= 0
A = 2
1
1
4
7
3 1
6 0
15 0
1
-6
-6
En este caso:
- 3 1
12 0
12 0
0
1
0
2 = E
0
x 2 = 2x 3
x 2 2x 3 = 0
Asignamos a x 3 el parmetro con el fin de expresar las infinitas
soluciones as:
1
S = 2 = 2 ; .
1
O tambin, S = (1, 2, 1) ,
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
62
2x + 3y 7z
4 5 1 1
4
1 1
A =
3 7 0 0
5 15
2
5 1 0
1
3
=E
10 0 1 3 2
y = 3z + 2u
O tambin, S = ( 1, 3, 1, 0) + ( 3, 2, 0, 1) ; ,
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
63
A = 2
0
1
4
1
3 1
6 0
k 1 0
-2
9
1
-3 1 0
1
18 0 1
2 =E
k - 1 0 0 k 3
64
=
=
0
0
1 1 1
A = 3 a a
4 a 0
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
65
B = ( b1, b 2 , . . . . . , b m ) t M mx1 ( )
Llamaremos matriz ampliada (o matriz aumentada) del
sistema AX = B a:
a 11
a 21
A =
....
a
m1
a 12
a 22
....
....
a 1n
a 2n
....
am 2
....
....
....
a mn
b1
b2
....
b m
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
66
Se tiene que:
El sistema AX = B es compatible si y slo si r(A) = r(A; B)
O equivalente,
El sistema AX = B es incompatible si y slo si r(A) r(A; B).
Supongamos que AX = B, sistema de m ecuaciones lineales
con n incgnitas, es compatible.
1. Si r(A) = r(A; B) = n, entonces AX = B tiene solucin nica.
2. Si r(A) = r(A; B) < n, entonces AX = B tiene infinitas
soluciones que se pueden expresar en trminos de uno o
ms parmetros.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
67
Ejercicio:
X = A 1B
En las condiciones anteriores, por qu
Ejercicio:
resuelva
x1 + x 2 + 2x 3
3x1 + 6x 2 5x 3 = 0
2x1 + 4x 2 4x 3 = 2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
68
x + 4y 3z
3x + 6y z
=
=
3
1
1 4 3 3 1 4 3 3 1 0 7 3 113
( A; B) =
8 10 0 1 4 3 5 3
1 0 6
3 6 1
En este caso, r(A) = 2 = r(A; B) y el sistema es compatible. Como
n = N de incgnitas = 3, el sistema tiene infinitas soluciones; las
buscamos en:
7
11
x + 3z
y 43 z
Soluciones:
=
=
( 7 , 4 , 1) + (11, -5 , 0) ;
3
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
69
( A ; B) = 2
1
1 b 0 5
0
5 1 c 0 5
=
=
b
c
1
a 1 2
1 b 2a 0 5
1
c 0 0
1
1
0
b 2a
2a b + c
70
2m
2
2
( m 1)
2 (1 m )
1 2 2
( A ; B) = 0 m
1
1 1 m
0
0
0
1
0
2
2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
71
( A ; B) 0 1
2m
0 0 ( m 1) 2
Y la solucin es:
S = 1,
1 0 0
ii) Si m = 1, ( A ; B) 0 1 1
0 0 0
2
2 (1 m )
2
m -1
-2
m -1
),
1
2
m 1
2
m 1
m 1
2 , r(A) = 2 = r(A; B) y el
0
( 0, - 1, 1) + (-3, 2, 0) ;
iii) Para ningn nmero real m, el sistema es incompatible.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
72
=
=
2
1
2 x1 + x 2 + x 3
x 1 + kx 2 + kx 3
x 1 + kx 2 kx 3
=
=
2k
k
73
Problema:
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
74
La Regla de Cramer
La Regla de Cramer nos proporciona un mtodo para
resolver ciertos sistemas de n ecuaciones lineales con n
incgnitas.
Sea A matriz de orden n y consideremos el sistema de
ecuaciones lineales AX = B. Si det (A) 0, entonces A es
invertible y la nica solucin del sistema es X = A 1B .
La Regla de Cramer nos entrega otra manera de hallar esta
nica solucin de AX = B a travs de los determinantes;
asegura que,
i
xi =
, i = 1, 2, . . . . . , n
75
=
=
1
2
1
En este caso
Luego
1 2 2
= 0 m 1 = (m 1)2
1 1 m
m {1} , = det(A) 0
y el sistema tiene
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
76
x1 = 1 =
x2 =
x3 =
2
=
3
=
Solucin:
1
2
2
m
2
1
( m 1)
1
0
1
2
2
1
( m 1) 2
1
0
1
2
m
1
1
2
1
( m 1) 2
S = 1,
2 ,
m -1
( m 1) 2
( m 1)
2 ( m 1)
( m 1) 2
= 1
2 ( m 1)
( m 1) 2
-2
,
m -1
2
m 1
2
m 1
m 1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
77
Q B = 207 - 3p A + 1 p B
2
Las ecuaciones de la oferta son:
pA = 2 + Q A + 1 QB ,
3
pB = 2 + 1 Q A + 1 Q B
2
4
que indican los precios a los cuales las cantidades
estarn disponibles en el mercado. En el punto de equilibrio
del mercado las cuatro ecuaciones deben satisfacerse.
Calcule los valores de equilibrio de Q A , QB , p A y pB .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
78
LU X = B
LY = B, con Y = UX
= 2
=
=
=
4
1
7
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
79
1 2 1 1 1 0
1
1 1 2 1 1
=
A=
3 4 1 0 3 2
2 4 2
0
1 2
0 0 1
0 0 0
1 0 0
1 1 0
2 1
1
1 1 0
0 4 3
0 0
2
U
Resolvemos LY = B,
y1
y1 + y 2
3 y1 2y 2 + y 3
2y1 + y 3 + y 4
= 2
=
=
=
4
1
7
- 2
2
Y=
9
2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
80
Finalmente, resolvemos U X = Y,
x1 + 2x 2 x 3 + x 4
x 2 + x3
4x3 3x 4
2x 4
= 2
= 2
= 9
=
2
- 1
X=
3
1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
81
Espacios vectoriales
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
82
x2
.
..
.
xn
(x 1, x 2 , . . . . , x n )
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
83
n
Es decir, aceptamos que Mnx 1( ) , con el fin de
aprovechar la familiaridad que se tiene con los espacios
2 y 3 .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
84
V ; (u, v)
es un conjunto
u+v
xV
V ; ( , v)
i) ( v ) = ( )v ; , ; v V
ii) ( + )v = v + v; , ; v V
iii) (u + v ) = u + v; ; u, v V
iv ) 1 v = v; v V, con 1 elemento unidad de
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
85
a)
b)
0 v = 0 , v V
0 = 0,
c)
d)
v = 0 ( = 0
(-1) v = v, v V
se tiene que:
v = 0)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
86
n = . . . .
n = { ( x1, . . . . . , x n ) / x i , i = 1, . . . . , n }
n con las operaciones siguientes:
es un espacio vectorial
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
87
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
88
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
89
Suma en
3
Ponderacin en
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
90
91
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
92
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
93
0V W
W no es subespacio de V
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
94
y W
un subconjunto no vaco de V. W es un subespacio de V
si y slo si
i)
u, v W u + v W
ii)
, u W u W
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
95
Ejemplo: El conjunto D = { ( x, y) 2 / y = x 2 } no es
un subespacio de 2 pues, por ejemplo, u = (2, 4) D,
v = (3, 9) D y u + v = (5, 13) D.
Ejemplo: El conjunto W = { ( x, y, z) 3 / 2x - z = 0 } es
un subespacio de 3 ; en efecto,
W = { ( x, y, 2x)
/ x , y }
y se tiene que,
i) 0 = (0, 0, 0) W
96
Luego U
i) A, B U (A t = A
Bt = B)
(A + B) t = A t + B t = A + B
A +BU
ii)
( A U)
( A) t = A t = A
A U
97
b
M 2 ( ) /
d
3a + b - d = 0 2c - b = 0
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
98
uU u V vU v W
u+ vU u+ v W
u + v U W
Finalmente, si u U W y ,
uU u W
u U u W
u U W
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
99
100
un conjunto de vectores
v = 1 v1 + . . . . . . + nvn, donde
1, . . . . , n .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
101
= { (1, 0, 2) + (0, - 1, 1) / , }
= { ( , - , 2 + ) / , }
= { (x, y, z) 3 / z = 2x - y }
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
102
(2 - 5x + x 2 ) + (1- 3x + 2x 2 ) = 2 - 4x - 5x 2 ?
Esta igualdad nos conduce a
2 + = 2
5 3 = 4
+ 2 = 5
p <S >
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
103
VoF
Ejercicio:
Determine si las
siguientes afirmaciones, relativas a
un
espacio
vectorial
V,
son
verdaderas o falsas:
A)
B)
0 < S >, S V
k = 1, . . . . , n, v k < {v 1, . . . . . , v n } >
C)
ST <S> <T>
D)
<S>=<T> S=T
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
104
3
Ejemplo: Consideremos los vectores de , e 1 = ( 1, 0, 0),
e 2 = ( 0 , 1, 0)
e 3 = ( 0 , 0, 1).
Entonces { e1, e 2 , e 3 }
3
genera al espacio ; en efecto,
Puntos en el espacio
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
105
e 1 = (1, 0), e 2 = ( 0 , 1)
a + bx + cx2 = a 1+ b x + c x2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
106
Dependencia lineal
4
En , consideremos los vectores u = (1, 0, -1, 0),
107
108
0 0
0 0
1 0
0 1
Los vectores E1 =
109
Ejercicio:
son l. i.
,
M 2 ( )
S 4 =
,
4
1 2 2 0
1
, u y
vectores de V.
a) Bajo que condiciones { v } es l. i.?
b) Bajo que condiciones { u, v } es l.d.?
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
110
Demuestre que:
a) 0 S S l. d
b) (S T T l.i. ) S l.i.
c) (S T S l.d. ) T l.d.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
111
Base - dimensin
Sea V un espacio vectorial sobre el cuerpo .
Una base de V es un conjunto B de vectores
de V que es linealmente independiente y
generador de V.
Por ejemplo, para cada n IN el conjunto B = { e1, . . . . , en}
n
n
de vectores de , es una base de ; se llama base
n
cannica (o usual) de .
Los conjuntos B = { 1, x, x 2 }
1 0 0
,
B =
0
0
0
1
,
0
0 0 0
,
1
1
112
113
Luego B es l. i.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
114
+ 3 + = b
2 + = c
= a b + 2c
= a + 2b - 3c
En consecuencia,
= 2a - 4b + 7c
115
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
116
117
En consecuencia,
dim = 1,
dim n = n
dim P2 [ x ] = 3,
dim M 2 ( ) = 4,
dim Pn [ x ] = n + 1
dim M mn ( ) = mn
Cul es la dimensin
del espacio {0}
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
118
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
119
Observaciones:
1) La dimensin del espacio vectorial real C de los
nmeros complejos es 2. Pero si consideramos a
C como espacio vectorial sobre si mismo,
entonces C es un espacio de dimensin 1.
Justifique esta afirmacin.
2) Existen espacios vectoriales que no poseen una
base finita.
Dichos espacios se dicen de
dimensin infinita; por ejemplo, el espacio
vectorial real C([a, b]; ), de todas las funciones
reales continuas en [a, b] tiene dimensin infinita.
Muestre otro ejemplo de un espacio vectorial de
dimensin infinita.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
120
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
121
122
W =
/ a - 2b + c - 4d = 0 a + b - 3d = 0
c
d
123
y sea
124
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
125
5 + 2 = 6
- 3 = - 5
De aqu, [ v ]B = ( 4, - 7)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
126
tales que
127
Determinemos
las
coordenadas
del
vector
p ( x ) = 4 + 5 x - 3x 2 con respecto a la base B, esto es,
encontremos , , tales que
(1 + x 2 ) + (1 + x) + (2 + 3x 2 ) = 4 + 5x 3x 2
Reordenando e igualando polinomios obtenemos el
sistema:
+ + 2 = 4
=5
+ 3 = -3
cuya solucin nos conduce a
[p( x )]B = (3, 5, - 2)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
128
( 1)
(2)
y B una base
[v + u] B = [v] B + [ u ] B , v, u V
[ v] B = [v] B , v V,
R3 .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
129
U + W = { v V / v = u + w, u U, w W }
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
130
Se tiene que:
i) 0V = 0 + 0, con 0 U y 0 W
ii) Si v1= u1 + w1 y v2 = u2 + w2 son vectores de U + W,
entonces v1 + v2 = (u1 + u2) + (w1 + w2) U + W.
iii) Si , entonces v1 = u1 + w 1 U + W
Por lo tanto U + W es un subespacio de V. Adems se
puede establecer que:
(1) U U + W
(2) Si U = S
W U+ W
y W = T , entonces U + W = S T
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
131
( x, y) = (0, y - x ) + (x, x ) U + W
3
132
Observe que:
V = U + W v V, u U, w W : v = u + w
Sea V un espacio vectorial sobre y
sean U, W dos subespacios de V. Se dice
que V es la suma directa de U y W, en cuyo
caso se anota V = U W si
v V, !u U, ! w W : v = u + w
Ejercicio: Sean U = < {(0, 1)} > y W = < {(3, 1)} >
subespacios de R2 .
Demuestre que R2 es suma
directa de U y W.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
133
sean
U, W dos subespacios de V.
V = U W (V = U + W U W = {0})
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
134
S2 =
M2 () / d = 0
c
d
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
135
de
dimensin finita n y sea U
subespacio de V.
Entonces existe W subespacio de V tal que V = U W .
En efecto, si U = V, basta tomar W = {0}. Supongamos
que dim U = k < n y sea { v1, . . . , vk} una base de U.
Por el teorema completacin de base, existen vk+1, . . . ,
vn vectores de V tales que { v1, . . . . , vn } es base de V.
Sea W = { vk+1, . . . , vn} ; entonces V = U W .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
136
El suplementario de un subespacio U no es
2
nico.
En cualquier par de rectas no
colineales que pasen por el origen, estn
asociadas a subespacios suplementarios.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
137
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
138
< u, v >
139
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
140
Ms an,
< v, v > = 0 v = 0
(4) En un espacio vectorial V pueden estar definidos varios
p.i. Por ejemplo, las siguientes funciones constituyen
2
p.i. en
f( (x, y), (a, b) ) = xa + yb
g( (x, y), (a, b) ) = xa ya xb + 4yb
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
141
xi yi
i =1
respectivamente.
0 p(x) q(x) dx
142
Ejercicio: Calcule
a) < (3, -5, 1, -2) , (7, 4, -2, 3 >
2 0 7 8
b) <
,
>
- 5 9 1 1
c) < x2 + 5 , 2x + 1 >
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
143
|| v || =
< v, v >
d(u, v) = || u - v ||
3) El vector v de V se dice unitario si || v || = 1.
Si el vector v de V,
v
entonces || v ||
v 0 , no es unitario,
v
4
3
= , 0, lo es.
5
|| v || 5
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
144
Ejercicio:
7 1
4 2
M2 (),
A
,
B
=
=
Si
1 5
1 3
calcule la longitud de A y de A B.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
145
Observaciones:
Si
x , || x || =
< x, x > =
Si v = ( x , y ) 2 , || v || =
Coincide con lo
aprendido: distancia
entre dos puntos del
plano
x2 = |x |
x2 + y2
< v, v > =
v = (x, y)
y
|| v ||
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
146
Si v = ( x, y, z ) 3 , || v || =
< v, v > =
x2 + y2 + z2
v = (x, y, z)
|| v ||
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
147
|| v || 0 ; v V
|| v || = 0 v = 0
|| v || = || v ||; , v V
|| v + u || || v || + || u || ; v, u V
(Desigualdad triangular)
| < v, u > | || v || || u || ; v, u V
dndose la igualdad si y slo si v y u son linealmente
dependientes.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
148
d(v, w) = || v w ||
i)
d ( v , u) 0 ;
v, u V
ii ) d( v , u) = 0 v = u
iii ) d( v , u) = d(u, v); v , u V
iv ) d(v, u) d(v, w) + d(w, u) ; v, u, w V
(Desigualdad triangular)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
149
< u, v >
= cos 1
|| u || || v ||
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
150
1+ k
k2 + 2
=
3
1+ k
2k 2 + 4
k =0
1
2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
151
u v
< u, v > = o
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
152
2
Por ejemplo, en los vectores u = (a, b)
y v = (-b, a) son ortogonales puesto que
< u, v > = 0.
1 si i = j
< e i, e j > =
0 si i j
En consecuencia, B es un conjunto ortogonal. Ms an,
B es un conjunto ortonormal puesto que
|| e i || =
< e i, e i > =
1 = 1, i
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
153
So =
/ v S es un conjunto ortonormal
|| v ||
1
pues < v , u > = 1
< v, u > = 0
|| v || || u ||
|| v || || u ||
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
154
k3 + 6 7k = 0
(k 1)(k 2)(k + 3) = 0
k=1 o
k=2 o k=-3
k2
A =
2
4
k
1
B =
k
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
155
Teorema de Pitgoras:
Sea V un espacio con p.i. < , > y sean u, v vectores de
V tales que u v . Entonces
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
156
Complemento ortogonal
Resolvamos el siguiente problema:
3
Sea S = { (1, -2, 3), (-2, 5, -1) } . Encontrar dos
vectores unitarios y ortogonales a los vectores de S.
=
=
0
0
( 13 , - 5, 1) ;
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
157
u1 =
1
195
v1 y u2 = 1 v 2
195
satisfacen lo pedido.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
158
S = {v V / v x , x S}
= {v V / < v, x > = 0 , x S}
3
159
{ 0 V }
= V
V =
{ 0 V }.
160
Finalmente,
y u S y < u, x >= 0 , x S
< u, x > = < u, x > = 0 = 0, x S
u S
,
,
T =
3 5 - 2 1 1 - 1
161
Observaciones:
1. Sea V espacio con p.i. < , > y W un subespacio
de V tal que W = < {w1, . . . . , wk} >. Entonces,
W = { w1, . . . . . , wk }
Efectivamente, v W v w, w W
v wi , i = 1, . . . . , k
v {w1, . . . . , wk }
Por otra parte, sea v {w1, . . . , wk } y w W, entonces
w = 1w1 + . . . . + k wk , con 1, . . . , k y
< v, w > = 1 < v, w1 > + . . . . + k < v, wk > = 0
es decir, v W
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
162
V = W W
U = {(x, y, z, u) / x + y + 3z u = 0 y x z + 2u = 0}
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
163
Luego S es l.i.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
164
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
165
w1 = v1
w2 = v2
w3 = v3
< v 2 , w1 >
2
|| w1 ||
w1
|| w 2 ||
w2
< v 3 , w1 >
2
|| w1 ||
w1
........
wn = vn
|| w n-1 ||
w n-1 . . . . . .
< v n , w1 >
2
|| w1 ||
w1
166
Adems, Bo =
w1
w
, . . . . . , n es una base ortonormal de V.
||w1||
||wn ||
Cmo funciona
este Proceso?
pr u ( v ) = < v , u2> u
|| u ||
pru(v)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
167
prw1 (v2 )
v1
w1
w1 = v1
w2 = v2
< v 2 , w1 >
2
|| w1 ||
w1 = v 2 prw1 ( v 2 )
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
168
(1, - 1, 1) = (1, 0, 1) -
2
(1, - 1, 1)
3
1 2 1
=( , , )
3 3 3
< (1, 1, 2), ( 1 , 2 , 1 ) > 1 2 1 < (1,1, 2), (1, - 1, 1)
3 3 3
w3 = (1, 1, 2)
( , , )(1, - 1, 1)
2
2
1
2
1
3
3
3
|| ( , , ) ||
|| (1, - 1, 1) ||
3 3 3
= (1,1, 2) -
2
1
1
5 1 2 1
( , , ) - (1, - 1, 1) = (- , 0, )
2
2
2 3 3 3
3
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
169
1 2 1
1
1
Entonces, Bo = (1, - 1, 1), ( 3 , 3 , 3 ), (- 2 , 0, 2 )
base ortogonal de 3.
es
una
6
, || w1 || = 1 ,
Como || w1 || = 3, || w 2 || =
3
2
1
1
(1, 0, 1)
(1, 2, 1),
Bo = 1 (1, - 1, 1) ,
2
6
3
3
es una base ortonormal de .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
170
a)
b)
U = {(x, y, z, u) / x + y = 0 y z + u = 0}
a b
M2 () / a = 0 c = 0
W =
c d
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
171
Observacin:
Si V es un espacio con p.i. < , > de dimensin finita y
Bo = {w1, . . . ., wn} es una base ortogonal de V, las
coordenadas del vector v de V con respecto a la base
< v, w i >
Bo son i =
. En efecto, como v =
2
|| w i ||
para cada i = 1, . . . , n,
i w i
i=1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
172
Proyeccin ortogonal
Sea V un espacio con p.i. < , > y W un subespacio de V
con base ortogonal {w1, .. , wk}. La proyeccin
ortogonal del vector v de V en el subespacio W es el
vector
k
v = pr W ( v ) =
i =1
< v, w i >
|| w i ||
wi
prW(v)
W
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
173
La aplicacin p : V
por p(v) = v ,
W ; definida
se llama proyeccin
ortogonal de V en W.
Ejemplo: En 3
consideremos el subespacio W
generado por S = {(1, -2, 3), (5, -1, 0)} y determinemos la
proyeccin ortogonal del vector v = (4, -1, 6) en W.
i) S es una base de W pero S no es ortogonal.
ii) Aplicamos a S el Proceso de Gram-Schmidt y
obtenemos S0 = {(1, -2, 3), (3, 0, -1)} base ortogonal de W.
iii) La proyeccin ortogonal de v en W es:
3 ( 3 , 0, - 1)
v = 12
(
1
,
2,
3)
+
7
5
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
174
Ejercicio:
Encuentre
la
proyeccin
Ejercicio: Sea
Ejercicio:
Encuentre
la
proyeccin
1 1
en el subespacio
A =
1 0
generado por 1 1 y 0 0 .
3 1
0 0
ortogonal de
M2(R)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
de
175
Transformaciones lineales
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
176
ii )
T( v ) = T ( v);
; v V
v1, . . . . , vn V, 1, . . . . , n .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
177
T (0 ) 0
T no es aplicacin lineal
f ( x ) = 3( x ) = ( 3 x ) = f ( x )
Por lo tanto, f es una aplicacin lineal. Pero si definimos
g(x) = x + 4, g no es una aplicacin lineal puesto que
g ( 0 ) 0 . Observe que la funcin g tampoco cumple las
condiciones i) y ii) exigidas para ser transformacin lineal.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
178
f(x) =
f(x) = e x
f(x) = ln x
f(x) = 1
x
f(x) = cos x
179
F(A) = A t
Entonces, F ( A + B ) = ( A + B ) t = A t + B t = F ( A ) + F ( B )
F( A ) = ( A )t = A t = F( A )
180
Destacamos los
siguientes dos
ejemplos
To : V W; To (v) = 0 W
es una aplicacin lineal
6) Si V es un espacio vectorial sobre
, la funcin
I : V V; I(u) = u
es lineal; se llama aplicacin identidad de V.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
181
v = 1v1 + . . . . . + n v n
T(v) = 1w1 + . . . . . + n w n
satisface lo requerido en el teorema.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
182
183
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
184
Ejercicio:
1) T : 3 ; T(x) = ( x, 0, 3x)
2) T : 2 3; T(a, b) = (5a b, a + b, 1)
3) T : 2 P2 [ x]; T(a, b) = a + 5ax + (2a + 4b)x 2
4) T : P1[ x] 3 ; T(a + bx) = (a, 2b - a, a + b)
2a c a
5) T : 3 M2 (); T(a, b, c) =
a c 3
6) T : Mn () ; T(A) = det(A)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
185
Ncleo e imagen
Sean V y W espacios vectoriales sobre y
T: V
W una transformacin lineal. El
ncleo o kernel de T es el conjunto
Ker T = { v V / T(v) = 0 }
La imagen de T es el conjunto
Im T = { w W / v V talque T(v) = w }
Ejemplo:
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
186
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
187
To : V W; To (v) = 0 W
IV : V V; I(u) = u ?
Ker To = V, Im To = {0}, Ker I V = {0} e Im I V = V.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
188
( T ) = dim (Ker T)
189
(T ) = dim V - (T)
190
Im (T) = 2
El siguiente teorema caracteriza a
las aplicaciones lineales inyectivas,
epiyectivas y por lo tanto biyectivas.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
191
Teorema: Sea T : V
W aplicacin lineal.
a b 2a b + 3c a + 2b c + d
=
F : M 2 () M 2 () , F
c d b + c + d 3b 3c 2d
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
192
Isomorfismos
1
193
3
en es un isomorfismo,
T(x, y, z) = (x - y, 2y + z, x + 2y + z)
T inyectiva
T epiyectiva
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
194
1) T : 3 3; T(x, y, z) = (x, 2x - y, x + 4y - z)
2) T : 3 P2[x]; T(a, b, c) = (a c) + (2a + b + c)x + (3a + b + c)x2
a b
4
= (a + d, 2c, a + c, c - d)
3) T : M2 () ; T
c d
Si T: V
W es un isomorfismo,
entonces se dice que los espacios V y W
son isomorfos, en cuyo caso se anota
V W
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
195
T(a, b, c) = a + bx + cx2
a b
El isomorfismo T
= (a, b, c, d) establece que los
c d
espacios M2 () y 4 son isomorfos.
La relacin ser isomorfo a es una relacin de
equivalencia entre espacios vectoriales, es decir,
i) V V
ii) V W W V
iii) (V W W U ) V U
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
196
T es aplicacin lineal.
Ker T = { v V / [ v ]B = (0, . . . , 0) } = { 0 }; luego T es
inyectiva.
Como la nulidad de T es cero, el rango de T es n, es
n
decir, la imagen de T es un subespacio de
de
dimensin n; entonces Im T = n y T es epiyectiva.
As T es un isomorfismo y V n .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
197
Ejercicio: Demuestre
1) El teorema precedente.
2) Que el espacio de las matrices reales diagonales de
orden 3 es isomorfo a 3 .
3) Que el espacio de las matrices reales antisimtricas
de orden 3 es isomorfo a 3 .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
198
1) T, SL(V, W) T + SL(V, W)
2) y T L(V, W) T L(V, W)
3) To L(V, W)
Las aplicaciones T + S y T
(T+S)(v) = T(v) + S(v)
( T)(v) = T(v)
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
199
200
(S o T)( u + v) = S(T( u + v)
= S( T(u) + T(v))
= S(T(u)) + S(T(v))
= (S o T)(u) + (S o T)(v)
Recuerde que la composicin de funciones es asociativa y
distributiva con la suma:
201
202
i) TA (X + Y) = A (X + Y) = A X + A Y = TA (X) + TA (Y)
ii) TA ( X) = A ( X) = (A X) = TA (X)
Es decir,
La transformacin lineal
asociada a la matriz A.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
203
Ejemplo: Sea
1 5
A = 3 1
2 4
y determinemos la aplicacin
lineal asociada a A.
TA : 2 3 ; TA (x, y) = ??
1 5
x + 5y
3 1 = 3x y
2 4 y 2x 4y
2
5
0
0 0 0
0 =
0 0 0
e I3
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
204
205
Se tiene que:
9 F es una funcin bien definida y adems es lineal, puesto
que
TA + B = TA + TB
TA = TA ,
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
206
Sean {e1, ..... , en} y {e1, ..... , em} las bases cannicas
de n y m respectivamente. Entonces,
T (e1 ) =
T (e 2 ) =
......
a12 e1 + a 22 e 2 + . . . . . + a m2 e m
......
T (e n ) = a1n e1 + a 2 n e 2 + . . . . . + a mn e m
y la matriz,
a 11
a 12
A = [T ] =
....
a
1n
a 21
a 22
....
a 2n
a m1
. . . . a m2
.... ....
. . . . a mn
....
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
207
a 11
a 21
es decir, la matriz A = [ T ] =
....
a
m1
a 12
a 22
....
a m2
a 1m
. . . . a 2m
,
.... ....
. . . . a mn
....
L(n , m ) Mmxn()
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
208
1
3
4
t
2
= 1
5
2
3
5
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
209
T : 3 2 ; T ( x , y, z ) = (-x + 3 y - 7z, 2x - y + z)
T : 3 3 ; T ( x , y, z ) = (7y - z, x + 6 z, 5x y + 2 z)
Consecuencia del isomorfismo
L ( n , m ) M mxn ( )
que se ha establecido tenemos que:
[T + S] = [T] + [S]
[a T] = a [T] , a nmero real
Adems, [T o S] = [T] [S] y si T es invertible, [T -1 ] = [T] -1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
210
T ( v1 ) =
T(v 2 ) =
......
a12 w1 + a 22 w 2 + . . . . . + a m2 w m
......
T ( v n ) = a1n w1 + a 2 n w 2 + . . . . . + a mn w m
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
211
La matriz,
a11
a12
....
a
1n
a 21
a 22
....
a 2n
. . . . a m1 a11
. . . . a m2 a 21
=
....
.... ....
. . . . a mn a m1
a12
a 22
....
a m2
. . . . a1m
. . . . a 2m
.... ....
. . . . a mn
E
[T]
B
se denota
y es la matriz asociada a la
transformacin lineal T o matriz de representacin
de T, cuando se consideran las bases B de V y E de W.
E
Cuando n = m y B = E , la matriz [T] B se denota [T]B .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
212
E
La matriz [T] B est caracterizada as:
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
213
E
E
[T + S] E
=
[T]
+
[S]
B
B
B
E
[ T] E
=
[T]
B
B ,
Adems, si T: V
W y S: W
U son
transformaciones lineales y B, E, C son bases de V, W
y U respectivamente, entonces
C
E
[So T] C
=
[S]
[T]
B
E
B
Si T: V
W es una aplicacin lineal invertible y
B, E son bases de V y W respectivamente, entonces
-1 B
-1 E
E
[T]E
[T
]
=
[T
o
T
]
=
[
I
]
B
E
E
W E = In
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
214
E
-1
B
B
[T -1] B
[T]
=
[T
o
T]
=
[
I
]
E
B
B
V B = In
Por lo tanto,
[T]E
B
-1
-1 B
( [T]E
)
=
[T
]E
B
Finalmente, el rango de T es
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
215
E
y determinemos la matriz [T] B donde B = { (1,1,1), (1,1, 0),
(1, 0, 0)} base de 3 y E = {(2, 3), (-3, -5)} base de 2 .
2 2
2 6 4
E
[T ] B = 6
3 =
4 3 2 3 3
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
216
E
[T]
Ejemplo: Determinemos la matriz
B asociada a la
T(1) = 0 =
T(x) = 1 =
T(x2) = 2x =
T(x3) = 3x2 =
0 + 0x + 0x2
1 + 0x + 0x2
0 + 2x + 0x2
0 + 0x + 3x2
0 1 0 0
E
Por lo tanto, [T]B = 0 0 2 0
0 0 0 3
Esta matriz
deriva
polinomios?
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
217
3
E 1
[ I ]B =
- 2 - 4
2
2
=
y [ I ]B
E
1
1
2
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
218
B
E
E
[IV] E
[I
]
=
[I
o
I
]
=
[
I
]
B V E
V V E
V E = In
E
B
B
=
o
=
[IV] B
[I
]
[I
I
]
[
I
]
E V B
V V B
V B = In
E
Es decir, la matriz [ IV ]B es invertible y su
B
inversa es [ IV ]E.
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
219
Las matrices
de cambio
siguiente:
B
[IV] E
y
[I
]
B
V E son llamadas matrices
de
E
B
[ IV ] B
[T]
=
[T]
E
E
E
E
E
[T] E
[I
]
=
[T]
E V B
B
E
E
B
[ IV ] B
[T]
[
I
]
=
[T]
E
E
V B
B
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
220
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
221
Ejercicio: Considere F:
P2[x] la aplicacin
F(0,1,2) = 1 + x2
2 lineal cuya
.
y C = {(1,0), (0,3)} es [ G ]CB =
1 2
0
matriz [2G o F] (bases cannicas).
Determine la
222
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
223
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
224
V = { vV / T(v)= v}
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
225
es un valor propio de T
v V, v 0 tal que T ( v) = v
v V, v 0 tal que T ( v) v = 0
v V, v 0 tal que (T I n )( v) = 0
v V, v 0, v Ker (T - I n )
T I n no invertible
det [T I n ] = 0
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
226
p ( ) = 0
Por otra parte,
det(T - I) = 0
det( I - T) = 0
V = { v n / T(v) = v }
= { v n / T(v) - v = 0}
= { v n / (T - I n )(v) = 0}
= Ker (T - I n )
227
La matriz asociada a T es A =
1
1
p() = 0 det[ I - T] = 0
= 0 2 +1 = 0,
1
no tiene races reales, T no tiene valores propios.
228
2x + y - z =
Ker[ T I 3 ] = { (x, y, z) /
2x + 2y - z =
3
0
}
0
2x - z = 0
2x + 2y - 2z = 0
= < { (1, 1, 2) } >
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
229
Diagonalizacin
Se dice que una base B de V diagonaliza a la
transformacin lineal T si la matriz [T]B asociada a T es
una matriz diagonal. Cuando tal base B existe, se dice
que T es diagonalizable.
Una matriz A Mn () es diagonalizable si la aplicacin
lineal asociada a A lo es.
Cundo T es
diagonalizable?
230
1 v1 + 0 v 2 + . . . . . + 0 v n
0 v1 + 2 v 2 + . . . . . + 0v n
......
0 v1 + 0 v 2 + . . . . . + n v n
0
[T ] B =
....
0
2
....
....
....
....
....
0
. . . .
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
231
[ T ]B = 0
0
0
1
0
0
1
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
232
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
233
p( ) = ( - 1 ) d1 ( - 2 ) d 2 . . . . . . ( - k ) d k
con d i = dim V y V espacio propio
i
i
de T asociado al valor propio i .
Por ejemplo, el polinomio caracterstico de la transformacin
lineal T(x, y, z) = (-9x 8y + 4z, 8x + 7y - 4z, - 8x 8y + 3z) es
p( ) = ( - 3)( + 1) 2
Y dim V = 3 = 1,
__________________________________________________________________
Algebra Lineal - I. Arratia Z.
234
235
236