APUNTES DE LGEBRA LINEAL

Universidad Nacional Autnoma de Mxico

Facultad de Ingeniera.
M.I. Luis Cesar Vzquez Segovia
Grupo:
Semestre: 2010-2
TEMA 1.- ESPACIOS VECTORIALES.

Definicin.

Sea V un conjunto no vaco y sea (k, +, *) un campo. Se dice que V es un espacio vectorial
sobre k si estn definidas dos leyes de composicin, llamadas adicin y multiplicacin por
un escalar, tales que:

I) La adicin asigna a cada pareja ordenada (, ) de elementos de V un nico

elemento + V, llamado la suma de y .
II) , , V: +( + ) = (+ )+ .
III) V tal que + = , V.
IV) V V tal que + =
V) , : u+ = +
VI) La multiplicacin por un escalar asigna a cada pareja ordenada (,v) de
elementos de k y V un nico elemento k llado el producto de por
.
VII) k; , V: (+ ) = +
VIII) , k; V: (+) = +
IX) , k; V: ( ) = ()
X) Si 1 es la unidad de k 1 = , V

A los elementos de V se llama vectores y a los de k se les llama escalares.

Ejemplo.

R3; F,f: RR Pn M2x2

I
II
III
IV
V
VI
VII
VIII
IX
X

Ejemplo.

Sea el conjunto S = {ax2 + ax + b )a,b R} en R y las leyes de adicin y multiplicacin por

un escalar usuales. Determinar si S es un espacio vectorial.
i) CERRADURA
P1 = a1x2 + a1x + b1 ; P2 = a2x2 + a2x + b2

P1 + P2 = (a1 +a2)x2 + (a1 +a2)x + (b1 +b2) se cumple S R

ii) ASOCIATIVIDAD
P1 + (P2 + P3) = (P1 + P2) + P3

P1 + [(a2 + a3)x2 + (a2 + a3)x + (b2 + b3)] = [(a1 + a2)x2 + (a1 + a2)x + (b1 + b2)] + P3
(a1+a2+a3)x2 + (a1+a2+a3)x + (b1+b2+ b3) = (a1+a2+a3)x2 + (a1+a2+a3)x + (b1+b2+ b3)

Se cumple

iii) E ELEMENTO IDENTICO

+ P1 = P1
(ex2 + e1x + ei1) + (ax2 + ax + b) = ax2 + ax + b
(e + a)x2 + (e + a)x + (ei + b) = ax2 + ax + b

e+a=a e=0
e+a=a e=0 (0)x = (0)x2 +(0)x +0
ei + b = b ei = 0

iv) E ELEMENTO INVERSO

- + =0 +p=0

(Ix2 + Ix + d) + (ax2 + ax + b) = (0)x2 +(0)x +0

(I + a)x2 + (I + a)x + (d + b) = (0)x2 +(0)x +0

I+a=0 I = -a
I+a=0 I = -a - = = ax2 + ax + b
d+ b = 0 d = -b

v) CONMUTATIVIDAD
P1 + P2 = P2 + P 1
(a1+a2)x2 + (a1+a2)x + (b1+b2) = (a2+a1)x2 + (a2+a1)x + (b2+b1)

vi) MULTIPLICACIN POR UN ESCALAR

p = S

p = ax2 + ax + b S Se cumple

vii) SUMA DE VECTORES POR UN ESCALAR

(P1 + P2) = P1 + P2
 *(a1+a2)x2 + (a1+a2)x + (b1+b2)+ = (a1x2 + a1x + b1) + (a2x2 + a2x + b2)
(a1+ a2)x2 + (a1+ a2)x + (b1+ b2) = (a1+ a2)x2 + (a1+ a2)x + (b1+ b2)
Se cumple

viii) SUMA DE ESCALARES POR UN VECTOR

( + )p = p + p

( + )a1x2 + ( + )a1x + ( + )b1 = (a1x2 + a1x + b1) + (a1x2 + a1x + b1)

(a1+ a1)x2 + (a1+ a1)x + (b1+ b1) = (a1+ a1)x2 + (a1+ a1)x + (b1+ b1)
Se cumple.

ix) (p) = ()p

(ax2 + ax + b) = ax2 + ax + b
ax2 + ax + b = ax2 + ax + b Se cumple

X) UNIDAD DEL CAMPO

1p = p

1ax2 + 1ax + 1b = ax2 + ax + b Se cumple

S es un campo vectorial

-DEFINICIN DE SUBESPACIO.

Sea V un espacio vectorial en K y sea S un subconjunto de V.

S es un subespacio de V si es un espacio vectorial en K respecto a la adicin y
multiplicacin por un escalar definidas en V.

Teorema
Sea V un espacio vectorial en K y sea S un subconjunto de V.
S es un subespacio de V si y solo si .

1) + = S; Para todo , S
2) = S; Para todo K, S

Demostracin

V = E3
S = Plano XY S = {(x, y, 0)x, y R}
Determine si S es un subespacio.

Solucin:
1) + = S; Para todo , S
(x1, y1, 0) + (x2, y2, 0) = (x1 + x2, y1 + y2,0) S Se cumple
2) = S; Para todo K, S
(x1, y1, 0) = (x1, y1, 0) S Se cumple

S es un subespacio vectorial de V

Ejemplo

Sea = ,(x, y, z) x + y -z = 2; x, y, z R}

Determinar si es un espacio vectorial en R con las operaciones de adicin de vectores y

multiplicacin por un escalar usuales.

Solucin:

x + y -z = 2 ; z = x + y 2

= , (x, y, x + y -2)x, y R}

I) 1 = (x1, y1, x1 + y1 -2) ; 2 = (x2,y2, x2 + y2 -2)

1+ = [x1 + x2, y1 + y2, (x1 + x2) + (y1 + y2) 4]

2
no es un espacio vectorial.

Ejemplo.

Sea el conjunto D = { a, b R} determine si D es un espacio vectorial con las

leyes de composicin de adicin de vectores y multiplicacin por un escalar usuales.

Solucin:

a1 0 a2 0
i) 1 = 2=
0 b1 0 b2

a1 a 2 0
1+ 2= D Se cumple
0 b1 b 2

ii) 1 D

D Se cumple
 D es un subespacio vectorial.

Espacios Rn

R2 = [(a, b)a, b R]
R3 = [(a, b, c) a, b, c R]
R4 = [(a1, a2, a3, a4) a1, a2, a3, a4 R]
Rn = [(a1, a2, a3, ..., an) a1, a2, a3, ..., an R]
R= [aa R]

COMBINACIN LINEAL.

1+ 2 =

Definicin.
Un vector w es una combinacin lineal de los vectores 1+ 2 + 3,..., n si puede ser
expresado en la forma = 1 1+ 2 2,..., +n n donde 1,2,..., n son escalares.

Ejemplo
Sea = (3, 4, -2)
= 1+ 2
= 1(1,2,0) + 1(2,2,1)
[(1,2,0), (2,2,-2)]

[(1,1,-1), (1,2,0)]

(3,4,-2) = (1,1,-1) + (1,2,0)

(3,4,-2) = (,,-) + (,2,0)
(3,4,-2) = ( + , + 2,-)

+ =3
+ 2 = 4 = 2; =1
- = -2

Ejemplo.
Sea = (6,7,5)

Forma trinmica = 6i + 7j +5k

= 6(1, 0, 0) + 7(0, 1, 0) + 5(0, 0, 1)

Ejemplo
Sea D = { a, b R}

{ , } a + b =

Ejemplo

R2 = [(a, b)a, b R]

{(1,0), (1,1), (0,1)}

(1,0), (1,1), (0,1) = (a, b)
(,0), (, ), (0, ) = (a, b)
( + , + ) = (a, b)

+=a

+=b

Del 2 rengln
+=b ; =b-

Del 1 rengln
+=a ; =a =

Solucin
=a-k
=k k R
=bk

Definicin.
Sea S = { 1, 2,..., n} un conjunto de vectores

1) S es linealmente dependiente si existen escalares 1,2,..., n, no todos son iguales a

cero, tales que 1 1+ 2 2 +... + n n =
2) S es linealmente independiente si la igualdad 1 1+ 2 2 +... + n n = , solo se
satisface con 1 = 2 =,..., = n = 0

Ecuacin de dependencia lineal

1 1+ 2 2 +... + n n =

1 0 0 0
B={ , }
0 0 0 1

Para B
 1 0 0 0 0 0
1 + 2
0 0 0 1 0 0

1 0 0 0 0 0
+ = 1 = 0; 2 = 0
0 0 0 2 0 0

1 0 0 0
= B es linealmente independiente
0 2 0 0

B2 = {(1, 0, 1), (0, 1, 1)}

Teorema

Sea S = { 1, 2,..., n } un conjunto no vaco de vectores de un espacio vectorial V.

El conjunto de todas las combinaciones lineales de vectores de S, denotado con L(S), es un
subespacio de S.

S = {(1, 2)} a(1, 2) = (a, 2a)

F = L(S) F = {(a, 2a) a R }

Teorema

Todo conjunto que contiene al vector es linealmente dependiente.

Demostracin

De la ecuacin de dependencia lineal 1 1, 2 2,..., i i,..., n n = ; i = R

El conjunto es linealmente dependiente.

Definicin.
Sea V un espacio vectorial en R, y sea G = { 1, 2,...,n } un conjunto de vectores de V. Se
dice que G es un generador de V si para todo R existen escalares 1,2,..., n, tales que,
= 1 1+ 2 2 +... + n n.

Definicin.
Se llama base de un espacio vectorial V a un conjunto generador de V que es linealmente
independiente.

Teorema
Sea V un espacio vectorial en K. Si B = { 1, 2,..., n } es una base de V, entonces cualquier
otra base de dicho est formada por n vectores.
Definicin
Sea V un espacio vectorial en K. Si B = { 1, 2,..., n } es una base de V se dice que V es de
dimensin n, lo cual denotamos con dimV = n

En particular, si V = { }; dimV = 0.

Ejemplo

R2 = [(a, b)a, b R]

B = {(0, 1), (1, 0)} = (-3, 2)

(0, 1) + (1, 0) = (-3, 2)

(0, ) + (, 0) = (-3, 2)
(, ) = (-3, 2) por igualdad de vectores = -3 y = 2

Vector de coordenadas ( )B = (, ) = (2, -3)

Definicin
Sea B = { 1, 2,..., n } una base de un espacio vectorial V en K, y sea V.
Si = 1 1+ 2 2 +... + n n, los escalares 1,2,..., n se llaman coordenadas de en la
base B, y el vector Kn ( )B = ( 1,2,..., n)T se llama vector de coordenadas de en la
base B.

ESPACIOS ASOCIADOS A UNA MATRIZ.

A=

Espacio rengln asociado a A

G = {(1, 0),(4, 2),(-1, 7)}

L(G) = {a(1, 0), b(4, 2), c(-1, 7)a, b, c R}

4 R1 R 2
R1 R 3 R 2 (1 / 2 ) 7 R 2 R3

B = {(1,0), (0,1) }
L(B) = {a(1,0) + b(0,1) } dim AR = 2
AR =L(B) = {(a, b)a, b R }
Espacio columna
A= AT=

B1 = G1 = {(1, 4, -1), (0, 2, 7)}

Ac =L(G1) = {a(1, 4, -1) + b(0, 2, 7)a, b R}

elemento genrico a(1, 4, -1) + b(0, 2, 7) = (a, 4a + 2b, -a + 7b)

Ac = {(a, 4a + 2b, -a + 7b)a, b R}
Dim Ac = 1
Corolario

dim AR = dim Ac

Ejemplo

R2 = [(a, b)a, b R]
B1 = {(1, 0), (0, 1)}; B2 = {(0, 2), (2, 0)}

Obtener los valores de coordenadas del vector = (-2, 3)

G ={ , , }

Para G
1 + 2 + 3 =

1 0 2 0 0 0 0 0
+ + =
0 0 0 2 0 3 0 0

1 2 0 0 0
=
0 2 3 0 0

1 2 =0 1 2

2 3 =0 3 2 2 = k; 1 3 k

G es linealmente dependiente.

B y G son conjuntos generadores

V; B genera V; linealmente independiente Base

 V; G genera V; linealmente dependiente Generador

Algoritmo de obtencin de bases

P2 = {ax2 + bx + c)a, b, c R}

B = {x2, x, 1}

R2 = [(a, b)a, b R]
B = {(1, 0), (0, 1)}

1 0
M2x1= { a, b R} B={ , }
0 1
Sea el espacio = {(x, y, z)x + y -z = 2; x, y, z R}

x + y -z = 0 2 = {(x, y, x + y) x, y, z R}
z=x+y

Matriz de transicin

M BB12 1= 1 1+ 2 2

2= 1 1+ 2 2

(1,0) = 1(0,2)+ 2(2,0)

(1,0) = (22, 21 2(2,0)

22 = 1 2= 21 = 0 1= 0

1 = (1,0) = 0(0,2) + (2,0)

( 1)B2 = (0, )T

2 = (0,1) = 1(0,2) + 2(2,0) (0,1) = (22, 21)

2 2 = 0 2= 0 21 = 0 1=

2 = (0,1) = (0,2) + 0(2,0)

( 2)B2 = (, 0)T

1 = 0 1+ 2
2 = 1+ 0 2
M BA = ( )A = ( )B ( )A = (M BA )-1( )B
(M BA ) = (M BA )-1 ( )A = M BA ( )B

3. A = AT =

BAC = {(1, 0, 0), (0 ,1 ,0), (0, 0, 1)}

a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = (a, b, c) elemento genrico

AC = {(a, b, c)a, b, c R}

Solucin: los 3 R

Teorema

Los espacios que tienen la misma dimensin se llaman isomorfos.

R3 = [(a, b, c)a, b, c R]; dim R3 = 3; BR3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
P2 = {ax2 + ax + b)a, b R} dim R2 = 2; BR2 = {(x2 + x + 1)

F1 (ax2 + bx + c) = (a, b, c)

1.-
M={ a, b, c R}; dim M =3; BM ={ , , }

F2 = (a, b, c)

2.-
V={ a, b R}

Solucin:
BV ={ , } dim V = 2

A no es base; B no es base; C si es base

3.-
f = (0, 1, -1, 3)

f = (1, 0, 1, 0) Es linealmente independiente

ESPACIOS DE FUNCIONES F

Sea el conjunto H = {ex, e-x, e2x}

L(H) = {aex + be-x + ce2x a, b, c R}

Determine si H es linealmente independiente

Wronskiano

ex e x e2x
e x 2e 2 x ex 2e 2 x
W = ex e x 2e 2 x = e x (-1)2 + e x (-1)3 + e 2 x (-
e x 4e 2 x ex 4e 2 x
ex e x
4e 2 x
ex e x
1)4
ex e x
W = ex(-4ex -2ex) e-x(4e3x -2e3x) + e2x(e0+ e0)
W = -6e2x 2e2x +2e2x
W = -6e2x W0

H es linealmente independiente

Sea el conjunto de funciones reales de variable real {f1, f2, ..., fn}

De la ecuacin de dependencia lineal 1f1+ 2f2 +... + nfn = 0

Para x = x1 1f(x1) + 2f(x1) +... + nf(x1) = 0

Para x = x2 1f(x2) + 2f(x2) +... + nf(x2) = 0
Para x = xn 1f(xn) + 2f(xn) +... + nf(xn) = 0

Teorema

Sea {f1, f2, ..., fn} un conjunto de n funciones de variable real, derivables al menos n-1
veces en el intervalo (a, b); y sea
 f1 (x) f 2 (x) f n (x)
f1 (x) f 2 (x) f n (x)
W=

(n-1) (n-1) (n-1)
f 1 (x) f 2 (x) f n (x)

Si W(x0) 0 para algn x0 (a, b), entonces el conjunto de funciones es linealmente

independiente de dicho intervalo.

Si W(x) = 0 no decide.

Ejemplo

Investigar la dependencia lineal del siguiente conjunto.

F = {2sen2x, -cos2x, 3}

2 sen 2 x 3cos 2 x
4senx cos x 2 cos xsenx
W(x) = 4 senx cos x 0 =
2 cos xsenx
2 2 2 2 4sen x 4 cos x 2 cos2 x sen 2 x
2 2
4 sen x 4 cos x 2 cos x sen x 0

W(x) = 3[4senxcosx (2cos2x -2sen2x) (-4sen2x + 4cos2x)( 2cosxsenx)]

W(x) = 3(0) = 0 no decide.

F = {2sen2x, sen2x -1, 3}

(2sen2x) + (sen2x 1) + (3) = (0) 2sen2x + 0

(2+ )sen2x + (3 ) = (0) 2sen2x + 0

(2+ ) = 0 = -/2
(3 ) = 0 = /3 =k

= -k/2
=k
= k/3 Es linealmente dependiente.

Nota: 1 regla de correspondencia y W = 0 es linealmente dependiente.

Ejemplo
Sea el conjunto de funciones, determine si es linealmente dependiente o independiente
en el intervalo indicado.
D = {h, f, g}
 x 2 ; si x < 1 x; si x 2 x2 x 2; si x 4
f(x) = g(x) = 2
h(x) =
1; si x 1 sen x; si x 2 cos2 x; si x 4

x2 x x2 x 2
w = 2x 1 2x 1 = 2(-1)4[x(2x + 1) - (x2 + x + 2)] + 2(-1)6[x2 - 2x2]
2 0 2

w = 2(2x2 + x - x2 - x -2) + 2(-x2) = 2(x2 - 2) - 2x2 = -4

TEMA II

ESPACIOS CON PRODUCTO INTERNO

Definicin

Sea V un espacio vectorial en C. Un producto interno en V es una funcin VXV en C, que

asigna a cada pareja ordenada (, ) de vectores de V un escalar ( ) C, llamado el
producto interno de por que satisface las siguientes propiedades:

1) ( ) = (conjugado)
2) ( + ) = ( ) + ( )
3) ( ) = ( )
4) ( ) > 0;

Ejemplo
Sea R2 = [(a, b)a, b R] y
a) f( ) = [(a1, b1)(a2, b2)] = a1a2 + b1b2
b) h( ) = [(a1, b1)(a2, b2)] = 2a1a2 + b1b2

Determine si f, h son productos internos.

3) ( ) = ( )
*(a1, b1)(a2, b2)+ = (2a1a2 + b1b2)
2a1a2 + b1b2 se cumple

4) ( ) > 0
[(a1, b1)(a1, b1)] = 2a12 + b12 > 0 se cumple

h es producto interno
Propiedades del producto interno.
Sea V un espacio vectorial en C y sea ( ) un producto interno en V, entonces , Vy
C.

1) ( ) = ( )
2) () = R+
3) ( ) = 0 = ( )
4) () = 0 =

NORMA DE UN VECTOR

= ( )1/2; La norma es un nmero real.

Propiedades de una norma.

S V es un espacio vectorial con producto interno, entonces , V y C.

1. >0
2. =0 =
3. = ; = =
4. +

Ejemplo

Sea un generador de R3,el conjunto G = {(2, 0, 0), (0, 0, 4), (0, 1, 0), (1, 2, 3)}. Determine un
conjunto ortogonal a partir de G utilizando el producto escalar ordinario.

Gran Shmidt.

1 = 1 = (2, 0, 0)

v2 w1
2= 2-
w1 w1
(0,0,4) (2,0,0) 0
2= (0, 0, 4) - = (0, 0, 4) - ( )(2, 0, 0) = (0, 0, 4)
(2,0,0) (2,0,0) 4
v3 w1 v3 w 2
3= 3- 1- 2
w1 w1 w2 w2

(0,1,0) (2,0,0) (0,1,0) (0,0,4)

3= (0, 1, 0) - (2, 0, 0) - (0, 0, 4)
4 (0,0,4) (0,0,4)
 0
3= (0, 1, 0) - (0, 0, 0) - ( )(0, 0, 4) = (0, 1, 0)
16

v4 w1 v4 w 2 v4 w 3
4= 4- 1- 2- 3
w1 w1 w2 w2 w3 w3

(1,2,3) (2,0,0) (1,2,3) (0,0,4) (1,2,3) (0,1,0)

4= (1, 2, 3) (2, 0, 0) - (0, 0, 4) - (0, 1, 0)
4 16 (0,1,0) (0,1,0)

4= (1, 2, 3) - (1, 0, 0) - (0, 0, 3) - (0, 2, 0) = (0, 0, 0)

G0 = {(2, 0, 0), (0, 0, 4), (0, 1, 0), (0, 0, 0)}

BORT = {(2, 0, 0), (0, 0, 4), (0, 1, 0)}

BORTN = {(1, 0, 0), (0, 0, 1), (0, 1, 0)}

Ejemplo

En el espacio vectorial de matrices simtricas de orden 2 se define el siguiente producto

a1 b1 a2 b2
interno = a1a2 + 2b1b2 + c1c2 y el conjunto G = { , ,
b1 c1 b2 c2
, . Determine un conjunto ortogonal a partir de G

BORT = { , , , .

Ejemplo.

2
Para el espacio vectorial C2 se define el producto interno ( ) = xi yi = (x1, x2)
i 1

= (y1, y2) C2 donde i es el conjugado de yi.

a) Determinar las normas de los vectores = (4+2i, 5 6i), = (3-2i, -2i), = (-2-2i, i)

1/2
=

= = = =9
 1/2
=
= =

1/2
=
= =3

b) Obtener el ngulo entre y

R( 4 10i) 4
= angcos = angcos = 108.86
3 17 3 17

Propiedades de la distancia entre dos vectores.

Si V es un espacio vectorial con producto interno, entonces , V.

1. d(, ) 0
2. d(, ) = 0 y solo si =
3. d(, ) = d( , )
4. d(, ) d(, ) + d( , )

1/2
=

1/2 1/2
= = = =8

Teorema de Pitgoras.

Sea V un espacio con producto interno y sean , V. Si y son ortogonales, entonces:

2 2 2
= +

Teorema
Desigualdad de Cauchy-Schwarz

Sea V un espacio vectorial en C y sea ( ) un producto interno en V, entonces , V:

2
donde es el mdulo de . Adems, la igualdad se
cumple si y solo si son linealmente independientes.

Ejemplo

1.- Sea B = { 1, 2} una base de un espacio vectorial.

Determine a partir de V una base ortogonal.

BORT = { 1, 2} 1 = 1

v 2 v1
Proyvect = 1
v1 v1

2= 2- Proyvect

v2 w1 w1 w2
2= 2- 1 BORT = ,
w1 w1 w1 w2

w=

Bw = {(1, 1, 0), (0, 2, 1)}

Ortogonalizado

1 = 1 = (1, 1, 0)

v2 w1 (0,2,1) (1,1,0)
2= 2- = 1= (0, 2, 1) - (1, 1, 0)
w1 w1 (1,1,0) (1,1,0)
2
= (0, 2, 1) - ( )(1, 1, 0) = (-1, 1,1)
2

BwORT = {(1, 1, 0), (-1, 1, 1)}

BwORT = { }

w= = q ei ei + q e 2 e 2

1 1 1 1
= (0,2, 6) (1,1,0) (1,10) + (0,2, 6) ( 1,1,1) ( 1,1,1)
2 2 3 3
1 2 6 1
= (0 + ) (1,10) + (0 ) ( 1,1,1)
2 3 3 3
 4
= (1, 1,0) - ( 1,1,1)
3
7 1 4
=( , , )
3 3 3
2.- Para el producto interno usual en R3, obtener el cumplimiento ortogonal S1 de cada uno
de los subespacios siguientes de R3 y dar una interpretacin geomtrica de dichos
complementos.

a) S1 = {(0,0,z)z R}

= (a, b, c) R3 {(0, 0, z)(a, b, c)} = 0

zc = 0

c=0
a=k
b=t

S 1 = {(k, t, 0)k, t R}

b) S2 = {(x, x,0)x R}

= (a, b, c) R3 {(x, x, 0)(a, b, c)} = 0

ax + bx = 0
x(a +b) = 0

a = -b ; a = -t
c=k
b=t

S 2 = {(-t, t, k)t, k R}
3.- Sea w = a, b R} un subespacio de las matrices cuadradas de orden dos en
R con producto interno definido por (A B) = tr(ABT).
Obtener la matriz perteneciente a W ms prximo a M =

Bw = { , }

1 = 1 =

0 1 1 0
v2 w1 1 0 0 2 1 0
2 = 2 = w1 = -
w1 w1 1 0 1 0 0 2
0 2 0 2
1 0
= tr = tr =0
0 2
= =5

0
2 = - =
5
={ , }

BwORT = { , }

21 + 11 + 5 = 0

11 5
=- k- t; = k; =t
21 21

11 5
w = {(- k- t )x2 +kx + t | k, t R }
21 21

b) = -

4.- Dado el producto interno en R2 definido por = u1v1 - u1v2 - u2v1 + 3u2v2 donde
= (u1, u2, u3) y = (v1, v2).
a) Obtener el valor de K R tal que
la distancia entre los vectores = (1, 3) y = (k, 4) sea igual a .
b) Con el vector de k obtenido,
verificar que los vectores y del inciso anterior cumplan la desigualdad de Cauchy-
Schwarz.

a) d(, ) =

= (k-1, 1)
1/2 1/2
=
1/2 1/2
= k 2 2k 1 k+1-k 1 3 = k 2 4k 6

2 = k 2 4k 6 ; k 2 4k 4 = 0; ( k-2 )( k-2 ) = 0; k=2

2
b)

= 28 (28) 2 (22)(36)
= 22 784 792
= 36 Es linealmente independiente.

5.- Obtener una base ortogonal del espacio vectorial F de los polinomios de grado menor
o igual a dos con coeficientes reales a partir de la base B = {1, 2t, 2 - 12t + 12t2}
considerando el producto interno = p, q F

1 =1

2t 1 1
2= 2t - (1) = 2t - (1) = 2t 1
11 1
(2t |1) = = t2 10 = 1
(1 |1) = = t 10 = 1

2
2 12t 12t 2 1 2 12t 12t 2 2t 1
3= 2 - 12t + 12t - (1) - (2t 1)
11 2t 1 2t 1
3= 2 - 12t + 12t2 -0 -0 = 2 - 12t + 12t2

1
(2 - 12t + 12t2 |1) = (2 12t 12t 2 )dt = 2t - 6t2 + 4t3 10 = 2- 6 + 4 = 0
0
 1
4 3 4 1
(2t -1|2t -1) = (4t 2 4t 1)dt = t - 2t2 + t 1
0 = -2+1=
0
3 3 3
1 1
2 2 3
(2 - 12t + 12t |2t -1) = (4t 2 24t 12t+24t 12t )dt = (24t 3 36t 2 16t 2)dt
2

0 0
4 3 2 1
= 6t 12t 8t 2t 0 = 6 -12 + 8 -2 = 0

6.- Sea el sistema de ecuaciones lineales homogneo y sea W el espacio solucin de dicho
sistema para el producto interno usual en R3, determinar el complemento ortogonal w ,
de W y escribir el vector (9, 1, 4) como la suma de un vector de W mas otro de w .

-x + 3y -2z = 0
x= 3y 2z x = 3k -2t
y=y y=k z = z; z=t
W = {(3k -2t, k, t) k, t b R}

1 1
0 0
BwORT = 5 , 2
2 1
0 0
5 2

2
= M ei ei
i 1

= M ei ei + M e 2 e 2

2 1 1 1 0 1 1 0 2 1 1 0 1 1 0 1
= +
1 2 5 0 2 5 0 2 1 2 2 1 0 2 1 0

1 1 2 1 1 0 1 0
= tr
5 5 1 2 0 2 0 2
1 1 2 1 0 1 0 1
+ tr
5 5 1 2 1 0 1 0

1 2 1 0 1 1 0 1
= tr + tr
5 4 0 2 2 1 1 0
 2 2
1 0 1 1
= 5 + = 5
4 1 0 4
1 1
5 5

2
(p ) = p (i )q (i ) p(x), q(x) P2
i 0
2
W = {ax + bx + c)a, b, c R}

a) Obtener w

W = {ax2 + ax + -a)a R} P2 = {x2 + x + ), , R}

x2 x ax 2 ax -a = 0

= (-a) + ( + + )(a) + (4 + 2 + )(5a)

= -a + a + a + a + 20a + 10a + 5a
= a(4 + 2 + ) = 0

R3 = [(a, b, c) a, b, c R]
[(3k -2t, k, t) (a, b, c)] = 0
3ak -2at + kbt + c = 0
k(3a +b) + t(-2a + c) = 0

3a +b = 0 b = -3a
-2a + c = 0 c = 2a

w = {a, -3a, 2a)a R}

TRANSFORMACIONES LINEALES

T: R3R2
T(x, y, z) = (x, y)

Definicin
Si V y W son espacios vectoriales, una funcin T: VW recibe el nombre de
transformacin, los espacios V y W se llaman, respectivamente dominio y codominio de la
transformacin.

Ejemplo
T(x, y, z) = (x, y) T: R3R2
S(ax2 + bx + c) = S: P2D
Definicin.
Sea T: VW una transformacin

1) Se llama recorrido de T al
conjunto

T(v) = { T( ) V}

2) Se llama ncleo de T al conjunto

N(T) = { T( ) = w}

Ejemplo

T: R3R2 definida por T(x, y, z) = (x, y)

Dominio: R3
Recorrido: R2
Ncleo: w
T(x, y, z) = (0, 0) x = 0; y =0
(x, y) = (0, 0)
T(0, 0, z) = (0, 0) N(T) = {(0, 0, z)z R }

Definicin.
Sean V y W dos espacios vectoriales en K, una transformacin T: VW es lineal si 1, 2
Vy K

Superposicin 1) T( 1 + 2) = T( 1) + T( 2)

Homogeneidad 2) T( 1) = T( 1)

Ejemplo

Para las siguientes transformaciones determinar si son lineales o no.

1.- T: R3R2 definida por T(x, y, z) = (x, y)

Solucin:

1) T( 1 + 2) = T( 1) + T( 2)

T( 1 + x2, y1 + y2, z1 + z2) = ( 1, y1) + (x2, y2)

( 1 + x2, y1 + y2) = ( 1 + x2, y1 + y2) Cumple

2) T( 1) = T( 1)
T(x, y, z) = ( 1, y1)
(x, y) = ( 1, y1) Cumple

T es una transformacin lineal.

a 0
2.- S: P2D; S(ax2 + bx + c) =
0 c

Solucin:

1) S( 1 + 2) = S( 1) + S( 2)

1= a1x2 + b1x + c1; a2x2 + b2x + c2 2=

a 0 a2 0
S [(a1 + a2)x2 + (b1 + b2)x + (c1 + c2)] = 1 +
0 c1 0 c2

a1 a2 0 a1 a2 0
= Cumple
0 c1 c2 0 c1 c2

2) S( 1) = S( 1)
a1 0
S(a1x2 + b1x + c1) =
0 c1
a1 0 a1 0
= Cumple
0 c1 0 c1

S es una transformacin lineal.

3.- F: R2R2

F(x, y) = (x2, y) 1= ( 1, y1) 2= (x2, y2)

1) F( 1 + 2) = F( 1) + F( 2)

F( 1 + x2, y1 + y2) = ( x 12 , y1) + ( x 22 , y2)

[( 1 + x2) 2, y1 + y2] = [ x 12 + x 22 , y1 + y2]

F no es una transformacin lineal

Teorema.
Si T: VW es una transformacin lineal entonces T( v) = w

Teorema.
Si T: VW es una transformacin lineal entonces

1) T(v) es un subespacio de W
2) N(T) es un subespacio de T

Ejemplo
a 1 b
T: R3M definida por T(a, b, c) =
b c

Teorema.
Si T: VW una transformacin lineal. Si B = , 1, 2,..., n} es una base de V, entonces el
conjunto T = {T( 1), T( 2),...,T( n)} es un generador de T(v)

Teorema.
Si V es un espacio de dimensin finita y T: VW es una transformacin lineal, entonces
dim V = dim T(v) + dimT(N)

Ejemplo
Sea la transformacin lineal T: R3R3 definida por T(x, y, z) = (x + 2y -z, x + y, x + y -2z)

a) Obtener una base, la dimensin y el recorrido de T(v)

Solucin:

a) Dominio R3

B R 3 = {(1, 0, 0),(0, 1, 0), (0, 0, 1)}

T(1, 0, 0) = (1, 0, 1)
T(0, 1, 0) = (2, 1, 1)
T(0, 0, 1) = (-1, 1, -2)

G T(v) = {(1, 0, 1), (2, 1, 1), (-1, 1, -2)} Generador de T(v)

Espacio Rengln

1 0 1 2 R1 R2
1 0 1
1R1 R3
2 1 1 0 1 1 B T(v) = {(1, 0, 1), (0, 1, -1)}
1 1 2 0 1 1
Elemento genrico de T(v)

a(1, 0, 1) + b(0, 1, -1) = (a, b, a-b)

T(v) = {(a, b, a-b)a, b V } dim T(v) = 2

b) Determinar la base y la
dimensin de N(T)

(x + 2y -z, x + y, x + y -2z) = (0, 0, 0)

x + 2y z = 0
x+y=0
x + y -2z = 0
1 2 1 1 2 1 1 2 1
R1 R3 R2 R3
0 1 1 0 1 1 0 1 1
1 1 2 0 1 1 0 0 0

x + 2y z = 0 .I
x + y = 0.II

De II y = -z; De I x +2(-z) z = 0; x = 3z

Solucin general

x = 3t; y = -t; z=t

N(T) = {(3t, -t, t)t R}; B N(T) = {(3, -1, 1)}

dim N(T) = 1
dim R3 = dim T(v) + dimN(T)
3 = 2 +1

AH 2 = { , , , }

AP 2 = {x2, x, 1}

T = x2 + 1; [x2 + 1]B = (1, 0, 1)T

T = - x2 + x; [- x2 + x]B = (-1, 1, 0)T

T = x2- x + 1; [x2- x + 1]B = (1, -1, 1)T

T = x -1; [x -1]B = (0, 1, -1)T

M(H) =

LGEBRA DE FUNCIONES

As como existen operadores con funciones, tambin se tienen operadores con

transformaciones. Por ejemplo se tienen entre otras las siguientes:

1.- Adicin. Dada las transformaciones cuyo dominio es el mismo.

T: UV y R : UV Se define como resultado esta operacin.

(T + R)( ) = T( ) +R( )
M(T + R) = M(T) +M(R)

2.- Multiplicacin por un escalar. Dada la transformacin T: UV y K, se define la

operacin por medio de:

(T)( ) = T( )
M(T) = M(T)

3.- Composicin. Dada las transformaciones T: UV y R: VW, se define la

transformacin S: VW como resultado de la composicin entre las transformaciones de
T y R si y slo si:
S( ) =(RoT)
S( ) = R[T( )]
En terminus de matrices

B R 3 = {(1, 0, 0),(0, 1, 0), (0, 0, 1)}

M(T) = M(S) =

S*T(x, y, z) = M(S*T)(x, y, z)

M(S)M(T) = M(S*T)
 =

M(S*T)(x, y, z) = = = (x +z, -y + z)

Propiedades de las operaciones con transformaciones.

1.- Conmutatividad para la adicin.

T + S = S +T
M(T) + M(S) = M(T + S)

2.- Asociatividad para la adicin.

(T + S) + R = T + (S + R)
[M(T) + M(S)] + M(R) = M(T) + [M(S) + M(R)]

3.- Homogeneidad para el producto por un escalar.

(T) = ()T; , k
*M(T)+ = ()M(T)

4.- Distributividad entre el producto por un escalar y la adicin.

( + )T = T + T ; ( + )MT = MT + MT
(T + S) = T + S ; [M(T) + M(S)] = M(T) + M(S)

[(-8 + 4x)]B = [-8, 4]T

[(4 - 12x)]B = [4, -12]T

-8 4
M BA (T) = ( )A = [a + bx] A
4 -12

a + bx = (-1 + x) + (2 + 2x)
a + bx = (- + 2, x + 2x)

- + 2 = a
x + 2x = b

4 = a + b - + 2( )=a
= =
 T
[a + bx] A =
M BA (T)( )A = [T( )]B

-8 4
= B
4 -12

T(a + bx) = ( ) ( )x

Ejemplo

3 1 1
Sea A = 2 2 1 , su polinomio caracterstico 3 + 52 - 8 + 4
2 2 0

A3 + 5A2 8A + 4I = 0
4I = A3 - 5A2 + 8A
4I = A(A2- 5A + 8I)
(A-1)4I = (A-1A)(A2- 5A + 8I)
4A-1= A2- 5A + 8I
A-1 = (A2- 5A + 8I)( )

a- b
det(A - I) = = (a - )( a - )=0
0 a-

(A - I)B( )B = [T( )]B

= a de multiplicidad 2

a- b x 0
=
0 a- y 0

0 b
= a; del R1 by = 0 y = 0; x = k
0 0
propio = {(k, 0)k R, k 0}
E = {(k, 0)k R}

1
B = {(1, 0)}; P= A no es diagonizable
0
T(-1 + x) = -8 + 4x
T(2 + 2x) = 4 - 12x

0 b 2R1 R2 0 b
; es base
0 0 0 0

Otra base de P1 B = {1, x}

Espacios caractersticos

E1 = {(k, 2k)k R }; BE 1 = {(1, 2)}

E1 = {(t, -3t)t R }; BE 2 = {(1, -3)}

Matriz diagonalizada

1 1
P= ; D = P-1AP
2 3

D Matriz diagonal.
A Matriz Asociada a la T.
P Matriz diagonalizadora.

-3 -1
P-1 = -
-2 1

2 -1
A = M(T) =
6 1

-3 -1 2 -1 1 1 -3 -1 4 -1 -20 0 4 0
D=- =- =- =
-2 1 6 1 2 3 -2 1 8 3 0 5 0 -1

M(H) ?

BM ={ , , , }

Vect. coord. = + + +
H = B = (1, 0, 0, 0)T

H = B = (0, 1, 0, 0)T

H = B = (0, 0, 1, 0)T

H = B = (0, 0, 0, 1)T

T( ) = ( )
T(x, y)= (x, y)
(2x + y, 6x + y) = (x, y)
(2x + y - x, 6x + y - y) = (0, 0, 0)

Por igualdad de vectores

2x + y x = 0; (2 - )x +y = 0

6x + y y = 0; 6x + (1 - ) = 0

2 1 x 0
= . I Ecuacin Cartesiana
6 1 y 0

2 1
det =0
6 1

(2 )( 1 )6=0
2
- 3 - 4 = 0 II Polinomio caracterstico
( - 4)( - 1) = 0

1 = 4; 2 = -1 .III Valores caractersticos propios

Vectores propios.

Para 1 = 4; sustitucin en I

2 4 1 x 0
=
6 1 4 y 0
 2 1 x 0
=
6 3 y 0

Escalonando: -2x + y = 0; y = 2x

Solucin general: x = K; y = 2k;

1 = {(k, 2k)k R, k 0}

Para 2 = -1; sustitucin en I

2 ( 1) 1 x 0
=
6 1 ( 1) y 0

3 1 x 0
=
6 2 y 0

Escalonando: 3x + y = 0; y = -3x

Solucin general: x = t; y = -3t; 2 = {(t, -3t)t R, t 0 }

M(H) = = A; det A = 1 = -1 0 H no existe

A-1 = R2 R3

H-1(A) = AT