EL4003 Seales y Sistemas II Otoo 2012

Profesor: Manuel Duarte

Auxiliar: Ricardo Rabi

Material de Apoyo
Algebra Lineal

1. Introduccin

El objetivo de este material de apoyo es complementar sus estudios con materia que deben recordar de
semestres anteriores, en este caso, de algebra lineal. Se revisarn conceptos bsicos que deben saber para
el curso.

2. Matrices

2.1. Matriz diagonal

Sea la matriz A de tamao nxn. Se dir que es una matriz diagonal si y solo si
  0, i.e.

 0

 
0

Esta matriz se denota como:   

 , ,


Una propiedad que cumple este tipo de matrices es que si
  0 se tiene que A es una matriz invertible.

2.2. Matriz simtrica

Sea la matriz A de tamao nxn. Esta matriz ser simtrica si y solo si:

  

Algunas propiedades que se pueden deducir son:

    (Propiedad de matriz traspuesta)

Si A es simtrica, se tiene que   

Si A es diagonal, se tiene que:    (Fijarse que con esto se deduce que las matrices diagonales




son simtricas)

2.3. Invertibilidad

Sea la matriz A de tamao nxn. Se dice que A es invertible si y solo si se cumple que

 

Donde I es la matriz identidad y si se cumple la relacin, B se le llama la inversa de A y se denota como  .
Algunas propiedades de la invertibilidad son (Suponiendo que A es una matriz invertible):

   
Sea B una matriz de nxn. Se tiene que el producto AB es invertible y       

3. Geometra

3.1. Producto punto

 EL4003 Seales y Sistemas II Otoo 2012
Profesor: Manuel Duarte

Sean x,y vectores en  . Se define el producto punto <x,y> como el real

Auxiliar: Ricardo Rabi

 ,            
 
Algunas propiedades que hay que recordar son

,  ! 
 ,     ,   (Simetra)
, , " , # ! 
  $ " ,     ,   $ " ,   %  ,  $ #    ,   $ , # 

, ! 
& ' !  '  ,     ',     , '  (Bi-homogeneidad)
(Biaditividad)

 ! 
 ,   ( 0 &  ,    0 )   0.

Sean ,  ! 
. Se dice que son perpendiculares si y solo si  ,    0 (Ortogonalidad)

3.2. Norma

La norma de un vector  ! 
se define como

**  +  ,  - ,  


Algunas propiedades importantes son

 ! 
, ** ( 0 & **  0 )   0
 ! 
, ' !  *'*  |'|  **

,  ! 
* $ * / ** $ **

, ! 
| ,  | / **  ** (Desigualdad de Cauchy-Schwarts)

4. Espacios Vectoriales

4.1. Definicin

Sea un conjunto V. Se dice que V es un espacio vectorial sobre 0 (o ) si y solo 1, 2 ! 0 3 , ,  ! 4 se

cumple que

1 $ 2    1   $ 2  
1   $   1   $ 1  

1   2    1  2  

1 

En tal caso, los elementos de V se llaman vectores y los de 0 (o ), escalares.

4.2. Subespacios Vectoriales

Sea V un espacio vectorial sobre 0 (o ). Diremos que 6  0, es un subespacio vectorial de V si y slo si

7, 8 ! 6, 7 $ 8 ! 6
1 ! 0 3 , 7 ! 6, 1  7 ! 6

4.3. Combinaciones Lineales

 EL4003 Seales y Sistemas II Otoo 2012
Profesor: Manuel Duarte

Sea V un espacio vectorial sobre 0 (o ), y una coleccin de vectores 8 , , 8

9 4, y de escalares
Auxiliar: Ricardo Rabi

' , , '
9 0 (o ). Se define la combinacin lineal como

 '  8  '  8 $ $ '

 8



Se puede definir el conjunto de todas las combinaciones lineales de la siguiente forma:

 :8 , , 8
;   <8 9 4/8   '  8 , ' 9 03  >


4.4. Dependencia e Independencia lineal

4.4.1. Dependencia lineal (l.d)

Sea :8 ;
 ? 4, diremos que estos vectores son linealmente dependientes si y solo si existen escalares
:' , , '
; no todos nulos, tal que:

 '  8  0


4.4.2. Independencia lineal (l.i)

Sea :8 ;
 ? 4, diremos que estos vectores son linealmente dependientes si y solo si existen escalares
:' , , '
; todos nulos, tal que:

 '  8  0


4.5. Generacin de un espacio vectorial

4.5.1. Definicin

Sea V un espacio vectorial sobre 0 (o ). Diremos que los vectores :8 ;
 ? 4, generan V, si y slo si

 :8 , , 8
;   4

4.5.2. Base

Dado un espacio vectorial V sobre 0 (o ), diremos que el conjunto de vectores :8 ;
 es una base de V si y
slo si

:8 ;
 es un conjunto l.i.
 :8 , , 8
;   4

Si @  :8 ;
 ? 4 es un conjunto generador, entonces es posible extraer un subconjunto @  A8  B que
C
Teorema 1:

es base de V.
 EL4003 Seales y Sistemas II Otoo 2012
Profesor: Manuel Duarte

Auxiliar: Ricardo Rabi

Supongamos que tenemos   :8 ;

 base de V y un conjunto arbitrario D  :E ;F
 ? 4. Si m>n X es l.d.
Teorema 2:

5. Subespacios asociados a una transformacin lineal

5.1. Ncleo

Sea una transformacin lineal G: 6 I 4. Definimos el ncleo de T como el conjunto

JKL G  : ! 6 / G  0;

5.2. Imagen

Sea una transformacin lineal G: 6 I 4. Definimos la imagen de T como el conjunto

M G  G6  :8 ! 4 / N7 ! 6 O 8  P7;

6. Rango de una matriz

El rango de una matriz es el nmero de lneas de esa matriz (filas o columnas) que son linealmente
independientes.

7. Vectores y valores propios

7.1. Vectores propios

Diremos que  ! 4 es un vector propio de la matriz A si

(i) N' ! 0 (o ) tq     '  

(ii)   0

7.2. Valor propio

Diremos que ' es un valor propio de la matriz A si se cumple la proposicin anterior descrita en 7.1

Observacin
Para el clculo de valores propios basta con resolver la ecuacin

KQ | R '  |  0

Donde I es la matriz Identidad.

OJO
Sea la matriz A de tamao nxn y se tiene que

 '

Con ' los valores propios de la matriz A

Si las filas de la matriz  R '   son l.d. se tiene que los vectores propios estarn dados por el espacio
 EL4003 Seales y Sistemas II Otoo 2012
Profesor: Manuel Duarte

ST  JKL  R '    A/  P B

Auxiliar: Ricardo Rabi

Esto quiere decir, que una fila no entregar datos, por lo cual se elimina esa, lo que implica que queda una
variable libre. Al quedar esta variable libre, se obtiene que el resto de las componentes dependern de esta
variable libre, lo cual hace que se generen varias combinaciones de posibles valores, esto hace que se forme
el conjunto descrito anteriormente.

8. Semidefinida/Definida positiva/negativa

Sea una matriz A de tamao nxn. Diremos que

A es semidefinida positiva si        ( 0
A es definida positiva si   0        0

A es semidefinida negativa si        / 0

A es definida negativa si   0        0

9. Forma de Jordan

Sea el sistema

U     $ V

Se tiene que  de tamao nxn, se puede descomponer en su forma de Jordan, quedando de la forma:

  W  X  W 

Donde J es la matriz de Jordan que es de la forma (Esto es un ejemplo, fijarse que la matriz tiene otras
matrices adentro, las cuales se llaman bloques de Jordan)

1
\ ] 0 0
0 V
[ ^ 1 0 a
Z
Z 0 0  0 0`
0 0 K
Y 0 0 P_

Una propiedad importante de este tipo de descomposicin es que si uno calcula la exponencial de la matriz
A se tiene lo siguiente:

K b  W  K c  W 

Una observacin importante con respecto a la exponencial de una matriz, es que si la matriz A es diagonal,
inmediatamente se deduce que los elementos de la diagonal son exponenciales elevadas al componente de
la diagonal, es decir

K dee 0 0
K  0b
K dff 0 
0 0 K dgg

9. Traza de una matriz

Sea A una matriz de nxn, se define la traza de una matriz como

 EL4003 Seales y Sistemas II Otoo 2012
Profesor: Manuel Duarte

Auxiliar: Ricardo Rabi

QL  



Algunas propiedades de la traza son:

,  matrices de tamao nxn QL  QL

La funcin tr es lineal

Cualquier consulta o error avisarme por correo al mail Ricardo.rabie@gmail.com

Referencias

[1] Apunte de Algebra Lineal de la Universidad de Chile, Facultad Ciencias Fsicas y Matemticas ao 2010.