Algebra Lineal - Gloria Devaud PDF

UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS ALGEBRA LINEAL GLORIA DEVAUD D. LILIAN KIRSTEN L. MARIA ISABEL NAVARRO W, _MYRIAM ORTEGA S. . _MIRYAMC-VICENTE P. > * MARIA TERESA ERPELDING I.INDICE CAPITULO 1» Vectores, rectas y planos en R® CAPITULO 2 Espacios Vectoriales CAPITULO 3 Espacios Vectoriales con producto interior CAPITULO 4 Transformaciones Lineales CAPITULO 5 Valores y Vectores Propios. Diagonalizacién CAPITULO & Formas Bilineales y Cuadraéticas APENDICE 1 PAG. a m 149 193 201 210ah OQ cAPITULe 1 “Ses VECTORES, RECTAS Y PLANOS EN Re VECTORES EN EL ESPACIO Algunas cantidades fisicas como la longitud y la masa quedan perfectamente determinadas por su magnitud. Tales cantidades se llaman ESCALARES, sin embargo para otras como la fuerza y la velocidad, Se necesita especificar adem4s su direccién y sen- tido, éstas se llaman VECT@RIALES. Se acostumbra representar un vector mediante un segmento de recta dirigido cuya directién tepresen- ta la direccién del vector y cuya longitud en tér- minos de alguna unidad representa su magnitud. En este capitulo presentaremos un estudio deta- lado de los vectores en el espacio. El sistema coordenado rectangular tridimensional consta de tres rectas reales mutuamente perperdicu- jares. Tales rectas se llaman ejes coordenados y su interseccién comin se llama origen del sistema. El sistema asi definido establece una correspon- dencia biunivoca entre los puntos del espacio y las ternas ordenadas (x, y, z) de némeros reales.(2.1.3) Al origen de] sistema le corresponde la terna (0,0,0). A la terna (2,1,3) le corresponde el punto P que muestra la fig-1. Los planos xy, yz, zx se llaman PLANOS COORDENA- DOS y dividen al espacio en ocho regiones llamadas OCTANTES. El octante cuyos puntos tienen sus tres coordenadas positivas se llama PRIMER OCTANTE, pero no se ha convenido una numeracién para los otros siete. Sean P(x,, Y,, 2,) Y Q(X Y,, z,) dos puntos del espacio. La distancia entre P y Q esté dada PQ = Vv (x,-m,)? + (y-y,)* + (2,-2,)? por:En efecto: a 1 Ra, 2,21) yd fee = ia ee t= V(En ¥1, 0} a T(z, ye, 0). z Fig. 2 4 PRQ rectangulo en R. % PR = VT ae A VET rect4ngulo en H 5 , TH=x - x ast RQ=2,-2 ee vr? = vi" + TH? By - yj tte = x ) 1 = PR’ + RQ" , Ba st Ue att (z- 2)" PQ(7m)? oycy)? + (272)? PROPIEDADES? ; oe GQ) PQ50 siysélosi P=. (2) PQ =\0, cualquiera sean los puntos P y Q. (3) PQ : = - j (4) PQs pris RQ, cudlquiera sea el punto R. La aes de estas propiedades seré un facil ejercicio!para el lector. + DEFINICION 1. Llamaremos VECTOR en el espacio a toda terna ordenada de ntimeros reales. [aja a J+ El vector asociado con. el segmento de recta cuyo punto inicial es P(x, « Y,-. 2,) yyrcuyo punto terminal es Q(x, yo 2.) se Heats por Fi Play s. ¥- ye See Es usual denotar los vectores con letras mintsculas con una flecha para distinguirlos de las cantidades escalares. Ejemplos i l.- Si P(-8, 9, 1) y Q(0, 3, -2), entonces: PO = [8, -6, -3] OF = [-8, 6, 3] 2.- Si a(8, -6, -3), entonces OR = (8, -6, -3)].Observacién: . Los vectores| asociados a segmentos de rectas en los que el punto inicial no es el origen del sistema se llaman ees LIBRES. DEFINICION 2: } - Sean 4 = fa, a, aj] y B= = [by b, b,) dos vectores y dc R. i) Diremos que 2 y B son IGUALES si y s6lo si: Bona aon By A a,=b. ii) Se define la sumva2+B y 1 PRODUCTO POR ES- CALAR od de la siguiente manera: a+Be [ath,, a,tb,, a+b.) ad = [aa,, aa,, aa,) Nor V Ejemplos: i= Sean 2 = [2, 3, 4) y B= [-1, 0,1) “ : Entonces: 2+ 8 [1, 3, 5] - 249} 5a = [10, 15, 20] -3B = (3, 0, -3) PB eee 2.-sitt=[3, ara, b) y ¥ = [atb, 5, 2] ael 1.~ Geométricamente el vector 2 +B es la diagonal del paralelégramo cuyos lados adyacentes son los vectores 4 y B como se= al Fig. 3. 2.-si Be [b,, b,, b,j, entonces - B= (-1)B = [-b,, -b,, -b,] (ver fig. 3). 3.- Todo vector 2 = {a,, a,, a,] se puede considerar como el vector de origen en el pun- to 9(0,0,0) y extremo en el punto Pla, a, a,) (ver fig. 4). z E Fig. 4. 4.- Se define la DIFERENCIA de los vectoresa= ta, a, al ¥8 = orden) como el vector | a-B-32 x (-1)B = [a,-b,, a,-b,, a,-b,)- “'b,] (en ese periicton Se cl ae ie Sea 2 = [ay a,, a] un, vector. Se llama NORMA 0 MAGNITUD del yector'@ al! nlimero real no negativo 7 [ay = v af + ab + af ‘todo vector de norma 1 se llama VECTOR UNITARIO. En el espacio hay tres vectores unitarios especiales que se denotan en forma especial, éstos son: 2 = (1,0,0), 3 = 0,1 ages ¥% = [0,0,1) ‘yes claro que of2] ¢ es a Todo vector 2 = [a,, aj, @,] se puede,escribir: a [a,,/0] + [0,a,,0] + [0,0,a,7 a,{0,/0,1] a,[1,0,0} + a,[0,1,0] catt+ajy+ ak. Los vectores a2, a3, ‘aR se llaman COMPONENTES del vector @ y tienen as direccién de los ejes coordenados. z Fig.5TEOREMA\2. Sean @\y B dos vectores y « < R. Se tiene: 1.- Ja] = 2] 2.- [2 - Bi\= 1B - 2] 3.- [a] = .0\si y s61l0 si as ag 0, 0}-= 9. __> fel 12} af GPa ay Hal es.un vector upitario si Jafi+ 0 ey (ex yal / Demostracién: Para 3). ! Sead =[a, a, a} ee 0 On a, =Onra,=0 aa — + #= [0,0;0] = 6 Para 5). Ay + Epa, abe 0 bg raedb: ial Wa = | aia | . bral ial (por (4) ) i) iy Ay 34 Ge y aly = 4 ai = sed | Vasil Las dem&s demostraciones se dejan al lector. Observaciones: 1.- El vector unitario que se define en 5) se llama DIRECCION de 2. El vector nulo @ no tiene direccion definida.DEFINICION 4. Dos vectores 4 y B son paralelos si y sélo si: existe un nimero real a tal que B= of Ejemplo Los vectores 2=-32 -3}+R y B= ot + 23 - 2% son paralelos pues : B= 6? + 23 - 2B = -2[-32 -3 + By : = (-2)2 2° eat DEFINICION 5. & : Sean 2 = [a,, a aay B= tb, by b,1 dos Vectores. Se define el PRODUCTO ESCALAR © PRODUCTO PUNTO de 2 y B como el néimero: a-B .a,b, + ab, + ab, 'TEOREMA. 3. : Sea g el menor Angulo formado por los vectores a= [ay a, a1 y B= (by, by bl. Bntonces: 2-Be= ri |B] cos @ Demostracién. Aplicando teorema del coseno % [2-By?=[2]*+|BI7-2]2] [Bjcos A Luego, Fig.é Siepa ee. Sento ae ape: (aj-b,)"+ (a.-b,)7+ (a.-b,)7mary abt ale bv bit be = 2/8] [By cos » Desarrollando el primer miembro y simplificando se 10ANCLOS¢ tiene: - 2ab- 2ab- dab, = - 2/2] [BY cos p es decir, s Es abt 2ab+ 2ab, = jal [Bl cos 9 y por lo tanto 2- B= [al [Bl cos o COROLARIO i) Dos vectores no nulos 4, B son perpendiculares si y sélo si a-B=0. ii) 2-2 - yay? La Demostratién sera juna facil tarea para el lector. Ejemplo: 1.- Sean 2 = [3,-1,-2] y B = [2,-3, } 1, entonces: a. B= 3:2°4+ (2) (-3) + (25 “=6+3-1=6) \ y 2.- si d= 22-3+ 2 y B=2- 3, entonces op = the TN et) F(a) vie v2 ee Asi, el menor Angulo formado por los vectores @ cos p 3 yBes p=n/4. 3.- Los vectores 4 = [-4,,5,7] y B = [1,-2,2} son perpendiculares. En efecto: ambos son no nulos y ademas: a@-B=-4-10+14=0. 11* Observacione! angio 1.- Es facil verificar que si 2 = [aaa], entonces: : 2-72= a= 2-2 ajd-a-32 2R= a= Re 2.- Notemos ademas que: 23 -3R-2t-0 275 $52 Reeg DEFINICION 6, Sea @ un vector no nulo. Los angulos a, 6 y 7 que 2 forma con los ejes coordenados (ver fig. 7) se llaman ANGULOS DIRECTORES de 2. z a2 Rie I cos a = 2:3. lt one 4h gy er ari cos ¥ = Fig.-7 12Ademis: 2 = |a|t(cos a)? + (cos a)} + (cos 7)R] Ejemplo: si a = -22 + 33 - 5R , entonces los cosenos directores de 2 son: 3 = 5. v8 v38 ic cos a = = , con p= DEFINICION 7. Sean 2 y B dos vectores no nulos. Se llama PROYECCION de B sobre 4 al vector : Se ee OTs 5 eae Ejjemplo: si 2 = [3,-1,-2] y Br {2,-3, se entonces: proy B-2-77.- 22. a ‘ea te @ qaneg 14PROPIEDADES DEL PRODUCTO PUNTO. Sean 4, B y @ vectores y « < R. Se tiene: 1.- 2B = B2 2.- 2B + @) = 2B 4 2:2 3.- (a8) -B = «(2-B) = 2+ (0B) Demostracién, Para 3.- Sean @ = {araja] y B= [b,,b,,b,J, a eR. (a8) -B = (aa,)b, + (aa,)b, + (aa,)b, = a,(ab,) + a(ab,) + a,(ab,) 2+ (0B) a(@-B) = a(a,b,) + a(a,b,) + a(ab.) a = (aa,, 0a, a@,)(b,, b,, b,) a,(ab,) + a,(ab,) + a (ab,) (od) -B Las otras demostraciones se dejan al lector. DEFINICION 8. Sean 2 = {aaa} y B= [b,-b,,b,] dos vectores. Se llama PRODUCTO VECTORIAL © PRODUCTO cRUZ de 2 y B-(en ese orden) al vector: a, aa ala ae - oie ee na a by a a : = = ee ey 6 BB =l'a\jal ao mi [Pal 85 BPE by 1 ia A 14PROPIEDADES DEL PRODUCTO VECTORIAL Sean @,B y @ vectores y a « R. 1.-2xB = -(B x 3) 2.-2x2=6 * 3.- 2x (B+é@)=2,B+2x2 4.~- (a8)x B= 2x (aB) = a(& x B) Demostracién. Para 2.- 2 aa (2) [ea fea, fe 1 a 3 a. aaj’ a, ee oe oy 2 is ae 2 ep Pat. Fs = (0,0,0] = 0. Para 3.- A > z 7 x BeBe) = a, a, a bitc, bite, b +e, a, a, ay oe a, oe ' , | = jab+ac-ab- = tac-ab- [a s8,6,78,b,-2.6,, -(ab.ta.c-ab,-ac.), + b+ + + + + ee eee Brey |}, Pte, bit | abt ac,- a,b,- a, a, al faa, a a} la al ia a a of eee tales lee te (o2e2s| ("Sal 2 ' ’ b, Ds a 3 Bb, b, ep S3 a 5 cS 2 =@.B+ax2. 15Las otras demostraciones se dejan al lector. Ejemplo: (244, 3) 1. Sean2 = 22 - $+ 5h y BaP 74 ap Caleular 2xB oy Ba@ yok eee et (Lycans 2 7 \ y BoB =o ci 4 = 2% - 113 - 5k =a? 4 Pog R Z g B eteecion 5 ‘| ae -1 if -22 +113 +5R 2) =12 3 whi -Z ae 2.- Calcular 29, 7.2, RP Solucién: }.3-5 $-1-4 Tx? 78 T= [1,0/0], 3 = [0,1,0), ® = [0,0,1] 2 R 2x3 =] 1 Z o/ =k x 0 1 o z R xk = | 0 ; 0 | =7 0 oO a z R pact | -3 1 0 0 = Notenos que: ft = -8, Ro=-2, 28-3, 3.- Caleular 2 (ZR), (22)8 Solucién: 2. (2B = 2x (4) =-(2x9) =-8, (2x2) «R=0.R=0. 16Observacién: _ En general (2x B) x @ 22x (Bx @). TEOREMA 4. Sean 4 y B dos vectores no nulos. Se tiene: i) 2- (@xB)=0 vn B- (2% By) = 0 ii) Si @ es el menor Angulo entre 4 y B, entonces: a x By = [2] JB] sen 9 Demostracién. Para ii) 2 x By? = (ab-ab)*+(ab-ab)*+(ab-ab)* aes eer aed 2 = ab? + a®b? - 2a.a.bb. + a’b® + a*b? 23 3 2323 a1 13 - 2aabb + ab? + a’b* - 2aabb sae eis Sey nate 2 setae a aa 2 (attatta?) (betb?+b’)-(a,b,+ab tab.) ray? wBy? - By? Fa? BE? - (ray [By cos 9)? Way? (BI? U1 - cos’py (a? 1B? sen’p - Como 0 = » = 7, entonces sen y = 0 12 « By = [2] [By sen o COROLARIO Dos vectores no nulos 4 y B son paralelos si y sdlo si 2xB=e. 171.- Si los vectores # y B son dos lados de un triéngulo, entonces el 4rea A del triangulo est4 dada por: awd jax By 2.- 2% B es un vector ortogonalaadyB. Ejemplo: : 1.- Sean a=of-3+ oR y Begs ae. Calcular un vector unitario ortogonal a 2 y B. Solucién: : Sabemos que 2xBi 2 ,2xBi 8B. = R f : axB = 24 3 =", = dees) . [@ « By = 72? 4(-11)? + (-5)7 = vaso = 5v6 . a [5 a] oho oe aeearey 5 & a 2 y B simultaneamente. 2.- Hallar el area del trianqulo cuyos vertices son jos puntos A(1,-1,0), B(2,1,-1), y ¢(-1,1,2). Solucion: Dos lados del triangulo estan representados por los vectores = BB = [1, 2, -1} a B= At = [-2, 2, 2] 18DEFINICION 9, Sean 2, B, @ tres vectores. Les productos 2-(Bea) y (2B)-2 se iiaman PRODUCTO ESCALAR TRI- PLE y los productos de 1a forma 2(B@) y (2B) xe se Llaman PRODUCTO VECTORIAL TRIPLE. TEOREMA 5, Sean 4, B y @ vectores no nulos. 1.- & (Be) = (2-2)B - BB? . 2.- A (Be) = (2B) 3.- BeBe) = -yaye Demostracién, Para 2.- Sean 2 = [a,,a,,a,], B = (b,rb,rb,J, 2 = [e,,c,,0,] b, b, bb} |b, b, & (Be) = fa,aa) [ es ‘ |. ¢, c, | "Tle oe as a 4, = a,(b_¢,-b,c,)+a,(b,¢,-b,c. ) +a, (b,¢,-b.c,) = a,b.c_-a,b.c,+a,b,c, 7a,b,¢,t,b,c,-ab.c. = 6:(a,b,ra,b,)-¢,(a,bsna,b,)46,(8,b,-a,b,) 2 ie oeaja aa 2 bb, 2 1 33 by 5 a 3s 2 BS By 3 ' ' = Cee] 3 La demostracién de lo que falta de este teorema se = 2-(a x B) = (2 x By-2, deja al lector. Observacién: Es facil probar que |¢-(a x B)| representa el volumen del paralelepipedo cuyas aristas son los vectores @,By@. B= area de 1a base. h = | [2] cos » | V= | Pel 1By cos 9 | = | da x By] 2 we Fig. 8 Axw~ enh (( art al Nal Gove oi. {a Nebogan- ok @ ow(ieYecu en : i RECTAS EN EL ESPACIO Consideremos una recta L en el espacio que pasa por un punto P,(x,/y,/%) y ¢s paralela a un vector dado, no nulo, #% = [a, b, c]. Zz Fig. 9 La recta L es el conjunto de todos los puntos P(x,y,2) del espacio para los cuales el vector Be es paralelo a %. Esto es, P<« L si y s6lo si existe un escalar t tal que: a PE=@? (ECUACION VECTORTAL ® DE LA RECTA 1) Si ¥= [abc] y° PR = [x-x, y-¥,, 2-Z,]- entonces = [X-x,, Y-Y, 2~2,] = [tar th, tc] es decir: — x-x, = ta,. y-y, = th, 2-2, = te 21o bien: x = x, + ta ‘0 yry,+tb, teR. (gcvacronns PARAMETRICAS pee Ce, DE LA RECTA 1.) 0 Sia, by c son no nulos, entonces eliminando el parémetro t se tiene: xox, (ECUACIONES SIMETRICAS — = O CARTESIANAS DE LA 2 RECTA L) Ejemplo: 2 i.- Hallar las ecuaciones paramétricas de la recta s,- t,, 28+ ty, -1-s,-t,1 -f1,-1,1] = 0 [1 - s,- t,, 26+ t,, -l-s.-t.1 -[-1,2,-1] = 0 De aqui s,=t, = 0 Por lo tanto A = (1,1,-1) y B = (2,1,-2) Luego d(L.,L,) = d(A,B) = Vv 17+ 0+ 1 = v2. a q 26PLANOS EN EL ESPACIO De la geometria clasica se sabe que exi#e un nico plano que contiene un punto dado y es perpendicular a una recta dada. Sean P(x, Yj» 2,) un punto fijo del espacio y sea # = [a, b, c] un vector dado no nulo. x Fig. 11 Un punto P(x,y,z) del espacio pertenece al plano ™ que contiene a P, y @s perpendicular al vector % si y s6lo si el vector PP es perpendicular a 2. Esto es: 2 -PBR=0 ECUACION VECTORIAL oO DE tm. Como PB = [x-x,, Y-Yr 2-2,], entonces alt-x,) + bly-y,) + e(2-z,) = 0, donde n = [a,b,c]. aif]Si hacemos d = ax, + by + cz), se tiene a Kalas ae rr a ECUACTON CARTESTANA Ejemplo: eC Av~ Hallar la ecuacién del plano que pasa por el punto (-2, 4, 5) y es perpendicular al vector H = [7,0,-6]. Ye- U2, 5) 4 Solucién S bo poe ES) oe + VWoe +30 T(x + 2) + Ofy - 4) - ie ~ 5) SO ax ie yy mtx = 62 = -44 ) Determinar dos puntos distintos del plano mix + 2y + 22 = 13 y (3,0,5) son puntos de n. Caleular la distancia entre el punte P(2,-3,4) y el plano a ee 2y + 2z = 13) Solucién: El-yector 4 ='[1,2, 2] es morgane plano n. x= 24t La recta ae fy y =\=3.+ 20, at eR pasa _ 44 2t por el punto P y es perpendicular al plano 7. Sea {Q} = Lada, esto es: 2+ + 2(-3 + 2t) + 2(4 + 2t) = 13 Te = 0 Luego: = Q es el punto (3, -1, 6). ; 28la distancia entre P y el plano m es: PQ = vit a+ Feo Observacién: Se puede probar que en general la distancia d entre un punto P, y un plano m esta dada por: ne [R-PP? | ret] donde P| «x y # es un vector normal al plano 1. ° En efecto: Zz Sea p el Angulo entre los vectores fy oe, =~ Sig « [0,n/2]), a= PPI cos 9 ~ Sipe ]n/2,n), d= |PB?| cos (n-p) = IPI (-cos 9) 29Iuego d= [PP?] |cos »| Como [i+ PB’| 10 I] [PEGI lees ¢! Entonces: its BRR >. ( : il _4.- Hallar el Angulo formado por los pianos: ee Ym, + x + Juego =.7 Of (4,4;4) aC, Gee Solucién: El Angulo » formado por dos planos es igual al Angulo formado por los vectores ny = [1,1,1] y n? = [1,2,1] que son los vectores normales de m, Y m, respectivamente. =~. a : cas ye Bite | 12s Peer rl eI v3 v6 wv peed ae aft y 5.- Hallar la ecuacién de la recta de interseccién de los planos dél ejercicio anterior. Solucién: Determinamos primero un vector z paralelo a la 30recta de interseci6n de los planos my m, Rem 2 es r= nin, Ph = ot Oat " a Neo BRBe Si P es un punto de la recta pedida, entonces Pie Qn, Of, 2 Para z= 0 Asi; HE(A5e2, 0) < mo m,. luego la recta de interseccién de los. dos Pplanos tiene por ecuacién: “| Determinar la ecuaci‘on del plano) que pasa por los puntos A(1,0,3), B(-2,3,1) y C(0,1,5). -t eR NS K won tN o Solucién: Tres puntos no colineales determinan un tnico plano que los contiene. Determinar primero un vector # perpendicular al plano m pedido. Si AB So. 4-3)39-2) y ACpepgeiea ee. entoncés eg RE > EC - |-3 3° -2 |= [8,8,0] Slee ae €8 un vector normal al plano 7. 34;eae ee1 EVJERCICIOS PROPUESTOS ta distancia de P(x,y,2) al origen es dy la de P a A(0,0,3) es de d.. Escribir la eerae isa de las coordenadas de P si d+ d, = 6. . que los vectores 4 = 3% + 6} y = z +3 tienen la misma direccién. Dibije- los Ait cet Demuestre que las diagonales de un paralelégra- mo se dimidian. Determinar centros y radios de las esferas de ecuacié: a) x+y? + 22 eee b) 2x? + 2y?-+an8 Se gepeyare = 9 Hallar las normas de los vectores = 22+3- 2k B= [1,4,-8) @ = 9? - 23 En los siguientes problemas hallar 2-B, [2] Bl y el coseno del Angulo ehtre 2 y B. a) 2= 32 4 257, B=59+8 b). 2 = 53 3h) Be2+3ZaR c)c=2t-af +r, B= -2t + af - voR Calcule el angulo formado por los vectores 2 y Basi! a) 2 = [2,-1,1) , B = [1,2,-1] 3310.- 1l.- Laie 13.- b) 2 = [4,3] , B= [1,3] c) = [1,-1,0] , B = (2,-1,2) Hallar los Angulos interiores del triangulo cuyos vértices son A(-1,0,2), B(2,1,-1) y OC, 5372). Determinar el Angulo formado por 1a diagonal de un cubo y una de sus caras (indic.: Considere un cubo cuyas aristas sean los vectores 7, jy F ) Hallar las proyecciones de a = 27 + 23 + B sobre B = 2% + 10 - 118. Escribir el vector B = 33 + 4% como suma de un vector # paralelo'a 2 = 72+ 7 'Y otro ¥ perpendicular a 4. Dados los vectores 4 = [3,-2,1], B = [2,-4,-3] y @ = [-1,2,2], calcule cuando sea posible: a) 12t : b) [2+ B+ 2] c) (2+ By & d) [(2B x 3é)+ 3B]. 2 e) 2-B-2 £) 2x8 g) [28 - BB - sé] h) [2x B)- 2] i) Bx ef ie + 2B)-[28 - +2) Muestre que los vectores 2 = = (2-3+R), Bes 8 + Bh tage tet i+ B son ortogonales entre si. 3414, Lae 16. fe 7 18. 29; 20, 22. Sean a, 8 y y los Angulos directores de un vector 2. Demuestre que cos’a + cos’® + cos’y = 1. Usando métodos vectoriales demuestre que la distancia @ entre el punto P(x,,¥)) y la recta (ax, +by, +c) Va*+b Encontrar el valor de k de modo que los vecto- nes 2 = [-1,1,-3] y B= [k,-2,6] sean ortogonales. ax +by +c=0es @ = Hallar las ecuaciones de la recta que pasa por el punto P en la direccién de a) P(2,-1,4), 2S [3,-1.6] b) P(-2,4,3), B= (2, 0/237 Hallar las ecuaciones de la recta que pasa por el punto (-6,5,3) y es paralela a la recta X-4 _ B-y _ 3245 te a eee Hallar las ecuaciones de la recta que el punto (9,-3.4) y es perpendicular a cada una de las rectas: 2x-4 -¥-3° 242 x23 | 2y-7 ie ire gy, ee See Hallar las ecuaciones de la recta que pasa por jos puntos: (5, 0, 7) y (5, -3, 11). Hallar el Angulo formado por las rectas Be Re ee a, $ a 3 =2 4 oaAas 23. 24 26. 245 28. aa Demostrar que las rectas: x-2 8-2 x-1 | 2-y | 243 Zeaes he ee = 3 2 ea 4 paralelas y hallar la distancia entre ellas. son Hallar la distancia entre las rectas Lp yee eaeaee) 2s Hallar la ecuacién del plano cuyas interseccio- nes con los ejes coordenados x, y, z son -5, 3 y 1 respectivamente. Hallar la ecuacién del plano que pasa por el punto (3,-2,6) y es paralela al plano Ay = 32>4 12 =. oe Hallar la ecuacién del plano que contiene el punto (4,-2,1) y es perpendicular a cada uno de los planos: SUSY 8Age 8908055 9 Tox + oy ee Hallar el Angulo que forman los planos 3xU+ y= 24°35 0 -y ox - ye 4z = 992 0: Hallar la ecuaci6n del plano que contiene los puntos (4,-2,2) y (1,1,5) y @s perpendicular al plano: 3x - 2y + 5z -1 = 0. Determinar el valor de k de modo que los planos ke = 2y £22 - 7-0 A 4x + ky - 62 +9 = 0, sean perpendiculares. 3630. ahs 227 333 34. a5 36% Hallar el Angulo formado por la recta a8 = 44 yelplano 2x + 3y - 2 + 1120. Hallar el Angulo formado por la recta de inter- seccién de los planos x - 2y+2+450 A Ba 2y 442 4 = op yel plano 3x -7y + gz - 95-0. Hallar la distancia del punto’ (7,7,4) a la recta de interseccién de los planos 6X4 2y 4 z+ 42 0 WW 6x -y 222 -10°= 0: Demostrar que las rectas de interseccién de los planos: Betgl¥ -22 - 16 “= Oe eg x +lly - 2220 A x by 4 22 = 0 son paralelas y hallar la distancia entre ellas Hallar la ecuacién del plano que contiene el punto (3,-1,7) y es perpendicular a la recta PEt2 SSE care Hallar la ecuacién del plano que contiene a la recta 42? _ wee @ Y es paralelo a la recta: Demostrar que la recta *32 = sy = ae y el plano 2x - 3y + 62 + 3 0 son paralelos y determinar la distancia entre la recta y el plano. oF,CAPITULO 2 ESPACIOS VECTORIALES DEFINICION 1. Sea K un conjunto y sean + y + dos operaciones binarias internas definidas sobre K, llamadas SUMA Y PRODUCTO xrespectivamente. Diremos que Kk, con estas operaciones, es un CUERPO si se satisfacen los siguientes axiomas: A= 1 La suma es una operacién asociativa, esto es, V xX,y,2 € K, x + (y + 2) = (x + y) # Ze La suma es conmutativa, esto es, Vx,yeK, xty=syt+ x. Existe en K un elemento neutro para la opera- cién +, esto es, existe 0 <« K tal que Vx eK, xt0 = x. Para cada x « K, existe -x « K, llamado simé- trico de x, tal que x + (-x) El producto es una operacién asociativa, esto es, V x,y,;2 € K, x+(yez) = (xey)-z. Existe en K un elemento neutro para la opera- cién producto, esto es, existe 1 ¢ K, 1 # 0, tal que V x¢K, xl = 1+x =x Usualmente, 1 se dice elemento unidad de k. 38BO - Para todo elemento x ¢ K, x * 0, existe x’ © K, llamado inverso de x, tal que st xox = xx 1, A,.- La operacién producto es distributiva con respecto a la suma, esto es, VY Xryr2 eK, x+(y + 2) = x+y + xz (xty)*2 = xez + yen Diremos que K es un CUERPO poMEEATEVO, ademas se satisface: ve Aj. Vx, ye K, ae ial \ Observaciones 7 Escribiremos la terna (K,+,-) para indicar que el conjunto K con las operaciones + yor es un cuerpo. 2 2 2.- Los conjuntos @, Ry © de los nimeros raciona- les, reales y complejos respectivamente, cons- tituyen cuerpos conmutativos con las. operaciones de suma y producto usuales. DEFINICION 2. ss Sean V-un conjunto, Kun cuerpo y +0: VV —_> (X,Y) ——> x+y , una operacién binaria interna llamada suma. * ot KxV —— > Vv (a,x) ——+ ox , una operacién binaria externa llamada producto por escalar. 39Diremos que V con las operaciones + y- es un ESPACIO VECTORIAL sobre K o un K-ESPACIO VECTORIAL, si se satisfacen los siguientes axiomas: Vis— V xry,2 eV, (x + y) +2 = xt (y + 2). Vi-7 Wx, ye K, x+y = y +x. V,-- Existe un elemento 6, « V, llamado VECTOR NULO de V tal que VxevV, x +0, =x. Dado x eV, existe -x € V, llamado SIMETRI- CO 0 INVERSO de x, tal que x + (-x)= 0. Vi Via, @ EK, VxeV, a(@x) = (aB)x- Vi VaeK, ¥x, yeV, a@(xty) = ax + ay. Vi.- Ya, BeK,V¥xeV, (a+8)x = ox + Bx. V,-- ¥ x V, 1-x = x, donde 1 es el elemento unidad del cuerpo kK. @bservac. es 1.- Los elementos de V se denominan VECTORES y’ los elementos de K, ESCALARES. 2.- Del axioma V,, se concluye que V # ¢, 3.- Si K = R, diremos que V es un espacio vectorial real. Si K = ©, diremos que V es un espacio vectorial complejo. 4.- Cualesquiera sean les vectores x e y de V, x + (-y) se escribe como x - y y se llama DIFERENCIA ENTRE x e y. a0PROPLEDADES DE Los ESPACIOS VECTORIALES 1. El elemento neutro a, para la operacién suma, cuya. existencia poate a Vay es Gnico. En efecto, supongamos que existen ®, Y 8? dos elementos neutros, entonces se ene Se ’ 6, + 6) = 0, por ser 9? neutro Oe ey eer port eer @, neutro pero: @ + oO = a + 6, por conmutatividad de la operacién suma. Luego aS a y el neutro es Gnico. Para cada elemento x de V, el inverso -x para ila operacion +, es Gnico. En efecto, supongamos que para un elemento x de V existen -x Y -x’ en V tales que: i) 3 ct ( ae ieee A di) x (7x?) fniniss “x? Sox) 6 a, por V, = (-x") + (x+(-x)) por i) = (-x? + x) + (x) por vy, = 9, + (-x) por ii) yv, Sex por V, Y por lo tanto: "x = -x’ , lo que demuestra la unicidad del simétrico para x.Ley de cancelacién Va, Yee, xt y= xt 2 ys 2 En efecto, x+y = x +02 = xty-(xtz)=@,, por V, => xt(-x)+¥#(-z) = 8, — ot y 72 = 9 —y=2 El producto del escalar 0 por cualquier vector es el vector nulo. En efecto: x + O+x = ext Orx = (140) +x = 1x =x, VxeV porA, Ay V,- Iuego x + Ox =x YxeV y por propiedad 1, 0-x = vaekK,V¥xeV, (-a)x = -(ax) por V,, propiedad 4 y axiomas de cuerpo, se tiene: ~(aik) + ax = 0, = O-x = (-ata)x = (a) + ox Luego -(ax) + ax = (-a)x + ax y por propiedad 3 -(ax) = (-a)x En particular si a = 1, se tiene: (-1)-x = -(1+x) = -x vVaeK, rey = aye En efecto: ax = a(x + 6) = ax + 20,, por Vy V+ Adem4s: Ax = Ax + @, por V, Asi, AX + AB, = Ax + 8, Ye @, = 20, por ley de cancelacién. 42ox = 6, (os Oe x= 6), Ge, x eV En efecto, existen dos posibilidades, que o que a +0. Sia=o0, a=0 la disyuncién de la Tesis es verda- dera. } { Sia+#0, a@'%«K, * ax = 8, = a (ax) = @ = (a fa)x = @, por V. y propied — ix =e por A — xm 8. por V, Luego, en ambos casos se verifica la Tesis. Ejemplo 1. Sea K un cuerpo, entonces K es un espacio vectorial sobre si mismo, lo cual se sigue trivialmente de las propiedades de cuerpo. Ejemplo 2. Sean V = R°=RiuR = {(*,,%,) [xe Ry eR} y kK = R. Consideremos las siguientes operaciones: 2 +: Rx R? 5 R? 2 R x R°—4 RP? definidas por: Be (ey) tO ys y5 a) (7%), = (om pen (2) 43Verifiquemos que (R?,+,+) “es un espacio vectorial real. Sean (x,r%,)r (Y,r¥,)1 (4,122) 9 Ry a, B € R- se tiene: Vy) O88) FEY, (8722) = (x, 0%,)+(¥,42,0¥3¢2,) por (1) = (xt (y,t2,) 0,8 (¥,42,)) por (1) = (OG, #Y, 142, OGF¥,) 722) por asociatividad de la suma en R = (%, FY, A¥,) + (2,122) por (1) = (a %,)+(Y,0¥,) (2,74) por (1) (126) FT (gr Yq) (24%) ILE) yg) 14 (24120) Vi) Gre) AF, Y,) OYE) POF @ =(y,+%, c¥,t%,) por conmutatividad de la suma en R = (yjr¥,)t (em) Por (1) 2 (Se, )4 (Y7¥5) = (y,r¥Q) 15%) - v,) Bxiste (0,0) « R” tal que (%, 6) 4 (00) = (x4 x48) = (4,8) V,) Bxiste (x, =x) ¢ R? tal que (oe) RD OER) POD) = (0,0) 44Mi) %(B (x, -x,) = (BX, /Ax,) por (2) =(a(Bx,),0(8x,)) por (2) =((98)x,,(08)x,) por ascciatividad ih del producto en R. |) = (@8) (x,,x,) por (2) + @(8(%,1%,)) = (aB) (x, ,x,) Ve) OO) 2) +(y, sy.) 15 a(x +¥, Xx +¥,) por ( (a(x,4Y,),a(x,+y,)) Bor (2) “(ax tory, ox tay, ) por dis- tributividad del producto con respecto a da suma en R (ax, /ax,)+(ay,,ay,) por (2) Fa(x,-x)ta(y,y,) por (1) aE (x, x.) + Cy, Yell = a(x,,x,) + aly.sy,)e Vz) (O*B) (x, 0%) = ((at8) x, ¢(c+8)x,) por (2) = (ax +Bx, ax, +8x, ) por distribu- tividad del producto respecto a la suma'en R. = (ax,,0x,) + (Bx, Bx,) por f) = 0X, -x,) + B(x, ,x,) por (2) + OB) (8, ) = a (xy x) + B(x, +%,) Va) UX,e%) = (Lexy, Lig) (5) 45Ejemplo 3. Consideremos el conjunto R" de todas las n-uplas de nimeros reales, es decir: Rue «x R={ (X,7 Kyron eK) |X, é€R, i=1,2,...n} K=R Se demuestra que R" es un R-espacio vectorial con las siguientes operaciones: +: Rx RR (6 Beek 3M Ye 1Y ECS AY, 02 KAY) +t Rx RR (Kp Kapoor K) = (OK, (OX, p- + + O,) La demostracién.es andloga a la del ejemplo 2. Ejemplo 4. En R® se definen la suma como en el ejemplo 2 y el producto por escalar como sigue: or Rx R° —> BR (X, 7K.) = (0x, x,) Este producto verifica los axiomas V., V, y V, como el alumno podraé comprobar, pero no verifica V_. En efecto: Sia, Be R Y (x,, %)) ¢R° se tiene (+B) (%,0%,) = ((a+8)x,,%,) = (ax 48x, +x,) por otra parte, (2, 1) +B (, 1) = (a, 1) + (BX, X,) = (0%, +B, ¢2%,) + Luego (cet 8) (x, »,)=0(x, /%,) +8 (X,-x,) si y s6lo si x= 0. Este hecho permite afirmar que R°, con estas operaciones, no es un espacio vectorial. 46Geométricamente, esta multiplicacién a cada vector (1%) le asocia otro que tiene la misma ordenada x,- Z Al multiplicar (x,,x,) por cada nimero real a se obtienen vectores donde los extremos de las flechas que los representan estén sobre la recta de ecuacién y = x,. Asi vemos gréficamente que V, no se verifica (LAB x9) 47 (iia(a+8)(x,,x,) tiene ordenada x,, en cambio a(x,,x,) + 8(x,,x,) tiene ordenada 2x,. Ejemplo 5. a) R es un R-espacio vectorial. b) R no es un C-espacio vectorial. En efecto: para ie C, x eR, ix € R. c) R es un Q-espacio vectorial. = Considerando en todos los casos las operaciones de suma y producto usuales. Ejemplo 6. El conjunto M_(k) de las matrices de orden mm con elementos en el cuerpo K y con las operaciones de suma y producto por un escalar usuales, es un K-espacio vectorial. Los vectores de este espacio son matrices. Ejemplo 7. El simbolo K* denota el conjunto de todas las funciones con dominio un conjunto x # ¢@ y codominio un cuerpo K, o sea K'={£[f:i 58 En kK” definimos la suma de funciones y el producto de un escalar por una funcién como sigue i) Si £ y q son dos elementos cualesquiera de K*, entonces: f+giX—K, donde (f+g)(x)=£(x)+g(x), Vx X. 48ii) Si a es cualquier escalar en K y £ cualquier elemento de K", entonces: afi:X —> K, donde (af) (x) = a£(x) Vx ¢ x. Resulta (K*,+,+) un K-espacio vectorial. Para ello veamos que se verifican los axiomas correspondientes. V,-- Sean £, g y h « K*. Entonces v x « X se verifica, ((£+g)+h] (x) = (£+g) (x)+h(x) (£(x)+9(x) ]+h(x) £(x)+[g(x)+h(x) ] = £(x)+(gth) (x) (£#(gth)] (x) y por definici6n de igualdad de funciones (+g) +h = £+(gth) v,.- La suma en kK" es conmutativa. (f+g) (x) = £ (2) +g (20) = g(x) +£(x)=(g+f) (x), Vx © X ftg = gtf, wv £,q < xX - El vector nulo es la funci6én nula. | 8X —> K definida por @,(x) = 0, vx eX. Cualquiera sea f < K* y Y¥ x € X, se tiene: (£40,) (x) = £Gx)+ @ (x) = £(x) + 0 = £(x). Iuego £+ 0,5 f. <= aa 49El inverso aditivo de f ¢ K* es la funcién -f£:X —>+ K definida por (-f£)(x) = -f(x)- En efecto, V x € X, (-E+£) (x) = (-£) (x) +E (x) = -£(x)+£(x) = 0 =8,(x) Luego (-f)+£ = 6, Sean ay eK, y £« K*. entonces, La(BE)1(x) = af (BE) (x)) = a[BE(x) ]=(0B) E(x) _ = [(aB)f}(x), Vxe kX a(pt) = (ap)t SeanaeK, fek* y ge Kk" se tiene [a(f+g) ] (x)= af (£+g) (x) J=al£ (x) +g(x)] = af (x) +ag(x)=(a@£) (x)+(ag) (x) = (aftag)(x), Vxe X a(f+g) = af + ag Sean a eK, B eK y f © K* [(a+8)£](x) = (a+B8)£(x) = @f(x)+BE(x) (@£) (x) +(B£) (x) (afte£) (x), WxeX (at@)f = of + BE. Cualquiera sea f « K* se verifica: (1£) (x) = 1£(x) = f(x), Vue X lf 2 ¢ 50Queda asi demostrado que (K*,+,-) es un K-espacio vectorial con las definiciones de suma y producto por escalar dadas. la’ siguiente figura explica el caso en que K = R -y = [0,2] Rt t 51SUBESPACIOS DEFINICION 3. Sea V un K-espacio vectorial y S un subconjunto de V. Diremos que S es un SUBESPACIO VECTORIAL DE vy, si $ es un espacio vectorial sobre, K con las mismas operaciones de suma y producto por escalar definidas en V. Observacién. Cualquiera sea el espacio V, tanto {0,} como V son subespacios de V llamados subespacios triviales. TEOREMA 1. Sea V un K-espacio vectorial y S un subconjunto de V. Entonces $ es un subespacio vectorial de V si y solo si: i) S#@ ii) (xeSayes) —x+y¥eS iii) (A cK, x¢€S) = AxcS Demostracién. Supongamos que S es un subespacio de V, por lo tanto i) se verifica trivialmente- Como § es espacio vectorial con las mismas operaciones en V, la suma y el producto por escalar son operaciones binarias sobre S, es decir, se ve~ rifican ii) y iii)- 52Reciprocamente, supongamos que se verifican i), di) y dui) Por i) existe un x €S y por iii) Ox ='9 «8, luego se satisface V,. Para cada x ¢S, por iii) (-l)ek=-xeS y asi Se satisface V\. Los axdomas V,, V,, V.,V,, V, ¥ V, se satisfacen para todos los vectores de V, en particular para todos‘les vectores de S porque S es un subconjunto de V. Luego S es un K-espacio vectorial. plos Bs = {fab res 1.- Sea s = iE a} € A(R) a subespacio del espacio vectorial Jt, (R). i) G a) eis > ee@e a a & y cad }. S es ahh i a) eS arans yoca-d QQ) B= (% t} R x — > ©,(x)=0 tal que 5 lim 6, (x) =0= a(a), vae[0,1). xa Luego 6, € C,, .,(R)+ Cio (RD ii) Sean £,g © C,,.,(R), esto significa que para cada a en [0,1] lim £(x) = f(a) ¥ xa 54Lim g(x) = g(a). xa - Luego, lim (£+g)(x) = lim £(x)+ lim g(x) xa xa xa = f(a) + g(a) = (itg)(a), Vae [0,1] . f4g eC, (R)- iii) SearteR y fe co Rr esto es, lim £(x) = f(a), ¥ a © [0,1]. xa Lim (A£)(x) = lim a£(x) = alim £(x) xa xa xa = AE(a) = (Af) (a}, Via © [0,1] age ¢., ,(R)- El conjunto de todos los polinomios en la inde- texminada x con coeficientes en K de grado me- nor o igual an, incluido el polinomio nulo, es un K-espacio vectorial. Demostracién a cargo del lector. 55INTERSECCION DE SUBESPACIOS TEOREMA 2. Si S y T son dos subespacios vectoriales de un mismo K-espacio vectorial V, entonces la intersec- cién de S y T, ST, es un subespacio vectorial de v. Demostracién is) SnT#¢ pues @ <¢S y Qef ii) Sn es cerrado para la suma En efecto, xeSatT xeSa f ae SA yeSoat =m x+yeSaxt+yeT —xtyeSnt (porque S y T son subespacios y por definicion de interseccién) . iii) Sq T es cerrado para el producto por escalar. Sa En efecto, aeK, xeSaT=saek, (xe Saxe T) = axe Snaxe T (porque S y T son subespacios) — axe SnT (por defini- cién de interseccién). De i), ii), iii) y por teorema anterior, resulta T subespacio de Vv. 56UNION DE SUBESPACIOS En general la unién de subespacios no es un subespacio vectorial, como lo prueba el siguiente ejemplo: S = {(x,y) « R?: P = {Oey)o¢ R2: u= (1,2) €S, por lo tanto ue SuT y = 2x } y=F} v= (2,1)© 4, por lo tanto-vesutT uw +v = (3,3) y (3,3) €8 23,3) €? Luegou+vesut. « Su T no es subespacio, TEOREMA 3, Si S y T son subespacios de un K-espacio vectorial V, entonces § y T es subespacio si y sélo siSSTv@ss. 57Demostracién. Si S y T son subespacios de Vy SS ToOT<*S es evidente que S u T es subespacio de V. Supongamos ahora que S, T y S U T son stbespacios de V....-.(1) SiScTyTc 8S, existen s¢S,teT tales que ee Dy 6 Sera (2h Como S y T son subespacios, -s <« § A -t « T..-.+(3) y es claro que se Su TA t €SU Teeeeeseeeeee (4) Ahora: si s + t < S, entonces de (1) y (3) se sigue que (s+t) + (-s) «© S y por lo tantoteS lo que contradice a (2). Sis +t eT entonces de (1) y (3) se tiene que (s + t) + (-t) « T y pdr lo tanto s « T lo que contradice a (2). Por lo tanto s+t ¢ S a st+t ¢ T, de aqui se sigue que stt ¢ S vu T lo cual es una contradiccion, pues de (4) y (1), s + t « S vu T. Esta contradiccion proviene de suponer que Sc TAT c S. Por lo tanto debe ocurrir que $< ToT ¢ S. 58SUMA DE SUBESPACIOS Sean 8 y T dos subespacios del mismo K-espacio vectorial V, se llama SUMA DE S$ y T al conjunto S+T=WwevV/v=s+t, s¢€Sat.cT}. TEOREMA 4, S + T es un subespacio vectorial de Vv. Demostracién. i) SyT son subespacios, luego 0, <¢S y 6, ¢T 0, = 6, + 6, ¢ S.+ T (por definicién de s + 7) S+Ts ¢. ii) S+ es cerrado para la suma. En efecto, + fuss,+t,, 6S 0 tier (We Sit, v ¢ 3 ves,tt,, 3,25.) t. ou = as + at, donde ase SanoteT por ser $ y T subespacios =a' Luego aue S+T. Por lo tanto, S+T es un subespacio. OBSERVACION. Si SnT = {8}, la suma 8 + T se liama SUMA DIRECTA y se escribe; , ; set Ejemplos 1.- Sea S = {(x,y,z) ¢ R°/y=z=0} = {(x,0,0)/x ¢ R} S es el subespacio representado por el eje xX. T= {(x+y-2) € R°/x=0} = {(0,y,z)/y ¢ R, 2 © R} El subespacio T es el plano coordenado YZ. $+ = {(x,y,z) / x,y,z e\R} = RK . Sot = {6} luego R° es suma directa de. § y 7, es decir, Ri=SoeT. : 2.- En V = M, .(R), consideremos los subespacios s={(5 p) arb (A= at, B= BY) => AtB = atipt= (atp)t A+B € § (Ae, Be 7) —> (A = -a' , B= -p) == ALB = ~a‘+(-p') = -(A'sB')=-(atp)t A+tB eT : dil) (Ae R, Ae Ss) =» aa = aatzaay’ aARe §S (AER, Re T) =) aA = aceat (aaty =o (aa)* AWeT Por i), ii) y idd) 5 y T son subespacios de MH (RY. 61Por otro lado, vy Ae M(R), AtA’ es simétrica. En efecto: (a + aty* = atecaty* = atta = ata’ VY Ae M(R), A-A’ es antisimétrica. En efectot -(aea'y* = -(at-(a')') = -(a'-a) = a-at Ademas da +.B) + da 2x,. -i-avz | es C.L. de A, = fc a). -(7 Ga-(0 3] porque A= 0A - 2A,+VZA,. eo x= | -2)] no es C.L. de x, = ( ] ] pues x* ax, VaeR. 63Obsexrvas Mm» El vector nulo es C.L. de cualquier conjunto de vectores. En efecto, Vane NAY XK rk © Wy ey = Ox,+ Ox,+ at Ox. Ejercicios. 1.- Decidir si p(t) = t* - 2t +3 es C.L. de 2 1 Bibles (eet) -p,(t) = get.) pt) = 5x Soluci6n. Investiguemos si existen escalares a,,0,,0%, € R tales que: p(t) = a,p,(t) + ap,(t) + a,p,(t) Es decir, si: 2 1 Bae a,(t-1)? +.a,(5t+1) + 4,5 = t* - 2t + 3 2. 1 2 a, (= 2b lt) a ast toe + oS =f - ot + 8 1 at + (-2a,+ 5o0,)t + (a+ at 0,5) = t? - 2643 Por igualdad de polinomios se obtiene el sistema, a ai vay ds -2al + 5a = -2 a,t+a +a8 =9 eas cuya solucién es: a, = 1, a, =0, a, = z ‘i es decir, 7 Wt + 3-= a(t)? + ode + +2-5 Luego, p(t) es C.L. de p(t), p(t) y p,(t)- 642.- Investigar si A = (eae a “Males C.u. de las : eek ef! 240... =4 matrices one {h 9) a= (2 of) y 8 of 0 We oa Ee 0 |. Solucién. Veamos si existen escalares a,, a,, a, « R ta- af les que 2 -10\2 (1 | SieeesG 24 0 1/4 (of a) «(5 a} a (e a}* a(-172 0 } Se tiene el sistema 2a, =A 1 156. 0 + Pe (ay 11 0 ay a2 0 -4 I/d [S10 0 -4 1/44 -10 0 8.1/2. $520 oO 8 <-1/2 7 20 Bot ON ae 0 OF Oe oe 0 S(t (e+ Olea 2 ae {0-4 «(1/4 4 -10 Crete <0 0 0 D2 % 0 » E(A)-=*r(ASB) = 2 < 3 = N° incégnitas. Luego existen infinitas soluciones, es decir, A se puede expresar como C.L. de A, A, A, de infinitas maneras. 65TEOREMA 5. Sean V un K-espacio vectorial -y A = {v,,V,,+++/¥,} S$ V. El conjunto de todas las combinaciones lineales de vectores de A es un subespacio vectorial de Vv. Demostraci6n. Sea S= (xe W/x=5 av, a, €K, i=l, 11 i) Por observacion anterior, @ €S -S*o. ii) xeS a yeS =» existen Oi peaee rhe Ayr 8 €k tales que a y= BBY, ist r r luego, xty = Pav, + PBy, a1 a=t = Y(a,t8,)v, donde a+, < K, 11 AS lpeaeyd Asi, x+y es C.L. dev, vs+s-1 ¥, x+tyeS. iii) Ac K, Xe S ==) A € KA existen a,,.-.,a © K tales que x= Pav, 1 eas i : : Tmego ax = A ray] = EAta,v) — = 66(aq, ie Gon Aa, K, 181, 8opt ues « Ake S, De i), ii) y iii) se tiene que § es un subespacio dev, llamado SUBESPACIO GENERADO FOR A o SUBESPACIO GENERADO POR LOS VECTORES VyiVyreeerVie bos vectores (v.,¥,/+1./V)" “se Llaman GENERADORES de s. Se denota por § = = SAV Varner V De También se dice que VirVareeerV_ GENERAN AL SUBESPACIO o que A es un SISTEMA de generadores de S. Ejemplos. 1.- Caracterice el subespacio generado por iB VTE Tere el Sel) af v= (2,- a 3) Solucién, Sea § = <{v,, v,, v,}> (X12) © S$ «=» existen escalares a.,a,,0, ¢ R tales que: (eee (0,1,2)+a,(-1,3,-1) +a, (2,- = 3) Luego: x= ~a* 2a, ye eo 3a. 4 a, z= 2a - we, + 3a ee ey 25 x site! iu — (ae) =|1 3 -Hs y - 7 aea ei-2) 0 -1 2% x ‘a2 \— itt ss! ey 0-714 eke ey, eve -1 25 x at boa ads eel 0 Q * z-2y-7x Este sistema tiene solucién si y. sélo si z- 2y - 7x =0 Asi: S = {(x,y,z) €R° / z - 2y - 7x = 0} S = {(x,y,2y+7x) / x, y € R} S es el plano de ecuacién -7x - 2y + 2 = 0. Consideremos el subespacio de las matrices si- métricas . b = {(¢ O)} / arbi s&s 4 (RD Observemos que cualquiera sea el vector ( | de $, podemos escribir: a b)-_ (a a 0 b 0 0 ke 2-3 Hees hs 3) + Oc 1 8 01 0 0 a(o a] t »f{f 4] : e(5 1 Asi, cualquier matriz de S es C.L. de 10 Se Pe o Boe fo a) a (i 4] oe (0 | EB, EB, y E, Luego, son generadores de S. S = <{B,, E,, B,}> 68DEFINICION 5, Sean V un K-espacio vectorial y A ® {v,;++.,¥.} S Vi A es un conjunto LINEALMENTE DEPENDIENTE (L.D.) si existen escalares no tedos nulos a,, a,,...,a ¢ K tales que av, + tav =¢0 Vr 8% Si A no es un conjunto L.D., se dice que es LINEAL- MENTE INDEPENDIENTE (1.T.) DEFINICION 6. S es un conjunto LINEALMENTE INDEPENDIENTE si todo subconjunto finito de § es L.I. Observaciones. 1.* Que el "conjunte’a = Gy pv f-., vi) “Bea L.I., significa que la Gnica C.L. de Vie Vyreeee VL que da como resultado el vector nulo es la trivial, es decir, os av #12. Pe yi geieg ay Cpe nei 2.2 Todo conjunto que consta de un nico vector distinto del nulo es L.I. En efecto, si A = {x}, x # 6, entonces ax = ©, implica que = 0 4.- Todo conjunto que contiene al vector nulo es L.D.. Basta observar que le, + Dev. to. at Orv = e v Bor Vora. eV. 694.- El conjunto ¢ es L.I. si ¢ fuese L.D., existirfan vectores v,,--+,¥, en @ y escalares a,,... a no todos nulos ta- r les que ae = 0, Decir que existen vectores v,, v,,;-+-, v. © @ es una contradiccién que proviene de suponer que ¢ es L.D. a @ es LI. Ejemplos 1.- Sea A = {(1,0,0), (0,1,0), (0,0,1)} a, (1,0,0) + @,(0,1,0) + a,(0,0,1) = (0,0,0) = (a), %, @) = (0,0,0) a =0 = a,=0 a= 0 Asi, los tnicos escalares que hacen que la C-L. sea igual al vector nulo son = et = 0 » Aes L.I. Sea V el espacio de los polinomios de grado menor o igual que 2 con coeficientes reales, donde 9, es el polinomic nulo. Sea A = {3x°-2x, x°+1, -3x+2, x'-1} s [x]. Sia, a, 4, y a, €R, son tales que oe, (3x?-2x) tar, (x7#1) +, (—3x42) 4, (-1) =0X"4 Oxc+0 entonces: 2 ae (3a, +0, +0,) x74 (2a, -3a.,) x+ (o,+20,-a1,)=Ox"+0x+0 70¥ por igualdad de polinomios se tiene el siguiente sistema homogénco: 3a, tata, = 0 “2a, = 3a, _“j='0 a, + 2a,~ « 3 1 0 TD) eeeth) efea 2 a x On sal A= /-2 0 =3 gp 2, 0 -3. 10 0 3 1 2° -1 1 0 J el det /0 -3 Ol =62#0 2 2 0 Imego, r(A) = 3 < 4 = N° de variables: el sistema tiene infinitas soluciones, es decir, la solucién nula no es la Gnica. Por lo tanto el conjunto A es L.D. agen s(x) = { ? si 0 sx 1/3 0 Sit/3a<.% = di (x) -{? six ¢ [0, 2/3] 2 0 six e¢ ]2/3, 1] £,(x) = 2- x. si x © [0,1] eet te ey Si %,1%,,%, son escalares tales que af + af, + «f= 6, entonces: (at, + af, + of.) (8) © (x). Vx ©’ (0,1): Por definicién de suma de funciones y producto por escalar, se tiene que 71a,f,(«) + of, (x) + af.(x) = 0 Wxe [0,1]. En particular para x = % se tiene: a,f£,(1/6) + a,£,(1/6) + a,f,(1/6) = 0 1a a2 + a,*2 + Oe 0 (1) para x = 1 se tiene: a,£,(1) + a,£,(1) + a,f,(1) = 0 a0 + 90 + a1 = 0 (2) para x = 2/3 se tiene: awf,(2/3) + a,£,(2/3) + a,f,(2/3) = 0 Ae a0 + 0,2 +a, 5 = 0 (3) De (1), (2) y (3) se obtiene el siguiente sistema: 11 20, + 26, + Spa, = 0 ‘ a, 0 2a, ta, = 0 De donde necesariamente oo o . Bes L.I. Observaciones. 1.- Si {v,,-++/V¥,} es un conjunto de vectores Deda entonces uno de los vectores es C.L. de los restantes 72Demostracién. {¥yeVy ree VF L.D. =» existen escalares no x +a, tales que Dave 0. iat Podemos suponer, sin pérdida de generalidad, todos nulos a, ,a,,+ que a, + 0, entonces despejando v, se tiene: fa Ea ee * Asi v, es C.L. de los restantes, Reciprocamente, si un vector v es C.L. de v,, Vi bed, ¥_, vent Vv. wee: -D, % xr entonces {vy ¥,, v,, My es LD sro, tales qu En efecto, existen or O, = Bis Vio tenet x oN o. 2 ON, Luego, lv - av - ay, - . Los escalares de la C.L. no son todos nulos, {We Vy V, ev} es LL. 2 Todo’ subconjunto de un conjunto L.I. es T.T. Todo conjunto de vectores que contenga un subconjunto L.D. es L.D. Si el conjunto aA = {¥,/Vjy+++7¥,} es un sistema de generadores L.D. del espacio vectorial V, entonces existe v. ¢ A tal que a - {v.} es un sistema de generadores de V. 73Demostraci6én Por ser A un sistema de generadores de V, se verifica: « veVouve=Sav (1) ie, Como A es L.D., existe al menos un vector de A que es C.L. de los restantes, es decir, existe 7 tal que: k v2 ee (2) 1 eee isj por (1) y (2) escribimos K x k Y So ngy ot Eee ee ER at oe Tie ay fe, ) k aB +a )Vv, JE 8,4), =D 9v 18) Link »Por lo tanto A - {v} es un sistema de generadores de Vv. DEFINICION 7. Un subconjunto A = {v,, re+sr¥,} del K-espacio vectorial V es L.I. MAXIMAL, si A es L.I. y si Av {w} es L.D., cualquiera sea we V, w= v,, i =Tya. 74Ejemplo. A= {(1,0),(0,1)} ¢ Res un conjunto Lit. Maximal puesto que es L.I. y cualquier vector de R® se puede escribir como combinacién lineal de los vectores de A. Luego Av {w} es L.D., Vwe R*. En resumen: Podemos afirmar que las siguientes proposiciones son equivalentes: a) Aes LI. b) Toda €.L. de los elementos de A, cuyo resultado sea el vector nulo, es la trivial. ¢) NingGn vector de A es C.L. de los demas. Andlogamente, son equivalentes: a’) Aes L.D. b*) Existe una C.L. de los’ vectores de A con escalares no todos nulos, cuyo resultado es el vector nulo. ©’) Algiin vector de A es C.L. de los restantes. 75BASE DE UN ESPACIO VECTORIAL DEFINICION 8. Sea V un K-espacio vectorial. A= {V, Vj.-+-+/V,} SV es una BASE DE V si: i) Aes LI. ii) A es un sistema de generadores de V. Observaci6n. Se conviene en considerar una base como un conjunto ordenado de vectores. TEOREMA 6. Todo espacio vectorial posee base. La demostracién de este Teorema no esta al alcance de este curso. 1.- ¢ es base del subespacio NULO {6,} 2.~ Si V = R*, se puede demostrar facilmente que el conjunto A = {(1,0,0), (0,1,0), (0,0,1)} es L.I. y un sistema de generadores de R°. Por lo tanto, A constituye una base de R, llamada BASE CANONICA DE R°. En general, la base canénica de V = R” es el conjunto ordenado de n-uplas, A= fe, Cyreeer e,} donde e, = (110, +++,0) 25 = (0,1, +++,/0); 6, = (0,0, «60 71) 763.- Cualquier subconjunto unitario de R cuyo elemento es distinto de cero, es una base del espacio vectorial R sobre el cuerpo de los reales. En efecto: SiA= {a}, aR, a#0, se tiene que VxeR, 3 Fer tal que x = (Z]-. lo que indica que cualquier real x se escribe como combinacién lineal del real a. Como a#0, {a} es L.E.. Luego {a} es base de Rey El conjunto B = (3, x-1, x%+x} es base del espacio vectorial ?.[x] (polinomios de grado menor o igual a 2, con coeficientes reales). El conjunto B genera a P,[x], en efecto, veamos gue existen escalares a, 8, 7 ¢ R tales que cualquiera sea £ a P(x) = ajt axe + axe P[x], ae R ag ax + ax? = a3 + B(x-1) + ¥(x"+ k) aot ax tax’ = a3 + (a + x)x - B+ yx’ aot ax tax’ = (a+3-8) + (Bty)x + ax? a tata a, = aa 5 f= Eanes: ape ety pm og eee 2 =F. _ a Luego los escalares a, @ y ¥ existen en R. Ademés, B es un conjunto L.I. TEEn efecto, a3 + B(x-1), +. 4(x74x) = 0 + Ox + Ox? = 3a - B= 0 Bry =0 pm ye Bra=0 730 Por lo tanto, el conjunto B constituye una base del espacio V = P[x]- El conjunto B = {(o. oe lc al (0 a es base del R-espacio vectorial de las matrices simétricas de orden 2. Se tiene que: 10 Oo 0 0 a) pei (3) + et a) + (a) = g) = eee b ale con a, b, ¢ € R, se puede escribir como combi- . Bes L.I.. Cualquiera sea la matriz |? nacién lineal de los vectores de B en la forma: Jn ab o}+90 rele g)- Asi B es un conjunto generador. Por lo tanto B es una base del espacio. El subespacio $ del espacio ?,[x] definido por S = {ax? + bx +c / b = c - a} se puede caracterizar de la siguiente manera: S = {ax* + (c-a)x +c, a, ¢ © R} S = {a(x?-x) + c(x + 1), a, © € R} Luegot : B = {x?-x, x+1} es un conjunto generador de S, ademas B es 1.i. (Pruébelo) Por lo tanto B es una base de s. 78TEOREMA 7: : Sea V un K-espacio vectorial generado por un conjunto finito de vectores v,, v,,...,v,. Entonces todo conjunto L.I. de vectores de v es finite’ y contiene a lo mAs n vectores. Demostracién, Sea. S = {w,, Wah} un conjunto de vectores I. de V con m elementos. Debemos probar que ms n- Esto es equivalente a’ probar que: sim > n, entonces S$ es L.D. Como v,, V,,++.,V, generan a V, existen escalares a,, en K tales que = kp iM PRES et Aes cm - 11 Asi: a, + GW, + et aw = Ahora: = ‘ Sogiahoen0, - 1 mit oie es un sistema homogéneo de n ecuaciones donde A,r G,resi/@, son inedgnitas. Como m > n el sistema tiene solucién no trivial; esto es: existen escalares a,, a,,...,a. no todos nulos tales que Ow + ow +... aw = 6 11 202 =m Luego § es L.D. 19COROLARIO. Dos bases cualesquiera de un mismo espacio vectorial tienen igual mimero de elementos. Demostracién. Sean V un K-espacio vectorial, B= {ve VyreeerV,} oY BY = {Wy w, “Ww dos bases dev. i Si m > n, como B es un conjunto de generadores de V, por el tedrema resulta B’ L.D., lo que contradice el hecho de que B’ es base. En forma andloga se establece que n no puede ser mayor que m. Luego m = n. DEFINICION 9.. Se llama DIMENSION de un K-espacio vectorial V al numero de elementos de una base cualquiera de V. Se denota dim V- .Si V consiste Gnicamente en ¢l vector: nulo, diremos que su dimensién es 0. Ejemplos. 1.- La dimensién del R-espacio vectorial R es 1. 2.- La dimensién del R-espacio vectorial R" es n. 3.- dim ? (R) = n + 1. Base canénica de P A(R) es {1,x/x', 4.- El K-espacio vectorial v de los polinomios es ey de dimensién infinita, no puede ser generado por un nimero finito de vectores. En efecto, si S es cualquier conjunto finito de 80polinomios, § Gontiene un polinomio que és. de grado m4ximo n. El espacio vectorial generado por § no contiene un polinomio de grado mayor que n. Iuego V no puede ser generado por un conjunto finito de polinomios. Observacién. ee En adelante sélo. se considerarén espacios vectoriales de dimension finita. “ Sea M, el espacio vectorial de “4,(R) de las matrices reales simétricas de orden 3. Side Ay entonces a ni Sar RS dae 22 23| * Aya aay 33: 1 40.20)=9 6 foea a0 Oona =a,/0.0 0} +.a]1 0 0] +a jo o o] + 0 0 0 0 0 0 Uriah 0-9 oy 0 0 0 0-0 <0 +ajo i ol +alo o i] + aclo 0.0 |p 29-0 #9 te *lo OF 1 Asi, el conjunto 1-0 0)'5 (0° e0)> (0 0=2 B=4/0 0 oj, |1 0 oO}, jo 0 ol, O-0s0) “(0 0 7H) ait 0 0 0,., 0 rf 0.0 0). -(9.0° 0 O-1-0),-(6.0 1/7 100 0 0... 0.8 Gk 0: 0- G1 genera a fl, . Es facil ver que B es l.i.. BiLuego B es una base de #, y por lo tanto dim, #, = 6 1.- Encuentre una base y la dimensién del espacio de las matrices reales simétricas de orden n. 2.- gCudl es la dimensién del espacio de las matrices reales antisimétricas? PROPOSICION. En un K-espacio vectorial V de dimensién n, todo subconjunto $ L.I. con n vectores es una base de V- Demostracién. Si x € V - S, entonces S u {x} contiene ntl vectores y, por teorema anterior, S vu {x} es L.D., luego x es C.L. de los vectores de S, asi S es base de V. PROPOSICION. Toda base de un espacio vectorial es un conjunto L.I. maximal, es decir, si B es base y B’ es L.I. tal que B < B’ entonces B = B’. Demostracién. Resulta inmediata del teorema. 82Observaciones. Sea. V un kK-espacio. vectorial de dimensiénn, entonces: 1.- Todo subconjunto de V con més de n vectores es L.D. 2.- Tedo subconjunto de V con menos de n vectores no genera a V. 3.- Todo subconjunto de V con n elementos que genera a V es una base de V. 4.- Todo subconjunto de V L.I. con n elementos es una base de V. 5.- Todo subconjunto L.I. de V se puede extender a una base de V. 6.- Si W es un subespacio de V, entonces dim w = <{cos"x,sen*x, cos 2x}> {£ © P{(R)/£(0) = 0} = {£ € PL(R)/£(1) = 0} = {£ < P\(R)/£(0) = £°(0) = 0} daxk 4 q a wom nA a Muestre que B = {(1,1,0), (2,0,3), (-1.1,0)} es una base de R° y determine los componentes del vector (2,2,3) con respecto a la base B. 8810.- 1i.- 12.- 13.- 14.- 15,=: Encuentre una base ortonormal del subespacio vectorial de R” generado por los vectores (1, 1, 0, 1), (Ly -2, 0, 0) y (1,0,-1,2). Sea S = <{1,3,0), (4,2,1)}> @) Hallar una’ base para s‘ b) Hallar una base para 5 + S* Considere el conjunte ?.(R) con la suma usual de polinomios y la multiplicacién por escalar definida por: & p(x= = a p(x), Va eR, V p(x) © P_(R)- zEs ,(R) un espacio vectorial con estas operaciones? r Considere la ecuacién x - 2y + 3z = 0. a) Muestre que el conjunto solucién S de esta ecuacién es un subespacio de R°. b) Encuentre una base para S y su dimensién. Sea V un K-espacio vectorial y S, = {u,v,w} un subconjunto L.I. de V. Demuestre que: S, = {utv, u-v, u-2vtw} es también L.I. Considere los siguientes subespacios de R°: U = {(x,y,z) © R°: x = 2y} V= <{-1, 2, 1), (0,0,1)}> Caracterice los subespacios U+V y Unv. Encuentre la dimensi6n del subespacio = ab : = = yu {(t : ew (R): a= BA a} Encuentre la dimension del espacio U = {ax’ + bx + ¢ € P,(R)? 2b - c = 0} 8916.- 17.- 18.- 19.- 20.- Dados los subespacios: U = {2 a) ¢ 4(R)1 a +o = of ro {(: 4) = A,(R): 2b -d = o} a) Caracterice el subespacio U n V. b) Es U + V suma directa? Sea A = {7-x", x*+1, x’-1} ¢ PR) y S = . a) Demuestre que A es L.D. b) Determine una base para S. ¢) gEs el vector 5x°*+ 9 un elemento de S?. Considere el conjunte S = {(x,y,z) ¢ Rt 4x + 3y - 2 = 0} y el subespacio T de R° generado por (3,-1,1) a) Demuestre que S es un subespacio de R*. b) Determine una base para S + T y decida si ésta es una suma directa. Considere los siguientes sistemas lineales: ani fades alt SEs anf Seed & =0 2x - 5y + z= -3 x - 5y +z =0 a Encuentre los conjuntos solucién Sy S, de cada sistema. b) Pruebe que S, es subespacio de R® y que s, no lo es. Decida si el conjunto solucién del sistema x+2y+ z2=0 (1) 42x - 5y + 42 = 0 4x - y+ 6z=0 €s 0 no subespacio de R’, si lo es, obtenga una base para él. 90CAPITULO 3 ESPACIOS VECTORIALES CON PRODUCTO INTERIOR De ahora en adelante consideraremos espacios vectoriales sobre k donde K = R 6 kK=c. DEFINICION. Sea V un espacio vectorial sobre kK. Una aplicacién < , > : V x V —> K se dice un producto interior sobre V si verifica: a) 20 VveEV, =0 as v=@ b)V¥v, vi, wev, Va, BeK = acvipw> + Bev_,w> c) = Zw;v> Vv, w eV, donde . indica el complejo conjugado. PROPIEDADES 1) ¥veVi = &iw. eR 2)°Si K = Ry V espacio vectorial sobre R entonces c) se transforma en = 3) = a, + a, en efecto: = = Vy Ww +0tw aw, + Ow, = a + ow. ,v> = & oO +ax< >. fe vw a Vie En particular si K = R se tiene: = a + B Ejemplos 1.- Sea V = €" espacio vectorial sobre €. La apli- cacién <,>:0%0 — 36 n definida por = ray, fet donde u = (ay Ure st) ue Cc, i=1...n ve (9%, =v) v= Cc, i = 1...n es un producto interior. a En particular si V = R", =Juv, es un t 451 producto interior sobre R"™ llamado producto escalar. Se llama TRAZA de una matriz cuadrada A a la suma de los elementos de la diagonal principal y se denota por tr(A)- Es facil ver que t. Sas eae -a) trata) = Y La vAcH jercasr 14 Pe b) tr(AA) = a tx(A) Vac H c) tr(AtB) = tr(a) + tr(B) ° -«VA,-Be A 922.- Sea A el espacio vectorial de las matrices de orden mx n sobre R. La aplicacién <> DM xs Moe SR an” nxn, definida por = txr(Bta) es un producto interior. En efecto: _ a) = tr(atay = 5 OT aso : ist jer. = Oem f Ea? = 0 os ai, = 0 sen gere 4 a =a, = 0) 1 = 1...,0 1 7 Jeet, is. m—A=86 b) = tr(c*(aa + gp)) tr(acta +.ac‘n) tr(acta) + tr(gcta) =a tr(cta) + g@ trict) = a + acp,c> ¢) = tr(p'a) = trp(ptajt) = trata) = 3.-"Sea € [a,b] el espacio vectorial de las funciones continuas de [a,b] en C. La aplicacién <>: €{a,b] « 6.[a,b] — b cna = 1 £(x) g(x) dx a es un producto interior. a3En efecto, usando las propiedades de intergal definida se tiene: x : 2 a) = { £(x) Fay ax = [ (£(x))7ax = 0 ar a = 0 i (£(x))7ax = 0 a em (£(x))? = 0 vx € [a,b] — E(x) = 0 ¥ x € [a,b] —t~0 b b = [ (aft gg) (x) CR) ax a b [) G@£oqRTY + ea) Rtey dx a b J af(x)h(x)dx + Pestx mrxTax a a b b : of £(x)hURTax + af o(x)Rteyax a a a <£,h> + B o b b ——— = | #(x) G(R) ax =f Etya(x) ax a a ia. 1 ores € = | FO g(x) ax = 9, a Como caso particular del anterior, el espacio vectorial €,[a,b] de las funciones continuas de [a,b] en R, con la aplicacién <> + €gla,b] x [a,b] —> R 94definida por ae » = f £00 g(x), dx es un espacio vectorial con producto interior. DEFINICION. Si Ves un espacio vectorial con producto interior sobre R se dice que V es euclidiano. Si v es un espacio vectorial con producto interior sobre © se dice que V es unitario. DEFINICION. Sea V oun espacio vectorial con producto interior, v « V. Se llama norma (o longitud) del vector v al mimero |v|) = Vav,;v> PROPIEDADES. 1) jvyp= oa vae Iv] = 0 Va5 = 0 “v,v> = Oe v= 8 2) fevl = lel ivi lev] = V = vax = V jal = jal Vas Ss bal 3) Viviwe Vv, || = |v] [wl desigualdad de Cauchy-Schwartz. 0 Demostracién: Si v = @ 6 Ww ® vale la igualdad. Supongamos v + 0 95 yseausw- “2@v : qa) Iv = 0, en efecto: eujv> = ivi = ewv> - 22 eviv> Iv = - SY Jul? = 0 ivi Luego = 0 (2) 0 = fjul® = e (por (1) >) iv = cu,w> - 4 ( por (2) ) Il ecuw> = Iv 2 = cwpws - SE ev, we ivi = jw ae Ivf? 2 jevsw>|? wh 2 meqo olay eee Ivl 96y por lo tanto 0 = | 1 bel? - lev, we? de donde || =]v]) [jw]. 4) |v+w] = |v + lw desiguaidad triangular iTAREA! (Ind.: partir desarrollando |v + wl? ) DEFINICION, Sea V un K-espacio vectorial con producto interior a) v.w¢ V, v es ertogonal aw si = 0 b) un subconjunto {vy iVjp-- vi) de V es un conjun- to ortogonal si =0 Vi+j, y ¢) un subconjunto {¥,1¥ 5, servi} de V es un conjun- to ortonormal si es un conjunto ortogonal y Ivy] = 2 Vigd. sce lon. aie ‘ LEMA. Si iMeYotone Ye eS un conjunto ortogonal de vectores no nulos, entonces {v,, Vy, -++1¥,) es LI. Demostracion, Sea Pa,v, = 6, entonces para cada j = 1,...,n ist 5 = 0, y como les v, son ortogona- des se tiene a,jv, 0. Como v, # @, se tiene que a= OV i=41,...,n. Luego {v1 ¥yr--20¥} es L.I. 97COROLARIO. Si-un vector w es C.L. de un conjunto ortogonal de vectores no nulos {x,,x,,-..,x,}, entonces w es igual a la C.L. particular n SW, x, > we 5 — x vet | Demostracién. Supongamos w = a,x, + 0.x, +... ax Para cada k = 1,...,n, se tiene 2 = Lo, por ortogonalidad = 2 = ex > = hl Luego a, = , k= ee 98PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT Sea V un espacio vectorial con producto interior y sean x,/x,, Vv. Entonces se puede construir vectores ortogonales ++), vectores L.T. cualesquiera de YyrVzre++ry, en V tales que para cada k= 1,...,m * SAYi0 Yyreeer¥,}? = <{x,, Kore HPP Demostracién La ~construccién de este conjunto se hace por induccién. 1°) Sea y, = x, 2°) los otros vectores estén dados inductivamente de la siguiente forma: supongamos que y,;Yjy+++, sido elegidos de modo que para cada 1 = 1,...,.x () = x°s »)° hayan {Y,/Y,r-++r¥,} 8 un conjunto ortogonal y SAY, Ygr ees Yh? S4%pMyp e+ +X} 3°) construimos el siguiente vector y < = oe 1 yy ket Bee Yu.” See = ei! ¥,.%9 sinoesasi x, resulta C.l. de YyrYjree+r¥, Y por lo tanto C.b, de x,,.../x, por la hipétesis de induccién. Para cada fe {1,...,k} se tiene 99£ eet? Yo FS SKY, we AE wen 78 jae y,P por la ortogonalidad de los y, VyyeP < > hea Ve = (59,4) = (-1,0,7) 4 B (3,0, 4) i ¥, = (-1,0/7)°~ (3,0,4) = (-4,0,3) y, = (2,9,11) <(2,9,11), (3,0,4)> (3,0,4) - S(219044) (247 0/9)5 49. 3) ¥, = (2/9,11) = 2(3,0,4) - (-4,/0,3) = (0,9,0) Y,. Y,. Y, son no nulos y ortogonales 2 a 2 + {¥,, Y,, ¥,} es una base ortogonal para R*. Para expresar un vector como C.L. de los vectores de esta base basta usar el corolario Gltimo: 3 v= (vv) = at V2t 5 ae x= fy, | = 2 ¥, 2 ¥, “i P ¥3 ly, I ly, ly, 3v, +4v, ~4v +3v. ov ae 2 7a Se Se ae En particular 3 =: v= (12,3) dy, +h y +2 y 101Ejemplo 3 Sea V el espacio de las funciones polinomiales reales de grado menor.o igual que 3 con el producto interior < , > : Vx V—+R_ definido por 1 <£,g> = f £(x) g(x) dx ° Sabemos que B = {1, x, x, x°} es una base de V. Aplicamos a B el proceso de Gram Schmidt. Se: = = = x? =x. an x, = 1, x, ee oe x Observemos que [x,| = 1. Hacemos y, = x, = 1 y e=1. Sea y, = x, - —+ > — y, ly, 4 = 1 =x- (fx idx jl=x-7 ° iy, = ['( g)ee= [ote ex =a ° ¥ oe I ig Mae a ae. ae oe at lyot ly, 1 1 = fro 4 Fax(x e 5 = J P1ax 1 : ‘1 1 Be 8 12g = Be - 9) - Ba - xd) - 4 =x? - B =x x+e : ‘ tygh= J Gtx + gd = | [east Git canfi'}ax : ‘ 1 dx = 355 bey Seale. 2.x : : ines 2x4 5 x? + x 5+ 35] e ee Oe? ey 3 WI z Y eee ee SX HY? a 4 2 we igh. a e A ane See aerate = i 5 y= x 190) x (Poxt dx y, 22) x (x= g)dx-y, 4 : i) (81)dx y, ° a. 1 1 it é wir 180g = 5 + pe) (xPo + F)-12(E - Byedy-ha aS i) = 32 ax - 33743 4 TS a on ; Wy, f (G8 - 34) + bx - 2a} & f 103a ee A: = [eo B24 2 (x°-Fx*) (2x75 a) *(Bx-39)] ax 1 = J axc+ fxtt oo = ae axe mex zen - sort x00) = 3500 = 10 v28 ( =~ gxts bx -x0) Luego {€,, ©, &5, e,} es una base ortonormal de V. COROLARIO Todo espacio vectorial de dimensién finita tiene una base ortonormal. DEFINICION. Sea V un espacio vectorial con producto interior, W subconjunto no vacio de V. Se llama comple- mento ortogonal de W y se denota w’ al conjunto: w= {x eV | = 0 vVve W} Observaci6n 1) w' es un subespacio de V. a) <0,v>=0 vVveV, en particular <6,v>=0,V¥veW -6eW 2Weg b) xe Wo =» =0 vvew yew = =0 vVvew = + =0+ 0 vvew axtyew 104c)V¥aAeK, xew = A = 0 VveW.ax ewe De a), b) y c) W* es un subespacio. 2) Si W es subespacic y x es ortogonal a todo vector de una base de W entonces x « wi. Ejemplo Si W = {(0,0,2) : ze R} c R® Entonces we 1 (050%) [S (2, -%50X,) (0/0,2)> = 0 Vz e R} = {(%,1%,1%,) [x2 = 0 Vv ze R} = {(%,,x,.%,) |, = OF = {(x-y,0)| x,y € R} DEFINICION Sean $ y P dos conjuntos de un espacio vectorial V. Diremos que P es ortogonal_ a S si vue S, Vv e P = 0 is Se escribe S$ 1 P para indicar que S y P son conjuntos ortogonales. Ejemplo: Sean: S = {(x,y,z)| 2x - 3y + z = 0} P= ((x,y,2)| $= - = zy ue S eu = (x,y,z) = (x, y, -2x + 3y) “ve Pes v= (a,b,c) = (2¢,-3¢,¢), = <(x,y,-2x+3y), (2c,-3c,c)> = x(2c)+ y(-3c) + (-2x+3y)c = 0 Por lo tanto S14 P. 105Sik Go AOS he shee Tie iokeegehasgele oir ipena eee 16 6 6 Yee oe Aenea:lich EJERCICIOS PROPUESTOS a) Considere R® con el producto interior usual. Si (x= (1,2). a y = (-1,1), encuentre veR? tal que: = -2 a = 3. b Demuestre que para cada vector u < R’, se tiene: w= e, + Bao , donde feyre,} es la base canénica de R’. Encuentre una base ortonormal para R° a partir de {(1,1,0), (+1,1,0), (-1¢1,1)}- Dado el vector (2,1,-1) € R°, construya a partir de 61 una base ortonormal de R*. Considere el espacio vectorial R® con el p.i. usual, Sea S = <{(1,1,1)) (-1)1,0)}>. a) Caracterice s+ y determine “su dimension. b) Encontrar una base B ortonormal de R° tal que uno de sus vectores sea elemento de s*. Sean u, v vectores 1.i. de R* y sea S$ el subespacio generado’ por wu y v. Pruebe que todo vector de § es ortogonal a uxv. Considere el espacio vectorial real ?,(R) con 4 el p.i. = af P(x) q(x)dx. ° Pruebe que el conjunto {1, x-2, x*-2} es l.i. y ortonormalice respecto del p.i. dado. 1077.- Sea W = {(x,y,2) € Rt x = 2y = 2}. Halle w. zQué representan geométricamente W y we? o.4 a) b) e) a) En R? sean x = (%,¢%,)4 Y % (Yyr Yq) + Pruebe que . = %,y, + 3x,y, eS un producto interior. Demuestre que la aplicacién producto inte- xior <, > + R% R° —» R definida por Sxpexghe (¥,/¥2)> © { x } A (y,y,) donde a= (3 72) es un producto interior averigue si en el espacio vectorial real de las funcions continuas en el intervalo [-1,1], la siguiente aplicacién es un producto interior. 1 < £,9> = j £(x) g(x) dx a Muestre que toda funcién par es ortogonal con cada funcién impar. Sean a, b yc tres nimeros reales fijos Supéngase que p y g son polinomios de grado menor o igual que 2 y defina (pra) = p(a)-a(a) + p(b)-a(b) + p(e)-ale)- Demuestre que (p,q) es un producto interior en Py. 2 Pruebe que en el espacio C{0,1], con el produc- 1 to interior = fecer-act) dt, el conjunto 0 il, v3 (2t-1), V5 (6t*-6t+1),} es una base ortonormal. 10810.— ain" 12.> 13.- 14.- isc En el especie €[0,2m], con el producto = Ie £(%) =f £(x) g(x) ay. a En €* se define el producto interior = D X,Y... Pruebe que los vectores t=1 x = (3,-i), y = (2, 61) sen ortogonales y normalicelos En el espacio de los polinomios reales de grado menor 0 igual que 2 con el producto 2 = J P(x)-+Q(x) dx, construya a partir de 1 la base (1,x,x‘°} una base ortonormal. Demuestre que si x e y son vectores de un espacio con producto interior, entonces |] = fx ly — x ey son i.a. Sea V un espacio vectorial real con producto interior y (V,/V,,+++V,} una base de V tal que xeEVAYEV => =F a8, donde x= E av, A y= f B,v,. Demuestre que la base (v,,-..,v,) es ortonormal. 10916.- 17.- 18.- 19.- 20.- Sea {v,:V,)--+v,} una base ortogonal de un a espacio vectorial real y sea v ~ Loy, “aoe YY z- Wl Sea V un espacio vectorial real, Demuestre que demuestre que a, = la aplicacién Niv —> R definida por N(x) = 5 verifica: i) N(a x) = a7 N(x) di) N(xty) — N(x) ~ N(y) = 2<*e¥? iii) £ Nixty) - $ N(x-y) = Sea V un espacio vectorial real con producto interior. Demuestre que: a) fey = | ixt-iyll an) fet byl? = be + x ey aii) focyh = fed-lyl iv) xLy = |xtayl = Ix ¥YaeR Sean x e y vectores de un espacio vectorial con pi. tales que x + y es ortogonal a x ~ Y- Demuestre que |x| = [yl- Sea V un k-espacio vectorial con p-i-- Demuestre que: V X,Y & Vr Jel? + beyl? = 21x + atv 110CAPITULO 4 TRANSFORMACIONES — LINEALES) DEFINICION 1 Sean V y W dos K- espacios vectoriales. Se llama TRANSFORMACION LINEAL de V en W. a toda funcién £:V —~+ W que verifica las siguientes condiciones: 1) £( x+y ) = £(x) #:£ly), Vary eV 2) £(ax) = A £(x), VX eV, WA eK, es decir, la imagen de la suma de vectores es igual a la suma de las imAgenes de cada vector, y la imagen del producto de un escalar por un vector es igual al producto del escalar por la imagen del vector. Las -transformaciones lineales ( T.L.) se suelen denotar por letras maydsculas T,L,..., etc. Las condiciones 1) y 2) son equivalentes a la siguiente: 3) £( ax + By ) =a f(x) +8 fly), V o,BeK, v xyev En éfecto, para obtener 1) y 2) de 3) basta considerar a = @ = 1 y se tiene la condicién 1). Si g = 0 se tiene la condicién 2). La condicién 3) se obtiene aplicando la 1) seguida de la 2).Ejemplos: tee tT: R? ——+ ®° (x,y) = (x-y,2x,y+x) es una T.L. En efecto: v (a,b), (@,v) € R’, se tiene T((a,b)+(u,v)) = T(atu,btv) = (atu-b-v, 2at2u,btratvin) =((a-b)+(urv) ,2at2u, (bta)+(v+u) ) = (a-b,2a,b+a) +(u-v,2u,vtu) =T(a,b) +2(u,v) v (a,b) ¢ R°, VA < R, se verifica T(A(a,b)) = T(Aa,ab) = (Aa-Ab,2(Aa) ,abtaa) = A(a-b,2a,bta) = AT(a,b) TR ———> RF T(x) = (x,x+1) no es T.L. En efecto: T(x+y) = (xty,xtyt1) =(x,x+1)+(yry) * T(x) +T(y) Observar que para demostrar que T no es T.L., basta el siguiente contraejemplo: T(2+3) = T(5) = (5/6) ¥ (2) + B(3) = (2,3) + (3,4) = (577) Iuego 1(2+3) # 1(2) + 1(3) Sean V y W dos K- espacios vectoriales. a) La funcién Idéntica de V en Ves una T.L. b) La funcién Nula de V en W es también una Doles é 3 112n efecto: a) Sea It. V > V I(v) =v, ¥Vvev I(vtw) = vtw = I(v) + T(w), ¥ v;we V I(av) = Av = AI(v), VAe K, Vv eV b) Sea Ni V —> W N(v) = 0), ¥vev N(viw) = 6,= €,+ 0,= N(v) + N(w), Vv, we Vv _ Nav) = 6, =a 9, = AN(v), Vvev, VYAeEK 4.- U2 P[x] —>R 2 (p(x) = 2BOD | os una 2.2. dx z En efecto: é o ¥ p(x), g(x) € P(x], se tiene lease tel 2 3 T(p(x)+q(x)) = apt) a(x) ) = Sec) = date) dx’ dx dx = T(p(x)) + Tla(x)) =o 3 T(ap(x)) = nes = Se = A T(p(x)) 5.- 7: Vo —3V T(x) = ax, aeK ,ae0, es una T.L. llamada HOMOTECIA DE RAZON a. 113En efecto: a) Sea I: V—> Vv I(v) =v, ¥vev I(vtw) = viw = I(v) + I(w), ¥V vpwe V I(av) = av = Al(v),; VAeK, ¥VveV b) Sea Ni V —> W N(v) = 6,, Vv ev N(vtw) = 0,= 6+ 6= N(v) + N(w), Vv, we V N(Av) = @,=20,=2N(v), VveV, VaeK 4.- T: Pix) —+ Ek 2 T(p(x)) = SEG) es una vn. ax En efecto: V p(X), G(x) € P(x], se tiene 2 “ 2 2 T(p(x)+q(x)) = pia) 2 a pte) ¢ a gGo) dx ax dx T(p(x)) + T(q(x)) dapca)) * SOREN - 2g aGl «4 mypixp) 5.2 Veo Vv T(x) = ax ,aeKk ,a#0, es una T.L. llamada HOMOTECIA DE RAZON a. 113PROPIEDADES: 1.- Sean T y L dos transformaciones lineales de V en W, entonces: a) %(6.) = (@,. La imagen del vector nulo por una transformaci6én lineal es siempre el vector nulo. b) T(-x) = -T(x) c) T+L es una T.L. d) AT es T.L., para todo A « K Demostracién: a) T(@,) = T(x+(-x)) = T(x) + T(-x) (por definicién de T.L.) = T(x) + T((-1)x) = 1(x)+(-1)T(x) (por definicioén de T.L.) = T(x). -T(x) z oy ¢ c) Sean x e y vectores cualesquiera de V, A € K i) (T+L) (xty)=1(xty)+L(xty) (por definicién de suma de funciones) =1(x)4+2(y)+L(x)+L(y) (por ser ambas T.L.) =(T+L) (x)+(T+L) (y) ii) (PHL) (Ax)=2(Ax)+L(Ax) (por definicién de suma de funciones) AT (x) +AL(x) (por ser ambas i T.L.) ALT (x) +L (x) 1] A(T+L) (x) (por definicién de suma de funciones) 114De i) y ii) se tiene que T+L es una T.L. de V en W. las demostraciones de b) y d) se dejan al lector. . 2.4 Si T: V —» Wy Ll: W—> % son dos transformaciones lineales, entonces Low: V—>Z, es una T.-L. En efecto: Cualesquiera sean x, y en Vy ’ < K, i) (Lo 7) (xty)=L[T(xty) ] ; =L[T(x)+T(y)](por ser T T.L<) =L[ T(x) 1+L(T(y¥) ] =(L 0 ©) (x) + (Lo T)(y) di) (Lo T)(ax) = LET(x)] LlAT(x) ] AL[T(x) ] =A(L o T) (x) De i) y ii) se tiene que L o T es una T.L. Observacion: Denotaremos por £(V,W) el conjunto de todas las transformaciones lineales de V en W donde V y W son espacios de dimensién finita sobre un mismo cuerpo K. De las letras c) y d) de la Propiedad 1.) se tiene que 2(V,W) es un subespacio del espacio de todas las funciones de V en W donde la funcién nula es el vector nulo de £(V,W)- 115De i) y ii) se tiene que T+L es una T.L. de V en W. Las demostraciones de b) y d) se dejan al lector. e 2.5 sit: V —4 Wy L: W—5 @ son dos transformaciones lineales, entonces Lov: V—>Z, es una T.L. En efecto: Cualesquiera sean x, y en Vy A € kK, i) (Lo ®) (x+y)=L[T(xt+y)] £ = =L[T(x)+T(y)](por ser T T.L<) sL[T(x) T+L(T(y)] =(L o T)(x) + (& o T)(y) di) (Lo T) (ax) LUT(Ax)] LLAT(x) ] ALT (x) ] =A(L 0 T) (x) u De i) y ii) se tiene que L o T es una T.L. Observac: Denotaremos por £(V,W) el conjunto de todas las transformaciones lineales de V en W donde V y W son espacios de dimensién finita sobre un mismo cuerpo K. De las letras c) y d) de la Propiedad 1.) se tiene que ¥#(V,W) es un subespacio del espacio de todas las funciones de V en W donde la funcién nula es el vector nulo de £(V,W). 115.be ahora en adelante V y W serén espacios vectoria~ les sobre el mismo cuerpo K. : DEFINICION 2 és a 1.- Sea T: V ——> W una T.-L. Se llama KERNEL o NUCLEO de 1, al conjunto de todos los vectores de V tales que su imagen es el vector nulo de W; se denota por Ker(T), asi: Rer(T) = { x « Vi T(x) = 9, } 2.- Se llama IMAGEN de T al conjunto de las imagenes de todos los vectores de V, es decir, al recorrido de la funcién T. Se denota por Im(T). Asi: ‘ Im(T) = Ree(T) = { y © Via x € V,T(x) = y } o también Im(T) = { (xp: x eV } PROPOSICION 1. Sea T: V ——> W una T.L., entonces, 1) Ker(T) es subespacio de V. 2) Im(T) es subespacio de W. Demostracién: Para 1. Sabemos que T(8y) = Oy,. luego @, « Ker (T), Por lo tanto Ker(T) # @ (4) Si u y v son vectores de Ker(T), entonces T(u) =O, Y T(v) = 6, y como T es una T.L., 116T(utv) = Tu) +,2(v) = 6, +0, = 6 Asi, # utv € Ker(T) (ii) Si Ae K yu Ker(T), entonces T(u) = @, y como T es ‘un transformacion lineal, se tiene: T(Au) = aT(u) = a9, = @ Luego W Au e€ Ker(T) (iii) De (i), (44);y (iii) se tiene que Ker(T) es un subespasio vectorial de V- Para 2. Como 1(6,) = @, , se tiene que @, < Im(T) Iuego Im(T) #¢@ (i) Si w, y w, son élementos de Im(T), entonces existen en V tales que: Tv) =w ¥ Tv) =, Como T es una transformacién lineal, se tiene: Mwyetsv,) FMCw, lets Tv )om w, tw Iuego, el vector w, + w, es imagen del vector v, %,Y%, v, + v, de V , es decir, w, +w, € Im(?) (ii) Ahora si A ¢ K yw <¢ Im(T), entonces existe v « V tal que T(v) = wy como T es lineal, T(av) = AT(v) = Aw Luego el vector Aw es imagen por T del vector Av, Asi, aw ¢ Im(T) (iii) 117Dey (i), (di), (iii) se tiene que Im(T) es ‘un subespacio de W. DEFINICION 3 Sea T:V ——> W una T.L.. Se llama NULIDAD de Ta la dimensién del Ker(T) y se denota por n(T)}.Se llama RANGO de T a la dimensién de la Im(T) y se denota por p(T). Ejemplos: _ 1.— TR? ——> R* 2 T(x;y) = -2(x,y), es una T.L-( verificarlo) Ker(T) = { (x,y) € R°: T(x,y) = (0,0) } = { (xy) € Rr -2(x,y) = (0,0) i (Gy) eR 22 0, yee { (0,0) } Asi: n(T) = 0 u 2.- Sea B= [3 } una matriz fija y T: A, (R)——> A(R) (A) = AB, es una T.L.( la demostracién de esta afirmacién queda a cargo del lector) Entonces, rerit) = (0 SJ eaycer(@ 33) = (8)} ~{(22}-( 22) (0) 118= {( 28) + 22/2, © = saz} 3b/2b) , e.{ sae | baer } Una base para Ker(T) es (87 6 ),( ste.) } Asi: n(T) = 2 T:| P(R) ——> R Ee T(p(x)) = p(1/3)|, es una T.L. ( la demostra- cién de esta afirmacién queda a cargo del lec- or yer 1 Ker(T) = (ax? jake = { ax + bx + (-a/9 - b/3) : a,b eR} = {calx® = 1/9) +/B(x - 1/3) : abe R} Imego los polinomios x° - 1/9 y x - 1/3 , forman una base del Kernel de T. Im(r) = { ee) 2 p(x) © P,(R)} = { Tfax* + bx +c) : aybycse nap {4/9 + b/3 +c: a,byc € R } Observemos: que dado un nimero cualquiera k, existen infinitas soluciones para la ecuacién a/9 + b/3 +c = k, es decir, existen infinitos polinomios p(x) = ax* + bx + ¢ tales que T(p(x)) = Por lo tanto, Im(T) = R 119La siguiente proposicién presenta un método menos laborioso para encontrar la imagen de T. PROPOSICION 2. si { VirVgreeeer¥, } es base del espacio V y T € £(V,W), entonces ( T(v,),T(v,),-+--/T(v,) } genera la Im(T). Demostracién: y ¢ Im(T) > 3x € V tal que T(x) = y xeV x4 a,,a preseseeG, € K tales que Imego y = T(x) = T( Ea,v,) = Ea, 2(v,) es decir, tet re el vector y es combinacién lineal de: Ty) TO). -- Ty) Como y es arbitrario, ( T(v,),T(v,),----/2(v) } genera la Im('T). En el ejemplo anterior, si’ consideramos la base { x’, x, 1 )y emtonces { @(x”),T(x),,7TQ) } ‘generan-la Im(T). Esto es: T(x") = 1/9 TT) = 173 Te eed Luego { 1/9, 1/3, 1 } generan a Im(T). . Es claro que este conjunto no es base de Im(T). Justifique. 120PROPOSICION 3: Sea T « £(V,W), entonces: T es inyectiva si y s6lo sil Ker(T) = { @ ¥ v Demostracién: a) Supongamos que T inyectiva y probemos que Ker(T) = { 0)} xe Ker(T) # @(x) = 8, T(x) = T(6,) como T es inyectiva, x = @ Luego Ker(T) = {6,} v b) Supongamos ahora que Ker(T)={6,} y probemos que es inyectiva. : T(x)=2(y) > TOx)-T(y)=8, v 3 T(x -y¥) = 6, 3 x - y € Ker(T) x Fey eeae xay Luego, T es inyectiva. Observaci6n: Toda homotecia de razén "a" , a # 0 es inyectiva ya que ax =9 3 x =9@. Propiedad: Si T:V —> Wes una T.L. inyectiva y {X,1Kjre+ +++} eS Lit., entonces {T(x,) /T(X,) os oe rT) E es Lil.. En efecto: 121Si La,T(v,) = @,, entonces o{s ay, ] = 9, es PB como T es inyectiva, por proposicion 3 Yav= Y por hipétesis, OG, ee = 0. Ejercicios: len Te £(V,W), ( X,,%,,+.++,%, ) BeD+- Demuestre que ( T(x,),T(x,),- T(x), )ees LD. 2.- Te £(V,W), %,,%,,..++,%, yectores de V tales que (T(x,), TOx,),.++., T(x,)) es LZ. en W. Demuestre que ( x,/x,,+..+,%, } 6s LT. € (Gy ent - Ye TEOREMA ( ae das ‘dimensiones ) Si T € £(V,W) entonces, ae dim(Ker(T)) + dim(Im(T)) = dim(y) he Coded, Demostracién: Sea n = dim(v) a) Supongamos que Ker(T) = { 6, }, entonces T es inyectiva y dim(Ker(T)) = 0. Luego, si B= {VirVar+++,V,) eS una base cualquiera, de V, entonces (T(v,) Tv)... Tv )) genera a la Im(T) y como T es inyectiva este conjunto es 1.i. por lo tanto es una base de la Im(T). Asi el teorema se verifica. Supongamos que dim(Ker(T)) = k, k =< { Tu.) Ta) y.s-., Tu, } ag) Sm ya que T(v,) = 0, TS 2a ek Probemos que B"= {T(u),T(u,),---,T(u,,)} es L.I. nck ack Ya,T(u,) = 8, — T { Tax.) = tat sen ak = Ean < Ker(T) luego existen escalares §,,8,,---,8,, tales que: ack x you= pa¥ ee je, es decir, x nek rey, 7 hte) 4 = @, . 1 - Jat Como B es una base de V, se tiene que a a ee en ee Asi, B" es base de Im(T). Luego dim(Im(T)) =n - k.Por lo tanto: dim(Ker(T)) + dim(Im(T)) = kt(n-k) = n = dim(v)- Ejemplo Se sabe que la transformacién lineal TE FAR SR T(p(x)) = p(1/3),es tal que dim(Ker(T)) = 2 ¥ dim(Im(T)) = dim(R) = 1. Luego: aim(Ker(T)) + dim(Im(T)) = 3 = dim(P,(R)) y el teorema se verifica La demostracién del siguiente teorema es construc— tiva y nos dara un método para definir transformaciones. lineales sobre espacios vectoriales. ‘TEOREMA FUNDAMENTAL DEL ALGEBRA LINEAL Sean V y W dos K-espacios vectoriales, B esd Niggas }, base de V, (Wy War ee Wide conjunto arbitrario de vectores de W. Entonces existe una unica transformacién lineal T € £(V,W) tal que Tv ey {mt 2 ee De Demostracién: Sea x ¢ V, entonces existen escalares o,,4, ,--+,%, tales que: 124n x= Tav,, es decir, [x], = tea ResV2 ae Definamos T:V ——__5 W__ por n T(x) = F ow, ist i) Esta funcién esta bien definida debido a que los escalares'a,,0, ,...,@, son tnicos para x con respecto a la base B. ii) T € ¥(V,W), en efecto: a n xyeV = x= Fav, y= 5 By, 1st tet T(Ax + dy) = a( 1 hee (Aa, + 28,1] (por def. Ue T) a (Aa, + 68,)w, (por propiedad de a ims espacio vectorial) Tee (aa, )w, + T (38, )4, re = a( daw, ) + s[ Ley, = AT(x) + 8T(y) 125iii) Como [v,], > | i Jerr i-ésimo lugar Se tiene quet p(y) = Ow, + Ow. pe ood Ser Pe OME TI, 1 2 1 2 ' B= 1,2peee De iv) Veamos que T es la anica T.L- que verifica la condicién T(v,) = Supongamos que b es otra P.L. que verifica nv.) Bowed = 1, Die seen Entonces, T(x) gégo, E(x)\5 Tee eS Y por lo tanto L=tT Observacién: De 1a demostracién del teorema 5° desprende que asta que dos @-b,.colmeidan sobre ue pase cual- 126guiera de V para que sean iguales sobre todo el espacio. C6 a" Ejemplo Sea B = {(1,2), (0,-1)} una base de R® y consideremos dos vectores cualesquiera de R°, por ejemplo w, = (-1,1,0), w, = (0,-3,1)- Entonces: u = (x,y) eR? => ~u = x(1,2) + (2x - y)(0,-1). ¥ la fuefiién definida por £(u) = £(x,y) = x(-1,1,0)+(2x-y) (0,-3,1) = (-x, -5x + 3y, 2x-y) resulta una T.L. de R? en R°. 127MATRIZ ASOCIADA A UNATRANSFORMACION LINEAL Sean V y W dos K - espacios vectoriales, ae Vy W respectivamente y T : V —> W una transforma- green be Lee {0 Wyy ee ew} bases de cién lineal.Entonces: c =/ 4 | to) Caw, +@aly, SD w Sa Cary it Tv) @, *@Qy tt +a ™, es = Mie... Wet. oe wa On 1 Bae 2 =a ws La matriz a, a eee a 5 ape 41 12 in Tae lt ee = RN | vee a a = cuya j-ésima columna esta formada por las coordenadas del transformado por T del j-ésimo vector de la base B,con respecto a la base B, se llama Matriz Asociada a T con respecto a las bases By By la denctaremos por M[T],, 0 [T], ,: Observemos que 12 fe el orden de (T],, ©8 mxn donde m es la dimensién 12 de Wy n es la dimension de v. Ejemplos 1.- Sea T :R” —5 R® la transformacién lineal definida por T(x,y,z) = ( 2x - y, y + z)a my Bi={(1,1,1)¢(1,1,0),(1,0,0)}, B={(2,0)4(0,1)} bases de R® y R* respectivamente. Entonces (1;1,1) = (1,2) = 1/2 (2,0) + 2(0/2) (1,170) = (1,1) = 1/2-¢2,0) + 1(0,1) T(1,0,0) = (2,0) = 1(2,0) + 0(0,1) Luego , », 1/2 1/2 1 2 a 0 Sea D el operador de derivacién definido en el espacio ?,(R), es decir: De: Pi(R) —_—_ P,(R) D(p(x)) = p’ (x) donde p’(x) es la funcién derivada de p(x). Consideremos en ?,(R) las bases Bat 2x*, 3x-x", 1- x, 1} y la base estén- dar B= { 1, x; REEGE 4 Entonces D(2x°) = 6x = 0(1) + O(x) + 6x? + 0(x°) D(3x - x7) = 3 - 2x = 3(1) + (-2)x + Ox® + Ox* D(L-- x) 00 = -1 = (-1)1 + 0x + 0x? + 0x? D(1)=0 = 0(1) + O(x) + O(x7) + 0(x°) Luego 0 3-1 0 0-2 0 0 ig =|6 0 0 0 aa f 0 0-0Galoule wsted<(D], gj -¥ Sse: ° si cambia Ph el orden de las bases,la matriz asociada a D cambia. PROPOSICION 1 Sear (2. C37) We dos kK - espacios vectoriales B= ( vyrvgereeMal t B, = (oye) Wyre a) pases de V y W sospectivamente y Auna matriz de Entonces existe una mxn con elementos en Ke de v en W tal que transformacién lineal T orden anica im, =a Bia Demostracién: Sea a a eee B m2, ‘an Basta definir T en ja base de V de la siguiente ma~ nera: y 2 a7 = Ba gos Ly2eree rm y extenderla por linealidad a todo el espacio, ©8 Zigso que ett 12 130Ejemplo: Ba transformacién lineal de R’ en mcnya matriz asociada respecto de las bases canénicas es 2 ser AS 1 9 32 a he es tal que: T(1,0) = 2(1,0,0) + 0 (0,1,0) +3 (0,0,1)= (2,0,3) T(0,1) =-1(1,0,0)- 2(0,1,0)+1/2(0,0,1)=(-1,-2,1/2) Luego T queda definida por T(x+y) = x(2,0,3) + y(-1,-2,1/2) = (2xry, -2y, 3x + ¥/2 y) Observemos que si se cambia el orden de los vectores de las bases, cambia la transformacién lineal. PROPOSICION 2 : Sean V, W dos K-espacios vectoriales, BAY rVareeev by BL = {W, (Worse W } bases de V y W respectivamente Si T: V — + W es una transformacion lineal, entonces: (T] [x], = [2(x)] eR, a ey es decir, al multiplicar la matriz asociada a T por el vector coordenado de x respecto de la base By, se obtiene el vector coordenado de la imagen de x por T respecto de la base B).Demostraci6n: n xeV, x#F av, Sea por lo tanto x Mx = TCD avy = F i oe a,( Bay =f jst Es decir [T(x)], 2 a=. I a, TCV) = Is Ey) ao 1% ala j . (1) artPor otro lado: iE a 5 aa F 1% sat 2% nee a teen t+ =, Baty 22%2 Bay ts (2) a Ay 2%2 m a De (1) y (2) se tiene que {T], , (XlpoF (T(*)],> = eae 2 Ejemplo 9 Sea TiM, (R} —> St & Tr @ 3] = (a-b, c-+-2d,W y BL: W— > 2% son transformaciones lineales, entonces: ee (E19 (Tee Demostracién: Por definicion de matriz asociada se tiene: = T(v,) ee; 7 dS Va i FA(h) det OT, a (Ay) mxn P Pals =.) = L(w, = Ee F5Skyp eee eae t2): BB, 1}? pxm 23 P COPD, = CS, g) peg? (OT) (Y= Ey 2Q? go, 5s (3) Po Kot Por otro lado 1342) a a m ‘ (Le) (vy) = L(T(v,) ss oan y area eit + jf [ z masts (4) ke1 | y=1 Bienen om L CE bee PA sagt Como {z,, ) d=1ee gn kj ri es decir [IeT],.= (L],, ° (Tl 1°3 Ps PROPOSICION 4 Sean V y W dos K-espacios vectoriales, B, y 3,, bases de V y W respectivamente. Si T:V —+» W y S:V —».W.son transformaciones lineales, entonces: 1) ESlom, celTueet ol. Pe Pe BB. ve 2) IM 1,9 ~All, , «¥ 458 aP2 a Demostracién A cargo del lector. 135P Boom Uo%, > 2 Cy Bee ee Pel is np Como (2,,...,2,} es base se tiene que oF EPs a,.) i=1, es decir [IeT], = (b],, ° (Tl 3 2P3 PROPOSICION: 4 Sean V y W dos K-espacios vectoriales, B, y B,, bases de V y W respectivamente. Si T:V —> Wy S:V —+.W son transformaciones lineales, entonces: 1) [T+S] = [T] + [8] 5B, BB, BP, 12 2) [AT],, =AlT],, » ¥AEK 12 ve Demostracién A eargo del lector. 135PROPOSICION 5 Si I es la transformacién lineal idéntica definida sobre un espacio vectorial V de dimensién n y B es una base de V, entonces (1p = La demostracién queda planteada como ejercicio. PROPOSICION 6 Sean T:V —» V una transformacioén lineal y B una base para V con dim(V) = n. $i T es biyectiva entonces [T], es una matriz inversible y (Tl, "= ity, Demostracién Si T es biyectiva entonces existe pisv— sv tal que T of = °Tay y T'. T = Id, Por proposicién 2 se tiene que: a af ft, (© 1, - fe Pay a a 1 =n a (Eo 7, EE, 7 Oe Tee (idl, = 4, por lo tanto: UES T(x,y)= (2xt3y, 4yrx) 1 L(x,y)= (3x-4y,, xt5y) 136y consideremos las bases: B= ((1,0),(0,1)} = B, B= {(1,3),(2,5)} Entonces LoT: R° —» R° queda definida por (LoL) (x,y) = L(T(x,y)) = L(2x+3y, 4y-x) (3 (2x+3y)=4 (4y-x), 2x+3y+5 (4y-x)) (10x-7y, -3x+23y) LoT(1,0) = (10, -3) = a,, (1,3) + a3, (2,5) Lot (0,1) = (-7, 23) = a(1,3) + a,(2,5) de(1), a+ 2a, = 10 S = 3a 3a,,+ 5a, = -3 a= 756 -56 81 luego, Hen, 3s Por otro lado, hallemos [7] y [L}. T(1,0) = (2,-1).= 2(1,0) - 1(0,1) T(0,1) = (3,4) = 3(1,0) + 4(0,1) 2 3 Luego, (Ty 97 (i i] L(1,0) = (3,1) = a,(1,3) + a, (205) L(0,1) = (-4,5)= a,,(1,3) + a, (2,5) 137De (3), a, + 2a, = 3 a= 8 a 21 ua =13 30 Seeger mH. ( 8 =) (Lh), ,° (TI _, {-13, 30) (28-3) -56 81 Bp, op” {| 8-17) {-1 4 a3 12 ; 1 33 -44 y por lo’ tanto, ‘ - (idsge UElg gs = (ESP Bp. 23 BP, 13 DEFINICION: Sean V y W espacios vectoriales sobre el mismo cuerpo K y T: V —> W una transformacién lineal. T es un ISOMORFISMO de V en W si T es una biyec- cién. En este caso se dice que V es ISOMORFO a Wo que los espacios son isomorfos. PROPOSICION 7 : Sean Vy W dos K-espacios vectoriales con dim(vj=n y dim(W) =m, B= {v, vy Vy + Yb base de V y B= {wy w, Entonces, £,(V,W) es isomorfo a 4M, (K), es de- perer Wybase de W. cir, el espacio de las transformaciones lineales de Vv —>+ Wes isomorfo al espacio de las matrices de orden mxn con elementos en K- 138Demostracién: Sea p :£,(V,W) —> ML (K) e(T)= A, donde A= [T].., 8,8 Pa a) De acuerdo al Teoréma Fundamental de las Trans- formaciones Lineales, A queda univocamente determinada para cada Tc #,(V,W) respecto de By © B,, es decir, .p es bien una funcién. b e) qd) Adem4s g es inyectiva, ya que si T y L son vectores de 4, (V/W) tales quer ee p(T) = pi), entonces sus matrices asociadas en las bases B, y B, son iguales, o sea, B(v,) = E(v,) Vi = 1,2,.-.)0 Como las T.L. coinciden sobre la’ base, coinciden en todo el espacio, es decir T = L 9 es sobreyectiva. En efecto, dada A A (K), por proposicién 1, existe T tal que [T],, = A. aP2 Es decir, existe T < £(V,W) tal que 9(T) =A F es transformacién lineal, ya que por proposi- cién 4 se tiene: * p(T+L) = A + B= 9(T) + p(L) y p(AT) = AA = ag(T) ‘donde Ay B son las matrices asociadas a T y L respecto de las bases By B,. De a), b),; c) y a) pt £.(V,W) —> A (Kk) es un isomorfismo y los espacios 4 (V,W) y 4,,(K) 8on isomorfos. 139MATRIZ DE TRANSICION, MATRIZ DE CAMBIO DE BASE OQ MATRIZ DE PASO. DEFINICION sea V. un K-especio vectommly gaidimedsiénon, B= {vyeVgreeseeVah XB ti rVgerer sr ¥ abe bases de Vv. Sea Ia :vV —> V la transformacion idéntica. Bais = pre: Wisyie 786 Se MATRIZ DE TRANSI- 2 CION, DE CAMBIO DE BASE 0 DE PASO DE LA BASE B, A LA BASE. B,- id (ye, = EPG vo— (74, = P= (Pam qatv() Ay a eat a oa), a= (4,) ta matria Q corresponde a la matriz de transicién de B, a B,- Beek Observemos que Vv v € V se tiene? [Id]y, [vJ,> (1dtv)d, = Ov), a Me 2 2 [egy (7, = Atta Oa 1? ep (2) (wi, PBda), g Ip, 2 AED, HOS sg Ve es 2, Ps 140Bor otro lado, (vig @ tra}, tv), 2 tray. tray ev) a Bey % BBY BP, os =Q-P = 14 y luego P=g? ° Q=p? P y Q son matrices no singulares. Ejemplos. l.- Sean B= {(1,0),(0,1)) y B dos bases de R’*. {(1/3),(-1,2)} (1,0)= §(2,3) - 2(-1,2) 1 i (0,1) (1,3) + 2(-1,2) 2751/5 juego, Cid], =F = |ogy5\ yy5| es le matriz ae de paso de B, a B. Si X= (x,,x,) es un vector cualquiera de R? las coordenadas de X en B, son (x,,x,), es decir, (4), = 0,6) 1 ¥y se tiene que P [X], = [x], Supongamos X=(3,-4), entonces [x], = (3,-4) 1 tale es EEE) — (3,4 y= 2 (1,3) - Be (-1,2) 141Geométricamente, el vector [(3,-4)], est di- 1 bujado en la siguiente figura: y nanan 3u, — 4u2 El vector [(3/-4)], esta dibujado en la figura: j 2 2.- Sean B= {(1,0,0,),(0,1,0),(0,0,1)} ¥ Bee {(-1/0/1),(0/2,1),(0,0,-1)} bases de R. Hallar las matrices de cambio de base P y Q. 142(-1,0,1) = -1(1,0,0) + 0(0,1,0) + 1(0,0,1) (0,2,1) = 0(1,0,0) + 2(0,1,0) + 1(0,0,1) (0,0,-1) = 0(1,0,0) + 0(0,1,0)+ -1(0,0,1) <1, 0, oO Luego') [Id], = Q =) 02° of. Py Lodera (1,0,0) = =1(-1,0,1)+ 0(0,2,1) -°1(0,0,=1) (01210), = 0 (=2y0,2)+ 5 (02/1) -4¢0,0,1) (0,0,1) =. O(=¥,0,2)+ 0(0,2,1) - 1(0,0,-1) -10 0 luego, (40) ae Pe, |..01/2 0 a -11/2-1 y se verifica que PQ = QP = Ia. 143ne EJERCICIOS PROPUESTOS jcudles de las siguientes funciones son transformaciones lineales? oa), fk? —9 R, f(xy) = 3 Nb) £2R? > Re, Eleey) = ¥ FY c) £:R° —> RK, £(x,/¥/2) = (C08 (x+y) sen 2) a) £4, (BR) > P08) de te ax?t (bre) xtd e) £:R —> R , £(x) = (8) petermine una Kase para el Ker(@j/e im(f) donde qt es la transformacién lineal siguiente: a) TrR? —> A(R) aixeyee) = (3x oy 3 b) T:R” —> R P(x Kr] = % c) T:R” —>R 8 T(x,1 Kerr %) a BF: a) T:P,[x] — R v(ax? + bx + c) = (a-cy bre) yExiste alguna transformacién lineal tk > R que verifique T(1,0) = (2-1) m(1,1) = (1,4) (3,1) = (0-2)? 144de 9 2 Sea A = [ 220 | la-matriz asociada a la wy 4s transformaci6n’ Lineal’ T:/R? =! R? “xeapecto de dassbaseses, = {(i/ay)), (ui, 0)), (1,0, 0)p4 y B, = { (1,0,0),(0,1,0),(0,0,1) }. 8) Encuentre la ecuacién de definicion de v. b) Encuentre elrango de T y una’ base para Rer(T). i Sea T: R° —— R® una transformacién lineal tal que: T(1,0,0) = (2,1,-1) 1(0,1,0) = (0,0,0) 1(0,0,1)..= (2.7141) @) Encuentre la ecuacién de definicién de 7. b) Encuentre una base para Ker(T) e Im(T)\. ©) Indique la nulidad y el rango de 7. Considere la transformacién lineal T: Re —_, R? : T(x-y,zZ) = (3xty,x+z) a) Encuentre una base para Ker(T) y para Im(T). b) Determine 1a nulidad y el rango de T. c) 2 Es T invertible ?. Justifique. Defina la transformacién lineal cuya. matriz asociada respecto de las bases B= {(12),(-1,1)} y B= { (1,-1,0),(-2,0,1),(-1,0,0) } es 3125-0 (ti, = 6 aye Mtosclegyye <3 1458.- 10.- ll.- Lac 7-3 formacién lineal T: R? —> R® respecto de las bases B, = { (1,0), (-1/1) } ¥ BS (1,0,1),(1,-1,0),(Or1,-1) ¥- a) Encuentre la ecuacién de definicién de T. -3 0 Sea »| 6 3 | la matriz asociada a la trans- b) Encuentre las coordenadas de 1(5,-1) en la base B, usando 1a matriz asociada. Sea T: R? ————> R° T(x,y) = (2x,3y) a) Hallar Ker(f), Im(T)- b) ¢ Es T inyectiva?. c) Hallar la imagen por T del conjunto { (apy) 8x74y7=0} Sean B, = { ly Tot yee t t-1,t+1,t’+1 } bases del espacio ?,(R). a) Encuentre las matrices asociadas a la apli- cacién Id respecto de las bases B, B, ¥ By, By. b) De las matrices obtenidas en a) use la que corresponda para encontrar las coordenadas del vector v = 2t*+5t-9 en la base B, Considere la siguiente transformacién lineal D: P,(R) ———> ?,(R) pip) = Se (pt) y encuentre la matriz asociada respecto de la base canénica. Sea T: A(R) ——— R T(A) = tr(A) 146Bs+ 10.- lls 12.= 3.0 Sea »| 6 3 | da matriz asociada a la trans- 7-3 formacién lineal T: R° —» mR? respecto de las bases B= { (1,0),(-1,1) } y = { (1,0,1),(1,-1,0),(0,;1,-1) }. a) Encuentre la ecuacién de definicién de T. b) Encuentre las coordenadas de -1(5,-1) en la base B, usando la matriz asociada. Sea T:'R? ————, g? T(x,y) = (2x,3y) a) Hallar Ker(T), Im(T)- b) ¢ Es T inyectiva?. ¢) Hallar la imagen por T del conjunto (try) x"ty*=0} Sean B, = { 1, t,t} y B= { t-1,t+1,t%1 } bases del espacio P,(R). a) Encuentre las matrices asociadas a la apli- cacién Id respecto de las bases B, B, y Bz 8. b) De las matrices obtenidas en a) use la que corresponda para encontrar las coordenadas del vector v = 2t%+5t-9 en la base B Considere la siguiente transformacién lineal D: P,(R) ——~> P,(R) D(p) = S2(p(x)) y encuentre la matriz asociada respecto de la base canénica. Sea T: A(R) _-——R T(A) = tr(A) 146ie 14.- 15.- 16.- Demostrar que T es una transformacién li- » neal. b) Demostrar que T(AB) = T(BA) c) Demostrar que ¥ B « 4t (IR) tal que B es. invertible, se tiene que T(B AB) = T(A)- d) Calcular la nulidad de T. Demuestre que la transformacién lineal t: Reo ——— B® T(x,y) = (y,2x-y) es invertible y escriba la expresién que define av Sea T: F(R) ———> R (pte) = [ecmax Encontrar la matriz asociada a T respecto de las bases. B= { 1,x-1,x(xrl) } ¥ BL = {1 }- Sea L:M,(R) — > #,(R), la transformacién lineal cuya hotels cecdieda ‘eon respecto a la base e-{fos)(s t}-Le ol[t 0} = 10.0 0 t=] 9-1 0 | 0*0 0 1 a) Determine la ecuacién de definicién de L. b) Determine [b"1,: Sea T: P,(R) ————> P,(R) T(p(x)) = p(x+1)-p(x) a) Pruebe que T es una transformacién lineal. b) Determine [T], donde B = { Fare hs c) Encuentre el rango de T. 147ans 18.- 9.= 20.- sea T:R' ———R' la aplicacion lineal cuya matriz asociada respecto de las bases canénicas es 2°02 boas . 9 At A= 110 8 8 -6 8 4° So a) Pruebe que la nulidad de T es 2- b) Sean v, = (4/7/7120) 1 ¥, = (Or°5r 8,4), ve (2, 1,-2,2). Pruebe ee. Vir¥zrV, } €8 LD. y que v,-V,r¥, € Ker(T)- c) Sean v,-v, como en b), v= (2+ a2; 2) ony. 2 una base para R’ y usando esta informacién vz > (irlekel)., Acepte ais Ayyr¥yr%arVet °F encuentre una base para Im(T)- d) Defina una transformaci6n lineal 7 R* ei, er’ de modo que Ker(T) = <{v,rV,}> Y Im(T) =< { Vrv, } > Sean V un K-espacio vectorial y T:v ——> V una eranb£ormacién lineal ‘tal que Tol = ©. Demos” trar que V = Im(T)eKer(T)- Sea L: V ——> V una transformacién lineal ‘tal que L* = 6. Demostrar que I-l es invertible. Determine una aplicacién lineal de Rien R tal que: dim Ker(T) = 2 ¥ Tn(B)=<{ (27200) (710212) > 148CAPITULO 5 VALORES Y VECTORES PROPIOS, DIAGONAL IZACION DEFINICION 1 Sea V un K-espacio vectorial’ y sea T:v —> v un operador lineal. Todo escalar A « K tal que T(v) = av q) para alginv«V,v+*6 se llama VALOR PROPIO © VALOR CARACTERISTICO de T. Cate ve VE #e'que Babies) ty! se* aide un VECTOR PROPIO 0 VECTOR CARACTERISTICO de T asociado al valor propio a, Sea T:R? —, R? T (x,y) =(4x+2y, 3x+3y) T(t y)=A (GY) <> (Axt2y, 3x+3y) =(Ax, ay) (4-A) xt+2y=0 (2) 3x+(3-A) y=0 aN 2 ° = 1-a/3 | 0 oo Sat of Oe hid a _ 1 1-2/3 | 9 0 (A=1) (a-6) 10 149El sistema (2) tiene soluciones no triviales si y s6élo si (A-1)(A-6)=0. Esto es: ay =, AS= 6 son valores propios de T. Observemos que (x,y) € R*, es un vector propio asociado a a= 1, si : 2(x,¥)={(xey) Esto es, si (4xtly, 3x¢3y},= Guy { 3xe2y = 0 3x+2y = 0° Asi, todo vector (x,- x) ¢ R° es un vector propio de T. = Por otro lado (x,y) € R’, es un vector propio asociado aa, = 6, si (4xt2y, 3x+3y) = (6x, 6y) = 60g 9] -2xt2y = 0 - yax 3x-3y = 0 Luego, (¥,1) € R° es un vector propio asociado a a, = 6 y tambien lo es toda combinacién lineal no nula de (1,1). TEOREMA 1 Sean V un K-espacio vectorial, T:V ——>» V un operador lineal y A € K un valor propio de T. En- tonces los vectores propios asociados a A son los vectores no nulos de Ker(T-ald). 150Ds ac. ve«V, v * @ es un vector propio de T asociado a A @ T(v) = av # T(v) - AId(v) = «> (T-AId)(v) = B ; @ v « Ker(T-AId). Qbservac Notemos que el conjunto de todos los vectores propios de un operador lineal T: V —> V asociados al valor propio A, unido con el vector nulo es un subespacio de V. En efecto, Sea H={veV| Mv) =w}ute} = {ve | (Tatd)(v) = oF u te, } = Ker(T - AId) ( por Teorema i ) DEFINICION 2 El conjunto H definido en la observacién ante- xior se llama ESPACIO PROPIO ASOCIADO al valor propio A y sé denota por S,. Bjempl Consideremos el operador lineal del ejemplo an~ terior cuyos valores propios son A,= 1, A,= 6. Entonces: ISLcoy ey} cortanl *)=( 8) } ~o} con eri ys-3x}= { @aamleer} 0 aOR ae 8 = 0 2 we x = 3 2 i A a we Vv. a o —~ ® = ® wi comenos($}+{ 8] } Coopers, 2)( 5 Ista let = ( (4 y) € R| ¥ = y }-=-€ (%.x)| BER} 5, =< Cal) > ‘TEOREMA 2 Sea V un K-espacio vectorial y sea T:V —> V una transformacion lineal. Si B es una base para V, entonces, A ¢ Kes un valor propio de T si y sélo si | [Tf = Ard], | =o. 152Demostracion: A es un valor propio deT = { aveV,v#e tal que T(v)=av ie vev,veo0 tal que v ¢ Ker(T-AId) «> T-AId es no inyectiva « [T-\Td] no es invertible = | [T-AId],| = 0. Observaciones 1) Observemos que |[T - AT]| es un polinomio en A de grado jn = dim V, llamado POLINOMIO 2) 3) CARACTERISTICO de t. Por tanto, A es un valor propio de T si y sélo si A es raiz de su polinomio caracteristico. Asi, toda T.L. definida sobre un C-espacio vectorial tiene n valores propios, donde n es la dimensién del espacio. la multiplicidad de la raiz ’, del polinomio caracteristico se llama multiplicidad algebraica de a,. La dimension del espacio propio correspondiente al valor propio A se llama multiplicidad geo- métrica de A. Si A es valor propio de T, entonces multiplicidad geométrica de A # multiplicidad algebraica de a. 1334) y es valor propio de una matriz cuadrada A si A es valor propio de T donde A es una’matriz aso~ ciada aT respecto de cualquier base. Ejemplos: 1.- Para la transformacion lineal TR? —> (x,y) = (4x+2y , 3x+3Y) gonsideremos 1a base B= ((2,2),°(1,2)) de Entonces: (T - ala) (x,y) = (4% - Ax + 2y, 3x + 3y ~ AY) 6-2 7 (T-Ald}, = 0 1-a ele atd),| =O A= 6 A Consideremos el espacio vectorial ©* sobre el cuerpo -€ y° seaii T:€7 —> c?- la transforma- cién lineal cuya matriz asociada respecto de la base canénica es: A entonces |A-AI| = 74 =0 yo = eS 2 Bor ad tintey a Sa ee eon tos valores propios de T. 154Observemos que si consideramos la T.L. sobre R? cuya matriz es la misma anterior, entonces esta transfoérmacién no tiene valores propios reales. Observacién. Se puede probar que toda matriz simétrica tiene todos sus valores propios reales. Recor- demos que una matriz A = (a,,),,, €8 SIMETRICA siy sélo sia, -a, Wir je l--.yn Probar esta afirmacién para n = 2 sera buen ejercicio para el lector. TEOREMA 3 Los vectores propios correspondientes a valores propies diferentes son L.I- Demostracién: Sean v,,V,,-++,V, vectores propios de una trans~ formacién lineal T, correspondientes a los valores propios Avr Azreeer ae diferentes. Supongamos que los v,, j = 1,2,+++;Ky son L.D. Sea rel mayor entero tal que {v,,V,;---rV,} 98 L.I..Entonces r V una transformacion lineal . Dire- mos que T es DIAGONALIZABLE si existe una base B de v tal que [T], es una matriz diagonal. Observacié: Si B= (v,;V,r-++r¥,} 8 wna base de V formada por vectores propios de T, entonces [T], es una matriz 156. Bn efecto: que T(v,) = A,% T(v,) 7 45%. oy P48, 'TEOREMA 4 Sea V un espacio vectorial de dimension n.)Si una transformacién lineal T:V —> v tiene n vectores propios L.I., entonces Tes diagonalizable. Demostracién si T tiene n vectores propios L.I., entonces el conjunto formado por ellos es un base para V porque dim(V) = n. Por observacién anterior, sabemos que la matriz asociada a T reapecto de tal base es diagonal y por tanto Tes diagonalizable. TEOREMA 5 Sea T:V —> V una T.L. Las siguientes afirmaciones son equivalentes: i) es diagonalizable. ji) ba dimensién de cada S, es igual al grado de multiplicidad de A. did) E dim(s,) = dim(v). 157Demostracion A cargo del lector. TEOREMA 6 Si T: V —> Ves una transformacién lineal diagonalizable y B es una base de V, entonces existe una matriz invextipid P,: tab queemett),P es una matriz diagonal. Demostracion: Sabemos que si T es diagonalizable, entonces existe B’, base de V formada por vectores propios. gea P = [fa] \y entonces » Po) = [Ta] Be’ DE Asi P“[T],P = [T],,- En efecto: segin ¢l siguiente diagrama, é B T B yo Ur Ia Id vy A Vv BY T B’ se tiene: Id o T o Id = T. 158iEsnopeibEJERCICIOS PROPUESTOS 1.- Sean T:V —> Vv inyectiva y A valor propio de T. Demuestre que: a) a#0 b) ates valor propio de T 2.- Sea T: V —> V una transformacién lineal. Con- sidere la siguiente informacién: (1) dim(v) = 3. (2) v, es vector propio asociado al valor propio ay v, y v, son vectores propios asociados al valor propio Ay: i (3) B= (v,,V,,v,) es base de V. (4) v = 3v,#2v,-3v,. Encuentre: a) T(v). b) Coordenadas de T(v) respecto de la base B. ¢e) (T),- a) ~ Es T diagonalizable ?. = Sea T: R? ——> R®, la transformacioén lineal tal que T(x,y,x) = (-x+4y-2z,3y-2z,4y-3z)- a) Encuentre, si es posible, una base B de Re tal que (T], sea diagonal. b) Si T es diagonalizable, escriba la matriz diagonal. 160la matriz asociada a la R° —+ R® respecto de acién lineal canénica. Encuentre si existe, una base tal que [T], sea diagonal. zen Es la matriz ( Bb } diagonalizable ?. ‘Sea L un operador lineal sobre R* tal que Ker(T) = <{(1,1,2,1),(1,1,0,0) , (0,0,2,1) }>- a) ¢ Es 0 un valor propio de T ?. b) Aceptando que 0 es un valor propio de T encontrar la dimension del espacio propio asociado a 0. c) ¢ES Luna transformacién lineal invertible?. a) Encontrar 1a dimension de Im(1)- - Sea V un espacio vectorial real de dimension 3, V,1V,rVgr, Vectores no nulos de V, T: V—> V una transformacién lineal tal que T(v,) = 5v,, Tv.) = -4v,, Tlv,) = 2v,. a) Explique por qué B = {v,,v,,v,) es una base 3 dev 5 b) Encuentre [T],- z E ec) Sea u = 8v,-(1/2)v,+ v3v,- Encuentre las : coordenadas de T(u) con respecto a la base B. a) Resuelva la ecuacién T(v) = -v. 162B.- 10.- le, Considere la Transformacion lineal T: R? —> R® T(x,y,2) = (x-3y+3z,3x-Sy+3z,6x-6yt4z) - a) Decida si T es o no diagonalizable. b) Si lo es, escriba la base B’ respecto de la cual la matriz asociada a T es diagonal y escriba [T],, c) Construya la matriz de paso de la base cané- nica Ba la base BY y encuentre ((1,1,2)],,- Sean Aj=ly Aptis Aon? Los valores propios de una transformacion lineal T y~ v,=(1,0,1), V,=(0,0;1),. ¥,=(=2/440),. vectores Propios asociados a 4,, 4, Y A, respectivamente. a) Encuentre una formula de definicisn para T. b) Resuelva la ecuacién T(x,y,2) = (5x,5y,52)- c) Resuelva la ecuacién T(x,y,2) = (x,¥+2)* Sea T: R® —> R’ una transformacién lineal tal que T+ 6 4 T = @. Pruebe que existe una base (vv, ) de R® que verifica: T(v,) =v, 4 T(v,) = 8 sea T: R° ——> R° una transformacion lineal cuya matriz asociada respecto de 1a base cané- 2 et 0. nicaes A= |0 -4 1 Orns AE 2 a) Determine los valores propios de T. b) Determine los espacios propios asociados. 16213.- 14,- ¢) Encontrar, si es posible, una base para R° tal que la matriz asociada a T respecto de ella sea diagonal. d) Resolver en R® la ecuacion T(u) = 2u. Sea T: R° ——» R° una transformacién lineal tal que (x,y) = (axtby,cxtdy), con a,b;c,d ¢ R fijos. Pruebe. que: : a). Si (a-d)*-4be > 0, entonces T es diagonalizable. b) Si (a-d)®-4be < 0, entonces T no es diagonalizable. Dada la matriz A, determine valores y vectores propios, espacics propios asociados' y decida si A es diagonalizable. En caso afirmativo, escriba la matriz P que diagonaliza a A. wine | oe b) az ee eo 0, 4 on4 “5-5 -9)- <1 -3 =9 Gy A SS Boh oPe a8 yeas!) olirp rE 22 Sa 7 oO S20 -7 Si: T:R° —5 Res T.L.. definida por T(x,y,z) = (3x+2y+4z, 2x+2z, . 4x-2y+3z) a) Determine los valores propios de T. b) Encuentre una base y la dimensién de los espacios propios asociados. c) Decida si T es diagonalizable. En caso afirmativo, escriba la base B’ de R°, formada 16315<- 16.- 17.- 18.- por los vectores propios y encuentre la matriz asociada a T respecto de B’. Sea T:R? —> R° la aplicacion lineal definida por T(x,y,zZ) = (7x-15y, 2x-4y, l2y-4y-4x+2z)- Encuentre, si es posible, una base B, de R° tal que [T], sea diagonal. a Halle una base de R° de modo que la matriz asociada a la aplicacion lineal T:R® —> R°, definida en la base canonica por T(1,0,0) = (-3,76, 2/3) T(0,1,0) = (2,5,-2/3) T(0,0,1) = (6,9,0) sea una matriz diagonal respecto de. dicha base. Sea a un numero real y considere la matriz apa we Aj= |. al a 2 ig la a) Determine los valores propios de A,- b) Determine los subespacios propios asociados a cada valor propio. c) Muestre que A, es diagonalizable verificando que existe una matriz P invertible tal que p7A,P es diagonal. Encuentre la matriz M cuyo valores propios son 1 y 4 y cuyos vectores propios son (3,1) y (2,1) respectivamente. 16419.- Sea A un valor propio de A y v, un vector propio correspondiente a 2. a) Muestre que este mismo v, es un vector propio de A - 7I y encuentre el valor propio correspondiente. b) Muestre que si A = 0 y A es inversible entonces v, es un vector propio de av gcual es el valor propio correspondiente? 165CAPITULO 6 FORMAS BILINEALES Y CUADRATICAS FORMAS BILINEALES En lo que sigue K representa el cuszP° ae los nimeros reales 0 complejos indistintamente- DEFINICION 1 sea V un K-espacio vectorial de dimensién finita, Una FORMA BILINEAL sobre VY es una aplicacion £2: VV —> K tal que: i) £ es lineal en 1a primera variable, es decir, va, BE Ki, Vs Wr zeV f(a v + Bw, 2) = af(v,2) + BEC 2) ii) £ es lineal en la segunda variable, es decir, V a, BEK: v,w,zeV f(v, aw + Bz) = af(v, w) + BE(v, 2) 1) Sea V espacio vectorial sobre R, todo producto interior definido sobre v es una forma pilineal. 2) La aplicacion pe — RR, f(usv) = wv OF una forma bilineal sobre R- En efecto, Vv X,/Y/2,0,8 © R Por aefinicién de f, se tiene £(ax + BY, 2) = (ax + By)’ 2 = (ax)-z + (BY)*2 a(xez) + B(y"2) 166= af(x,z) + BE(y,z) y £(x,ay + Az) = x-(ay + Bz) = a(x-y) + B(x+2) = a£(X,y) + BE(x,z2) 3) Sea A= (a,,) matriz nxn sobre R y £:R"x R" —>+ R la funcién definida por f(x,y) = x‘ay i Y Pah a na Siete ipl «| ne? Fa) ¥2 are. 2, Day Seger coe = ay, + aX Ya eg Sea ts an £ resulta una forma bilineal. FORMAS BILINEALES Y MATRICES Sea V un K espacio vectorial de dimension n, sea B = {¥,, V,r+-+, ¥,} uma base de V y f una forma bilineal sobre Vv. Si x,y € V entonces x= av e y=fbv ai tt J luego : £Qny) = £(E ay, , St sci 167a af(v,,Lbv,) (por definicion 1(4) ) Jat 0 Tm a, DP£(v,,v,) (por definicién 1(ii) ) a ‘jet u Tes ab, £(vyrV,) i Soe por lo tanto, £ esta completamente determinada por los n®* valores f(v,,v,)- La matriz A = (a,,), donde a,, = fiviv,), se llama la REPRESENTACION MATRICIAL DE f RELATIVA A LA BASE B o también MATRIZ DE f EN B. Se denota por A= [f],- Usando notacién matricial tenemos: ye f(x,y)= ab, f£(vi.v 4,51 j)=(a, aj-++ aa coe Delf A Cy], TEOREMA 1 Si P es la matriz de transicion de una base B a otra base B’ y A es la matriz de £ en la base B entonces c = P‘AP es la matriz de f en la nueva base B’. Demostraci6n P(ul,, = (ul, Plv],, = [VY], £(u,v) = [uly Atv], = (P(U],/)° A(PLVI,,) ful, PAPLVIy, 168= [alls (BaP) iv), . P' AP es la matriz de £ respecto a la base B/ DEFINICION 2 Una matriz A es CONGRUENTE con una matriz C si existe una matriz inversible P tal que c = P‘AP. Observaciones. 1) Tedas las matrices que representan la misma forma bilineal son congruentes. 2) Las matrices congruentes tienen el mismo rango. Ejemplo sea V = R® £: R? xR? —+R la forma bilineal definida por £((%,,%,) (¥,+¥,)) = XY, + 4xy, + 2x,y, + 2x, Sea B = ((1,0) (0,1)) y BY = ((1,-1)(1,1))}> bases de R® a) Determine (£1, y (fl,. £((1,0)(1,0)) =1=a,, £((1,0)(0,1)) =2 =a, £((0,1)(1,0)) = 2 =a £((0,1)(0,1)) =4 =a, ti- (2 f) =A £((1,-1) (1,-1)) = 1 =a), £((1,-1)(1,1)) = -3 = a, £((1,1)(1,-1)) = -3 =a, £((1,1)(1,1)) =9 =a 169i, * (2 are b) Calcule la matriz de transicién P de B a BY spit #2 (4) ©) Verifique que c = P‘aP eae (2 SCF eee DEFINICION 3 Sea V un K-espacio vectorial y f una forma bilineal sobre V. a) f es ALTERNADA si f(v,v) =0 Vvev b) £ es ANTISIMETRICA si f(u,v)= -f(v,u) V u,v eV c) f es SIMETRICA si f(u,v) = f(v,u) VY u,v < V PROPOSICION 1 si f es una forma bilineal antisimétrica, entonces f es alternada. Demostracién Si f es antisimétrica entonces f(u,v) = -f(v,u) Vu,v ev. En particular f(v,v) = -f(v,v) Wve V. Por lo tanto f(v,v) + £(v,v) =0, Vvev luego 2f(v,v) = 0, f(v,v) =0 V¥vev y por lo tanto f es alternada 170PROPOSICION 2 Si f es una forma bilineal, entonces: f es antisimétrica si y sélo si su matriz, en alguna base, es antisimétrica, es decir, a‘ = -a. Demostracién A cargo del lector. Observacion Si f es antisimétrica entonces los elementos de la diagonal de su matriz son ceros. Ejemplos 1) Sea V un espacio vectorial de dimension n. .La forma bilineal nula sobre V es alternada. 2) Sea V un espacio vectorial real de dimensién uno. Si f una forma bilineal alternada sobre v, entonces f = 0. En efecto, sea {v,} una base de V Vupv Vi ie ay ia, a, eK £(u,v) = £0A,v,,A,v,) = AAA£(V,,¥,) = a,A,-0= 0 Luego £ = 0. 3) Si £ es una forma bilineal alternada y f(u,v)# 0 entonces u, v son 1.i. Supongamos que u y v no son 1.i. entonces ake K tal que u = kv, luego f(u,v) = f(kyv, v) = kf(v,v) = 0 Luego f£(u,v) = 0 lo que contradice 1a hipote- sis. Luego u y v son l.i. 171TEOREMA 2 Sea f una forma bilineal sobre V y A cualquier matriz de representacién de f sobre V, entonces f es simétrica si y sélo si A es simétrica. Demostracién £ simétrica ——» f(u,v) = £(v,u) Vu,v eV come (u,v) = [ul ‘ALv] “y [u]‘A[v].es un escalar, entonces f(u,y) = (tal‘atvy)* f(u,v) = [v]'a'(u] Por otra parte £(v,u) = [(v]‘A[u] Luego [v]‘A‘tu] = [v]‘A(u] Vu,v eV Por lo tanto at =A Es decir A es simétrica. Si A es simétrica, entonces A = A‘ Luego tyl‘a‘tx] = (y/'AGd ov xy eV y por lo tanto {x]'ACy] = y‘ALx] Asi £(x,y) = f(y,x) VW xy eV Luego f es simétrica. TEOREMA 3 Sea f£ una forma bilineal simétrica definida sobre V. Entonces existe una base (v,,---,V,} de V en la cual f tiene una matriz de representacién diagonal. La demostracién de este teorema no es posible con los conocimientos entregados en este texto. 172

Algebra Lineal - Gloria Devaud PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Lineal - Gloria Devaud PDF

Uploaded by

Copyright:

Available Formats

You might also like