Professional Documents
Culture Documents
8 de noviembre de 2018
Índice general
1. Espacios Vectoriales 1
1.1. Conceptos preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Estructuras algebraicas, leyes de composición, campos y anillos . . . . . . . . . . . . 1
1.2. Espacio euclidiano de n dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Adición de dos vectores y multiplicación de un vector por un escalar . . . . . . . . . . 2
1.2.2. Producto Interior euclidiano en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3. Norma de un vector y distancia en Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1. Axiomas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2. Subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.3. Combinación Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.4. Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.5. Bases y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.6. Espacio de renglones de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4. Espacios Vectoriales con producto interior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.1. Desigualdad de Cauchy-Schwarz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.2. Longitud y ángulo en un espacios vectorial con producto interior . . . . . . . . . . . . 27
1.5. Bases ortonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.5.1. Proceso de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6. Métrica o función distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.7. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2. Transformaciones Lineales 35
2.1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2. Núcleo e Imagen de las Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . 38
2.3. Teorema de la Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4. Matriz estándar de una transformación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5. Cambio de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5.1. Semejanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.6. Isomorfismos y Homomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6.1. Transformaciones singulares y no singulares . . . . . . . . . . . . . . . . . . . . . . . 56
2.6.2. Operaciones Algebraicas con Transformaciones Lineales . . . . . . . . . . . . . . . . 57
2.6.3. Álgebra de Tranformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.6.4. Polinómios de Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.6.5. Inversibilidad de T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.7. Funcionales Lineales y Espacio Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.8. Relación entre Funcionales Lineales y Subespacios . . . . . . . . . . . . . . . . . . . . . . . 70
2.9. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
I
II ÍNDICE GENERAL
Espacios Vectoriales
u + (v + w) = (u + v) + w, (1.1)
u+v = v + u, (1.2)
u+0 = u (elemento neutro o identidad aditivo), (1.3)
u + (−u) = 0 (elemento inverso aditivo), (1.4)
u ∗ (v ∗ w) = (u ∗ v) ∗ w, (1.5)
u∗v = v ∗ u, (1.6)
u∗1 = u (elemento neutro o identidad multiplicativo), (1.7)
u ∗ u−1 = 1 (elemento inverso multiplicativo), (1.8)
u ∗ (v + w) = u ∗ v + u ∗ w. (1.9)
Un anillo es una estructura más general en donde no existen los elementos identidad o inverso multi-
plicativos. El conjunto de los reales R o de los complejos C constituyen un campo, pero el conjunto de los
enteros Z es un anillo.
1
2 CAPÍTULO 1. ESPACIOS VECTORIALES
Una estructura algebraica de gran interés es un espacio vectorial. Enseguida presentamos un ejemplo
de un espacio vectorial y posteriormente presentaremos de manera más general la definición de espacio
vectorial.
Ejercicios
1. Resolver la ecuación x + u = v para x:
Solución
x + u + (−u) = v + (−u),
x + (u − u) = v − u,
x+0 = v − u,
x = v − u.
u·v = v · u, (1.26)
(u + v) · w = u · w + v · w, (1.27)
k(u · v) = ku · v = u · kv, (1.28)
u·u ≥ 0 y u·u=0 si solo si u = 0. (1.29)
El teorema anterior permite efectuar calculos de producto interior euclidiano de igual idéntica a como
se hace con números ordinarios.
Ejercicios
2. Calcular (3u + 2v) · (4u + v).
Solución
Ejercicios
3. Sea u1 = (−1, 3, 2, 0) y u2 = (2, 0, 4, −1) y u3 = (7, 1, 1, 4) y u4 = (6, 3, 1, 2). Encuentre escalares c1 ,
c2 , c3 y c4 tales que c1 u1 + c2 u2 + c3 u3 + c4 u4 = (0, 5, 6, −3).
4. Determine todos los escalares k tales que ||ku|| = 3, donde u = (−1, 2, 0, 3).
5. Encuentre 2 vectores en R2 con norma euclideana 1 y cuyo producto interior con w = (−2, 4) sea
cero.
Solución
Sea u = (u1 , u2 ) entonces:
q √
||u|| = u21 + u22 = 5|u2 | = 1,
6. Establezca la igualdad
||u + v||2 + ||u − v||2 = 2||u||2 + 2||v||2 . (1.32)
para vectores en Rn . Interprete el resultado para R2 .
Solución
p
||u + v||2 = ( (u + v) · (u + v))2 = ||u||2 + ||v||2 + 2u · v, (1.33)
p
||u − v||2 = ( (u − v) · (u − v))2 = ||u||2 + ||v||2 − 2u · v, (1.34)
de donde
||u + v||2 + ||u − v||2 = 2||u||2 + ||v||2 . (1.35)
Solución
b − vb, con u
Sea c = u b = u/||u|| y vb = v/||v||, entonces ||c|| ≥ 0, pero:
||c||2 = ||b
u||2 + ||b
v ||2 − 2b
u · vb ≥ 0,
2 − 2b
u · vb ≥ 0,
b · vb ≤ 1,
u
u·v
≤ 1,
||u||||v||
de donde
u · v ≤ ||u||||v||.
1.3. ESPACIOS VECTORIALES 5
1.3.1. Axiomas
Definición: Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones: adición de dos vectores y multiplicación de un vector por un escalar real. Por adición se
entenderá que dados dos vectores u y v en V , hay una regla para determinar la adición de u y v, que se
denotará como u + v. Por multiplicación por un escalar se entenderá que dado un vector en V y un número
real k, hay una regla para determinar un objeto ku llamado multiplo escalar de u por k. Los siguientes
axiomas se deben de cumplir para todos los vectores u, v y w ∈ V , y para todos los escalares k y l ∈ R.
Si u y v ∈ V, entonces u + v ∈ V, (1.37)
u + v = v + u, (1.38)
u + (v + w) = (u + v) + w, (1.39)
Existe un vector 0 para todo u ∈ V, tal que u + 0 = 0 + u = u, (1.40)
Para todo u ∈ V existe −u ∈ V tal que u + (−u) = −u + u = 0, (1.41)
Si k ∈ R y u ∈ V entonces ku ∈ V, (1.42)
k(u + v) = ku + kv, (1.43)
(k + l)u = ku + lu, (1.44)
k(lu) = (kl)u, (1.45)
1u = u. (1.46)
Ejercicios
8. El conjunto Rn con las operaciones ordinarias de adición y multiplicación por escalares es un espacio
vectorial.
9. Sea V cualquier plano que pasa por el origen en R3 . Demuestre que todos los puntos en V forman
un espacio vectorial bajo las operaciones ordinarias para vectores en R3 de adición de vectores y
multiplicación de un vector por un escalar.
Solución
Los axiomas (1.38), (1.39),(1.43),(1.44) y (1.45) se cumplen para todos los puntos en R3 y por con-
siguiente para todos los puntos en el plano. Solo quedan los axiomas (1.37), (1.40), (1.41), (1.42) y
(1.46) por demostrar.
La ecuación del plano se escribe como:
ax + by + cz = 0, (1.47)
podemos escribir
a(u1 + v1 ) + b(u2 + v2 ) + c(u3 + v3 ) = 0, (1.49)
6 CAPÍTULO 1. ESPACIOS VECTORIALES
10. El conjunto V de todas las matrices de m × n con elementos reales junto con las operaciones de
adición de matrices y multiplicación por escalares es un espacio vectorial. La matriz de m × n es el
vector 0. A este espacio vectorial se le denomina Mmn . Demuestre que todas las matrices de m × n
satisfacen los axiomas (1.37)-(1.46).
11. Sea V el conjunto de las funciones reales que están definidas para todo x real. Si f (x) y g(x) son
dos de estas funciones y k es un número real, entonces:
definen la suma de funciones y la multiplicación por un escalar. El vector cero será la función cero
para todo x.
12. Demuestre que todos los puntos (x, y) en R2 que pertenecen al primer cuadrante no forman un
espacio vectorial bajo las operaciones ordinarias en R2 .
Solución
Sea k = −1 y u = (u1 , u2 ), entonces ku = (−u1 , −u2 ) no está en V . Tampoco existe un vector −u en
V tal que u + (−u) = 0.
0u = 0, (1.51)
k0 = 0, (1.52)
−1u = −u, (1.53)
si ku = 0 entonces k = 0 o u=0 (1.54)
Ejercicios
Determine cuál de los siguientes conjuntos con las operaciones de adición de dos vectores y multipli-
cación por un escalar que se indican es un espacio vectorial.
13. El conjunto de todas las ternas de números reales (x, y, z) con las operaciones
(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 ),
y
k(x, y, z) = (kx, y, z).
Solución
1.3. ESPACIOS VECTORIALES 7
Debemos verificar que se cumplan los axiomas antes mencionados. Es fácil ver que se cumplen los
axiomas (1.37)-(1.42), veamos ahora los restantes. Sea u = (x, y, z) y v = (x0 , y 0 , z 0 ),
(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 ),
y
k(x, y, z) = (0, 0, 0).
Solución
En este ejemplo no se cumple el siguiente axioma:
1u = 0 6= u, (1.55)
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ),
y
k(x, y) = (2kx, 2ky).
Solución
En este ejemplo igual que el anterior, no se cumple el mismo axioma ya que:
1u = 1(x, y) = 2u 6= u, (1.56)
19. El número de todas las n − adas de números reales de la forma (x1 , . . . , xn ) con las operaciones
ordinarias en Rn .
Solución
Es evidente que este conjunto es un espacio vectorial porque se cumplen todos los axiomas.
20. El conjunto de todos los pares de números reales (x, y) con las operaciones (x, y) + (x0 + y 0 ) =
(x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky).
Solución
Debemos verificar que se cumplan todos los axiomas, por ejemplo:
k(u + v) = k((x, y) + (x0 , y 0 )),
= k(x + x0 + 1, y + y 0 + 1),
= (kx + kx0 + k, ky + ky 0 + k),
mientras que:
ku + kv = (kx + kx0 + 1, ky + ky 0 + 1),
por lo tanto k(u + v) 6= ku + kv, luego entonces este conjunto no es un espacio vectorial.
21. El conjunto de todos los números reales positivos x con las operaciones x + x0 = xx0 y kx = xk .
Solución
Veamos si se cumplen los axiomas. Sea u = x, v = x0 y w = x00 ∈ R, entonces
u + v = xx0 ∈ R.
u + v = xx0 = x0 x = v + u.
u + (v + w) = x + x0 x00 = xx0 x00 = xx0 + x00 = (u + v) + w.
El vector cero es la unidad 0 = 1 ya que u + 0 = x ∗ 1 = u = 1 ∗ x = 0 + u.
El vector −u = 1/x ya que u + (−u) = x ∗ 1/x = 1 = 0.
ku = xk ∈ R.
k(u + v) = k(xx0 ) = (xx0 )k = xk (x0 )k = (kx)(kx0 ) = (kx) + (kx0 ) = ku + kv.
(k + l)u = xk+l = (xk )(xl ) = (kx)(lx) = (kx) + (lx) = ku + lu.
k(lu) = k(xl ) = (xl )k = xlk = xkl = l(xk ) = lkx = lku.
1u = x1 = x = u
22. El conjunto de todas las matrices de 2 × 2 de la forma:
a 1
A= (1.57)
1 b
Con las operaciones ordinarias de multiplicación de matrices y multiplicación de una matriz por un
escalar.
Solucion
Sean
a 1
u= ,
1 b
y
a0
1
v= ,
1 b0
entonces
a + a0
2
u+v = . (1.58)
2 b + b0
Vemos que u + v no está en V , por lo tanto este no es un espacio vectorial.
1.3. ESPACIOS VECTORIALES 9
con las operaciones ordinarias de adición de matrices y multiplicación de una matriz por un escalar.
Solucion
Este sı́ es un espacio vectorial pues es posible demostrar todos los axiomas.
Ejercicios
24. Los vectores en R2 son un subespacio de R3 .
25. Un plano o una recta son subespacios de R3 siempre que el origen forme parte ya sea del plano o
de la recta.
Ejercicios
26. Demuestre que el conjunto W de todas las matrices de 2×2 que tienen ceros en la diagonal principal,
es un subespacio del espacio vectorial M22 .
Solucion
a0
0 a 0
Sea: u = yv= , entonces:
b 0 b0 0
a + a0
0
u+v = ,
b + b0
0
0 ka
ku = ,
kb 0
27. El conjunto de todos los polinomios de grado ≤ n, denominado Pn , es un subespacio del espacio de
todas las funciones reales.
Solucion
10 CAPÍTULO 1. ESPACIOS VECTORIALES
Sea u = a0 + a1 x + · · · + an xn y v = b0 + b1 x + · · · + bn xn , entonces:
A(s + s0 ) = As + As0 = 0 + 0,
A(ks) = kAs = k0 = 0.
0
Por lo tanto s + s y ks están en W .
30. Determine cuál de los siguientes conjuntos es un subespacio de R3 .
Todos los vectores de la forma (a, 0, 0).
Solución
Sean u = (a, 0, 0) y v = (a0 , 0, 0), u + v = (a + a0 , 0, 0) está en W y ku = (ka, 0, 0) también está
en W . Por lo tanto W es un subespacio de V .
Todos los vectores de la forma (a, 1, 1).
Solución
Sean u = (a, 1, 1) y v = (a0 , 1, 1) entonces u + v = (a + a0 , 2, 2) no está en W . Por lo tanto W no
es un subespacio de V .
31. Determine cuál de los siguientes conjuntos es un subespacio de M2×2 .
Las matrices de la forma
a b
A= ,
c d
con a, b, c y d enteros.
Solución
Si k es un real, entonces
a b ka kb
kA = k =
c d kc kd
no está en W y por lo tanto W no es un subespacio.
Todas las matrices de la forma
a b
A= ,
c d
donde a + d = 0.
Solución
1.3. ESPACIOS VECTORIALES 11
Sean
a b
u= ,
c d
y
a0 b0
v= ,
c0 d0
entonces:
a0 b0 a + a0 b + b0
a b
u+v = + = , (1.60)
c d c0 d0 c + c0 d + d0
en donde se tiene que a + a0 + d + d0 = (a + d) + (a0 + d0 ) = 0 + 0 = 0. Además
ka kb
ku = , (1.61)
kc kd
de donde a00 = ka, b00 = kb, c00 = kc, entonces vemos que:
si A = AT entonces
a c a b
AT = = ,
b d c d
de modo que b = c, entonces estas matrices tienen la forma:
a b
A= , (1.67)
b d
Ahora sea
a0 b0
B= ,
b0 d0
entonces:
a + a0 b + b0
a b a b
A+B= + = , (1.68)
c d c d b + b0 d + d0
34. El espacio vectorial de todos los polinómios de grado ≤ n se denota como Pn . Determine cuál de los
siguientes conjuntos es un subespacio de P3 .
1.3. ESPACIOS VECTORIALES 13
Ejercicios
37. Si v1 y v2 son vectores no colineales en R3 y sus puntos iniciales están en el origen, las combinaciones
lineales k1 v1 + k2 v2 determinan a un plano.
38. Determine si v1 = (1, 1, 2), v2 = (1, 0, 1) y v3 = (2, 1, 3) generan a R3 .
Solución
Si esto es cierto, todo vector en R3 será una combinación lineal de {v1 , v2 , v3 }. Sea u = (x, y, z) un
vector arbitrario, entonces:
u = k1 v1 + k2 v2 + k3 v3 , (1.75)
para algunos escalares k1 , k2 y k3 :
k1 + k2 + 2k3 = x,
k1 + k3 = y,
2k1 + k2 + 3k3 = z.
Debemos ver si este sistema tiene solución para todo (x, y, z). Podemos escribir:
Ak = u,
donde
1 1 2 k1 x
A= 1 0 1 , k = k2 , u = y . (1.76)
2 1 3 k3 z
El sistema tendrá solución para todo u si A es invertible. Si A es invertible, entonces det A ≡ |A| =
6 0.
1 1 2 1 1 2
|A| = 1 0 1 = 1 0 1 = 0, (1.77)
2 1 3 0 0 0
en donde sumamos al tercer renglón el negativo de los dos primeros renglones. Por lo tanto A es no
invertible y los vectores {v1 , v2 , v3 } no generan a R3 .
39. Demuestre que el vector w = (9, 2, 7) es una combinación lineal de u = (1, 2, −1) v = (6, 4, 2).
Solucion
vemos que la ecuación (1.81) es redundante pues se obtiene de restar (1.79) con (1.80). La solución
del sistema es entonces:
− 8b = 2 − 18 = −16, (1.82)
de donde b = 2 y a = −3, de modo que:
40. Demuestre que el vector (4, −1, 3) no es una combinación lineal de los vectores u y v del ejercicio
anterior.
Solucion
Vemos que
(4, −1, 3) = a(1, 2, −1) + b(6, 4, 2), (1.84)
de donde
a + 6b = 4,
2a + 4b = −1,
−a + 2b = 4.
Este sistema no tiene solución y por lo tanto (4, −1, 3) no es combinación lineal de u y v.
W es el subespacio más pequeño de V que tiene como a elementos a {v1 , . . . , vr }, es decir, cualquier
otro subespacio de V que contiene como elementos a {v1 , . . . , vr } debe contener a W .
Demostración:
Sean:
u = k1 v1 + · · · + kr vr ,
v = k10 v1 + · · · + kr0 vr ,
u+v = (k1 + k10 )v1 + · · · + (kr + kr0 )vr ,
entonces u + v está en W .
ku = (kk1 )v1 + · · · + (kkr )vr ,
y ku también está en W .
Todo vector vi es una combinación lineal de S = {v1 , . . . , vr } puesto que:
Ejercicios
41. Diga cuál de los siguientes vectores son combinación lineal de u = (1, −1, 3) y v = (2, 4, 0).
16 CAPÍTULO 1. ESPACIOS VECTORIALES
w = (3, 3, 3).
Solucion
Debemos poder escribir w = au + bv para escalares reales a y b:
de donde
a + 2b = 3, (1.87)
−a + 4b = 3, (1.88)
3a = 3, (1.89)
a + 2b = 4, (1.90)
−a + 4b = 2, (1.91)
3a = 6, (1.92)
de donde se tiene que de la ecuación (1.92) a = 2 y de (1.91) tenemos que b = 1. Estos valores
satisfacen la ecuación w = au + bv y por lo tanto si hay dependencia lineal.
42. Exprese los siguientes polinomios como combinaciones lineales de: p1 = 2 + x + 4x2 , p2 = 1 − x + 3x2
y p3 = 3 + 2x + 5x2 .
q = 5 + 9x + 5x2 .
Solucion
Escribamos q = ap1 + bp2 + cp3 :
de donde:
2a + b + 3c = 5,
a − b + 2c = 9, (1.93)
4a + 3b + 5c =, 5
Este sistema de ecuaciones lineales se puede escribir como:
2 1 3 a 5
1 −1 2 b = 9 , (1.94)
4 3 5 c 5
1 21 3 5
2 a 2
0 1 − 1 b = − 13 , (1.95)
3 3
0 0 − 23 c − 23
43. Diga cuáles de las siguientes matrices son combinaciones lineales de las matrices A, B y C dadas
por
1 2 0 1 4 −2
A= , B= C= . (1.96)
−1 3 2 4 0 −2
6 3
D= .
−0 8
Solucion
Si D es combinación lineal de A,B y C, entonces:
D = aA + bB + cC, (1.97)
es decir
6 3 a + 4c 2a + b − 2c
D= = , (1.98)
−0 8 −a + 2b 3a + 4b − 2c
de donde
a + 4c = 6, (1.99)
2a + b − 2c = 3, (1.100)
−a + 2b = 0, (1.101)
3a + 4b − 2c = 8, (1.102)
de donde se obtiene que de la ecuación (1.101) tenemos a = 2b y de (1.99) vemos que a = 6−4c,
de donde 2b = 6 − 4c entonces b = 3 − 2c. Sustituyendo en (1.100), se tiene c = 1, entonces
b = 1 y a = 2. Sustituyendo en (1.102) tenemos 6 + 4 − 2 = 8. El sistema es consistente y D es
combinación lineal de A, B y C:
D = 2A + B + C
−1 7
D= .
5 1
de donde:
a + 2b + 3c = x,
a + 2b = y, (1.103)
a = z,
en forma matricial:
1 2 3 a x
1 2 0 b = y , (1.104)
1 0 0 c z
que puede escribirse como
a x
A b = y , (1.105)
c z
18 CAPÍTULO 1. ESPACIOS VECTORIALES
con
1 2 3
A= 1 2 0 .
1 0 0
Para que el sistema tenga solución, la matriz A debe tener inversa y por lo tanto det A 6= 0.
Vemos que
1 2 3
det A = 1 2 0 = 6 6= 0, (1.106)
1 0 0
45. Determine cuál de los siguientes vectores pertenecen al espacio generado por f (x) = cos2 (x) y
g(x) = sin2 (x).
h(x) = cos(2x).
Solucion
Si h(x) es una combinación lineal de f (x) y g(x) se puede escribir como
de donde
a cos2 (x) + b sin2 (x) = a cos2 (x) + b(1 − cos2 )(x) = b + (a − b) cos2 (x), (1.107)
1
af (x) + bg(x) = b + (a − b) (1 + cos(2x)),
2
1 1
= (a + b) + (a − b) cos(2x),
2 2
= h(x) = cos(2x),
a+b=0 y a − b = 2, (1.108)
de donde a = −b y b = −1, entonces a = 1. Entonces h(x) = af (x) + bg(x) = cos2 (x) − sin2 (x).
h(x)=1.
Solucion
Inmediatamente deducimos que:
h(x) = 3 + x2 .
Solucion
No hay forma de escribir x2 en términos de cos2 (x) y sin2 (x), por lo tanto no es una combinación
lineal.
h(x) = sin(x).
1.3. ESPACIOS VECTORIALES 19
Solucion
Vemos que no existe ningún término de orden x3 , por lo que es inmediato ver que estos polinómios
no generan a P3
47. Encuentre la ecuación del plano generado por u = (1, 1, −1) y v = (2, 3, 5).
Solucion
Cualquier vector en este plano se puede escribir como combinación lineal de u y v. Sea w un vector
en este plano:
Nota:
20 CAPÍTULO 1. ESPACIOS VECTORIALES
Un conjunto de vectores es linealmente dependiente si al menos uno de los vectores en este conjunto
se puede expresarse como combinación lineal de los restantes.
Dos vectores v1 y v2 forman un conjunto linealmente dependiente si y sólo si uno de ellos es múltiplo
escalar del otro: Si hay dependencia lineal k1 v1 +k2 v2 = 0 para k1 6= 0 y k2 6= 0, entonces v1 = − kk12 v2 .
Ejercicios
48. Diga si los siguientes vectores forman un conjunto linealmente dependiente. S = {v1 , v2 , v3 }, con
v1 = (2, −1, 0, 3), v2 = (1, 2, 5 − 1) y v1 = (7, −1, 5, 8).
Solucion
Se puede mostrar que 3v1 + v2 − v3 = 0. Por tanto este es un conjunto linealmente dependiente.
50. Determine si el conjunto formado por los vectores v1 = (1, −2, 3), v2 = (5, 6, −1) y v3 = (3, 2, 1) es
linealmente dependiente.
Solucion
Si hay independencia lineal, se debe tener que la ecuación:
k1 v1 + k2 v2 + k3 v3 = 0 (1.114)
Si hay una solución distinta a la trivial, entonces det A 6= 0, pero el cálculo explı́cito demuestra que
det A = 0, entonces este conjunto es linealmente dependiente.
Demostración:
Sea vi = (vi 1, vi 2, . . . , vi n). Consideremos:
k1 v1 + · · · + kr vr = 0 (1.116)
Esto da lugar a un sistema de n ecuaciones con r incógnitas. Tal sistema admite soluciones no triviales.
En consecuencia S es un conjunto linealmente dependiente.
Ejercicios:
52. Diga cuál de los siguientes conjuntos de vectores en P2 son linealmente independientes.
1.3. ESPACIOS VECTORIALES 21
Solución
La ecuación k1 v1 + k2 v2 + k3 v3 = 0 da lugar al sistema de ecuaciones siguiente:
λ − 12 − 12
k1 0
Ak = − 21 λ − 12 k2 = 0 . (1.121)
− 21 − 12 λ k3 0
22 CAPÍTULO 1. ESPACIOS VECTORIALES
Este sistema tiene solución diferente a la trivial si det A 6= 0. El cálculo del determinante de A da lugar
a una ecuación de tercer grado en λ, esto es:
1 1 1
det A = λ + λ2 − λ − = 0, (1.122)
2 2 2
de donde las raices de la ecuación cuadrática son λ = 1, − 21 . Entonces podemos expresar el deter-
minante de A como:
1 1
det A = λ + (λ − 1) λ + . (1.123)
2 2
Entonces el conjunto es linealmente dependiente para λ = 1 y λ = − 21 .
S es linealmente independiente.
S genera a V .
Nota:
Un espacio vectorial V tiene una definicón finita si hay un subconjunto finito de vectores de V que forman
una base de V . Si no existe tal conjunto, se dice que V tiene dimensión infinita.
Ejercicios
55. El conjunto S = {e1 , . . . , en } con e1 = (1, . . . , 0), . . . , en = (0, . . . , 1) es una base de Rn porque es un
conjunto linealmente independiente y genera a Rn .
56. Demuestre que los vectores v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4) forman una base de R3 .
Solución
Se debe mostrar que:
Se puede mostrar que det A = −1, por lo tanto A es invertible y se deduce que k1 = k2 = k3 = 0.
Se puede mostrar que la inversa de A es
−36 8 21
A−1 = 5 −1 −3
9 −2 −5
2x1 + 2x2 − x3 + x5 =0
−x1 − x2 − 2x3 − 3x4 + x5 =0
. (1.127)
x1 + x2 − 2x3 − x5 =0
x3 + x4 + x5 =0
Solución
Este es un sistema con más ecuaciones que incógnitas y tiene infinitas soluciones. La matriz aumen-
tada del sistema es:
2 2 −1 0 1
−1 −1 2 −3 1
A= . (1.128)
1 1 −2 0 −1
0 0 1 1 1
Entonces el conjunto de vectores {v1 = (−1, 1, 0, 0, 0), v2 = (−1, 0, −1, 0, 1)} es una base de este
espacio vectorial que tiene dimensión 2.
Teorema 1.7. Si S = {v1 , . . . , vn } es una base de un espacio vectorial V de dimensión finita, entonces
cualquier subconjunto de V con más de n vectores es linealmente dependiente.
24 CAPÍTULO 1. ESPACIOS VECTORIALES
Demostración:
Sea S 0 = {w1 , . . . , wm } un conjunto de m vectores, m > n. Sea S = {v1 , . . . , vn } es una base de un espacio
vectorial V . Si S 0 es un conjunto linealmente dependiente, entonces existen escalares k1 , ...km diferentes
de cero tales que:
k1 w1 +, . . . , km wm = 0, (1.132)
Si S es una base, cada wi puede expresarse en términos de los vectores en S:
Este es un sistema de n ecuaciones con m incógnitas y por lo tanto tiene solución no trivial y S 0 es
linealmente dependiente.
Teorema 1.8. Cualesquiera dos bases de un espacio vectorial de dimensión finita tienen el mismo número
de vectores.
Teorema 1.9.
Ejercicios
Sea V el espacio generado por S = v1 = cos2 x, v2 = sin2 x, v3 = cos 2x .
Ejercicios
61. Encuentre una base para el subespacio de p4 generado por el conjunto S = {p1 , p2 , p3 , p4 } con
p1 = 1 − 2x + 3x4 , p2 = 2 − 5x − 3x2 − 2x3 + 6x4 , p3 = 5x + 15x2 + 10x3 y p4 = 2 + 6x + 18x2 + 8x3 + 6x4 .
Solución
La base canónica es {1, x, x2 , x3 , x4 }. En esta base las coordenadas de los polinomios pi son:
Reduciendo a la forma escalonada mediante operaciones elementales sobre los rengloes de A lle-
gamos a la siguiente matriz:
1 −2 0 0 3
0 1 3 2 0
A∼ 0
, (1.139)
0 1 1 0
0 0 0 0 0
de modo que los vectores :
q1 = (1 −2 0 0 3)
q2 = (0 1 3 2 0) (1.140)
q3 = (0 0 1 1 0)
Si se cumplen los axiomas anteriores se sigue que el producto interior tiene las siguientes propiedades
h0, vi = 0.
Ejercicios
62. Sean p = p(x) y q = q(x) dos polinómios en Pn con el producto interior dado por
Z b
hp, qi = p(x)q(x)dx (1.141)
a
donde a y b son números reales. Demuestre que esta operación define un producto interior.
Solución
Se deben cumplir los axiomas dados anteriormente. Los axiomas 1 y 2 se demuestran como sigue:
Z b Z b
a) hp, qi = p(x)q(x)dx = q(x)p(x)dx,
a a
Rb
Z b Z b
b) hp + q, si = a
(p(x) + q(x))s(x)dx = p(x)s(x)dx + q(x)s(x)dx = hp, si + hq, si.
a a
de donde
hu, vi
p ≤ 1. (1.144)
hu, uihv, vi
Finalmente
hu, vi2 ≤ hu, uihv, vi. (1.145)
hu, vi
Definición. Sea cos θ = , entonces −1 ≤ cos θ ≤ 1. Se define el ángulo entre dos vectores u y
||u||||v||
v como:
hu, vi
cos θ = . (1.149)
||u||||v||
Definición: En un espacio con producto interior dos vectores u y v son ortogonales si hu, vi = 0. Si u
es ortogonal a todos los vectores que están en el conjunto W , se dice que u es ortogonal a W .
Teorema 1.15. Si S = {v1 , v2 , . . . , vn } es una base ortonormal para un espacio con producto interior V y u
es un vector en V , entonces:
u = k 1 v 1 + · · · + k n vn . (1.152)
Ahora
de donde ki = hu, vi i.
k1 v1 + · · · + kn vn = 0, (1.156)
de modo que
hk1 v1 + · · · + kn vn , vi i = 0, (1.157)
ki hvi , vi i = ki = 0. (1.158)
1.5. BASES ORTONORMALES 29
Teorema 1.17. Sea V un espacio vectorial con producto interior y {v1 , . . . , vr } un conjunto otonormal de
vectores en V . Si W denota un espacio generado por v1 , . . . , vr entonces todo vector u en V tiene una
representación única de la forma
u = w1 + w2 , (1.159)
donde w1 pertenece a W y w2 es ortogonal a W . Los vectores w1 y w2 están determinados por:
Ejercicios
63. Considere al espacio vectorial R4 con el producto interior euclidiano. Exprese w = (−1, 2, 6, 0) en la
forma w = w1 + w2 donde w1 pertenece al subespacio W generado por u1 = (−1, 0, 1, 2) y u2 =
(0, 1, 0, 1), mientras que w2 es perpendicular a W .
Solución
Debemos obtener una base ortonormal S 0 = {v1 , v2 } para el espacio W generado por los vectores
u1 y u2 por el proceso de Gram-Schmidt.
u1 (−1, 0, 1, 2)
a) Sea v1 = = √ .
||u1 || 6
b) Ahora obtenemos un vector ortonormal a v1
u2 − hu2 , v1 iv1
v2 = ,
||u2 − hu2 , v1 iv1 ||
donde
2 1 1
u2 − hu2 , v1 iv1 = (0, 1, 0, 1) − √ √ (−1, 0, 1, 2) = (1, 3, −1, 1),
6 6 3
y r r
1 2 12 2
||u2 − hu2 , v1 iv1 || = (1 + 32 + 12 + 12 ) = =√ ,
9 9 3
1
entonces v2 = √ (1, 3, −1, 1).
12
30 CAPÍTULO 1. ESPACIOS VECTORIALES
7 1 −1 1
w1 = hw, v1 iv1 + hw, v2 iv2 = √ √ (−1, 0, 1, 2) + √ √ (1, 3, −1, 1)
6 6 12 12
1 1
= (−15, −3, 15, 27) = (−5, −1, 5, 9),
12 4
y w2 es perpendicular a W
1 1
w2 = w − w1 = (−1, 2, 6, 0) − (−5, −1, 5, 9) = (1, 9, 19, −9).
4 4
63. Considere al espacio vectorial R3 con el producto interior euclidiano. Utilice el proceso de Gram-
Schmidt para transformar el conjunto S = {u1 = (1, 1, 1), u2 = (0, 1, 1), u3 = (0, 0, 1)} en una base
ortonormal.
Solución
u1
Sea v1 = .
||u1 ||
La norma de u1 es
||u1 ||2 = hu1 , u1 i = (1)2 + (1)2 + (1)2 = 3,
entonces
1
v1 = √ (1, 1, 1)
3
u2 − hu2 , v1 iv1
Sea v2 = .
||u2 − hu2 , v1 iv1 ||
entonces
( −2 1 1
3 , 3, 3) 1
v2 = q = √ (−2, 1, 1)
2 6
3
64. Considere al espacio vectorial R3 con el producto interior hu, vi = u1 v1 + 2u2 v2 + 3u3 v3 . Utilice el
proceso de Gram-Schmidt para transformar S = {u1 = (1, 1, 1), u2 = (0, 1, 1), u3 = (0, 0, 1)} en una
base ortonormal.
Solución
u1
Sea v1 = .
||u1 ||
La norma de u1 es
||u1 ||2 = hu1 , u1 i = (1)2 + 2(1)2 + 3(1)2 = 6,
entonces
1
v1 = √ (1, 1, 1)
6
u2 − hu2 , v1 iv1
Sea v2 = .
||u2 − hu2 , v1 iv1 ||
65. Sea S = {u1 , u2 , u3 }, con u1 = 1, u2 = x, u3 = x2 una base del espacio vectorial P2 con producto
interior definido como Z 1
hq, pi = p(x)q(x)dx. (1.163)
−1
u1
Sea v1 = .
||u1 ||
Calculemos la norma de u1 :
Z 1
2
||u1 || = (1)2 dx = x|1−1 = 2,
−1
entonces
1
v1 = √ .
2
u2 − hu2 , v1 iv1
Sea v2 = .
||u2 − hu2 , v1 iv1 ||
Ahora
Z 1
1
hv1 , u2 i = √ xdx = 0,
−1 2
Z 1
2
||u2 ||2 = x2 dx = ,
−1 3
entonces r
u2 3
v2 = = x.
||u2 || 2
u3 − hv1 , u3 iv1 − hv2 , u3 iv2
Sea v3 = .
||u3 − hv1 , u3 iv1 − hv2 , u3 iv2 ||
El cálculo da como resultado
Z√ 1
1 2
hv1 , u3 i = √ x2 dx = ,
−1 2 3
Z 1 √
3 2
hv2 , u3 i = xx dx = 0,
−1 2
√
2 1 1
u3 − hu3 , v2 iv2 − hu3 , v1 iv1 = x2 − √ = x2 − ,
3 2 3
Z 1 2
2 2 1 8
||u3 − hu3 , v2 iv2 − hu3 , v1 iv1 || = x − dx = ,
−1 3 45
de donde r
45 21
v3 = x − .
8 3
1.6. MÉTRICA O FUNCIÓN DISTANCIA 33
66. Exprese el polinómio P (x) = 1 + x + 4x2 como combinación lineal de v1 , v2 , v3 del ejercicio anterior.
Solución
La combinación lineal de P (x) en términos de la base ortonormal S = {v1 , v2 , v3 } está dada por
Z 1
r r
2
3 2
hP, v2 i = 1 + x + 4x xdx = ,
−1 2 3
Z 1
r r
2
45 2 1 8
hP, v3 i = 1 + x + 4x x − dx = 4 ,
−1 8 3 45
entonces:
√ 7
r r
2 8
P (x) = 2 v1 + v2 + 4 v3 . (1.165)
3 3 45
d(u, v) ≥ 0 ∀ u, v ∈ V, (1.166)
(1.167)
d(u, v) = 0 si solo si u = v, (1.168)
(1.169)
d(u, v) = d(v, u), (1.170)
(1.171)
d(u, v) + d(v, w) ≥ d(u, w). (1.172)
Si ||u|| es la norma de un vector en un espacio vectorial V con producto interior, entonces se define una
métrica sobre V como sigue
d(u, v) = ||u − v||.
1.7. Problemas
1. Diga cuales de los siguientes conjuntos con las operaciones de adición y multiplicación por un escalar
constituyen un espacio vectorial. Demuestre explı́ticamente si se cumplen todos los axiomas o en su
caso si alguno no se cumple.
El conjunto de duplas de números reales (x, y) con las operaciones de adición y multiplicación
tales que (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (kx, 0).
34 CAPÍTULO 1. ESPACIOS VECTORIALES
El conjunto de todos los números reales u = x con las operaciones de adición y multiplicación
tales que x + x0 = x + x0 + 7 y kx = k(x − 1).
2. Diga cuál de los siguientes conjuntos son subespacios vectoriales del espacio vectorial V indicado.
Los vectores de R3 de la forma (x, y, z) con x + y + z = 1.
Todos los polinomios de P3 con a0 + a1 = 0.
Todas las funciones reales f (x) para x real tal que f (2) = 0.
3. Diga cuál de los siguientes vectores son combinación lineal de u1 = (1, −1, 3) y u2 = (2, 4, 0): a)u =
(3, 3, 3), b)u = (4, 2, 6).
4. Determine si los siguientes conjuntos de vectores generan a R3 : a)S = {u1 = (1, 1, 1), u2 = (2, 2, 0), u3 =
(3, 0, 0)}, b)u1 = (1, 3, 3), u2 = (1, 3, 4), u3 = (1, 4, 3), u4 = (6, 2, 1)}.
5. Diga cuáles de los siguientes conjuntos de vectores son linealmente independientes: a)S = {u1 =
(2, −1, 4), u2 = (3, 6, 2), u3 = (2, 10, −4)}, b)S = {p1 = 2−x+4x2 , p2 = 3+6x+2x2 , p3 = 2+10x−4x2 }.
6. Diga cuáles de los siguientes conjuntos de vectores constituyen una base del espacio vectorial que
se indica:
S = {u1 = (2, 1), u2 = (3, 0)} para R2 .
S = {u1 = 1 − 3x + 2x2 , u2 = 1 + x + 4x2 , u3 = 1 − 7x} para P2 .
7. Determine una base para los siguientes subespacios de R4 : a)Todos los vectores de la forma (x, y, z, u)
con u = x + y y z = x − y, b)Todos los vectores de la forma (x, y, z, u) con x = y = z = u.
8. En R4 se define la siguiente operación entre dos vectores u y v: hu, vi = u1 v1 + u2 v2 + u3 v3 − u4 v4 .
Diga si esta función es un producto interior válido.
9. Considere la bases de R3 siguientes. Asuma que se obedece el producto interior euclidiano. Obtenga
una base ortonormal mediante el procedimiento de ortogonalización de Gram-Schmidt: a)S = {u1 =
(1, 1, 0), u2 = (1, 0, 1), u3 = (1, 1, 1)}, b)S = {u1 = (3, 2, 1), u2 = (3, 2, 0), u3 = (0, 1, 0)}.
10. Encuentre la proyección ortogonal del vector w = (1, 1, 1) sobre el subespacio W generado por el
conjunto de vectores S = {u1 , u2 } del problema anterior. Posteriormente escriba el vector w en la
forma w = w1 + w2 , donde w1 es la proyección ortogonal de w sobre W y w2 es ortogonal a W .
11. Los polinomios de Hermite, Hn , se pueden obtener de la base S = {Q0 , Q1 , · · · , Qn } con Qn = xn
mediante el procedimiento de ortogonalización de Gram-Schmidt si se considera el siguiente producto
interior.
Z ∞
2
< Hn , Hm >= Hn (x)Hm (x)e−x dx
−∞
Transformaciones Lineales
2.1. Definición
Una de las ramas más interesantes de las matemáticas es el estudio de las funciones cuyo dominio y
rango son subconjuntos de espacios vectoriales. Estas funciones se llaman transformaciones lineales.
Sean V y W dos espacios vectoriales. El śimbolo T : V → W denota una función T que mapea V en
W . Esto indica que T una función cuyo dominio es V y cuyo rango es W . Si T asocia al vector v con el
vector w, se dice que w es la imagen de v bajo T y se denota por w = T (v).
Ejercicios
1. Sea F : R2 → R3 tal que F (x, y) = (x, x + y, x − y), demuestre que ésta es una transformación lineal.
Solución
Sean u = (x, y) y v = (x0 , y 0 ), se puede verificar que F (u + v) = F (u) + F (v) y F (ku) = kF (u) para
k ∈ R:
F ((x, y) + (x0 , y 0 )) = F (x + x0 , y + y 0 ) = (x + x0 , x + x0 + y + y 0 , x + x0 − y − y 0 )
= (x, x + y, x − y) + (x0 , x0 + y 0 , x0 − y 0 ) = F (x, y) + F (x0 , y 0 ),
F (k(x, y)) = F ((kx, ky)) = (kx, kx + ky, kx − ky) = k(x, x + y, x − y) = kF (x, y).
35
36 CAPÍTULO 2. TRANSFORMACIONES LINEALES
4. Sea V el espacio vectorial R3 junto con el producto interior euclidiano. Sea S = {u= (1, 0, 0), u2 =
(0, 1, 0)} una base ortonormal del plano x-y, obtenga la transformación de proyección ortogonal de
un vector arbitrario x ∈ R3 en el plano x − y.
Solución
Sea u = (x, y, z) entonces la proyección ortogonal de u en el plano x − y T : R3 → R2 está dada por
T (u) = hu, u1 iu1 + hu, u2 iu2 = xu1 + yu2 = (x, y, 0).
5. Sea u = (x, y) un vector en R2 , diga cuál de las siguientes transformaciones T : R2 → R2 es lineal:
T (u) = (2x, y).
T (u) = (x2 , y).
T (u) = (ex , ey ).
T (u) = (2x + y, x − y).
T (u) = (y, y).
a b
6. Sea u = un vector en M2×2 , diga cuál de las siguientes transformaciones T : M2×2 → R
c d
es lineal:
por lo tanto una base para este plano es S = {u1 = (1, 0, −1), u2 = (0, 1, −1)}. Utilicemos el proceso
de Gram-Schmidt para obtener una base ortonormal
u1 1
Sea v1 = = √ (1, 0, −1).
||u1 || 2
u2 − hu2 , v1 iv1
Sea v2 = , donde
||u2 − hu2 , v1 iv1 ||
1 1 1
u2 − hu2 , v1 iv1 = (0, 1, −1) − √ √ (1, 0, −1) = (−1, 2, −1),
2 2 2
√
r
1 1 1
||u2 − hu2 , v1 iv1 || = +1+ = 6,
4 4 2
1
entonces v2 = √ (−1, 2, −1).
6
De modo que
Finalmente
x
x + 3y + 4z
T (u) = T y = .
x − 7y
z
T (0) = 0 (2.12)
T (−v) = −T (v) ∀ v ∈ V (2.13)
Ejercicios
9. Sea T : V → V la transformación cero. Dado que T mapea a todos los vectores en 0, ker(T ) = V .
Puesto que cero es la única imagen posible bajo T , R(T ) = {0}.
Ax = b. (2.15)
El núcleo de T es un subespacio de V .
La imagen de T es un subespacio de W .
Demostración:
y
kT (v) = T (kv) = 0,
por lo que v1 + v2 y kv están en ker(T ).
2.2. NÚCLEO E IMAGEN DE LAS TRANSFORMACIONES LINEALES 39
y
T (kv1 ) = kT (v1 ) = kw1 ,
Teorema 2.3. Sea {v1 , . . . , vn } una base de un espacio vectorial V de dimensión finita y sean T : V → W
y F : V → W dos transformaciones lineales. Si T (vi ) = F (vi ) para i = 1, . . . , n entonces T (v) = F (v) para
todo v en V .
Ejercicios
2 −1
11. Sea T : R2 → R2 la multiplicación de un vector u ∈ R2 por la matriz A = , diga cuál de
−8 4
los siguientes vectores está en R(T ): a)u = (1, −4), b)u = (5, 0), c)u = (−3, 12).
Solución
Si ui está en R(T ) debe haber al menos un vector v = (x, y) ∈ R2 tal que Av = ui .
a)
2 −1 x 2x − y 1
Av = = = (2x − y)
= u1 , (2.16)
−8 −4 y −8x + 4y −4
1 0
vemos que se debe cumplir 2x − y = 1, entonces v = t + , con t ∈ R, por lo que u1
2 1
si está en la imagen de T .
b) No hay solución al sistema Av = u2 , por lo tanto u2 no está en R(T ).
c) u3 = −3u1 , por lo tanto si está en R(T ).
2 −1
12. Sea T : R2 → R2 la multiplicación de un vector u ∈ R2 por la matriz A = , diga cuál
−8 4
de los siguientes vectores, cuál de los siguientes vectores está en el núcleo de V : a)v1 = (5, 10),
b)v2 = (3, 2) y v3 = (1, 1).
Solución
Si el vector vi está en el núcleo de T , entonces Avi = 0. De manera explı́cita se tiene
2 −1 5 0
Av1 = = ,
−8 −4 10 0
2 −1 3 4
Av2 = = ,
−8 −4 2 −16
2 −1 1 1
Av3 = = .
−8 −4 1 −4
13. Considere la base S = {u1 = (1, 1, 1), u2 = (1, 1, 0), u3 = (1, 0, 0)}, encuentre la transformación lineal
T : R3 → R2 tal que T (v1 ) = (1, 0), T (v2 ) = (2, −1) y T (v3 ) = (4, 3). Calcule T (u) para u = (2, −3, 5).
Solución
Un vector arbitrario en R3 es u = (x, y, z), entonces
u = (x, y, z) = k1 v1 + k2 v2 + k3 v3 = (k1 + k2 + k3 , k1 + k2 , k1 ),
de donde k1 = z, k1 +k2 = y y k1 +k2 +k3 = x, por lo que k2 = y −k1 = y −z y k2 = x−k1 −k2 = x−y.
Ahora
T (u) = zv1 + (y − z)v2 + (x − y)v3 ,
entonces
T (u) = xT (v1 ) + (y − z)T (v2 ) + (x − y)T (v3 ) = z(1, 0) + (y − z)(2, −1) + (x − y)(4, 3)
= (4x − 2y − z,3x − 4y + z).
Finalmente
T (2, −3, 5) = (8 + 6 − 5, 6 + 12 + 5) = (9, 23).
14. Sea T : P2 → P3 la transformación lineal definida por T (p(x)) = x p(x), ¿cuáles de los siguientes
polinómios pertenecen a ker(T )? a)p1 (x) = x2 , b)p2 (x) = 0, c)p3 (x) = 1 + x.
Solución
Vemos que solo T (p2 (x)) = x(0) = 0 y por lo tanto solo p2 (x) está en el ker(T ).
15. Sea T : P2 → P3 la transformación lineal definida por T (p(x)) = x p(x), ¿cuáles de los siguientes
polinómios pertenecen a R(T )? a)p1 (x) = x + x2 , b)p2 (x) = 1 + x, c)p3 (x) = 3 − x2
Solución
Vemos que si p(x) = 1 + x, entonces T (p(x)) = x + x2 = p1 (x), entonces p1 (x) es el único vector en
R(T ) ya que los demás vectores no pueden escribirse en la forma xp(x) para algún p(x) ∈ P2 .
a) La transformación identidad.
Solución
Solo el vector cero.
b) La transformación cero.
Solución
Todo el espacio vectorial V .
c) Multiplicación por un escalar c.
Solución
Si c 6= 0 entonces solo el vector cero. Si c = 0, todo el espacio V .
d) Producto interior con un vector fijo z.
Solución
Todos los vectores ortogonales a z.
e) Proyección en un subespacio S.
Solución
Todos los vectores ortogonales al subespacio S.
2.2. NÚCLEO E IMAGEN DE LAS TRANSFORMACIONES LINEALES 41
f ) La transformación de derivación.
Solución
Todas las funciones constantes en el intervalo (a, b).
g) La transformación de integración.
Solución
La función cero, aunque la respuesta depende de los lı́mites de la integral.
17. Sea T : R2 → R2 la transformación lineal T (x, y) = (2x + 3y, 7x − 5y), diga cuál es el núcleo de T .
Solución
El núcleo de T contiene a todos los vectores u = (x, y) para los cuales T (x, y) = (0, 0), de donde
2x + 3y = 0,
7x − 5y = 0.
Vemos que este sistema solo tiene como solución x = y = 0, entonces ker(T ) solo contene al vector
0.
19. Sea T : R2 → R2 la transformación lineal T (x, y) = (x, 0), diga cuál es el núcleo de T .
Solución
Vemos que los vectores del tipo u = (0, t), con t ∈ R están en el núcleo de T ya que T (u) = (0, 0).
Estos vectores corresponden a la recta x = 0, es decir, al eje y.
a)demuestre que la imagen de T es un plano que pasa por el origen y encuentre su ecuación,
b)demuestre que el núcleo de T es una recta que pasa por el origen y encuentre su ecuación.
Solución
a)Sean u = (x, y, z) un vector arbitrario en R3 y b = (b1 , b2 , b3 ) un vector de la imagen de T , entonces:
1 3 4 x 1 3 4 b1
Au = 3 4 7 y = x 3 + y 4 + z 7 = b = b2 ,
−2 2 0 z −2 2 0 b3
= xu1 + yu2 + zu3 ,
donde u1 = (1, 3, −2), u2 = (3, 4, 7) y u3 = (4, 7, 0). Vemos que b es una combinación lineal de
los vectores u1 , u2 y u3 . Si estos vectores forman un conjunto linealmente dependiente entonces la
42 CAPÍTULO 2. TRANSFORMACIONES LINEALES
con s, t ∈ R. Otra forma de escribir esta ecuación es ~u1 × ~u2 · u = 0, es decir 14x − 8y − 5z = 0.
b)El núcleo de T está conformado por los vectores u = (x, y, z) tales que T (u) = 0, es decir,
1 3 4 x x + 3y + 4z
Au = 3 4 7 y = 3x + 4y + 7z = 0,
−2 2 0 z −2x − 2y
de donde
x + 3y + 4z =0,
3x + 4y + 7z = 0,
−2x − 2y = 0,
Explı́citamente se obtiene:
x1 c2 + x2 c2 + · · · + xn cn = b (2.19)
2.3. TEOREMA DE LA DIMENSIÓN 43
de modo que b es una combinación lineal de los vectores ci y por lo tanto pertenece al espacio de columnas
de A.
Teorema 2.5. Si A es una matriz, entonces el espacio de renglones y el espacio de columnas de A tienen
la misma dimensión.
Demostración:
a11 a12 ··· a1n
a21 a22 ··· a2n
Sea A = , los vectores renglón de A son:
.. .. ..
. . ··· .
am1 am2 ··· amn
Sea S = {b1 , . . . , bk } una base para este espacio, que se asume tiene dimensión k, entonces los vectores
renglón puede expresarse como una combinación lineal de los bi :
Sea bi = (bi1 , . . . , , bin ) , entonces, el elemento j-ésimo de los ri se puede escribir como:
Demostración:
Sea S = {e1 , . . . , er } una base para el núcleo de T , es decir, la nulidad de T es r. Una base para el espacio
vectorial V puede obtenerse añadiendo n − r vectores a S: S 0 = {e1 , . . . , er , er+1 , . . . , en }.Entonces, todo
vector en V puede expresarse como:
u = c1 e1 + · · · + cn en , (2.24)
de modo que un vector en la imagen de T es:
n
X n
X
w = T (u) = ci T (ei ) = ci e0i , con e0i = T (ei ), (2.25)
i=r+1 i=r+1
es decir, w, puede expresarse como combinación lineal del conjunto de vectores {e0r+1 , . . . , , e0n }. Veamos
si este conjunto es linealmente independiente. Esto es cierto si la ecuación:
n n n
!
X X X
0
ki ei = 0 = ki T (ei ) = T ki ei , (2.26)
i=r+1 i=r+1 i=r+1
solo se cumple para ki = 0. Observamos que el lado derecho de la ecuación anterior es la imagen de un
vector v en el núcleo de T , es decir, T (v) = 0 con
n
X
v= ki ei .
i=r+1
de donde, solo es posible tener la solución ki = 0 ya que los ei son independientes. Entonces {e0r+1 , . . . , , e0n }
es un conjunto de vectores linealmente independientes que son una base para la imagen de T , cuya la
dimensión es entonces n − r.
Teorema 2.7. Si A es una matriz de n × n entonces las siguientes oraciones son equivalentes:
a) A es invertible.
b) Ax = 0 solamente tiene la solución trivial.
c) Ax = b es consistente para cualquier matriz b de dimensión n × 1.
d) det A 6= 0.
e) Los vectores renglón de A son linealmente independientes.
f) Los vectores columna de A son linealmente independiente.
2.4. MATRIZ ESTÁNDAR DE UNA TRANSFORMACIÓN LINEAL 45
u = x1 e1 + · · · + xn en , (2.29)
T (u) = x1 T (e1 ) + · · · + xn T (en ), (2.30)
ahora sea
a1i
a2i
T (ei ) = , (2.31)
..
.
ami
entonces
a11 a12 a1n
a21 a22 a2n
T (u) = x1 + x2 + . . . + xn ,
.. .. ..
. . .
am1 am2 amn
a11 a21 ··· am1 x1
a12 a22 ··· am2 x2
= . ,
.. .. ..
..
. ··· . .
am1 am2 ··· amn xn
x1
x2
= T (e1 ) T (e2 ) T (e3 ) . . . T (en ) = Au.
..
.
xn
Ejercicios
22. Sean α1 = (1, −1) y α2 = (2, −1), junto con β1 = (1, 0) y β2 = (0, 1). Encuentre una transformación
lineal tal que T (αi ) = βi .
Solución
a11 a12 1 a11 − a12 1
T (α1 ) = Aα1 = = = β1 = ,
a21 a22 −1 a21 − a22 0
de donde a21 = a22 y a12 = a11 − 1.
a11 a12 2 2a11 − a12 0
T (α2 ) = Aα2 = = = β2 = ,
a21 a22 −1 2a21 − a22 1
46 CAPÍTULO 2. TRANSFORMACIONES LINEALES
de donde a12 = 2a11 = a11 − 1, es decir a11 = −1 y a12 = −2. Además 2a21 = 1 + a22 = 2a22 , es decir
a22 = 1 y a21 = 1. Entonces
−1 −2
A= ,
1 1
23. Sea T : R3 → R3 una transformación lineal tal que: T (x, y, z) = (x − y + 2z, 2x + y, −x − 2y + 2z).
a)diga cuál es el rango de T , b)diga cuál es la nulidad de T .
Solución
Sea b = (b1 , b2 , b3 ) un vector en la imagen de T , entonces, para algún vector u = (x, y, z) se tiene
T (u) = T (x, y, z) = (b1 , b2 , b3 ), entonces:
x − y + 2z = b1 ,
2x + y = b2 , (2.32)
−x − 2y + 2z = b3 ,
Los vectores (1, −1, 2) y (0, 3, −4) son una base para la imagen de T . El rango de T es dos y la
nulidad es uno.
24. Describa explicitamente una transformación lineal T : R3 → R3 tal que su imagen sea generada por
(1, 0, −1) y (1, 2, 2).
Solución
Esta transformación puede escribirse como:
1 1 s+t x
T (u) = Au = 0 2 2t y , (2.34)
−1 2 −s + 2t z
de modo que
1 1 1 1
T (u) = (x + st) 0 + (y + tz) 2 = α 0 + β 2 , (2.35)
−1 2 −1 2
25. Determine la matriz estándar para cada una de las siguientes transformaciones lineales:
2x1 − x2
a) T (u) = con u = (x1 , x2 ).
x1 + x2
Solución
Sea S = {e1 = (1, 0), e2 = (0, 1)} la base canónica de R2 , entonces
1 2
T (e1 ) = T = ,
0 1
2.4. MATRIZ ESTÁNDAR DE UNA TRANSFORMACIÓN LINEAL 47
0 −1
T (e2 ) = T = ,
1 1
de modo que
2 −1
A= .
1 1
x1 + 2x2 + x3
b) T (u) = x1 + 5x2 , con u = (x1 , x2 , x3 ).
x3
Solución
Sea S = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} la base canónica de R2 , entonces
1 1
T (e1 ) = T 0 = 1 ,
0 0
0 2
T (e2 ) = T 1 = 5
0 0
y
0 1
T (e3 ) = T 0 = 0 ,
1 1
entonces
1 2 0
A = T (e1 ) T (e2 ) T (e3 ) = 1 5 0 .
0 0 1
Solución
Es fácil ver que
1 0
T (e1 ) = T 0 = 0 ,
0 0
0 0
T (e2 ) = T 1 = 1 ,
0 0
0 0
T (e3 ) = T 0 = 0 ,
1 1
entonces
0 0 0
A = T (e1 ) T (e2 ) T (e3 ) = 0 1 0 .
0 0 1
e) Sea T : P3 → P2 la transformación de derivación de p(x) = a0 + a1 x + a2 x2 + a3 x3 :
dp(x)
T (p) = = a1 + 2a2 x + 3a3 x2 .
dx
Encuentre la matriz estándar en la base canónica de P3 y P2 .
Solución
Sea B = {e1 = 1, e2 = x, e3 = x2 , e4 = x3 } la base canónica de P3 , entonces en esta base se
tiene
a0
a1
[p]B = a2 ,
a3
y
a1
T (p) = A[p]B = 2a2 ,
3a3
donde
T (x) T (x2 ) T (x3 )
A= T (e1 ) T (e2 ) T (e3 ) T (e4 ) = T (1) ,
0 1 0 0
= 0 0 2 0 .
0 0 0 3
Entonces la matriz estándar de la transformación es
0 1 0 0
A = 0 0 2 0 . (2.36)
0 0 0 3
2.5. CAMBIO DE BASE 49
donde [ui ]B 0 es el vector de coordenadas del vector ui con respecto a la base B 0 escrito en forma de vector
columna, es decir
ci1
ci2
[ui ]B 0 = . ,
..
cin
donde las cij obedecen ui = ci1 v2 + ci2 v2 + · · · + cin vn .
Ejercicios
26. Sean B = {e1 , e2 } y B 0 = {v1 , v2 } dos bases de R2 con v1 = (1, 1) y v2 = (2, 1), a) encuentre la matriz
de transición de B a B 0 , b)encuentre la matriz de transición de B 0 a B.
Solución
a)Los vectores de la base B se pueden escribir como e1 = v2 − v1 y e2 = 2v1 − v2 , entonces:
−1 2
[e1 ]B 0 = y [e2 ]B 0 = (2.38)
1 −1
de modo que
−1 2
P= (2.39)
1 −1
b)Ahora para encontrar la matriz de transición de B 0 a B, es fácil ver que:
1 2
[v1 ]B = y [v2 ]B = (2.40)
1 1
entonces:
1 2
Q= , (2.41)
1 1
que también puede obtenerse como Q = P−1 .
a + 2b + 3c = 1,
2a + 9b + 3c = 0,
a + 4c = 0,
−8c + 9b + 3c = 9b − 5c = 0,
e2 = 8v1 − v2 − 2v3 ,
(2.43)
e3 = 21v1 − 3v2 − 5v3 .
Por lo que
−36 8 21
[e1 ]B 0 = 5 , [e2 ]B 0 = −1 , [e3 ]B 0 = −3 . (2.44)
9 −2 −5
Entonces la matriz de transición es:
−36 8 21
P = [e1 ]B 0 [e2 ]B 0 [e3 ]B 0 = 5 −1 −3 . (2.45)
9 −2 −5
Teorema 2.8. Sea P la matriz de transición de una base B a una base B 0 para un espacio vectorial V ,
entonces las matrices de coordenadas se relacionan mediante:
Teorema 2.9. Si P la matriz de transición de una base B a una base B 0 para un espacio vectorial V de
dimensión finita, entonces
P es invertible.
P−1 es la matriz de transición de B 0 a B.
Sea P la matriz de transición de B a B 0 y Q la matriz de transiciń de B 0 a B. Sea u un vector en V ,
entonces:
[u]B 0 = P[u]B ,
[u]B = Q[u]B 0 ,
2.5. CAMBIO DE BASE 51
de modo que
[u]B = Q[u]B 0 = QP[u]B ,
es decir
(QP − I)[u]B = 0,
La única solución para cualquier vector arbitrario u es QP = I, entonces Q = P−1 .
Teorema 2.10. Si P es la matriz de una base ortonormal a otra base ortonormal en un espacio de dimen-
ción finita con producto interior, entonces
P−1 = PT , (2.48)
donde PT es la matriz transpuesta de P.
2.5.1. Semejanza
La matriz que representa a una transformación lineal depende de las bases que se emplean para los
espacios vectoriales.
Teorema 2.11. Sea T : V → V una transformación lineal en un espacio vectorial V de dimensión finita. Si
A es la matriz de T con respecto a la base B y A0 es la matriz de T con respecto a la base B 0 , entonces:
A0 = Q−1 AQ (2.49)
o bien
[w]B 0 = Q−1 AQ[u]B 0 = A0 [u]B 0 ,
de donde
A0 = Q−1 AQ.
Definición. Si A y B son matrices cuadradas, se dice que B es semejante a A si existe una matriz
invertible P tal que B = P−1 AP.
Ejercicios
28. Sean B = {u1 = (−3, 0, −3), u2 = (−3, 2, −1), u3 = (1, 6, −1)} y B 0 = {v1 = (−6, −6, 0), v2 =
(−2, −6, 4), v3 = (−2, −3, 7)} dos bases de R3 , a)encuentre la matriz de transición de B a B 0 , b)dado
el vector w = (−5, 8, −5) (expresado en sus coordenadas con respecto a la base canónica de R3 ,
encuentre la matriz de coordenadas [w]B y c)encuentre la matriz de coordenadas [w]B 0 .
52 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Solución
a)debemos expresar los vectores ui en términos de los vectores vi . Para un vector u = (x, y, z)
arbitrario se tiene u = (x, y, z) = c1 v1 + c2 v2 + c3 v3 , donde c1 , c2 y c3 son las coordenadas de u con
respecto a la base B 0 :
c1
[u]B 0 = c2 ,
c3
de donde
−6 −2 −2 c1 x
−6 −6 −3 c2 = y .
0 4 7 c3 z
Apliquemos operaciones elementales para llevar esta matriz a su forma escalonada reducida
−6 −2 −2 |x −6 −2 −2 |x
A ∼ 0 −4 −1 |y − x ∼ 0 −4 −1 |y − x ,
0 4 7 |z 0 0 6 |z + y − x
−6 −2 −2 |x
−6 −2 −2 |x
∼ 0 −4 −1 |y − x ∼ 0 −4 0 | z+7(y−x) 6
,
0 0 1 | z+y−x 6 0 0 1 | 6 z+y−x
−6 −2 −2 |x −6 −2 0 | z+y+2x
3
∼ 0 1 0 | 7(x−y)−z
24
∼ 0 1 0 | 7(x−y)−z
24
,
z+y−x z+y−x
0 0 1 | 6 0 0 1 | 6
−6 0 0 | 15x−3y+3z
1 0 0 | −5x+y−z
12 24
∼ 0 1 0 | 7(x−y)−z 24
∼ 0 1 0 | 7(x−y)−z ,
24
0 0 1 | z+y−x 6 0 0 1 | z+y−x6
es decir
−5x + y − z
c1 = ,
24
7(x − y) − z
c2 = ,
24
z−x+y
c3 = .
6
Ası́ que para el vector arbitrario u = (x, y, z) la matriz de coordenadas con respecto a B 0 está dada
como
−5x+y−z
c1 4
1
[u]B 0 = c2 = 7(x−y)−z 4
,
6
c3 −x + y + z
2.5. CAMBIO DE BASE 53
de modo que para los vectores u1 = (−3, 0, −3), u2 = (−3, 2, −1) y u3 = (1, 6, −1) se tiene
1
3 3
1 1 17 1 317
[u1 ]B 0 = −3 , [u2 ]B 0 = − 3 , [u3 ]B 0 = −3 , (2.50)
4 4 8 4 8
0 3 3
o bien
9 9 1
1 1 1
[u1 ]B 0 = −9 , [u2 ]B 0 = −17 , [u3 ]B 0 = −17 . (2.51)
12 12 12
0 8 8
De modo que la matriz de transición de B a B 0 es:
9 9 1
1
P= −9 −17 −17 .
12
0 8 9
b)con respecto a la base B, es fácil ver que w = (−5, 8, −5) = u1 + u2 + u3 , entonces la matriz de
coordenadas de w con respecto a B es
1
[w]B = 1 .
1
Sean B = {e1 = (1, 0), e2 = (0, 1)} y B 0 = {v1 = (2, 1), v2 = (−3, 4)} dos bases de R2 , encuentre la
matriz de la transformación con respecto a B y con respecto a B 0 .
Solución
Es fácil ver que con respecto a la base canónica B se tiene, escribiendo la transformación en forma
matricial como
x − 2y 1 −2 x
T (u) = = = A[u]B , (2.53)
−y 0 −1 y
de donde
1 −2
A= ,
0 −1
es la matriz de la transformación con respecto a B.
Ahora, es fácil ver que los vectores de la base B pueden escribirse en términos de los vectores de la
base B 0 como
1
u1 = (4v1 − v2 ),
11
1
u2 = (3v1 + 2v2 ),
11
de modo que
1 4 1 3
[u1 ]B 0 = , [u2 ]B 0 = .
11 −1 11 2
54 CAPÍTULO 2. TRANSFORMACIONES LINEALES
1
Calculemos Q = P−1 . Se tiene que det P = , entonces
11
2 −3
P−1 =Q= .
1 4
30. Sea T (x, y) = (x, 0), encuentre la matriz de la transformación A en la base canónica B y en la base
B 0 = {v1 = (1, 1), v2 = (2, 1)}.
Solución
Se tiene en la base canónica que
x x
T (u) = A[u]B = A = ,
y 0
P = ([e1 ]B 0 , [e2 ]B 0 ),
de modo que
−1 2
P= ,
1 −1
La matriz de transición de B 0 a B es:
−1 1 2
Q=P = ,
1 1
2.5. CAMBIO DE BASE 55
entonces
2y − x
[u]B 0 = ,
x−y
y
0 −1 −2 2y − x −x
A [u]B 0 = = .
1 2 x−y x
Entonces una base para la imagen de T es S = {u1 = (1, 0, −1), u2 = (5, 1, 0)}. Note, sin embargo,
que si reducimos por renglones se tiene
1 2 1 1 2 1 1 2 1
A= 0 1 1 ∼ 0 1 1 ∼ 0 1 1 .
−1 3 4 0 5 5 0 0 0
Entonces una base para la imagen de T es S = {u1 = (1, 2, 1), u2 = (0, 1, 1)}. Para obtener una base
para el núcleo llevemos la matriz A a su forma escalonada reducida por renglones
1 2 1 1 2 1 1 2 1 1 0 −1
A= 0 1 1 ∼ 0 1 1 ∼ 0 1 1 ∼ 0 1 1 .
−1 3 4 0 5 5 0 0 0 0 0 0
de donde se sigue que y = −z (segunda ecuación) y z = x (primera ecuación), por lo que y = −x, es
decir, los vectores que están en el núcleo tienen la forma v = (x, y, z) = (x, −x, x) = x(1, −1, 1) con
x ∈ R, por lo que una base para el núcleo es S 0 = {v = (1, −1, 1)}. Es fácil verificar que Av = 0.
56 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Definición. Una transformación que posee ambas caracterı́sticas se denomina una correspondencia
uno a uno entre V y W o biyectiva. Esta transformación también se denomina isomorfismo.
Ejercicios
32. Sea T : R → R un mapeo (no necesariamente lineal) tal que:
a) T (x) = exp(x).
b) T (x) = x.
c) T (x) = x2 .
Describa que tipo de mapeo es cada uno de estos.
Solución
Se puede observar, vease Fig. 2.1, que a) es un mapeo uno a uno (inyectivo), b) es un mapeo uno a
uno y sobre (biyectivo) y c) es un mapeo que no es ni uno a uno ni sobre.
Figura 2.1: Ejemplos de mapeos: a)T (x) = exp(x) (uno a uno), b)T (x) = x (biyectivo o isomorfismo) y
c)T (x) = x2 (ni uno a uno ni sobre).
Teorema 2.18. Sea L(V, W )el conjunto de todas las transformaciones lineales entre dos espacios vecto-
riales de dimensión finita tal que dim(V ) = n y m = dim(W ) entonces:
U W
ST : U → W
u ST (u)
T :U →V S:V →W
T (u)
Definición. Un álgebra A sobre un campo F es un espacio vectorial sobre k con las operaciones de
multiplicación definidas por:
i) F (G + H) = F G + F H.
ii) (G + H)F = GF + HF .
Si la ley asociativa se cumple para la multiplicación, entonces se dice que el álgebra es asociativa, es decir,
para F , G y H en A.
Teorema 2.19. Sea V un espacio vectorial sobre el campo F , entonces A(V ) es un álgebra asociativa
sobre F con respecto a la composición de transformaciones lineales. si dim(V ) = n, entonces dim(A(V )) =
n2 .
Ejercicios
33. Sea T (x, y, z) = (0, x, y), obtenga T 3 (a, b, c).
Solución
Encontremos la matriz estándar de la transformación:
x 0 0 0 x
T y = 1 0 0 y ,
z 0 1 0 z
entonces
0 0 0 x
A= 1 0 0 y ,
0 1 0 z
por lo tanto
0 0 0 0 0 0 0 0 0
T2 = A2 = 1 0
0 1 0 0 = 0 0 0 ,
0 0 1 0 1 0 1 0 0
0 0 0 0 0 0 0 0 0
T3 = A3 = AA2 = 1 0 0 0 0 0 = 0 0 0 = 0.
0 1 0 1 0 0 0 0 0
2.6.5. Inversibilidad de T
Definición. Una transformación lineal T : V → W tal que U T = IV , T U = IW , donde IV es la
transformación identidad del espacio vectorial V . Si T es invertible, la función U es única y se denota por
T −1 . T es invertible sı́ y solo sı́ T es un isomorfismo:
1. T es uno a uno.
2. T es ”sobre”.
Teorema 2.20. Sean V y W dos espacios vectoriales sobre el campo F y sea T :→ W una transformación
lineal. Si T es invertible, entonces T −1 : W → V es una transformación lineal.
Demostración. Sea T (αi ) = βi , entonces αi = T −1 βi . Ahora
T −1 (k1 β1 + k2 β2 ) = k1 α1 + k2 α2 = k1 T −1 β1 + k2 T −1 β2 . (2.61)
Ejercicios
34. Sean T : R3 → R2 y S : R3 → R2 tales que T (u) = (2x, y + z) y S(u) = (x − z, y), con u = (x, y, z).
Encuentre T + S y 3S.
Solución
35. Sean T : R3 → R2 y S : R2 → R2 tales que T (u) = (2x, y + z) para u = (x, y, z) y S(v) = (y, x) para
u = (x, y). Encuentre T ◦ S y S ◦ T si existen.
Solución
(T + Z)(u) = (Z + T )(u)
Axioma (1.42):
Axioma (1.46):
(1T )(u) = T (u).
37. Sean F : A → B y G : A → B los mapeos mostrados en la Fig. 2.3, diga cuál es un isomorfismo.
Solución
F no es uno a uno.
G es uno a uno y sobre, por lo tanto es un isomorfismo.
G es un isomorfismo y F no lo es.
x + 2y − 4z 1 2 −4 x
T (u) = 2x + 3y + z = 2 3 1 y ,
z 0 0 1 z
entonces
1 2 −4
A= 2 3 1 .
0 0 1
La inversa se puede encontrar por el método de Gauss. La matriz aumentada del sistema es
1 2 −4 | 1
0 01 2 −4 | 1 0 0
2 3 1 | 0
0 ∼ 0 −1 9 | −2 1 0 ,
1
0 0 1 | 0
1 00 0 1 | 0 0 1
1 2 −4 | 1 0 0 1 2 −4 | 1 0 0
∼ 0 1 −9 | 2 −1 0 ∼ 0 1 0 | 2 −1 9 ,
0 0 1 | 0 0 1 0 0 1 | 0 0 1
1 2 0 | 1 0 4 1 0 0 | −3 2 −14
∼ 0 1 0 | 2 −1 9 ∼ 0 1 0 | 2 −1 9
0 0 1 | 0 0 1 0 0 1 | 0 0 1
42. Sean F : R3 → R2 , G : R3 → R2 y H : R2 → R2 tales que: F (x, y, z) = (y, x+z), G(x, y, z) = (2z, x−y)
y H(x, y) = (y, 2x). Encuentre HF , HG, F ◦ H, GH y H(F + G), si existen.
Ejercicios
43. Sea u un vector en Rn , encuentre la funcional f : Rn → R en la base S = {e1 , e2 , . . . , en }.
Solución
Si S es una base de R2 , entonces u = x1 e1 + · · · + xn en , por lo que
Z b Z b Z b
L[k1 f (x) + k2 g(x)] = (k1 f (t) + k2 g(t))dt = (k1 f (t))dt + (k2 g(t))dt,
a a a
Z b Z b
= k1 f (t)dt + k2 g(t)dt = k1 L[f (x)] + k2 L[g(x)].
a a
Definición. Sea V un espacio vectorial sobre el campo F . El conjunto de todas las funcionales lineales
L(V, F ) es por sı́ mismo un espacio vectorial. Este espacio vectorial se denomina como el espacio dual de
V y se denota por:
V ∗ = L(V, F ). (2.68)
Si V es un espacio vectorial finito, la dimensión de V ∗ es igual a la dimensión de V .
2.7. FUNCIONALES LINEALES Y ESPACIO DUAL 65
Teorema 2.21. Sea V un espacio vectorial finito sobre el campo F y sea B = {α1 , . . . , αn } una base de
V . Entonces hay una base dual tal que fi (αj ) = δij . Para cada vector α ∈ V se tiene:
n
X
α= fi (α)αi , (2.69)
i=1
Demostración.
Si B ∗ = {fi , f2 , . . . , fn } es una base para el espacio dual entonces se debe demostrar que la ecuación
a1 f1 + a2 f2 + . . . + an fn = 0,
solo admite la solución trivial. Apliquemos dicha ecuación a cada uno de los vectores de la base B:
n
X n
X
a1 f1 (αi ) + a2 f2 (αi ) + . . . + an fn (αi ) = aj fj (αi ) = aj δij = ai = 0,
j=1 j=1
un vector en V entonces:
n
X n
X
fj (α) = xi fj (αi ) = xi δij = xj , (2.71)
i=1 i=1
de modo que:
n
X
α= fi (α)αi , (2.72)
i=1
es decir, cada fi es la función que para cada α en V regresa como resultado la i-ésima coordenada de α
con respecto a la base B.
Ejercicios
46. Encuentre la base dual para las siguientes bases del subespacio indicado.
fi (u) = ai x1 + bi x2 .
f1 (u1 ) = a1 + b1 = 1,
f1 (u2 ) = a1 − b1 = 0,
66 CAPÍTULO 2. TRANSFORMACIONES LINEALES
f2 (u1 ) = a2 + b2 = 0,
f1 (u2 ) = a2 − b2 = 1,
de donde a2 = 1/2 y b2 = −1/2. Finalmente se tiene la base dual B ∗ = {f1 = (x1 + x2 )/2, f2 =
(x1 − x2 )/2}.
La base canónica B = {e1 = (1, 0, 0), e2 = (0, 1, 1), e3 = (0, 0, 1)} de R3 .
Solución
Los vectores fi (u) de la base dual B ∗ satisfacen fi (ej ) = δij para ei ∈ B. Cada fi (u), con
u = (x1 , x2 , x3 ) ∈ R3 se puede escribir como
fi (u) = ai x1 + bi x2 + ci x3 .
Después de aplicar cada fi a los ej (i, j = 1, 2, 3) es fácil ver que fi (u) = xi , por lo que se tiene
la base dual B ∗ = {f1 = x2 , f2 = x2 , f3 = x3 }.
La base B = {u1 = (1, 1, 1), u2 = (1, 0, −1), u3 = (0, −1, 1)} de R3 .
Solución
Los vectores fi (u) de la base dual B ∗ satisfacen fi (uj ) = δij para ui ∈ B. Cada fi (u), con
u = (x1 , x2 , x3 ) ∈ R3 se puede escribir como
fi (u) = ai x1 + bi x2 + ci x3 .
f1 (u1 ) = a1 + b1 + c1 = 1,
f1 (u2 ) = a1 − c1 = 0,
f1 (u3 ) = −b1 + c1 = 0,
f2 (u1 ) = a2 + b2 + c2 = 0,
f2 (u2 ) = a2 − c2 = 1,
f2 (u3 ) = −b2 + c2 = 0,
de donde c2 = b2 = −a2 /2 y a2 = 2/3, entonces f2 (u) = (2x1 −x2 −x3 )/3. Finalmente apliquemos
f3 (u) a cada ui ∈ B:
f3 (u1 ) = a2 + b2 + c2 = 0,
f3 (u2 ) = a2 − c2 = 0,
f3 (u3 ) = −b2 + c2 = 1,
de donde c2 = a2 = −b2 /2 y b2 = −2/3, entonces f2 (u) = (x1 − 2x2 + x3 )/3. Entonces se tiene
la base dual B ∗ = {f1 = (x1 + x2 + x3 )/3, f2 = (2x1 − x2 − x3 )/3, f3 = (x1 − 2x2 + x3 )/3}.
La base B = {u1 = (−3, 0, −3), u2 = (−3, 2, −1), u3 = (1, 6, −1)} de R3 .Solución
Los vectores fi (u) de la base dual B ∗ satisfacen fi (uj ) = δij para ui ∈ B. Cada fi (u), con
u = (x1 , x2 , x3 ) ∈ R3 se puede escribir como
fi (u) = ai x1 + bi x2 + ci x3 .
2.7. FUNCIONALES LINEALES Y ESPACIO DUAL 67
1
La parte derecha es la solución para ai , bi y ci : ai = 12 ei − 38 fi + 81 gi , bi = − 12
1
ei + 18 fi + 18 gi ,
5 3 1
ci = − 12 ei + 8 fi − 8 gi . Ahora usamos e1 = 1 para f1 , g2 = 1 para f2 y f3 = 1 para f3 , de donde
se tiene la base dual siguiente B ∗ = {f1 = 12 1
(x1 − x2 − 5x3 ), f1 = 81 (−3x1 + x2 + 3x3 ) f1 =
1
8 (x1 + x2 − x3 )}.
47. a)Encuentre la base dual de la base de R3 B = {u1 = (1, 1, 0), u2 = (1, 0, 1), u3 = (0, 1, 1)}, b)Sea f :
R3 → R la funcional f (u) = f1 (u) − 3f2 (u) + 2f3 (u), encuentre las coordenadas de f (u) con respecto
0
a la base dual B ∗ de la base B 0 = {v1 = (1, 1, −1), v2 = (1, −1, 1), v3 = (−1, 1, 1)}, c)Encuentre la
0
matriz de transición de la base a B ∗ a la base B ∗ y verifique el resultado del inciso b), d)Encuentre las
coordenadas del vector u = (2, 1, −5) con respecto a las bases B y B 0 , e)Encuentre las coordenadas
de la funcional h(u) = 5x1 + 3x2 − 8x3 con respecto a la base B ∗ .
Solución
a)Por el proceso de los ejercicios anteriores se puede mostrar que la base dual de B es B ∗ = {f1 =
(x1 + x2 − x3 )/2, f2 = (x1 − x2 + x3 )/2, f3 = (−x1 + x2 + x3 )/2}. Se puede verificar fácilmente que
fi (uj ) = δij .
b)De nuevo, por el proceso de los ejercicios anteriores se puede mostrar que la base dual de B 0 es
0
B ∗ = {g1 = (x1 + x2 )/2, g2 = (x1 + x3 )/2, g3 = (x2 + x3 )/2}. Se puede verificar fácilmente que
gi (vj ) = δij .
Ahora sea f (u) = af1 + bf2 + cf3 una funcional arbitraria, donde (a, b, c) son las coordenadas de f
en la base B ∗ :
a
[f ]B ∗ = b ,
c
entonces en términos de los gi se tiene
f (u) = af1 + bf2 + cf3 ,
a+b−c a−b+c −a + b + c
= x1 + x2 + x3 ,
2 2 2
= a0 g1 + b0 g2 + c0 g3 ,
a0 + b0 a 0 + c0 b0 + c0
= x1 + x2 + x3 ,
2 2 2
68 CAPÍTULO 2. TRANSFORMACIONES LINEALES
de donde
a0 + b0 = a + b − c,
a0 + c0 = a − b + c,
b0 + c0 = −a + b + c.
Después de sumar las dos primeras ecuaciones y restar la tercera se tiene a0 = (3a − b − c)/2,
sustituyendo en las dos primeras ecuaciones da b0 = (−a + 3b − c)/2 y c0 = (−a − b + 3c)/2. Entonces
en general
3a − b − c
1
[f ]B 0 ∗ = −a + 3b − c . (2.73)
2
−a − b + 3c
Si reemplazamos las coordenadas del vector f (u) = f1 (u) − 3f2 (u) + 2f3 (u) en la base B ∗ se tiene
3 − (−3) − 2 2
1
[f ]B 0 ∗ = −1 + 3(−3) − 2 = −6 .
2
−1 − (−3) + 3(2) 4
0
C)Otra forma para encontrar [f ]B 0 ∗ es usar la matriz de transición de B ∗ a B ∗ , la cual está dada por
P = [f1 ]B 0 ∗ [f2 ]B 0 ∗ [f3 ]B 0 ∗ .
Entonces debemos expresar a los fi como combinación lineal de los gi : fi = a0i g1 + b0i g2 + c0i g3 , de
0
modo que la matriz de coordenadas de fi con respecto a la base B ∗ es
0
ai
[fi ]B 0 ∗ = b0i .
c0i
Note que esta matriz también se puede leer directamente de la Ec. (2.73). De este modo se tiene
3 −1 −1 1 2
1
[f ]B 0 ∗ = P[f ]B ∗ = −1 3 −1 −3 = −6 ,
2
−1 −1 3 2 4
d)De acuerdo a la Ec. (2.69) todo vector u en R3 se puede expresar en términos de la base B como
3
X
u= fi (u)ui ,
i=1
de donde se obtienen las coordenadas de u con respecto a B. De manera similar todo vector u en
R3 se puede expresar en términos de la base B 0 como
3
X
u= gi (u)vi ,
i=1
3 3
u = g1 (2, 1, −5)v1 + g2 (2, 1, −5)v2 + g3 (2, 1, −5)v3 = v1 − v2 − 2v3 ,
2 2
de donde se obtienen las coordenadas de u con respecto a B 0 .
e)De acuerdo a la Ec. (2.70) se tiene que las coordenadas de h(u) = 5x1 + 3x2 − 8x3 con respecto a
la base B ∗ son (h(u1 ), h(u2 ), h(u3 )), entonces
h(1, 1, 0) 5(1) + 3(1) 8
[h]B ∗ = h(1, 0, 1) = 5(1) − 8(1) = −3 ,
h(0, 1, 1) 3(1) − 8(1) −5
48. Sea Li : P2 → R la funcional lineal Li (p) = p(ti ) para ti ∈ R, donde p(x) ∈ P2 tiene la forma
p(x) = a0 + a1 x + a2 x2 , de modo que
Pruebe que L1 , L2 y L3 son linealmente independientes y por lo tanto constituyen una base para el
espacio dual de P2 .
Solución
Para demostrarlo, debemos probar que:
c1 L1 + c2 L2 + c3 L3 = 0 (2.74)
(c1 L1 + c2 L2 + c3 L3 )(e1 ) = c1 + c2 + c3 = 0,
(c1 L1 + c2 L2 + c3 L3 )(e2 ) = c1 t1 + c2 t2 + c3 t3 = 0,
(c1 L1 + c2 L2 + c3 L3 )(e3 ) = c1 t21 + c2 t22 + c3 t23 = 0,
o bien
Li (pj ) = pj (ti ) = δij . (2.77)
70 CAPÍTULO 2. TRANSFORMACIONES LINEALES
(x − t2 )(x − t3 )
p1 (x) = ,
(t1 − t2 )(t1 − t3 )
(x − t1 )(x − t3 )
p2 (x) = , (2.78)
(t2 − t1 )(t2 − t3 )
(x − t1 )(x − t2 )
p3 (x) = .
(t3 − t1 )(t3 − t2 )
Teorema 2.22. Sea V un espacio vectorial finito sobre el campo F , y sea W un subespacio de V . Entonces:
Ejercicios
49. Encuentre el conjunto aniquilador S 0 del conjunto de R3 siguiente S = {u1 = (2, 0, −1), u2 = (4, 2, 1).
Solución
Las funcionales f : R3 → R tienen la forma f (u) = ax1 + bx2 + cx3 para u = (x1 , x2 , x3 ) ∈ R3 . Las
funcionales aniquiladoras de u1 y u2 obedecen f (u1 ) = 2a − c = 0 y f (u2 ) = 4a + 2b + c = 0, de
donde c = 2a y b = −3a, entonces se tiene f (u) = a(x1 − 3x2 + 2x3 ) con a ∈ R, de modo que
S 0 = {f1 = x1 − 3x2 + 2x3 }.
2.9. Problemas
1. Demuestre si las siguientes transformaciones son lineales o no.
2. Sea V el espacio vectorial que comprende a los números reales con la adición y multiplicación por
un escalar definidas como:
x ⊕ y = xy
(2.81)
k ⊗ x = xk
Diga si la transformación T (x) = log(x) es lineal.
4. En los incisos del ejercicio anterior encuentre en cada caso una base para la imagen de T , una base
para el núcleo de T , el rango de T y la nulidad de T .
5. Sean B = {u1 = (2, 2), u2 = (4, −1)} y B 0 = {v1 = (1, 3), v2 = (−1, −1)} dos bases de R2 , encuentre
la matriz de transición (cambio de base) de B a B 0 y la matriz de transición de B 0 a B.
6. Sean B = {u1 = (2, 1, 1), u2 = (2, −1, 1), u3 = (1, 2, 1)} y B 0 = {v1 = (3, 1, −5), v2 = (1, 1, −3), v3 =
(−1, 0, 2)} dos bases de R3 , encuentre la matriz de transición (cambio de base) de B a B 0 y la matriz
de transición de B 0 a B. Sea w = (1, 4, 6) un vector expresado en términos de la base B, encuentre
las coordenadas de w en la base B 0 .
8. Encuentre la matriz de las transformaciones lineales de los incisos 3a y 3b con respecto a la base
B 0 = {u1 = (2, 1, 1), u2 = (2, −1, 1), u3 = (1, 2, 1)}. Recuerde que las matrices obenida en 3a y 3b
están dadas con respecto a la base canónica B 00 = {e1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1)}.
72 CAPÍTULO 2. TRANSFORMACIONES LINEALES
9. Repita el ejercicio anterior si B 0 = {u1 = (3, 1, −5), u2 = (1, 1, −3), u3 = (−1, 0, 2)}.
10. En los incisos siguientes encuentre las composiciones T2 ◦ T1 .
a) Sean T1 : R2 → R3 y T2 : R3 → R3 las transformaciones lineales T1 (x, y) = (−2y, 3x, x − 2y) y
T2 (x, y, z) = (y, z, x).
b) Sean T1 : R2 → R3 y T2 : R3 → R3 las transformaciones lineales T1 (x, y) = (x + y, y, −x) y
T2 (x, y, z) = (0, x + y + z, 3y).
c) Sean T1 : M22 → R y T2 : M22 → M22 las transformaciones lineales T1 (A) = Tr(A) y T2 (A) =
AT , donde A es una matriz de 2 × 2.
d) Sean T1 : P2 → P2 y T2 : P2 → P3 las transformaciones lineales T1 (p(x)) = p(x − 1) y
T2 (p(x)) = xp(x), donde p(x) = a0 + a1 x + a2 x2 es un polinomio de P2 .
11. Diga si las transformaciones de los incisos 1b, 1c, 3a y 3b son no singulares o singulares y encuentre
la transformación inversa si existe.
12. Diga cuál de las transformaciones lineales de los incisos 1b, 1c, 3a y 3b es un isomorfismo.
13. Encuentre la base dual para las siguientes bases de R3 a)B = {u1 = (2, 1, 1), u2 = (2, −1, 1), u3 =
(1, 2, 1)} y b)B 0 = {v1 = (3, 1, −5), v2 = (1, 1, −3), v3 = (−1, 0, 2)}.
14. Sea el u = (2, 4, 6) un vector de R3 con respecto a la base canónica, encuentre las coordenadas de
u en las bases B y B 0 empleando las bases duales correspondientes.
15. Sea f (u) = 2x1 − 3x2 + x3 una funcional lineal f : R3 → R, encuentre las coordenadas de f (u) en
0
las bases B ∗ y en la base B ∗ .
16. Encuentre el conjunto aniquilador S 0 del conjunto S = {u1 = (1, 3, −1), u2 = (0, −2, 7)} de R3 .
Capı́tulo 3
Aui = λi ui , (3.2)
se conoce como problema de valores propios. Al vector ui se le conoce como vector propio de A asociado
al valor propio λi . A los valores (vectores) propios también se les conoce como valores caracterı́sticos,
autovalores o eigenvalores (vectores caracterı́sticos, autovectores o eigenvectores).
Las raices de la ecuación caracterı́stica de A son los valores propios, por lo cual se pueden tener un
máximo de n valores propios distintos.
Sea
a11 a12 ... a1n
a21 a22 ... a2n
A = , (3.5)
..
.
an1 an2 ... ann
73
74 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
donde el término constante es 40 = 4A (0) = | − A|, pero | − A| = (−1)n |A|, entonces la ecuación
caracterı́stica de A es
4A (λ) = λn − TrA λn−1 + . . . 41 λ + (−1)n |A| = 0.
Demostración:
Ya que
Au = λu,
se cumple que
A2 u = λAu = λ2 u,
y en general
An u = λn u,
entonces
Demostración:
Si dos matrices A y B son semejantes, entonces existe una matriz P tal que
entonces
Ejercicios
1. Encuentre explı́citamente los polinomios caracterı́sticos para matrices de 2 × 2 y 3 × 3.
Solución
Teorema 3.3. Sea A una matriz cuadrada de dimensión n. Su polinomio caracterı́stico es:
Av = λv, (3.18)
Cada vector que satisface esta relación se llama vector propio correspondiente a λ y el conjunto Eλ de
todos los vectores propios correspondientes a cada valor propio λ es un subespacio que se conoce como
espacio propio. Demostración:
(λI − A)v1 = 0,
(λI − A)v2 = 0,
de modo que
A(v1 + v2 ) = λv1 + λv2 = λ(v1 + v2 ),
y
Akv1 = kAv1 = kλv1 ,
Teorema 3.4. Sea A una matriz de n × n sobre un campo F. Entonces, los siguientes enunciados son
equivalentes:
La matriz M = λI − A es singular.
Teorema 3.5. Sea A una matriz de n × n sobre el campo de los números complejos C. Entonces A tiene
al menos un valor propio.
Ejercicios
2. Suponga que A es una matriz diagonalizable, encuentre Am .
Solución
A = PDP−1 , (3.19)
3. Encuentre los valores propios y los vectores propios de las siguiente matriz de 2 × 2 y encuentre A3 .
3 2
A= . (3.21)
0 1
Solución
La ecuación caracterı́stica es:
λ−3 2
4A (λ) = = (λ − 3)(λ − 1) = 0
0 λ−1
y su inversa es
−1 1 1
P = .
0 −1
Ahora
1 1 3 2 1 1 1 1 3 1
D = P−1 AP = = ,
0 −1 0 1 0 −1 0 −1 0 −1
3 0 λ1 0
= = .
0 1 0 λ2
Además
33
1 1 0 1 1 1 1 27 27
A3 = P−1 D3 A = =
0 −1 0 13 0 −1 0 −1 0 −1
27 26
= .
0 1
Solución
La ecuación caracterı́stica es:
λ−1 −2
4A (λ) = = (λ − 1)(λ − 2) − 6 = λ2 − 3λ − 4 = 0,
−3 λ−2
Por lo que √
3± 3±5
9 + 16 4,
λ1,2 = = =
2 2 −1.
x1
Para λ1 = 4 sea v1 = , entonces
y1
3 −2 x1 0
(λ1 I − A)v1 = = ,
−3 2 y1 0
de donde 3x1 − 2y1 = 0, por lo que x1 = t y y1 = 23 t, con t ∈ R. Entonces el vector propio
correspondiente es
1
v1 = 3 .
2
x2
Para λ2 = −1 sea v2 = , entonces
y2
−2 −2 x2 0
(λ2 I − A)v2 = = ,
−3 −3 y2 0
de donde x2 + y2 = 0, por lo que x2 = t y y2 = −t, con t ∈ R. El vector propio correspondiente
es
1
v2 = .
−1
Teorema 3.7. Sean v1 , v2 , . . . , vn los vectores propios de la matriz A correspondientes a distintos valores
propios λ1 , λ2 , . . . , λn . Entonces v1 , v2 , . . . , vn son un conjunto linealmente independiente.
Teorema 3.8. Suponga que el polinomio caracterı́stico 4A (λ) de una matriz A es el producto de n factores
distintos, es decir, 4A (λ) = (λ − a1 )(λ − a2 ) · · · (λ − an ), entonces A es similar a una matriz diagonal cuyos
elementos son los ai .
3.3. MATRICES DIAGONALIZABLES 79
Demostración:
Si A es diagonalizable ortogonalmente
D = P−1 AP = PT AP,
con
A = PDP−1 = PDPT ,
entonces
AT = (PDPT )T = (PT )T DT PT = PDPT = A.
Ejercicios
5. Encuentre una matriz ortogonal que diagonalize a:
4 2 2
A= 2 4 2 . (3.23)
2 2 4
Solución
Debemos encontrar los valores propios y una base para el espacio asociado a cada valor propio.
λ−4 −2 −2 λ − 4 −2 −2
4A (λ) = −2 λ−4 −2 = −2 λ−4 −2 ,
−2 −2 λ−4 0 −(λ − 2) λ − 2
0
−1 −1 0
1 −1
= −(λ − 2) λ − 4 −2 −2 = (λ − 2) λ − 4 −4 0 ,
−2 λ − 4 −2 −2 λ−6 0
0 1 −1 0 1 −1
= (λ − 2) λ − 2 −λ + 2 0 = (λ − 2)2 1
−1 0 ,
−2 λ−6 0 −2 λ − 6 0
= −(λ − 2)2 (λ − 6 − 2) = −(λ − 2)2 (λ − 8).
λ1,2 = 2 y λ3 = 8.
x
Para λ1,2 = 2 sea u1,2 = y , entonces
z
−2 −2 −2 x 1 0
(λ1,2 I − A)u1,2 = −2 −2 −2 y = −2(x + y + z) 1 = 0 ,
−2 −2 −2 z 1 0
80 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
de donde
2x3 − y3 − z3 = 0, (3.24)
−x3 + 2y3 − z3 = 0, (3.25)
−x3 − y3 + 2z3 = 0. (3.26)
Ahora restando la Ec. (3.25) de la Ec. (3.26) se tiene 6y3 − 6z3 = 0, de donde z3 = y3 . Si
sustituimos en la Ec. (3.24) se tiene 4x3 − 4y3 = 0 de donde z3 = y3 = x3 . Finalmente sea
x3 = t, con t ∈ R, entonces el vector propio asociado a λ3 normalizado es
1
u3 1
v3 = = √ 1 .
||u3 || 3 1
Por el proceso de Gram-Schmidt encontraremos una base ortonormal para el subespacio generado
por u1 y u2 .
Definimos
1
u1 1
v1 = =√ 0 ,
||u1 || 2 −1
Sea
−1
u2 − hv1 , u2 iv1 1
v2 = =√ 2 .
ku2 − hv2 , u2 iv1 k 6 −1
Ahora construimos la matriz de transición de la base constituida por los vectores propios a la base
canónica:
√1 − √16 √13
2
P=
0 √2 √1 ,
6 3
− √2 − √6 √13
1 1
Una forma cuadrática puede ser expresada de manera única como sigue
q(x) = xT A x, (3.29)
T
Donde x = (x1 , x2 , . . . , xn ) y A es una matriz simétrica con elementos Aij = Aji . Las entradas de la
matriz se obtienen poniendo
cji
Aii = cii y Aij = Aji = ,
2
es decir,
A11 A12 . . . A1n x1
A21 A22 . . . A2n x2
q(x) = (x1 , x2 , . . . , xn ) . .. ,
.. .
An1 An2 ... Ann xn
n X
X i
= A11 x21 + A22 x22 + . . . + Ann x2n + 2 Aij xi xj , (3.30)
i=1 j=1
82 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
Ejercicios
7. Exprese la siguiente forma cuadrática en forma matricial.
Definimos
x
x = y ,
z
y
1 −3 −2
5
A = −3 8 2
,
5
−2 2 7
entonces
1 −3 −2 x
q(x, y, z) = xT A x = (x, y, z) −3 8 5
2 y = x2 − 6xy + 8y 2 − 4xz + 5yz + 7z 2 .
5
−2 2 7 z
(a) (b)
3
2
2
1
1
0 0
y'
y
-1
-1
-2
-2
-3
-6 -4 -2 0 2 4 6 -6 -4 -2 0 2 4 6
x x'
Figura 3.1: (a) Elipse en posición rotada con ecuación 5x2 − 4xy + 8y 2 − 36 = 0 y (b) Misma elipse pero en
2 2
posición normal con ecuación 9x0 + 4y 0 − 36 = 0.
Es posible encontrar nuevos ejes coordenados en donde se pueda expresar a la cónica en su forma
normal o canónica. Esto es equivalente a diagonalizar la matriz A.
Entonces, los ejes de coordenadas se pueden rotar de tal manera que la ecuación se pueda expresar
como:
λ1 x0 2 + λ2 y 0 2 + d = 0, (3.33)
3.4. FÓRMAS CUADRÁTICAS 83
donde λ1 y λ2 son los valores caracterı́sticos de A. La rotación se puede efectuar mediante el cambio de
base
x = Px0 ,
donde P es la matriz que diagonaliza ortogonalmente a A (la matriz de cambio de transición de la base de
los vectores propios de A a la base canónica de R2 )
Ejercicios
8. Describa la cónica cuya ecuación es:
5x2 − 4xy + 8y 2 − 36 = 0.
Solución
Sean
x
x= ,
y
y
5 −2
A= ,
−2 8
la forma cuadrática asociada a la cónica es
T 5 −2 x
q(x, y) = x A x = (x, y) = 5x2 − 4xy + 8y 2 .
−2 8 y
además
xT = x0 T PT ,
84 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
entonces
q(x, y) = x0 T PT APx0 ,
con
1 1 −2 51 −2 2
D = PT AP = ,
5 2 1 −2
−2 8 1
1 1 −2 9 8 1 45 0 9 0
= = = .
5 2 1 −18 4 5 0 28 0 4
o bien 2 2
x0 y0
+ = 1,
2 3
que es la ecuación de una elipse con semieje mayor 3 (a lo largo del eje y 0 ) y semieje menor 2 (a lo
largo del eje x0 ), como se muestra en la Fig. 3.1.
donde al menos uno de los números a, b, . . . , f es diferente de cero, es una ecuación cuadrática en x, y, z.
Se llama forma cuadrática asociada a la expresión:
Teorema 3.12 (Ejes principales para R3 ). Sea q(x, y, z) + p una forma cuadrática en tres dimensiones,
entonces los ejes de coordenadas se pueden girar de manera que q(x, y, z) quede como
λ1 x0 2 + λ2 y 0 2 + λ3 z 0 2 + g 0 x0 + h0 y 0 + o0 z 0 = 0 (3.37)
Donde λ1 , λ2 , λ3 son los valores propios de A y la rotación se puede llevar a efecto mediante la sustitución
x = Px0 , (3.38)
donde P es la matriz que diagonaliza ortogonalmente a A y para tener una rotación genuina se debe tener
det P=1.
Ejercicios
9. Diagonalice la superficie cuadrática cuya ecuación es:
Solución
La forma matricial es
xT A x − 3 = 0,
con
4 2 2
A= 2 4 2 ,
2 2 4
√1 − √16 √1
2 3
P=
0 √2 √1 .
6 3
− √12 − √16 √1
3
Entonces por el teorema de los ejes principales, la forma diagonalizada de la ecuación de la cuadráti-
ca es
2x0 2 + 2y 0 2 + 8z 0 2 = 3.
Figura 3.2: (a) Elipsoide en posición rotada con ecuación 4x2 + 4y 2 + 4z 2 + 4xy + 4xz + 4yz − 3 = 0 y (b)
2 2 2
Misma elipsoide pero en posición normal con ecuación 4x0 + 4y 0 + 8z 0 − 3 = 0.
y
(x, y)
y′
θ
x′
in θ
ys os θ
yc
os θ
xc in θ
xs
θ
(x, y)
x
Figura 3.3: Rotación alrededor del origen
Las coordenadas del punto P0 son (x, y) en el sistema original y (x0 , y 0 ) en el sistema rotado. Es fácil
ver en la Fig. que la relación entre estas coordenadas es:
x0 = x cos θ + y sin θ, (3.39)
0
y = −x sin θ + y cos θ. (3.40)
O bien, en forma matricial se tiene
0
x cos θ sin θ x x
= =Q . (3.41)
y0 − sin θ cos θ y y
Entonces la matriz
cos θ sin θ
Q= ,
− sin θ cos θ
es la matriz de transición de la base canónica B a la nueva base B 0 y Q−1 = P es la matriz de
transición de B 0 a B:
−1 cos θ − sin θ
P=Q = .
sin θ cos θ
Es fácil ver que det P = 1.
11. Diagonalice la matriz siguiente
11 −8 4
A = −8 −1 −2 .
4 −2 −4
Solución
La ecuación caracterı́stica está dada por
λ − 11 8 −4 λ + 5 0 −4(λ + 5)
4A (λ) = |λ − A| = 8 λ+1 2 = 8 λ+1 2 ,
−4 2 λ+4 −4 2 λ+4
1 0 −4 1 0 −4
2
= (λ + 5) 0 λ + 5 2(λ + 5) = (λ + 5) 0 1
2 ,
−4 2 λ+4 −4 2 λ + 4
1 0 −4
2 2 1 2
= (λ + 5) 0 1 2 = (λ + 5) 0 λ − 16 ,
0 2 λ − 12
= (λ + 5)2 (λ − 16).
3.4. FÓRMAS CUADRÁTICAS 87
Los valores propios son λ1,2 = −5 y λ3 = 16. Encontremos los vectores propios correspondientes.
x
Para λ1,2 = 5 sea u1,2 = y , se debe obedecer
z
−16 8 −4 x −4(4x − 2y + z) 0
(λ1,2 I − A) u1,2 = 8 −4 2 y = 2(4x − 2y + z) = 0 .
−4 2 −1 z −(4x − 2y + z) 0
4x − 2y + z = 0.
de donde
5x + 8y − 4z = 0, (3.42)
8x + 17y + 2z = 0, (3.43)
−4x + 2y + 20z = 0. (3.44)
Ahora, de las ecuaciones (3.43) y (3.44) se tiene 21y + 42z = 0, es decir y = −2z. Tras sustituir
en (3.42) se obtiene 5x − 16z − 4z = 5(x − 4z) = 0, o bien x = 4z. Entonces sea z = s, con
s ∈ R, por lo que se tiene
4
u3 = s −2 .
1
Es decir, el vector propio normalizado correspondiente a λ3 está dado por
4
1
v3 = √ −2 .
21 1
Ahora sea
u2 − hv1 , u2 iv1
v2 = ,
ku2 − hv1 , u2 iv1 k
vemos que
1
hv1 , u2 i = √ (−8),
17
0 1
8 1
1 + √ √ 0 ,
u2 − hv1 , u2 iv1 =
2 17 17 −4
0 8
1
= √ 17 + 0 ,
17 34 −32
8
1
= 17 ,
5
2
de donde
8
1
v2 = √ 17 .
357 2
La matriz P que diagonaliza a A es entonces
1 √8 √4
√
17 357 21
P=
0 √17 − √221 ,
357
− √417 √2
357
√1
21
con transpuesta
√1 − √417
17
0
PT =
√8 √17 √2 .
357 357 357
√4 − √221 √1
21 21
por lo tanto
√1 − √417 −5 √117 8
16 √421
0 −5 √357
17 −5 0 0
PT AP =
√8
357
√17
357
√2
357
0 −5 √17
357
16 √−2
21 =
0 −5 0 .
√4
21
− √221 √1
21
−5 √−4
17
2
−5 √357 16 √121 0 0 16
12. Encontrar los valores y vectores propios de la matriz siguiente y diga si es posible diagonalizar esta
matriz.
2 −1 1
A= 0 3 −1 .
2 1 3
3.4. FÓRMAS CUADRÁTICAS 89
Solución
La ecuación caracterı́stica es:
λ−2 1 λ−2 λ−2
−1 0
|λI − A| = 0 λ−3 = 0
1
λ−3 1 ,
−2 −1 −2
λ−3 −1 λ−3
1 1 0 1 1 0
= (λ − 2) 0 λ − 3 1 = (λ − 2) 0 λ − 3 1 ,
−2 −1 λ−3 0 1 λ−3
λ−3 1 λ−2 λ−2
= (λ − 2) = (λ − 2)
,
1 λ−3 1 λ−3
2 1 1
= (λ − 2)2 (λ − 4) = 0.
= (λ − 2)
0 λ−4
Los valores propios son entonces λ1 = 4 y λ2,3 = 2. Obtengamos los vectores propios correspon-
dientes
x
Para λ1 = 4 sea u1 = y , se debe obedecer
z
2 1 −1 x 2x + y − z 0
(λ1 I − A) u1 = 0 1 1 y = y+z = 0 ,
−2 −1 1 z −(2x + y − z) 0
Se concluye que solo se tienen dos vectores propios no nulos y en principio no es posible diagonalizar
esta matriz por el método discutido en esta sección.
Solución
La ecuación caracterı́stica es
λ−2 −1 −1 λ − 1 −1 −1
|λI − A| = −2 λ−3 −2 = −(λ − 1) λ − 3 −2 ,
−3 −3 λ−4 0 −3 λ−4
1
−1 −1 1
0 0
= (λ − 1) −1 λ − 3
−2 = (λ − 1) −1 λ − 4
−3 ,
0 −3 λ−4 0 −3 λ−4
λ−4 −3
λ−7 λ−7
= (λ − 1) = (λ − 1) ,
−3 λ−4 −3 λ−4
1 1 1 1
= (λ − 1)(λ − 7) = (λ − 1)(λ − 7) 0 λ − 1 ,
−3 λ − 4
= (λ − 1)2 (λ − 7) = 0.
Entonces los valores propios son λ1 = 7 y λ2,3 = 1. Encontremos ahora los vectores propios corres-
pondientes.
x
Para λ1 = 7 sea u1 = y , se debe obedecer
z
5 −1 −1 x 5x − y − z 0
(λ1 I − A) u1 = −2 4 −2 y = −2x + 4y − 2z = 0 ,
−3 −3 3 z −3x − 3y + 3z 0
de donde
5x − y − z = 0, (3.45)
2(−x + 2y − z) = 0, (3.46)
3(−x − y + z) = 0. (3.47)
Vemos que al sumar las Ec. (3.46) y (3.47) se obtiene el negativo de (3.45). Entonces solo
tenemos dos ecuaciones linealmente independientes: −x + 2y − z = 0 y x + y − z = 0, por lo
que se tiene y = 2x y z = 3x. Entonces
1
u1 = 2 .
3
x
Para λ2,3 = 1 sea u2,3 = y , se debe obedecer
z
−1 −1 −1 x 1 0
(λ2,3 I − A) u2,3 −2 −2 −2 y = −(x + y + z) 2 = 0 ,
−3 −3 −3 z 3 0
Entonces
1 0
u2 = 0 , u3 = 1
−1 −1
Notamos que A no es simétrica entonces no se puede tener una base de vectores propios ortonor-
males. La matriz que diagonaliza a A es entonces
1 1 0
P= 2 0 1 .
3 −1 −1
Como no es una matriz ortogonal debemos calcular P−1 de manera explı́cita por el método de Gauss-
Jordan. La matriz aumentada del sistema es:
1 1 0 | 1 0 0 1 1 0 | 1 0 0
2 0 1 | 0 1 0 ∼ 0 −2 1 | −2 1 0 ,
3 −1 −1 | 0 0 1 0 −4 −1 | −3 0 1
1 1
1 1 0 | 1 00 1 0 2 | 0 2 0
∼ 0 1 − 21 | 1 − 12 0 ∼ 0 1 − 12 | 1 − 21 0 ,
0 0 −3 | 1 −2 1 0 0 1 | − 31 2
3 − 1
3
1 1 1 1 1
1 0 2 | 0 2 0 1 0 0 | 6 6 6
5 1
∼ 0 1 0 | 6 −6 − 16 ∼ 0 1 0 | 5
6 − 16 − 61 .
0 0 1 | − 13 2
3 − 13 0 0 1 | − 13 2
3 − 31
Por lo que
1 1 1
1 1 1
6 6 6 1
P−1 = 5
6 − 16 − 61 = 5 −1 −1 .
6
− 13 2
3 − 31 −2 4 −2
Ahora calculemos explı́citamente
1 1 1 2 1 1 1 1 0
1
D = P−1 AP = 5 −1 −1 2 3 2 2 0 1 ,
6
−2 4 −2 3 3 4 3 −1 −1
1 1 1 7 1 0 42 0 0 7 0 0
1 1
= 5 −1 −1 14 0 1 = 0 6 0 = 0 1 0 .
6 6
−2 4 −2 21 −1 −1 0 0 6 0 0 1
Ejercicios
14. Sea T : Rn → Rn la multiplicación por una matriz real A. Encuentre el adjunto correspondiente.
Solución
Para cada u, v ∈ Rn se tiene
hAu, vi = (Au)T v = uT AT v = hu, AT vi,
de donde A† = AT
15. Sea T : Cn → Cn la multiplicación por una matriz compleja A. Encuentre el adjunto correspondiente.
Solución
T T
hAu, vi = (Au)† v = (A∗ u∗ )T v = u∗ A∗ v,
T
= u† A† v = hu, A∗ vi,
T
entonces A† = A∗ .
Teorema 3.13. Sea T un operador lineal sobre un espacio vectorial de dimensión finita sobre un campo F
con producto interior. Entonces
Existe un operador lineal T ∗ único sobre V tal que hT u, vi = hu, T † (v)i para cada u, v ∈ V .
Si A es la representación matricial de T con respecto a una base ortonormal S de V , entonces la
representación matricial de T † en la base S es la transpuesta conjugada de A (o la transpuesta de
A si A es real).
Ejercicios
14. Sea T (x, y, z) = (2x + iy, y − 5iz, x + (1 − i)y + 3z), encuentre T † (x, y, z).
Solución
x 2 i 0 x
T (x, y, z) = A y = 0 1 −5i y ,
z 1 1−i 3 z
con
2 i 0
A= 0 1 −5i .
1 1−i 3
Ahora
2 0 1
A† = −i 1 1 + i ,
0 5i 3
por lo que
x
T † (x, y, z) = A† y = (2x + z, −ix + y + (1 + i)z, 5iy + 3z).
z
3.5. OPERADORES EN ESPACIOS LINEALES CON PRODUCTO ESCALAR 93
T T = T. (3.56)
T † = T. (3.57)
T T = −T. (3.58)
T † = −T. (3.59)
1. Si T † = T −1 , |λ| = 1.
2. Si T † = T , λ es real.
3. Si T † = −T , λ es puramente imaginario.
Demostración:
Sea v un vector caracterı́stico de T correspondiente a λ. v es no nulo por lo que hv, vi > 0. Entonces
se cumple
94 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
Demostración:
Sean T (u) = λu u y T (v) = λv v, entonces
hT (u), T (v)i = hλu u, λv vi = λ∗u λv hu, vi,
2
pero hT (u), T (v)i = hT † T (u), vi = (λ∗u ) hu, vi, ademas λ∗u = λu ya que λu es real, entonces:
λu λv hu, vi = λ2u hu, vi,
de donde
(λv − λu )hu, vi = 0,
como λv − λu 6= 0 entonces hu, vi = 0.
3.5. OPERADORES EN ESPACIOS LINEALES CON PRODUCTO ESCALAR 95
U preserva la longitud p p
kU vk = hU v, U vi = hv, vi = kvk. (3.62)
Demostración:
v = E(v) + v − E(v) = u + w,
E(w) = E(v) − E 2 (v) = E(v) − E(v) = 0,
AA∗ = A∗ A (3.63)
Teorema 3.18. Sea T un operador normal en un espacio complejo de dimensión finita. Entonces existe
una base ortonormal de V que consiste únicamente de vectores propios de T . Es decir, T puede ser
representada por una matriz diagonal relativa a la base ortonormal.
96 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
Teorema 3.19. (Teorema espectral.) Sea T un operador normal (simétrico) en un espacio complejo (real)
V de dimensión finita con producto interior. Entonces existen operadores lineales E1 , E2 , . . . , Er sobre V y
escalares λ1 , λ2 , . . . , λr tales que:
T = λ1 E1 + λ2 E2 + · · · λr Er .
Ei2 = Ei , i = 1, . . . r.
E1 + E2 + . . . + Er = I.
Ei Ej = 0 para i 6= j.
Demostración:
Sea V = V1 ⊕ V2 ⊕ · · · ⊕ Vr , donde Vi es el subespacio generado por los vectores propios asociados a λi ,
entonces para x ∈ V se tiene x = x1 + x2 + . . . + xr con xi ∈ Vi , por lo que T (xi ) = λi xi . Ahora, se cumple
que
Ei x = xi ,
por lo que
T (x) = λ1 x1 + λ2 x2 . . . + λr xr ,
= λ1 E1 (x) + λ2 E2 (x) + . . . + λr Er (x),
= (λ1 E1 + λ2 E2 + . . . + λr Er )(x),
entonces
T = λ1 E1 + λ2 E2 + . . . + λr Er ,
lo que se conoce como descomposición espectral de T . Por otra parte
entonces
E1 + E2 + . . . Er = I.
Ejercicios
15. Encuentre de forma explı́cita la representación matricial de los operadores de proyección Ei para un
operador normal T definido sobre un espacio vectorial real de dimensión n.
Solución
En la representación matricial T está dado por la matriz A, cuyos vectores propios obedecen Avi =
λi vi , con λi reales y hvi , vj i = δij . La matriz A se puede diagonalizar por medio de la matriz ortogonal
P: D = PT AP, entonces
A = PDPT ,
donde
P = v1 v2 ... vn ,
y T
v1
v2T
PT = . .
..
vnT
3.5. OPERADORES EN ESPACIOS LINEALES CON PRODUCTO ESCALAR 97
Entonces
v1T
λ1 0 ... 0
v2T
0
λ2 ... 0
A = PDPT = v1 v2 ... vn . .. ,
.. ..
.. . ... . .
0 0 . . . λn vnT
T
λ1 v1
λ2 v2T
= v1 v2 ... vn . = λ1 v1 v1T + λ2 v2 v2T + . . . + λn vn vnT ,
..
λn vnT
= λ1 E1 + λ2 E2 + . . . + λn En ,
con Ei = vi v2 iT . A este producto que da como resultado una matriz de n × n se le conoce como
producto exterior.
Solución
Por el ejercicio 11 se tiene que los valores propios de A son λ1 = λ2 = −5 y λ3 = 16, con los vectores
propios ortonormales dados por
1 8 4
1 1 1
v1 = √ 0 , v2 = √ 17 , v3 = √ −2 .
17 −4 357 2 21 1
8 64 136 16
1 1
E2 = v2 v2T =
17 8 17 2 = 136 289 34 ,
357 357
2 16 34 4
4 16 −8 4
1 1
E3 = v3 v3T =
−2 4 −2 1 = −8 4 −2 .
21 21
1 4 −2 1
A = λ 1 E1 + λ 2 E2 + λ 3 E3 ,
1 0 −4 64 136 16 16 −8 4
5 5 16
=− 0 0 0 − 136 289 34 + −8 4 −2 .
17 357 21
−4 0 16 16 34 4 4 −2 1
98 CAPÍTULO 3. PROBLEMA DE VALORES PROPIOS
3.6. Problemas
1. Encuentre los valores y vectores propios de las siguientes matrices.
10 −9 −2 −7
A= , A= .
4 −2 1 2
4 0 1 3 −2 0 5 0 1
A = −2 1 0 , A = −2 3 0 , A= 1 1 0 .
−2 0 1 0 0 5 −7 1 0
2. Para las matrices de 2 × 2 del ejercicio 1, encuentre el polinómio caracterı́stico ∆A (λ) y demuestre
explı́citamente que A es una raiz de dicho polinomio.
5 4 4 −1 7 3
A= , A= , A= .
4 −1 −1 4 3 −1
0 1 1 2 2 4
A = 1 0 1 , A = 2 5 8 .
1 1 0 4 8 17
−5i 4 4i 2 − 3i
A= , A= .
2−i 1 + 5i 2 + 3i 1
10. Diga si las siguientes matrices son unitarias o hermı́ticas.
0 1 0 −i 1 0
σ1 = , σ2 = , σ2 = .
1 0 i 0 0 −1