Professional Documents
Culture Documents
Espacios Vectoriales
Apuntes de curso - Francois Moraga
Aspectos generales
Subespacios vectoriales
Combinacin lineal
Conjunto Generador
Dependencia lineal
Bases y Dimensiones
Matriz de cambio de base
2. Transformaciones Lineales
2.1. Ncleo e Imagen de una transformacin lineal
2.2. Matriz asociada a una transformacin lineal
2.3. Matriz cambio de base
3. Diagonalizacin
3.1 Valores y vectores propios
Bibliografa recomendada:
1. Espacios Vectoriales
Denicin 1.
Un conjunto V es llamado espacio vectorial sobre un cuerpo K si:
(1) V 6=
(2) V admite una operacin interna, +, denida por:
+
V
V
(~u, ~v ) w
~ = ~u + ~v
Tal que (V, +) es un grupo abeliano, es decir satisface las siguientes propiedades:
(a) ~u + (~u + w)
~ = (~u + ~v ) + w
~
~
~
(b) 0 V , tal que ~u + 0 ~v = ~0 ~v + ~u = ~u
( ~u V )
V
V
(, ~v ) w
~ = ~v
~u = 0V .
Los elementos de V se denominan vectores, los elementos de K se denen como escalares, y todo espacio
vectorial ser denotado por (V, +, , K), donde K = R C.
A continuacin analizaremos algunos espacios cannicos:
Ejemplo # 1 El espacio vectorial (R , +, , R) se dene por todos los elementos (x , x , . . . , x ) tales que:
n
R R
(~u, ~v )
R
w
~ = ~u + ~v
donde w
~ = (x1 + y1 , x2 + y2 , . . . , xn + yn ) Rn .
Por otra parte
: R Rn
(, ~v )
Rn
w
~ = ~v
donde w
~ = ~u = (x1 , x2 , . . . , xn ) R.
Por lo anterior se entiende que la recta real, el plano cartesiano y el espacio R3 representan a un espacio
vectorial sobre el cuerpo R.
2
Mmn Mmn
(A, B)
Mmn
C =A+B
R Mmn
(, A)
Mmn
B =A
Ejemplo # 3 El conjunto de los polinomios de orden n son un espacio vectorial sobre R, es decir P [x], donde
n
p(x) = a0 + a1 x + . . . + an xn =
n
X
i=0
n
X
n
X
ai xi + bi xi =
(ai + bi ) xi . Por otra parte se cumple que:
i=0
i=0
: R Pn [x]
(k, p(x))
donde q(x) =
n
X
i=0
k ai xi = k
n
X
a i xi
Pn [x]
q(x) = k p(x)
Pn [x].
i=0
Existen espacios vectoriales los cuales se encuentran inmersos en otros espacios vectoriales. A este tipo de
aplicacin la denominaremos subespacios vectoriales
Denicin 2.
Sea (V, +, , R) un espacio vectorial, y sea U un subconjunto no vaco de V . Diremos que (U, +, , R) es un
subespacio vectorial de V si y slo si U es un espacio vectorial con las mismas operaciones de V .
V.
Teorema 1.
Sea V un espacio vectorial sobre un cuerpo K y U un subconjunto no vaco de V . U es un subespacio vectorial
de V si y slo si:
~V U
(1) O
(2) ( ~u, ~v U ) ( R) se cumple que ~u + ~v U .
Demostracin: Sabemos que todo sistema lineal homogneo se puede escribir como
x Rn / AxT = 0
donde A Mmn .
(i) Como A 0 = 0 se concluye que el vector nulo pertenece al conjunto.
(ii) Sean ~x, ~y soluciones del sistema homogneo y R un escalar real, entonces
A xT + y T = AxT + Ay T = 0 + 0 = 0
/ 3x + y 2z = 0} es un subespacio vectorial de R3 .
x~2 = (x2 , y2 , z2 )
entonces
(1) 3 0 + 0 2 0 = 0, por lo tanto ~0 = (0, 0, 0) U .
(2) x~1 + x~2 = (x1 + x2 , y1 + y2 , z1 + z2 ), entonces
3(x1 + x2 ) + (y1 + y2 ) 2(z1 + z2 ) = (3x1 + y1 2z1 ) + (3x2 + y2 2z2 ) = 0 + 0 = 0
Observacin 1: Un subespacio vectorial puede contener un nico elemento (el nulo) o un nmero innito de
elementos los cuales se pueden representar mediante algunos vectores o elementos generales, los que posteriormente llamaremos bases.
Denicin 3.
Sea V un espacio vectorial sobre R y {~v1 , ~v2 , . . . , ~vn } elementos de V . Diremos que ~v es combinacin lineal de
v~1 , v~2 , . . . , v~n si y slo si existen escalares a1 , a2 , . . . , an R tal que:
~v = a1 v~1 + a2 v~2 + . . . an v~n =
n
X
ai~vi
i=1
v~2 = (1, 1, 2)
en R3
v~3 = (1, 2, 3)
Solucin: Si (1, 2, 1) se encuentra en combinacin lineal, entonces existen escalares a, b y c, tal que:
(1, 2, 1) = a(1, 2, 1) + b(1, 1, 2) + c(1, 2, 3)
es decir:
1
2
1
= a + b + c
= 2a + b + 2c
= a 2b + 3c
1
2
1
cuya solucin es a =
1 1 | 1
1
1 2 | 2 0
2 3 | 1
0
1 1 | 1
1
3 4 | 4 0
1 4 | 2
0
1
3
0
1
4
16
| 1
| 4
| 10
1
1
5
; b = y c = , es decir:
8
2
8
(1, 2, 1) =
1
1
5
(1, 2, 1) + (1, 1, 2) + (1, 2, 3)
8
2
8
por lo tanto el vector (1, 2, 1) es una combinacin lineal de los vectores dados.
Ejemplo # 7 Determinar si 1 + x + x
1 x + x en P2 [x].
R tal que:
donde a = ; b =
1
1
; c = , por lo tanto
2
3
1
1
1
1 + x + x2 = (1 + x + 2x2 ) + (1 + 3x + 2x2 ) + (1 x + x2 )
6
2
3
Denicin 4.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } elementos de V . Diremos que:
(i) {v~1 , v~2 , . . . , v~n } es un conjunto
es la trivial, es decir a1 = a2 = . . . = an = 0.
(ii) {v~1 , v~2 , . . . , v~n } es un conjunto
no es trivial
Ejemplo # 8 Demostrar que el conjunto {(1, 0, 1) ; (1, 1, 0) ; (1, 1, 1)} es linealmente independiente
Solucin: Debemos demostrar que el sistema
(0, 0, 0) = a(1, 0, 1) + b(1, 1, 0) + c(1, 1, 1)
1
0
1
1
1
0
1
1
1
| 0
1
| 0 0
| 0
0
1 1 | 0
1 1 | 0
1 0 | 0
1
1
0
1
1
1
= 1 6= 0
Denicin 5.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } elementos de V . Diremos que {v~1 , v~2 , . . . , v~n } es generador
del espacio vectorial V si y slo si:
~v V , a1 , a2 , . . . , an R,
tal que:
Notacin: Si el conjunto {v~1 , v~2 , . . . , v~n } es generador de V , entonces diremos que h{v~1 , v~2 , . . . , v~n }i = V .
por lo tanto
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
Esto implica que todos los elementos del espacio U se pueden escribir como combinacin lineal de (1, 2), es
decir:
U = h(1, 2)i
1.4. Bases
Denicin 6.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } vectores de V . Diremos que {v~1 , v~2 , . . . , v~n } es una base
de V si y slo si, se cumplen las siguientes condiciones:
(i) {v~1 , v~2 , . . . , v~n } es linealmente independiente.
(ii) h{v~1 , v~2 , . . . , v~n }i = V
Denicin 7.
Sea V un espacio vectorial sobre R. Diremos que n es la dimensin de V si y slo si el cardinal de su base es n.
= n.
Solucin: Primero vericaremos que el conjunto es linealmente independiente, es decir, existen escalares
a, b, c R tales que:
1 1 3
2 2 2
1 3 1
| 0
1
| 0 0
| 0
0
1
0
2
3 | 0
4 | 0
2 | 0
por lo tanto a = b = c = 0 lo cual verica que el conjunto es linealmente independiente. Luego necesitamos
comprobar que el conjunto es generador de R3 , es decir, que para todo elemento (x, y, z) R3 existen escalares
a, b, c R3 tal que:
(x, y, z) = a(1, 2, 1) + b(1, 2, 3) + c(3, 2, 1)
Utilizando la regla de Cramer se puede concluir que el sistema tiene solucin nica, la cual es:
a=
4x + 8y 4z
8
b=
2y + 4z
8
c=
4x 2y
8
Por lo tanto el conjunto {(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)} genera a R3 , lo cual implica que:
h{(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)}i = R3
Teorema 2.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } una base de V . Si w
~ V y
w
~ = a1 v~1 + a2 v~2 + . . . + an v~n
Observacin 3: La eleccin del primer elemento de la base no tiene mayor relevancia, esto ya que la condicin
principal del teorema es que no sea nulo.
w
~ = 5 (1, 1, 1) 2 (1, 0, 0) = (3, 5, 5)
entonces
h(1, 1, 1) ; (1, 0, 0)i = h(3, 5, 5) ; (1, 0, 0)i
Teorema 3.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n }, una base de V . Si el conjunto {w~1 , w~2 , . . . , w~m } es otra
base de V , entonces n = m.
nm
y Pn [x].
(1) El espacio Rn tiene dimensin n y se encuentra formado por n-uplas ei (elementos cannicos) tales que:
E = {ei / 1 i n}
Es decir,
e1 =
1
0
e2 =
0
1
en =
...
0
0
(2) El espacio de las matrices de orden n m tiene dimensin n m y se encuentra formado por n m bases
1
0
si (i, j) = (1, 1)
,
si (i, j) 6= (1, 1)
...
E1n =
1
0
si (i, j) = (1, n)
si (i, j) 6= (1, n)
(3) El espacio de los polinomios de orden n posee una dimensin n + 1, donde su base esta dada por:
E = {xi / 0 i n}
es decir,
Pn [x] = {1, x, x2 , . . . , xn }
En esta seccin estudiaremos la operacin suma entre subespacios vectoriales, lo que nos permitira denir un
nuevo espacio que contenga a ambos.
Denicin 8.
Sean U, W subespacios vectoriales de V . Llamaremos suma de los subespacios U y W al conjunto
U + W = {~v V / ~v = ~u + w
~ , u U w W}
Otro punto importante del concepto de la suma, es que si un espacio V = U + W entonces posiblemente
un vector puede admitir ms de una escritura en funcin de U y W . Un ejemplo de esto es lo que ocurre con
los subespacios vectoriales U = h(1, 0) ; (0, 1)i y W = h(1, 1)i de R2 , esto ya que el elemento (1, 1) R2 puede
representarse de las siguientes formas:
(a) (1, 1) = 1 (1, 0) + 1 (0, 1) + 0 (1, 1) = (1, 1) + 0, donde (1, 1) U y 0 W .
(b) (1, 1) = 0 (1, 0) + 0 (0, 1) + 1 (1, 1), donde 0 U y (1, 1) W .
Teorema 4.
Sea V un espacio vectorial sobre R de dimensin nita y, U, W subespacios vectoriales de V , entonces:
dim(U + W ) = dim(U ) + dim(W ) dim(U W )
Denicin 9.
Sea V un espacio vectorial y U, W, S subespacios de V . Diremos que S = U + W es suma directa de U y W , si
todo elemento ~v S se escribe de manera forma nica comom un vector de U ms otro vector de W .
W = h(0, 1)i
de forma nica
Analicemos una alternativa para identicar cuando la suma de dos subespacios representa una suma directa.
10
Proposicin 1.
Dado V un espacio vectorial y U, W, S subespacios de V , entonces:
S = U W (S = U + W ) (U W = 0)
yw
~ W tal que ~v = ~u + w
~ lo cual implica que v U + W , luego S = U + W .
Teorema 5.
Si S = U W y V es de dimensin nita, entonces dim(S) = dim(U ) + dim(W ).
i u~i +
k
X
i=1
entonces:
i u~i U ,
m
X
i w
~i = 0
i=1
i=1
Como
m
X
i w
~i W y el vector 0 se escribe de manera nica en U + W como 0 + 0 = 0,
i=1
k
X
i u~i =
i=1
m
X
i w
~i = 0
i=1
k
X
i u~i , w
~=
m
X
i=1
v=
k
X
i=1
i w
~i , de donde,
i=1
i u~i +
m
X
i=1
11
i w
~i = hBi = V
= 0
z =x+y
= 0
w = 2x + 3y
Solucin: Se nos pide encontrar todos los elementos (x, y, z, w) tales que:
(x, y, z, w) = a (1, 0, 1, 2) + b (0, 1, 1, 3) = c (1, 2, 1, 3) + d (1, 1, 2, 1)
1 0
0 1
1 1
2 3
1
1 1 0
0
2 1 0
0
1 2 0
0
3
1 0
0
1
1
3
1 0
1 1 0
0 1
2 1 0
0 0
2 1 0
0 0
1
3 0
1 1 0
2 1 0
4
0 0
5
6 0
Consideremos el espacio vectorial V sobre R y = {v~1 , v~2 , . . . , v~n } una base del espacio V , entonces podemos
armar que para cada elemento ~v V existe una nica combinacin lineal, tal que:
~v = a1 v~1 + a2 v~2 + . . . + an v~n
ai R
Esto implica que las componentes a1 , a2 , . . . , an representan a las coordenadas que necesita utilizar para
generar a ~v .
12
Denicin 10.
Sea V un espacio vectorial sobre R y = {v~1 , v~2 , . . . , v~n } una base del espacio V . Llamaremos coordenada de
~v con respecto a la base a la matriz columna:
a11
a21
an1
Solucin: Para el vector v~1 = 1 se pide determinar los coecientes {a11 , a12 , a13 } tal que:
1 = a11 (1 x) + a21 (1 + 2x + x2 ) + a31 (1 + x2 )
1
1
; a31 = . Por lo tanto:
2
2
1
[1] = 1/2
1/2
v~2
Denicin 11.
Sean = {v~1 , v~2 , . . . , v~n } y = {u~1 , u~2 , . . . , u~n } bases de un espacio vectorial V sobre R, tal que:
v~1
v~2
=
=
v~n
= a1n u~1
..
.
a11 u~1
a12 u~1
..
.
+
+
a21 u~2
a22 u~2
+ ...
+ ...
+
+
+ a2n u~2
+ ...
+ ann v~n
..
.
an1 v~n
an2 v~n
..
.
Llamaremos matriz de cambio de base de para a la matriz de orden n [I] = ([v1 ] , [v2 ] , . . . , [vn ] ) o
equivalentemente
[I]
a11 a12 . . .
a21 a22 . . .
=
..
.. . .
.
.
.
an1 an2 . . .
13
a1n
a2n
..
.
ann
Mnn (R)
Teorema 6.
Si V es un espacio vectorial sobre R de dimensin n, = {v~1 , v~2 , . . . , v~n } y = {u~1 , u~2 , . . . , u~n } son bases de
V , entonces:
Anlogamente
( v V )
[I]
[v] = [v]
( v V )
donde
[I] = [I]
1
(, V )
~v =
n
X
ai v~i
[I]
i=1
Ejemplo # 17 Sea V
los vectores
~u =
n
X
bi u~i
i=1
v1 = 2u1 + u2 u3
v2 = 2u1 + u3 + 2u4
v3 = u1 + u2 u3
v4 = u1 + 2u3 + 3u4
Si = {v1 , v2 , v3 , v4 } es una base de V , calcular las coordenadas en la base de un vector v que tiene por
coordenada en a (1, 2, 0, 1).
1 1
1
0
, para poder determinar las coordenadas en la base
Solucin: Consideremos [I]
1
2
0
3
1
de un vector v podemos utilizar la relacin [v] = [I] [v] , donde [v] = (1, 2, 0, 1) y [I] = [I]
, por lo
2 2
1 0
=
1 1
0 2
tanto:
[I]
Finalmente,
1
0
=
1
0
1
0
=
1
0
7
8 5
3 3
2
6 8
5
2
2 1
7
8 5
1
2
3 3
2
6 8
5 0
2
2 1
1
14
10
= 4
8
3
Ejercicios resueltos
Ejercicio 1 Sea V
= {p(x) P3 [x] / p0 (1) = p(0) + p00 (1) = 0. Demuestre que V es un s.e.v. de P3 [x].
3a3 x2 + 2a2 x + a1 x=1 = 3a3 2a2 + a1 = 0
entonces,
= 2a2 3a3
= 2a2 6a3
por lo tanto la base de V = x3 3x 6 ; x2 + 2x 2 y dim(V ) = 2.
W = 1 + 3x 2x2 + x3 ; 3 + 10x 4x2 + 4x3 ; 2 + 8x + 4x3
de P3 [x] y su dimensin.
Solucin: Las coordenadas de los vectores generadores son (1, 3, 2, 1) ; (3, 10, 4, 4) ; (2, 8, 0, 4). Utilizando
el teorema del rango se obtiene que:
1
3
2
3 2 1
1
10 4 4 0
8
0 4
0
3
1
0
2 1
2 1
0 0
donde las las no nulas de la matriz escalonada son las bases de W , es decir:
W = 1 + 3x 2x2 + x3 ; x + 2x2 + x3
15
Ejercicio 3 Sean = {(1, 1, 1) ; (2, 0, 1) ; (1, 2, 1)} y = {(1, 1, 2) ; (0, 1, 1) ; (1, 1, 1)}. Determine la matriz
de cambio de base [I] .
Solucin: Consideremos
~v1
~v2
~v3
= (1, 1, 2)
= (0, 1, 1)
= (1, 1, 1)
= a11 (1, 1, 1) +
= a12 (1, 1, 1) +
= a13 (1, 1, 1) +
por lo tanto,
1
[~v1 | ~v2 | ~v3 ] = 1
1
[I]
1
= 1
1
2
0
1
a21 (2, 0, 1) +
a22 (2, 0, 1) +
a23 (2, 0, 1) +
a31 (1, 2, 1)
a32 (1, 2, 1)
a33 (1, 2, 1)
1
2 [I]
2
0
1
1
1
1
2 1
1
2
0 1
1 1
1 1
1
0
0
1 2 1
1 0 2
1 1 1
1
0
0
0
1
0
0 2
0 1
2 1 1 1
0 1
1 1
0
0
1
F2 F1 F2
F3 F1 F3
2 1
1
1 0 0
F 2F F
2 1 1 1 0 2 3 3 0
F2 +F1 F1
1 0 1 0 1
0
1
0
0
1
0
F1 2F3 F1
0
0
F2 F3 F3
0
2
Luego,
[I]
2
= 1
1
0 0 2
2 0 2
0 1
1
1
1
4
0 1 1
2
1 2
0 2
0
2 1 1
1
0 1
1
4 1F F
1 0 0
2
2
0 1 0
0
2 2
0 0 1
1 2
5
0 1
1 1 = 1
2
1 1
2
1
1
5 1
1 0
3 0
U1 = 3 2x + x2 + x3 , 1 + x2 x3 , 2 x + x3
U2 = 2 x + 2x2 + x3 , x x3 , 3 2x + 3x2 + x3
(a) Encuentre una base y dimensin de U1 , U2 , U1 + U2 y U1 U2 .
(b) Encuentre una base y dimensin de U3 , tal que (U1 U2 ) U3 = P3 [x]
3
2
1
1
1
2
1
2
0 1
3
1
0
1
1
1
1
0
1
0
0 1
0
1
2
1
1
0
1
0
1
0
2 1
0
4
2
2
1
0
U1 = 3 2x + x2 + x3 , 1 + x2 x3
16
1
2
0
0
0
1
0
0
1
1
1
0
0
2
1
4
0 1
1 2
2
1
2
1
0
3
2
1 2
0
0
0
3
1
1
0
0
3
2
2 1
0
0
0
0
2 1
0
0
2
0
0
3
1
0
0
U2 = 2 x + 2x2 + x3 , x x3
3
2
1
1
1
1
2
0
2
0 1 1
1
1
2
0
3
1
1 1
1
1
1 1
0
0 1 1
0
1
2
0
0
1
2
0
1
1
1 1
0
2
1 3
0
2
1
1
0
2 1
3
1 1 1
2 1
3
0 2 2
0 0
0
por lo tanto dim(U1 + U2 ) = 3, esto implica que dim(U1 U2 ) = 1. Luego, para determinar una base para
U1 U2 , debemos buscar un vector (x, y, z, w), tal que:
(x, y, z, w) = a (3, 2, 1, 1) + b (1, 0, 1, 1) = c (2, 1, 2, 1) + d (0, 1, 0, 1)
1 1
1 0
1 1 1
1 0
1 1 1
1 0
0
0
0
0
2 1
3 0
2
1
3
2
1
3
0 2
0
2 1 1 0
1
1 0
0
2 2 0
2
1 3 0
0
0
0
0 0
0
0
0
0 0
esto implica que la base de U1 U2 = 1 x + x2 . Finalmente buscamos
un
1
3
1 1 1
0
1 1
1 2 0
1 2 0
1
0
0
0
0
0
0
0
Ejercicio 5 Sea B
Solucin:
(a) Consideremos [I]E
a la matriz columna, tal que
1
[I]E
= 0
3
17
1 2 1
1
0 1
0 1 1
0
2
1
como det([I]E
) 6= 0, entonces el conjunto es una base de V . De igual forma se demuestre que es
una base de V . Es decir, consideramos la matriz de cambio de base [I]E
como la matriz columna de los
vectores {w~1 , w~2 , w~3 , w~4 }, esto es:
[I]E
2 1
2 1
=
0 1
1 0
3
0
0 2
1 1
1
1
cuyo det([I]E
) 6= 0, por lo tanto es base de V .
E
(b) Observe que si conocemos [I]E
y [I] , entonces:
= [I] = [I]E
1
[I]E
[I]E
2
3
=
5
1
2
1
3
3
1
2
4 2 7
2
0
2
= [I]
6 1 3 1
9
1
4
1
=
1
0
0
0
10
1
5
2
[v] = [I]
[v]
por lo tanto, se requiere calcular la inversa de la matriz cambio de base [I] , esto es:
[I]
0
3
[v] =
1
1
0
3
=
1
1
0
1
0
1
1 1
1 3
0
2
2
1
2
0
1
0
1
1
1 1
1 3
0 0
1
2
2
1
= 6
3
5
U = y R3 : x + y z = 0
W = y R3 : x 2y z = 0, y z = 0
z
(a) Encuentre una base de U y W .
(b) Encuentre una base de U W y calcule la dimensin de U + W .
18
Solucin:
(b) Si el vector (x, y, x) U entonces x = y + z con y, z R variables libres. Luego se puede escribir como:
x
1
1
y = y 1 + z 0
z
0
1
restriccin nos queda que x = 3z con lo que obtenemos que W esta generado por el vactor 1. [0,5 pto]
1
(b) Si v U W se puede escribir como generado por la base de U o por la base de W . Luego existen , y
tal que:
1
1
3
1 + 0 = 1
0
1
1
Luego para encontrar la interseccin calculamos la solucin al sistema con matriz extendida:
1
1
0
1 3
0 1
1 1
0
1
0 0
0
0
1 3
1 4
1 1
0
1
0 0
0
0
1 3
1 4
0 3
0
0
0
0
Lo que implica = 0, lo que quiere decir que la interseccin es el vector 0.
0
Ejercicio 7 Sea S = {(1, 1, 0, 2), (0, 1, 1, 1), (2, 3, 3, 5), (a, a+1, a+1, a +2a)} un subconjunto de R
2
con a R.
Solucin:
(a) Ponemos los vectores como columnas de una matriz y escalonamos.
1 0 2
a
1 0 2
a
1
1 1 3 a + 1
0 1 1
0
1
0 1 3 a + 1 0 1 3 a + 1 0
2 1 5 a2 + 2a
0 1 1
a2
0
0
1
0
0
2
1
2
0
a
1
a
a2 1
Luego para que los vectores sean l.i, los escalones de la matriz deben ser no nulos. Luego si a2 1 6= 0 se
tiene que S son 4 vectores l.i. Como la dim(R4 ) = 4, implica que S es una base de R4 si a 6= 1, 1.
19
(b) Reemplazando a = 1 en la ltima matriz de la parte anterior obtenemos que si ponemos los vectores como
1
0
0
0
0
1
0
0
2
1
2
0
1
1
1
0
Lo que implica que solo existen 3 vectores l.i. Luego una base para el espacio generado por S es:
2
0
1
1
1
, , 3
3
1
0
5
1
2
o bien:
1
0
1
1
1
, , 2
0
1
2
2
1
3
Ejercicio 8 Sea W un subespacio de P2 (el espacio vectorial de los polinomios de grado menor o igual a 2),
denido por:
Solucin:
(a) Sea p(x) = a0 + a1 x + a2 x2 W . Entonces p(1) = p(2) lo que implica que
a0 + a1 + a2
= a0 2a1 + 4a2
3a1 3a2
a1
a2
la identidad y escalonamos.
1
0
0
0
1
1
1
0
0
0
1
0
0
1
0 0
1
0
0
1
0
1
0
0
0
1
1
0
0
1
(c) Sea p(x) W U . Como p(x) W entonces existen 1 , 2 R tal que p(x) = 1 1 + 2 (1 + x2 ). Como
p(x) U entonces existe 1 R tal que p(x) = 1 (1 + x2 ). Lo anterior implica que 1 = 2 = 1 = 0.
Luego W U = {0}.
Por otro lado sea p(x) = a0 + a1 x + a2 x2 P2. Podemos escribir este polinomio como:
p(x) = a0 a2 + a1 + a1 (x + x2 ) + (a2 a1 )(1 + x2 )
: x + 2y z = 0}:
Solucin:
(i) De la ecuacin se obtiene que x = z 2y , por lo que (x, y, z) W si
x
1
2
y = z 0 + y 1
z
1
0
Como ambos vectores son l.i (basta mencionarlo) se tiene que son una base de W y por lo tanto dim(W ) =
2.
(ii) Sea u W , entonces existe R tal que u = (1, 2, 1). Supongamos que u U , entonces satisface la
ecuacin + 2(2) = 0. Esto implica 6 = 0, luego = 0 lo que quiere decir W U = {0}.
(iii) Sea (x, y, z) R3 . Buscamos la solucin a la ecuacin
x
1
2
1
y = 1 0 + 2 1 + 3 2
z
1
0
1
1
0
1
1
2 1 | x
1 2 | y 0
0
1 | z
0
2 1 |
x
1
1 2 |
y 0
2
2 | zx
0
2 1 |
x
1 2 |
y
0
6 | z x 2y
, 2 = x+y+z
, 1 = x+2y+5z
, con lo que se prueba lo pedido.
Luego se tiene que 3 = zx2y
6
3
6
Otra forma es probando que los tres vectores son l.i y por lo tanto una base de R3 .
21
I = {p P3 (R) /x
Solucin:
(a) P I = {0}
Sea p P I entonces para cualquier x R, p(x) = p(x) = p(x) que implica que p(x) = 0 y por tanto
p es el polinomio nulo.
(b) P + I = P3
q(x)
Mtodo 1:
r(x)
z
}|
{ z
}|
{
p(x) + p(x) p(x) p(x)
Dado p P3 es claro que p(x) =
+
con q P y r I .
2
2
0 +
1
*
0 1
,
U=
0 1
0
1
1 +
0
*
2 3
,
W =
1 0
0
1
Solucin:
(a) Para calcular la interseccin buscamos 1 , 2 , 3 , 4 tal que:
1
0
0
1
3
2
1
0
1
0 + 2 1 = 3 1 + 4 0
1
0
0
1
1
0
0
1
0 0
1 2
1 1
0 0
1 0
3 0
+F
F4 F
1 4
0 0
1 0
1 0
0 1
0 1
0 0
0
2
1
0
1
3
0
0
0
0
2 +F3
F3 (1)F
0
0
1
1
22
1
0
0
0
0
1
0
0
0
2
3
0
1
3
3
0
0
0
0
0
(b) El espacio generado por la suma es igual al espacio generado por la unin de las bases. Para encontrar
una base de la suma basta tomar un conjunto l.i de esta unin. Para esto escalonamos la matriz con lo
elementos de ambas bases:
1 0 0 1 0
0 1 2 3 0 F3 (1)F2 +F3
0 1 1
0 0
0 0 0
0 0
0
0
1
2
1
0
, ,
Luego una base de U + W es el conjunto:
0 1 1
0
0
1
1
0
0
1
0 0
1 2
1 1
0 0
1 0
3 0
+F
F4 F
1 4
0 0
1 0
1
0
0
0
0
1
0
0
0
2
3
0
1
3
3
0
0
0
0
0
W := {(x, y, z, w) R4 : x + y + z + w = 0, x y + z w = 0}
U := {(x, y, z, w) R4 : x + 2z + w = 0}
Solucin:
1. Para encontrar una base debemos encontrar los vectores que satisfacen las dos condiciones, es decir,
debemos resolver el siguiente sistema:
1
1
1 1
1 0
1 1 1 0
1
0
1 1
1 0
2 0 2 0
Como ambos vectores son l.i (basta mencionarlo) se tiene que una base de W es el conjunto:
1
0
0
1
,
1
0
0
1
2. En este caso los vectores en la interseccin deben cumplir 3 condiciones, por lo que son el conjunto
resultado del siguiente sistema:
1
1
1
1 1
1 0
1
1 1 1 0 0
0 2
1 0
0
1 1
1 0
1
2 0 2 0 0
1 1
0 0
0
1 1
1 0
2 0 2 0
0 2
2 0
2. Transformaciones lineales
Denicin 12.
Sea U, V espacios vectoriales sobre un cuerpo R. Diremos que la aplicacin T : U V es una transformacin
lineal si y slo si T satisface las siguientes propiedades:
(i) T (0~u ) = 0~V .
(ii) ( ~u, ~v U ) ( R) se cumple que T (~u + ~v ) = T (~u) + T (~v ).
Supongamos que = {v~1 , v~2 , . . . , v~n } es una base del espacio vectorial U , entonces cada vector ~v U se
escribe en forma nica como
~v = 1 v~1 + . . . + n v~n
Es nica en V .
Teorema 7.
Sean U, V dos espacios vectoriales sobre R, adems sean {u~1 , u~2 , . . . , u~n } una base de U y {v~1 , v~2 , . . . , v~n } un
subconjunto de V , entonces existe una nica transformacin lineal T : U V , tal que T (ui ) = vi , i = 1, . . . , n.
24
(ii) Como u =
n
X
i=1
n
X
T (~u) = T
!
i v~i
= OV
i=1
T (~u) =
n
X
i T (~
vi ) = 0V
i=1
Denicin 13.
Sean U, V espacios vectoriales sobre el cuerpo R. Diremos que T : U V es un isomorsmo de espacios
vectoriales si:
(a) T LR (U, V )
(b) T es biyectiva.
Notacin: Si T
Existen dos espacios vectoriales relacionados directamente con la transformacin lineal, los cuales nos permiten
analizar el comportamiento de la aplicacin desde su interior.
Denicin 14.
Sean U, V espacios vectoriales sobre el cuerpo R y T : U V una transformacin lineal. Llamaremos ncleo
de T al conjunto
n
o
Ker(T ) = u U / T (u) = ~0V
: U V entonces ker(T ) U .
Demostracin:
(a) Sabemos que ~0U U y T (~0U ) = ~0V , entonces ~0U Ker(T ), por lo tanto ker(T ) 6= ~0.
25
T (~u1 ) = 0
T (~u2 ) = 0
= T (~u1 + k~u2 ) = T (~u1 ) + k T (~u2 ) = 0 + k 0 = 0
Proposicin 2.
Sean U, V espacios vectoriales sobre R y T : U V una transformacin linal. T es inyectiva si y slo si
ker(T ) = {~0U }.
Denicin 15.
Sean U, V espacios vectoriales sobre R y T : U V una transformacin lineal. Llamaremos imagen de T al
conjunto
Img(T ) = { v V / T (~u) = ~v }
Proposicin: Si T
Teorema 8.
Sea U un espacio vectorial, = {u1 , u2 , . . . , un } una base de U y T : U V una transformacin lineal,
entonces:
Img(T ) = hT ()i = hT (~u1 ), . . . , T (~un )i
Teorema 9.
Sea U un espacio vectorial de dimensin nita y T : U V una transformacin lineal, entonces:
dim(Ker(T )) + dim(Img(T )) = dim(U )
Consideremos U, V espacios vectoriales sobre R, adems = {~u1 , ~u2 , . . . , ~un } y = {~v1 , ~v2 , . . . , ~vn } bases de U
y V respectivamente . Sea T : U V una transformacin lineal, tal que:
T (~u1 )
T (~u2 )
=
=
a11~v1
a12~v1
+
+
a21~v2
a22~v2
+
+
...
...
+
+
am1~vm
am2~vm
T (~un )
= a1n~v1
a2n~v2
...
amn~vm
..
.
..
.
..
.
26
..
.
..
.
a1j
a2j
a11
a21
[T ] = .
..
am1
a12
a22
..
.
am2
...
...
..
...
a1n
a2n
..
.
amn
tal que:
T (~u1 )
T (~u2 )
=
=
T (~un )
= a1n~v1
..
.
a11~v1
a12~v1
..
.
+
+
a21~v2
a22~v2
+
+
...
...
+
+
am1~vm
am2~vm
+ a2n~v2
...
amn~vm
..
.
..
.
..
.
Observacin:
(a) La columna j-sima de la matriz [T ] corresponde a las coordenadas del vector T (~uj ) en la base , esto es:
a1j
a2j
[T (~uj )] = . Mm1
.
.
amj
(b) Si la base del espacio de partida es igual al del espacio de llegada, entonces la matriz se denota por [T ] .
Teorema 10.
Sea T : U V , con U y V espacios vectoriales de dimensin nita, entonces:
Ejemplo # 19 Sean = {(1, 1, 1) ; (0, 1, 1) ; (1, 0, 1)} ; = {(1, 1) ; (0, 1)} bases de R
y T : R R una transformacin lineal tal que:
3
y R2 respectivamente
[T ] =
4
3
2 2
1
1
Determine T (x, y, z)
27
donde
x
y
z
= a+c
1
= a+b
1
= a+b+c
1
Por lo tanto
0
1
1
| x
1 0 0
| y 0 1 0
| z
0 0 1
1
0
1
| xz+y
|
zx
|
zy
x+yz
[(x, y, z)] = z x
zy
Luego,
4
3
2 2
1
1
Finalmente, si
[T (x, y, z)] =
x+yz
2x 4z + 6y
zx =
2x + 3z 4y
zy
2x 4z + 6y
2x + 3z 4y
entonces,
T (x, y, z) = (2x 4z + 6y) (1, 1) + (2x + 3z 4y) (0, 1) = (2x 4z + 6y, z + 2y)
Teorema 11.
Sean U, V espacios vectoriales sobre R de dimensin nita, adems y bases de U y V respectivamente. Si
T : U V es una transformacin lineal, entonces:
(a) T es un isomorsmo si y slo si [T ] es regular.
(b) Si T es un isomorsmo, entonces:
1 1
T
= [T ]
28
(, V )
Mn1
( 0 , W )
(, W )
Mm1
[T ]
] 0
Mm1
[I] ] 0
0
[T ] = [I] [T ]
Relacin entre [T ] y [T ]0
(0 , V )
(, W )
]0
Mn1
(, W )
Mn1
[I]
0
Mm1
[T ]
[T ]
0 = [T ] [I]0
0
Relacin entre [T ] y [T ]0
(0 , W )
(, V )
]0
Mn1
[I]
0
( 0 , W )
(, W )
Mm1
[T ]
0
Mm1
[T ]0 = [I] [T ] [I]
Particularmente si V = W , entonces:
[T ]
= [I] [T ] [I]
29
[I]
Mm1
] 0
Ejemplo # 20 Sean = {(1, 1, 1) ; (0, 2, 1) ; (1, 0, 1)} y = {(1, 2, 1) ; (1, 3, 2) ; (2, 1, 3)} bases de R
yT
5
2 2
1
[T ] = 3 1
1
4 3
Calcular [T ] .
Solucin: Sabemos que [T ] = [I] [T ] , por lo tanto se requiere calcular [I] , es decir debemos resolver el
sistema
(1, 2, 1)
(1, 3, 2)
(2, 1, 3)
=
=
=
1
0 1 1
1
2 0 2
1 1 1 1
por lo tanto,
[I]
Luego,
2
1
4
[T ]
=
3
5
1
3
2
3 0 0
2
1 0 6 0
3
0 0 3
2
1
4
=
3
5
5 3
5
7
1 3
8
9
1
2
8
5
5 3
14
6
8
9
5 3
7
1
8
9
2 11
8
2 2
1
13 10
1
1 = 2
3
10
38 29
4 3
30
Ejercicios resueltos
Ejercicio
1
[T ] = 0
0
1
1
1
0
0
1
[T ]
1
= 0
0
1
0 0
1 1 0
0
1 1
T (v2 ) = w2
T (v3 ) = w3
T (v4 ) = w1 + w2 + w3
Queremos encontrar una base 0 = {w10 , w20 , w30 , w40 } tal que:
T (v1 ) = w10
T (v4 ) = w30
=
w10
= w10 + w20
= w20 + w30
=
w30
w10
w20
w30
=
=
=
w1
w1 + w2
w1 + w2 + w3
[I] 0
1
= 0
0
1
1
0
1
1
1
Ejercicio 2 Considere T
que:
T (1 + x x2 ) = (1, 0, 1)
T (x2 x) = (1, 1, 1)
T (2 + x 2x2 ) = (1, 1, 2)
por lo tanto
0
[T ]0
= I3
[I] 0
1
= 0
1
1 1
1
1
1 2
[I]
0
1
= 0
1
0
2
1
1
1 2
[T ]
1
= 0
1
1 1
1
1
1 0
1 2
1
0
2
2
1
1
= 1
1 2
0
31
3 4
1 0
4 3
Ejercicio 3 Sea T
Solucin:
(a) Sabemos que:
T (1, 0, 0)
T (0, 1, 0)
T (0, 0, 1)
=
=
=
= 2e1 + 0 e2
=
e1 + 0 e2
= 0 e1 + 3e3
(2, 0)
(1, 0)
(0, 3)
2
0
1
1
[T ] =
1
0
0
3
[T ]0 = [I] [T ] [I]
0
donde
[I]
0
1
= 2
1
3
1
1
0
1
0
[I] 0 =
0
2
por lo tanto
0
[T ]0
[I] 0
1
[T ]
[I]
0
=
1/2
1
1/2
0
2
1
0
0
3
1
2
1
0
1
0
3
3/2 1/2
1
=
0 1
1
1
5
00
donde
[I]
00
1
= 1
1
1
3
1
0
0
0
1
0
1
0
[I] 00
por lo tanto,
00
[T ]00
Ejercicio 4 Sea T
=
1
2
1
0
0
3
1
1
1
=
0
1
0
1
3
1
0
0
1
0
=
0
1
0
1
1
1
(a) Determinar la matriz [T ] con y bases cannicas de R2 y R3 respectivamente. Calcular T (3, 1/2).
(b) Dar base, y la dimensin de Ker(T ) y de Img(T ).
(c) Determine la matriz de transformacin con respecto a las bases
0 = {(2, 1) ; (0, 3)}
32
Solucin:
(a) Observe que T (1, 0) = (2, 1, 1) y T (0, 1) = (1, 1, 2), esto implica que:
2 1
1
[T ] = 1
1
2
Luego,
2
T (3, 1/2) = 1
1
1
11/2
3
1
= 7/2
1/2
2
2
se obtiene que:
Img(T ) = h(2, 1, 1) ; (1, 1, 2)i
(c) En este caso, sabemos que:
[T ]0 = [I] [T ] [I]
0
donde
[I] 0
1
= 1
1
por lo tanto
[T ]0
1
= 1
1
2
0
1
2
0
1
0
0
2
1
2
0
0 1
1
2
[I]
0 =
1
2
1
1
2
0
3
2
1
0
3
3
0
23
3
3
3
~u ~x
(u2 z u3 y, u3 x u1 z, u1 y u2 x)
33
(1)
a) Sean ~v = (v1 , v2 , v3 ) y w
~ = (w1 , w2 , w3 ) dos vectores en R3 , entonces
~v + w
~
(v1 + w1 , v2 + w2 , v3 + w3 )
Entonces
T (~v + w)
~
= T (v1 + w1 , v2 + w2 , v3 + w3 )
=
= T (~u) + T (~v )
b) Si denimos la base E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} entonces tenemos que calcular [T ]E
E.
[T (1, 0, 0)]E
[(0, 3, 2)]E
0
[T
(0,
1,
0)]
[(3,
0,
1)]
3
[T ]E
=
=
=
E
E
E
[T (0, 0, 1)]E
[(2, 1, 0)]E
2
3 2
0
1
1
0
c)
ker(T )
=
=
Por lo tanto, como el vector (1, 2, 3) genera a ker(T ) y adems es linealmente independiente, entonces
dim(ker(T )) = 1. Notamos que el kernel del producto vectorial es la recta generada por el vector
(1, 2, 3).
Para la dimensin de la Imagen podemos usar el Teorema de la dimension y obtener que dim(Img(T )) =
= {T (~x) R3 |~x R3 }
= {(2z 3y, 3x z, y 2x) R3 }
= {x(0, 3, 2) + y(3, 0, 2) + z(2, 1, 0) R3 }
= h{(0, 3, 2), (3, 0, 2), (2, 1, 0)}i
Este conjunto de vectores genera a Img(T ) pero no son linealmente independientes, as que debemos
sacar un vector y darnos cuenta que con 2 vectores se genera a Img(T ) y adems es un conujunto
linealmente independiente, as dim(Img(T )) = 2
y a un parmetro real:
* +
2
2
a
B = 0 , 2 , 0
3
a
a
34
2 3
1
1
A = 1 4
1 0 1
1
Calcule T 2.
3
Solucin:
(a) Para que sea una base, los 3 vectores deben ser linealmente independientes. Una condicin es que el
2
|A| = 0
3
2 a
2 0
a a
= 2 2
3
a
= 2a
a
2
2 1 1
2
2
1
1
2
2
1
1
0 2 0 1 0 2
0
1 0 2
0
1
3 1 1 1
0 8 1 1
0
0 1 4
1
11
2 3
1
1 4
1 2 = 10
3
2
1 0 1
Lo que implica:
40
2
2
1
1
T 2 = 11 0 + 10 2 + 2 0 = 20
21
1
1
3
3
y+z
x + y + 2z
(i) Calcule la matriz representante de T con respecto a las bases cannicas de R3 y M22 .
(ii) Encuentre una base y la dimensin del Ker(T ).
(iii) Encuentre una base y la dimensin de Im(T ).
35
Solucin:
(i) Calculamos la imagen para la base cannica de R3 .
T (1, 0, 0) =
1
1
0
1
;
T (0, 1, 0) =
2
3
1
0
1
1
3
1
4
2
2
1
3
1
1
1
;
T (0, 0, 1) =
3
4
1
2
1
0
1
1
2
1
3
1
3
1
4
2
0
1
0
0
0
0
0
0
2
1
1
1
3
1
1
1
0
1
0
0
0
0
0
0
2
1
0
0
3
1
0
0
0
0
0
0
De donde se obtiene que (x, y, z) Ker(T ) si y = z y x = z , luego Ker(T ) = h(1, 1, 1)i y por lo
tanto tiene dimensin 1.
(iii) La imagen esta generadad por las
columnas
de
la matriz
representante. Usando la parte anterior podemos
1
1
Ejercicio 8 Sea T : R
0
2
,
1
3
1
1
R3 tal que:
x
x+y+z
y
T
z = y + z + w
w+x+y
w
Solucin:
(a) Para calcular el Ker(T ) debemos
1
0
1
1
1
0
0
1
1
0
1
0 0
0
0
1
1
0
1 0 0
1 1 0
1 1 0
36
(b) La imagen esta generada por las columnas de la matriz del problema anterior. Del escalonamiento se
puede deducir que de ellos, 3 son l.i, por lo que una base de la imagen es el conjunto:
1
1
1
0 , 1 , 1
1
1
0
(c) T no es inyectiva porque Ker(T ) 6= {0} [0,3 pto]. T es sobreyectiva porque la dimensin de la imagnes es
3 que es la misma dimensin del espacio de llegada R3 [0,4 pto].
Ejercicio 9 Sea T : R
R3 tal que:
x
x + 2y + 3z
T y = x y + 2z
z
4x + y 3z
1
1
1
0 , 1 , 1 de R3 .
0
0
1
Solucin:
(a) Calculamos la imagen de los vectores cannicos:
1
0
2
1
T 0 = 1 ; T 1 = 1
4
0
3
0
0
3
T 0 = 2
1
3
Como en al base cannica las coordenadas son igual al vector se tiene que la matriz representante es :
1
1
4
2
1
3
3
2
3
(b) Calculamos la imagen de los vectores de la base y los escribimos como combinacin lineal de la base:
1
1
1
1
1
T 0 = 1 = 0 0 3 1 + 4 1
0
4
0
0
1
1
3
1
1
1
T 1 = 0 = 3 0 5 1 + 5 1
0
5
0
0
1
1
6
1
1
1
T 1 = 2 = 4 0 + 0 1 + 2 1
1
2
0
0
1
0
3
4
37
3
5
5
4
0
2
R3 tal que
a
a + 2b + c
b
T
c = 2a + 4b + c + 3d
a 2b d
d
Solucin:
(a) Para clacular el Ker(T ) debemos encontrar todos los vectores x R4 tal que T (x) = 0, es decir tal que:
a
0
a + 2b + c
0
b
= 0 = 2a + 4b + c + 3d = 0
T
c
0
a 2b d
0
d
1
2
1
2
4
2
1 0
1 3
0 1
1
0
0 0
0
0
2
0
0
1
1
1
0
3
1
1
0
0 0
0
0
2
0
0
1
1
0
0 0
3 0
2 0
Lo que
implica d = 0, c = 0 y x = 2y con y variable libre. Luego el Ker(T ) esta generado por el vector
2
1
lo que implica que tiene dimensin 1.
0
0
(b) Todo elemento de la imagen se puede escribir como:
1
2
1
0
a + 2b + c
2a + 4b + c + 3d = a 2 + b 4 + c 1 + d 3
a 2b d
1
2
0
1
Es decir, esta generado por estos 4 vectores. De la parte anterior podemos ver que solo 3 de ellos son
linealmente independientes, or lo que una base de Im(T ) es el conjunto.
1
0
1
2 , 1 , 3
1
0
1
2
0
11 Sea T : R2 R3 lineal tal que T 11 = 2 y T 1
= 2 .
1
0
2
x+y
x
x
(a) Pruebe que para todo
R2 se tiene que T
= 2y .
y
y
xy
Ejercicio
38
0
0
1
1 , 1 , 1 en R3 .
0
1
0
Solucin:
x
(a) Sea
R2 . Se tiene que:
y
y x 1
x+y 1
x
+
=
1
1
y
2
2
x+y 1
y x 1
+
= T
1
1
2
2
yx
x+y
1
1
T
T
+
=
1
1
2
2
2
0
x+y
x+y yx
2 +
2
2y
=
=
2
2
0
2
xy
1
0
1
1
2
1
(c) En este caso debemos calcular las coordenadas de la imagen en la base de llegada:
1
0
0
1
1
T
= 0 = 1 1 1 1 + 0 1
0
1
0
1
0
1
1
0
0
0
T
= 2 = 1 1 + 1 1 + 0 1
1
1
0
1
0
1
1
0
39
1
1
0
3. Diagonalizacin
..
.
T (~vn )
= a11 v~1
= 0 v~1
..
.
0 v~1
+
+
+
0 ~v2
a22 ~v2
..
.
0 ~v2
+ ...
+ ...
+ ...
+
+
0 ~vn
0 ~vn
..
.
+ ann ~vn
= [T ]
a11
0
= .
..
0
0
a22
...
...
...
..
.
..
0
0
..
.
ann
Esto implica que todo elemento que sea parte de este comportamiento debe satisfacer la relacin
T (~vi ) = aii ~vii
(i = 1, . . . , n)
T (~v ) ~v = 0
(T 1V ) (~v ) = 0
(Sistema lineal)
Como ~v 6= ~0V entonces dim (Ker(T 1V )) 1 lo cual implica que Ker(T 1V ) 6= ~0V por lo tanto
det(T 1V ) = 0.
Denicin 16.
Sea V un espacio vectorial sobre R de dimensin n N, y T : V V una transformacin lineal. Diremos
que ~v es un vector propio de T si,
(1) ~v 6= ~0V .
(2) ( , R) tal que T (~v ) = ~v .
Denicin 17.
Llamaremos polinomio caracteristico de T al polinomio
(para cualquier base de T )
40
Teorema 12.
Sea V un espacio vectorial sobre R de dimensin n N y T : V V una transformacin lienal entonces para
cada R
V = {~v V / T (~v } = ~v } V
k R, entonces:
~u1 V
~u2 V
T (~u1 ) = ~u1
T (~u2 ) = ~u2
= T (~u1 + k ~u2 ) = (~u1 + k ~u2 )
por lo tanto V V .
Denicin 18.
V se denomina espacio propio asociado al valor propio .
Ejemplo # 21 Sea T
5x y + 3z
x
T y = 6x + 4y 6z
z
6x + 2y 4z
E
[T ]E
5
= 6
6
1
3
4 6
2 4
5
= 6
6
1
4
2
= ( 2)2 (1 )
3
6
4
4
6
6
1
3 0
1 0
3 6 0 0 1
2 5 0
0 0
41
1
2
0
1 0
0 0
por lo tanto,
+
12
1
1
*
V=1
3
6
6
1
3 0
1
2 6 0 0
2 6 0
0
por lo tanto,
*
V=2
1
3
13
0
0
1
0
0
0
0
0
1 +
1 ; 0
1
0
Resumiendo:
Los valores propios son 1 y 2, y los espacios propios asociados son:
1
, 1, 1 , con dimV=1 = 1.
2
1
V=2 =
, 1, 0 ; (1, 0, 1) , con dimV=2 = 2.
3
1
1
Supongamos que =
, 1, 1 ;
, 1, 0 ; (1, 0, 1) es una base de R3 , entonces:
2
3
1 0 0
(Matriz Diagonal)
[T ] = 0 2 0
0 0 2
V=1 =
Denicin 19.
Sea A = [T ] , donde es una base cualquiera de V , entonces A es diagonalizable si y slo si existe una base
de vectores propios de V , tal que:
A = [T ]
= [I] [T ] [I] = [I] [T ] [I]
1
Observacin: La mayoria de los textos denotan a [I] = P como la matriz de los vectores propios y D = [T ]
la matriz de paso en forma diagonal, entonces:
A = [I]
[T ] [I]
1
42
= P D P 1
Ejercicios resueltos
1
1
0
1
A= 0
0
es diagonalizable
0
0
0
1 2
2
0
0
0
0
0 0
0
0
1 2
1
2
0
0
0
0
0
4
3
1
A = 3
3
3
1
3
3
3
1
Solucin:
1. Primero debemos calcular el polinomio caracterstico:
1
3
3
1
1
3
3
3
3
3
4
F F
+C1
C3=
1
3 3= 1 3
1
3
1
6 =
3
2+
2+
3
1
0
2
0
0
3
4
= (2 + )[18 (4 )(1 )] = (2 + )(18 4 + 5 2 ) =
(2 + )
1
6
= (2 + )(14 + 5 2 ) = (2 + )2 (7 )
6
3
3
6
3
3 0
2F2 +F1 ;2F3 +F 1
0
6
3 0
3 6 0
0
3
3 0
6
F3 +F 2
9
9 0 0
9 9 0
0
3 3 0
9 9 0
0 0 0
1
De donde se obtiene que y = z y x = z , luego 1 es un vector propio.
1
Calculemos el espacio propio asociado a 2. Esto es Ker(A + 2I) que es la solucin al sistema:
3
3
3
3
3
3
3
3
3
0
3
F2 F1 ;F3 F 1
0
0
0
0
43
3
0
0
3
0
0
0
0
0
1
1
De donde se obtiene que x = y z , luego una base de vectores propios es el conjunto 1 , 1 .
0
0
1 2 1
3 Sea A = 2 0 2 . Determine:
1 2 3
Ejercicio
Solucin:
2
1
2
2 3
1
(a) Se tiene que A I = 2
1
1
2
1
2
1
2
2 3
=
=
(1 )
2
2
2
1
3
2 2
+
3 1
(1 ) (( 3) + 4) 2 (2(3 ) 2) + (4 )
= (1 ) (2 3 + 4) + (2 8) + (4 )
= (1 ) (2 3 + 4) + ( 4)
=
(2 3 + 4) + ( 4) (3 32 + 4)
3 + 42 4
( 2)2 .
(b) El polinomio caracterstico de A es pA () = ( 2)2 y por tanto los valores propios son = 0 y = 2
1
2
1
2 1
0 2
2 3
0
1
0 0
0
0
2
4
4
1
4
4
0
1 2 1
0
0 1 1
0
Para = 2:
1 2
1
2 2 2
1 2
1
1
El espacio propio es entonces 0
0
1 2 1 0
0
0 2 0 0
0
44
0
0
(c) Como la multiplicidad geomtrica de = 2 es 1 que es menor que la multiplicidad algebraica (falta 1 vector
5
A = 4
2
4
5
2
2
2
2
Solucin:
(a)
5x
4
4
5
x
2
2
9x
2
= (1 x)
4
2x
1x
1x x1
0
0
0
2
C
+C
F
F
9x
2
5x
2 1= 2 4
2 2= 1 4
2
4
2x
2
2
2x
2x
= (1 x)[(x2 11x + 18) 8] = (1 x)(x2 11x + 10) = (x 1)2 (x 10)
Por lo tanto los valores propios son 1 y 10. Calculemos los espacios propios asociados a cada valor propio:
(b) Para x1 = 1 tenemos que calcular Ker(A I)
4 4 2
4 4 2
2 2 1
es decir:
0
4
0 0
0
0
4
0
0
2
0
0
0
0
0
Por lo tanto (x, y, z) Ker(A I) si y slo si z = 2x 2y . Luego una base es {(1, 0, 2), (0, 1, 2)}.
Para x2 = 10 tenemos que calcular Ker(A 10I) es decir:
5
4
2
5
4
2 0
5
2 0 0
0
2 8 0
5
4
2 0
9/5
18/5 0 0
0
18/5 36/5 0
4
2 0
9/5 18/5 0
0
0 0
Por lo tanto (x, y, z) Ker(A 10I) si y slo si y = 2z y x = 2z . Luego una base es {(2, 2, 1)}.
4
A = 6
2
1
3
1
5
5
1
45
Solucin:
(a) Calculemos primero sus valores propios:
2
2 2 +
4
0
0
0
1
5
=
6
3
5
3
5
3
5
= 6
= 6
2
3
1
2
1
1
2
1
1
3
5
= (2 )[( + 3)( + 1) 15] = (2 )[2 + 4 12] = (2 )2 (6 + )
(2 )
3
1
(b) Calculamos el espacio propio asociado a
6 1
5
6 1
5
2 1 3
| 0
6
| 0 0
| 0
0
1
0
4
5 | 0
0 | 0
4 | 0
De donde se obtiene
que y = z y 6x = y + 5z lo que implica que x = z de donde se deduce que
1
Ker(A 2I) = h1i.
1
Luego el valor propio 2 tiene multiplicidad geometrica 1, que es distinta a su multiplicidad algebraica lo
que implica que la matriz A no es diagonalizable.
5
7
A=
2
0
6 8 0
3 7 0
6 5 0
0 0 2
Solucin:
(a) Calculamos el polinomio caracteristico:
5
6
8
0
5
6
8
7
3
7
0
8
3
7 =
2
= (2 )(1 ) 7
6
5
0
2
6
5
0
0
0
2
3
3
6
8
6
8
3
7 = (2 ) 0
3
7
= (2 ) 0
3
6
5
0
0
3
= ( 3)2 ( + 3)( 2)
46
7
7
2
0
7
6
8 0 0
0
7 1 0 0
0
28
5 0 0
0
0
0 0 0
7
6 8 0 0
0
1 7 0 0
0
6 3 0 0
0
0 0 0 0
6
8 0 0
7 1 0 0
0
1 0 0
0
0 0 0
De donde
se deduce que , z = y = x = 0 y w variable libre. Luego el espacio propio esta generado por el
0
0
vector
0.
1
8
7
2
0
8
6 8
0 0
0
48 0
0 0
0
18 0
0 0
0
0 0 1 0
8
6 8
0 0
0
0 7
0 0
0
6 2
0 0
0
0 0 1 0
6 8
0 0
48 0
0 0
0 0
0 0
0 0 1 0
De donde se deduce
que w = 0, y = 0 y x = z con z variable libre. Luego el espacio propio esta generado
1
0
por el vector
1.
0
Del ltimo clculo deducimos que el 3 tiene multiplicidad geomtrica 1, que es menor a sus multiplicidad
algebraica por lo que la matriz no es diagonalizable.
2
A= 0
0
a a2
3 1
1 3
Solucin:
(a) Usando las propiedades:
2x
a
0
3
x
0
1
a2
1
3x
= (2 x) 3 x
1
1
= (2 x)[(3 x)2 1] =
3x
= (2 x)[x2 6x + 8] = (x 2)2 (x 4)
(b) Para que sea diagonalizable el espacio propio asociado al 2 debe tener dimensin 2. Calculemos el espacio
propio denido por Ker(A 2I):
0
0
0
a
1
1
a2
1
1
Luego para que tenga dimensin 2, se debe tener que a = a2 , por lo tanto a {0, 1}.
47
Ejercicio 8 Sea T
cannica es:
7 2 4
A = 3 0 2
6 2 3
(a) Calcule el polinomio caracterstico de A y el espacio propio uno de sus valores propios.
(b) Calcule la matriz representante de A con respecto a la base
0
2
1
3 , 2 , 1
0
1
2
Solucin:
(a) Calculamos el polinomio caracterstico:
1x 0
1 x 0 1 + x
7 x 2
4
3 +C1
1 F3
C3 C
F1 F
3
x
3
x
2
x
2
=
=
3
6
6
6
2
2 3 x
2 3 x
x
1
= (1 x)[3x + x2 + 2] = (1 x)2 (2 x)
= (1 x)
2 3 x
6
3
6
2
1
2
6
4
2 0
0
4
2
0
0
4
0
0
Lo que implica que y = 3x 2z con x, z variables libres. Luego el espacio propio del 1 es:
*1 0 +
3 , 2
E1 =
0
1
(b) Calculamos las imagenes de la base:
1
7 2 4
1
1
T 3 = 3 0 2 3 = 3
0
6 2 3
0
0
0
7 2 4
0
0
T 2 = 3 0 2 2 = 2
1
6 2 3
1
1
2
7 2 4
2
4
T 1 = 3 0 2 1 = 2
2
6 2 3
2
4
1
0
0
48
0
1
0
0
0
2
0
1
3x