You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Apuntes</strong> <strong>de</strong> álgebra <strong>lineal</strong>Jose S. Cánovas Peña2 <strong>de</strong> febrero <strong>de</strong> 2008
Índice General1 Apren<strong>de</strong>mos a hacer cuentas 11.1 Matrices. Primeras <strong>de</strong>finiciones .............................. 11.2 Operaciones con matrices.................................. 21.2.1 Suma <strong>de</strong> matrices .................................. 21.2.2 Producto <strong>de</strong> matrices................................ 31.2.3 Multiplicación<strong>de</strong>unamatrizporunescalar ................... 51.3 Matriztraspuesta...................................... 61.4 Rango<strong>de</strong>unamatriz.Sistemas<strong>de</strong>ecuaciones<strong>lineal</strong>es.................. 71.4.1 Tipos <strong>de</strong> sistemas .................................. 91.4.2 Elteorema<strong>de</strong>Rouché-Frobenius.......................... 101.4.3 Resolución<strong>de</strong>sistemas.Método<strong>de</strong>Gauss .................... 111.5 Operacioneselementalesenmatrices ........................... 151.6 Cálculo <strong>de</strong> matrices inversas................................ 181.7 Determinantes <strong>de</strong> matrices cuadradas. Definición .................... 201.7.1 Propieda<strong>de</strong>s..................................... 211.7.2 Cálculo<strong>de</strong>lamatrizinversausando<strong>de</strong>terminantes. ............... 241.7.3 Resolución<strong>de</strong>sistemas<strong>de</strong>ecuaciones.Regla<strong>de</strong>Cramer............. 251.8 Ejercicios .......................................... 272 Espacio vectorial 352.1 Definiciones y propieda<strong>de</strong>s básicas............................. 352.2 Subespacios vectoriales................................... 372.3 Basesydimensión<strong>de</strong>espaciosvectoriales......................... 402.4 Ejercicios .......................................... 463 Aplicaciones <strong>lineal</strong>es 513.1 Definiciones y propieda<strong>de</strong>s básicas............................. 513.2 Subespaciosvectorialesasociadosaunaaplicación<strong>lineal</strong> ................ 533.2.1 Imagen<strong>de</strong>unaaplicación<strong>lineal</strong>........................... 533.2.2 Núcleo<strong>de</strong>unaaplicación<strong>lineal</strong>. .......................... 543.3 Matrizasociadaaunaaplicación<strong>lineal</strong>........................... 563.3.1 Matriz <strong>de</strong> la suma <strong>de</strong> aplicaciones <strong>lineal</strong>es y <strong>de</strong>l producto por escalares. . . . . 573.3.2 Matriz<strong>de</strong>lacomposición<strong>de</strong>aplicaciones<strong>lineal</strong>es. ................ 593.3.3 Matrizasociadaalasaplicaciones<strong>lineal</strong>esinversas. ............... 603.3.4 Matrices <strong>de</strong> cambio <strong>de</strong> base............................. 62i
Índice General3.3.5 Matrices asociadas a una aplicación <strong>lineal</strong> en bases diferentes. . . ....... 633.4 Ejercicios .......................................... 644 Diagonalización <strong>de</strong> matrices cuadradas 694.1 Valoresyvectorespropios<strong>de</strong>unamatriz.......................... 714.2 El polinomio característico................................. 734.3 Aplicaciones......................................... 754.3.1 Circuitos digitales.................................. 754.3.2 Procesos <strong>de</strong> Markov ................................. 774.4 Ejercicios .......................................... 785 Espacio vectorial eucí<strong>de</strong>o 815.1 Producto escalar ...................................... 815.2 Ortogonalidad........................................ 845.2.1 Método<strong>de</strong>ortonormalización<strong>de</strong>Gram-Schmidt ................. 855.2.2 Aplicaciónaladiagonalizaciónortogonal..................... 865.3 Subespacios ortogonales .................................. 875.4 Endomorfismos con significadogeométrico ........................ 915.4.1 Homotecias ..................................... 915.4.2 Proyecciones ..................................... 915.4.3 Simetrías ...................................... 915.4.4 Rotaciones en el plano ............................... 925.5 Ejercicios .......................................... 92ii
Capítulo 1Apren<strong>de</strong>mos a hacer cuentasSumario. Definición <strong>de</strong> matriz. Operaciones con matrices. Tipos <strong>de</strong> matrices.Operaciones elementales. Matrices elementales. Rango <strong>de</strong> una matriz. Matricesinversas. Definición <strong>de</strong> <strong>de</strong>terminante. Propieda<strong>de</strong>s básicas. Cálculo <strong>de</strong> la matrizinversa mediante <strong>de</strong>termiantes. Definición <strong>de</strong> sistema <strong>de</strong> ecuaciones <strong>lineal</strong>es. Formamatricial <strong>de</strong>l sistema. Teorema <strong>de</strong> Rouché—Frobenius. Método <strong>de</strong> Gauss. Método <strong>de</strong>Cramer.1.1 Matrices. Primeras <strong>de</strong>finicionesSea K el cuerpo <strong>de</strong> los números reales o números complejos (que a veces llamaremos escalares) y seanm, n números naturales. Una matriz n × m es una aplicación A : {1, 2, ..., n}×{1, 2, ..., m} → K, es<strong>de</strong>cir, dados (i, j) ∈ {1, 2, ..., n}×{1, 2, ..., m}, A(i, j) =a ij será un número real o complejo. Como eldominio<strong>de</strong>lamatriz(aplicación)A es finito, es más usual escribir una matriz <strong>de</strong> la siguiente forma⎛A = ⎜⎝⎞a 11 a 12 ... a 1ma 21 a 22 ... a 2m... ... ... ...a n1 a n2 ... a nmSe dirá entonces que la matriz A tiene n filas y m columnas. Denotaremos por M n×m (K) al conjunto<strong>de</strong> matrices <strong>de</strong> tamaño n × m con coeficientes en K. En caso <strong>de</strong> que n = m, es<strong>de</strong>cir,tenemoselmismo número <strong>de</strong> filas que <strong>de</strong> columnas, diremos que la matriz A es cuadrada. Por ejemplo, lamatriz⎛ ⎞1 2 3A = ⎝ 3 2 1 ⎠1 1 0es cuadrada al tener 3 filas y columnas. Como notación escribiremos las matrices <strong>de</strong> la formaA =(a ij ) j=1,2,...,mi=1,2,...,n o simplemente A =(a ij) si no hace falta especificar el número <strong>de</strong> filas y columnas.La fila i—ésima <strong>de</strong> la matriz A será <strong>de</strong>notada por A i =(a i1 ,a i2 , ...a im ), 1 ≤ i ≤ n. Nótese quecada fila <strong>de</strong> la matriz A es a su vez una matriz <strong>de</strong> una fila y m columnas. A su vez, la columna1⎟⎠ .
Apren<strong>de</strong>mos a hacer cuentasj—ésima <strong>de</strong> la matriz, 1 ≤ j ≤ m, la representaremos por⎛ ⎞a 1jA j = ⎜ a 2j⎟⎝ ... ⎠ ,a njyseráportantounamatriz<strong>de</strong>n filas y una columna. Por ejemplo, en la matriz anterior la filaA 2 =(3, 2, 1) mientras que la columna es⎛ ⎞A 3 =⎝ 3 10Dada la matriz A los elementos <strong>de</strong> la forma a ii , 1 ≤ i ≤ min{n, m} forman la diagonal principal<strong>de</strong> la matriz. Una matriz cuadrada que sólo tome valores no nulos en los elementos <strong>de</strong> la diagonalprincipal se dirá diagonal. Por ejemplo, las matricesA =⎛⎜⎝1 0 0 00 2 0 00 0 0 00 0 0 −1⎠ .⎞⎛⎟⎠ , B = ⎝2 0 00 −1 00 0 πserán diagonales. Como vemos las matrices diagonales cumplen que sus elementos a ij =0si i 6= j.Si somos menos exigentes y sólo pedimos que o bien a ij =0si ijtendremosla matrices (no necesariamente cuadradas) triangulares. Por ejemplo las matricesson triangulares.µ 1 0 01 2 0,⎛⎜⎝2 0 00 2 06 8 01 1 11⎞⎟⎠ , µ 1 1 10 2 0,⎛⎜⎝⎞⎠ ,2 0 10 2 70 0 00 0 0⎞⎟⎠1.2 Operaciones con matrices1.2.1 Suma <strong>de</strong> matricesDadas las matrices A, B ∈ M n×m (K), m, n ∈ N, se <strong>de</strong>fine la suma <strong>de</strong> ambas matrices comoA + B =(a ij )+(b ij )=(a ij + b ij ).Por ejemplo⎛⎜⎝0 1 −24 3 49 −4 −41 1 1⎞ ⎛⎟⎠ + ⎜⎝1 1 −51 5 82 −1 −11 1 2⎞ ⎛⎟⎠ = ⎜⎝1 2 −75 8 1211 −5 −52 2 3⎞⎟⎠ .2
Apren<strong>de</strong>mos a hacer cuentasDémonos cuenta que no es posible sumar matrices <strong>de</strong> distinto tamaño, es <strong>de</strong>cir, con distinto número<strong>de</strong> filas o columnas. Por ejemplo no es posible calcular⎛⎞0 1 −2 ⎛⎜ 4 3 4⎟⎝ 9 −4 −4 ⎠ + ⎝ 1 1 1 ⎞8 2 2 ⎠ .0 1 11 1 1La suma <strong>de</strong> matrices tiene las siguientes propieda<strong>de</strong>s que se infieren directamente <strong>de</strong> las propieda<strong>de</strong>s<strong>de</strong>l cuerpo K y son las siguientes:1. Propiedad asociativa. Dadas A, B, C ∈ M n×m (K) se verifica que (A+B)+C = A+(B+C).Para <strong>de</strong>mostrar esta propiedad consi<strong>de</strong>ramos(A + B)+C = ((a ij )+(b ij )) + (c ij )=(a ij + b ij )+(c ij )=((a ij + b ij )+c ij )= (a ij +(b ij + c ij )) = (a ij )+(b ij + c ij )=(a ij )+((b ij )+(c ij ))= A +(B + C),dado que la suma en el cuerpo K es asociativa.2. Propiedad conmutativa. Dadas A, B ∈ M n×m (K) se verifica que A + B = B + A. Para<strong>de</strong>mostrar esta propiedad consi<strong>de</strong>ramosA + B =(a ij )+(b ij )=(a ij + b ij )=(b ij + a ij )=(b ij )+(a ij )=B + A,dado que la suma en el cuerpo K es asociativa.3. Elemento neutro. Se trata <strong>de</strong> la matriz 0 ∈ M n×m (K), que es aquella que tiene cero en todassus componentes. Es claro entonces que dada A ∈ M n×m (K) se verifica que A+0 = 0+A = A.4. Elemento simétrico. Dado A ∈ M n×m (K) existe un elemento −A <strong>de</strong> manera que A +(−A) =(−A)+A = 0. DadalamatrizA =(a ij ) se tiene que −A =(−a ij ).EntoncesesclaroqueA +(−A) =(a ij )+(−a ij )=(0)=0.Por verificarse estas cuatro propieda<strong>de</strong>s, se dice que el par formado por el conjunto <strong>de</strong> matricescon la operación suma (M n×m (K), +) es un grupo conmutativo.1.2.2 Producto <strong>de</strong> matricesDadas las matrices A ∈ M n×m (K) y B ∈ M m×k (K), m, n, k ∈ N, se<strong>de</strong>fine el producto A · B =( P mk=1 a ikb kj ). Es <strong>de</strong>cir, para po<strong>de</strong>r multiplicar dos matrices en número <strong>de</strong> columnas <strong>de</strong> la primeraha <strong>de</strong> coincidir con el número <strong>de</strong> filas <strong>de</strong> la segunda. Por ejemplo⎛µ 1 0 2· ⎝ 1 1 1 ⎞µ 2 0 2 ⎠ 7 7 −5=−1 1 −2−5 −7 73 3 −3Las propieda<strong>de</strong>s que cumple el producto <strong>de</strong> matrices son las siguientes.3
Apren<strong>de</strong>mos a hacer cuentas1. Propiedad asociativa. Dadas A ∈ M n×m (K), B ∈ M m×k (K), C ∈ M k×l (K) se verifica que(A · B) · C = A · (B · C). Para ver la <strong>de</strong>mostración consi<strong>de</strong>ramos(A · B) · C = ((a ij ) · (b ij )) · (c ij )=(= (s=1 r=1= (a ij ) · (mXa ir b rj ) · (c ij )r=1kX mXmX kXa ir b rs c sj )=( a ir ( b rs c sj ))r=1s=1kXb rs c sj )=A · (B · C).s=12. En general no cabe plantearse si se cumple la propiedad conmutativa ya que como vemos en elejemplo anterior, no se pue<strong>de</strong> hacer el producto en or<strong>de</strong>n inverso porque el número <strong>de</strong> columnas<strong>de</strong> la segunda matriz no coinci<strong>de</strong> con el número <strong>de</strong> filas <strong>de</strong> la primera matriz. Ahora bien, encaso <strong>de</strong> po<strong>de</strong>r realizarse el producto, por ejemplo si las matrices son cuadradas la propiedadconmutativa no se verifica como pone <strong>de</strong> manifiesto el siguiente ejemplo:µ 1 11 1mientras que µ 2 01 1··µ 2 01 1µ 1 11 1==µ 3 13 1µ 2 22 23. Existe un elemento neutro, llamado i<strong>de</strong>ntidad y que es la matriz diagonal que tiene 1 encada elemento <strong>de</strong> la diagonal principal. Si llamamos I n ∈ M n×n (K) alamatrizi<strong>de</strong>ntidadyA ∈ M n×m (K), severifica que I n · A = A · I m = A. Si la matriz A es cuadrada, entoncesI n · A = A · I n = A.4. No toda matriz cuadrada A no nula tiene matriz inversa, es <strong>de</strong>cir, otra matriz A −1 tal queA · A −1 = A −1 · A = I n . En caso <strong>de</strong> existirµ diremosque la matriz A es invertible yqueA −11 0es su matriz inversa. Por ejemplo la matriz no tiene inversa ya que si esta existiera1 0tendría que verificarse queµ 1 01 0 µ µ a b a b· = =c d a b.µ 1 00 1ytendríamosquea =1y a =0, lo cual es absurdo. Por ejemplo la matrizµ 1 0invertible, siendo su inversa0 1 2invertibles y cómo se obtiene su inversa en caso <strong>de</strong> serlo.µ 1 00 2es. Veremos posteriormente cómo caracterizar las matrices5. Propiedad ditributiva <strong>de</strong>l producto respecto <strong>de</strong> la suma <strong>de</strong> matrices. Dadas A ∈ M n×m (K)B, C ∈ M m×k (K), severifica que A · (B + C) =A · B + A · C. Para <strong>de</strong>mostrar esta i<strong>de</strong>ntidad4
Apren<strong>de</strong>mos a hacer cuentasconsi<strong>de</strong>ramosA · (B + C) = (a ij ) · (b ij + c ij )=(= (mXa ir b rj +r=1mXa ir (b rj + c rj ))r=1mXa ir c rj )=(a ij ) · (b ij )+(a ij )+(c ij )r=1= A · B + A · C.1.2.3 Multiplicación <strong>de</strong> una matriz por un escalarSean α ∈ K y A ∈ M n×m (K), n, m ∈ N. Se <strong>de</strong>fine la multiplicación <strong>de</strong> α por A =(a ij ) como lamatriz α · A =(αa ij ).Porejemplo⎛2 · ⎝ 1 2 ⎞ ⎛2 3 ⎠ = ⎝ 2 4 ⎞4 6 ⎠ .3 4 6 8Veamos que propieda<strong>de</strong>s tiene este producto.1. Propiedad distributiva <strong>de</strong>l producto respecto <strong>de</strong> la suma <strong>de</strong> matrices. Sean α ∈ K y A, B ∈M n×m (K), entoncesseverifica que α · (A + B) =α · A + α · B. Para probar esta igualdadconsi<strong>de</strong>ramosα · (A + B) = α · ((a ij )+(b ij )) = α · (a ij + b ij )=(α(a ij + b ij ))= (αa ij + αb ij )=(αa ij )+(βa ij )=α(a ij )+α(b ij )= α · A + α · B.2. Propiedad distributiva <strong>de</strong>l producto respecto <strong>de</strong> la suma <strong>de</strong> escalares. Sean α, β ∈ K y A ∈M n×m (K), entoncessecumpleque(α + β) · A = α · A + β · A. Para <strong>de</strong>mostrar la igualdadtomamos(α + β) · A = (α + β) · (a ij )=((α + β)a ij )=(αa ij + βa ij )= (αa ij )+(βa ij )=α · (a ij )+β · (a ij )=α · A + β · B.3. Propiedad pseudoasociativa. Sean α, β ∈ K y A ∈ M n×m (K), entonces se cumple que (αβ) ·A = α · (β · A). Para <strong>de</strong>mostrar la igualdad sea(αβ) · A = (αβ) · (a ij )=((αβ)a ij )=(α(βa ij ))= α · (βa ij )=α · (β · (a ij )) = α · (β · A).4. Para toda matriz A ∈ M n×m (K) se verifica que 1 · A = A. Para <strong>de</strong>mostrarlo consi<strong>de</strong>ramos1 · A =1· (a ij )=(1a ij )=(a ij )=A.Estas propieda<strong>de</strong>s junto con las propieda<strong>de</strong>s <strong>de</strong> la suma <strong>de</strong> matrices hace que la terna (M n×m (K), +, ·)tenga estructura <strong>de</strong> espacio vectorial, como veremos con mayor <strong>de</strong>talle en el tema <strong>de</strong>dicado a los espaciosvectoriales.5
Apren<strong>de</strong>mos a hacer cuentas1.3 Matriz traspuestaDada una matriz A =(a ij ) j=1,2,...,mi=1,2,...,n ∈ M n×m(K), se<strong>de</strong>fine su matriz traspuesta <strong>de</strong> A como unamatriz <strong>de</strong>notada A t ∈ M m×n (K) y que se contruye intercambiando las filasporlascolumnas<strong>de</strong>A,esto es, A t =(a t ij) j=1,2,...,ni=1,2,...,m cumple at ij = a ji . Por ejemplo la traspuesta <strong>de</strong>⎛⎝ 2 3 ⎞1 1 ⎠2 1será la matriz µ 2 1 23 1 1Veamos cúales son las propieda<strong>de</strong>s <strong>de</strong> la trasposición <strong>de</strong> matrices.Proposition 1 Sean α ∈ K, A, B ∈ M m×n (K) y C ∈ M n×l (K). Entonces(a) (A t ) t = A.(b) (α · A) t = α · A t .(c) (A + B) t = A t + B t .(d) (A · C) t = C t · A t .(e) Si A ∈ M n×n (K) es una matriz invertible, entonces (A −1 ) t =(A t ) −1 .Demostración. La propiedad (a) es inmediata. Para probar (b) calculamosPara <strong>de</strong>mostrar (c) calculamos.α · A t = α · (a t ij) =α · (a ji )=(αa ji )=(α · A) t .A t + B t =(a t ij)+(b t ij) =(a ji )+(b ji )=(a ji + b ji )=((a ij + b ij ) t )=(A + B) t .Para la <strong>de</strong>mostración <strong>de</strong> (d)C t · A t =(c t ij) · (a t ij) =Ã nXk=1c t ika t kj! Ã nX!= a jk c ki =(A · C) t .k=1Para <strong>de</strong>mostar la última propiedad, sea A −1 la matriz inversa <strong>de</strong> A. Entonces A · A −1 = I n .Siaplicamos la propiedad anterior tenemos que(A · A −1 ) t =(A −1 ) t · A t = I t n = I n ,dado que I n es una matriz diagonal y su inversa es ella misma. Ahora bien, tenemos que (A −1 ) t·A t =I n , <strong>de</strong> don<strong>de</strong> <strong>de</strong>ducimos que A t es invertible y su matriz inversa (A t ) −1 =(A −1 ) t .6
Apren<strong>de</strong>mos a hacer cuentasLa matriz traspuesta se utiliza para <strong>de</strong>finir dos tipos especiales <strong>de</strong> matrices. Una matriz cuadradaA se dice simétrica si A t = A ysediceantisimétrica si A t = −A. SiunamatrizA es simétrica severifica queA =(a ij )=(a t ij) =A t ,por lo quea ij = a t ij = a ji .Así, ejemplos <strong>de</strong> matrices simétricas son⎛⎛⎝ 1 1 0 ⎞1 1 3 ⎠ , ⎜⎝0 3 00 1 0 −11 −1 4 00 4 4 3−1 0 3 0⎞⎟⎠ .Si por el contrario la matriz A es antisimétrica, entonces tenemos queA =(a ij )=−(a t ij) =−A t ,por lo quea ij = −a t ij = −a ji ,ysii = j, entonces 2a ii =0,porloquea ii =0. Son ejemplos <strong>de</strong> matrices antisimétricas⎛⎞⎛⎞ 0 1 0 −10 1 0⎝ −1 0 −3 ⎠ , ⎜ −1 0 4 0⎟⎝ 0 −4 0 3 ⎠ .0 3 01 0 −3 01.4 Rango <strong>de</strong> una matriz. Sistemas <strong>de</strong> ecuaciones <strong>lineal</strong>esSea A ∈ M n×m (K) una matriz. Recor<strong>de</strong>mos que las n filas <strong>de</strong> la matriz las <strong>de</strong>notamos porA 1 , A 2 , ..., A n y las m columnas por A 1 , A 2 ,...,A m . Las filas A 1 , A 2 , ..., A n (resp. columnasA 1 , A 2 , ..., A m ) son <strong>lineal</strong>mente in<strong>de</strong>pendientes si dada la expresión α 1 ·A 1 +α 2 ·A 2 +...+α n ·A n = 0(resp. α 1 · A 1 + α 2 · A 2 + ... + α m · A m = 0) se<strong>de</strong>ducequeα i =0para todo 1 ≤ i ≤ n (resp. α i =0para todo 1 ≤ i ≤ m). Se llama rango <strong>de</strong> la matriz A, <strong>de</strong>notado r(A), alnúmeromáximo<strong>de</strong>filas ocolumnas <strong>lineal</strong>mente in<strong>de</strong>pendientes que hay en A.Consi<strong>de</strong>remos la matrizµ 1 1A = .0 1Calculemos su rango tomando por ejemplo las dos filas A 1 =(1, 1) y A 2 =(0, 1). Planteamosentonces la expresiónα 1 · A 1 + α 2 · A 2 = α 1 · (1, 1) + α 2 · (0, 1) = (α 1 , α 1 + α 2 )=(0, 0),<strong>de</strong> don<strong>de</strong> obtenemos el examen ½α1 =0,α 1 + α 2 =0,<strong>de</strong> don<strong>de</strong> obviamente α 1 = α 2 =0.7
Apren<strong>de</strong>mos a hacer cuentasRemark 1 En principio habría que distinguir el rango por filascomoelnúmeromáximo<strong>de</strong>filas <strong>lineal</strong>mentein<strong>de</strong>pendientes y el rango por columnas <strong>de</strong>finido intercambiando filas por columnas. Pue<strong>de</strong>probarse (ver por ejemplo [?]) que el rango por filas y por columnas coinci<strong>de</strong>n. De esta manera cobrasentidola<strong>de</strong>finición establecida anteriormente.En general, dada una matriz A =(a ij ) ∈ M n×m (K), calcular su rango supone, en el caso <strong>de</strong>obtener el rango utilizando las columnas <strong>de</strong> la matriz, resolver expresiones <strong>de</strong> la formaα 1 · A 1 + ... + α m · A m = 0,oequivalentemente⎛A · ⎝ α ⎞1... ⎠ =α mque en forma extendida se escribe como⎧⎨⎩⎛⎝ 0...0⎞⎠ ,a 11 α 1 + ... + a m1 α m =0,......................................a 1n α 1 + ... + a mn α m =0.Esto nos da pie para introducir el concepto <strong>de</strong> sistema <strong>de</strong> ecuaciones <strong>lineal</strong>es como una expresión<strong>de</strong> la forma ⎧⎪ ⎨⎪ ⎩a 11 x 1 + a 12 x 2 + ···+ a 1m x m = b 1a 21 x 1 + a 22 x 2 + ···+ a 2m x m = b 2.....................................................a n1 x 1 + a n2 x 2 + ···+ a nm x m = b ndon<strong>de</strong> los escalares a ij ∈ K (1 ≤ i ≤ n, 1 ≤ j ≤ m) reciben el nombre <strong>de</strong> coeficientes <strong>de</strong>l sistema, b i(b i ∈ K) se <strong>de</strong>nominan términos in<strong>de</strong>pendientes y x j (1 ≤ j ≤ m) sonlasincógnitas <strong>de</strong>l sistema. Sise consi<strong>de</strong>ra la matriz formada por los coeficientes⎛A = ⎜⎝⎞a 11 a 12 ··· a 1ma 21 a 22 ··· a 2m⎟. . . ⎠a n1 a n2 ··· a nmllamada matriz <strong>de</strong>l sistema y los vectores columna⎛ ⎞ ⎛ ⎞x 1b 1⎜ ⎟ ⎜ ⎟x = ⎝ . ⎠ y b = ⎝ . ⎠ ∈ K n ,x m b n<strong>de</strong>nominados vector incógnita y vector <strong>de</strong> términos in<strong>de</strong>pendientes respectivamente, el sistema anteriorpue<strong>de</strong> reescribirse como:A · x = b,expresión <strong>de</strong>nominada forma matricial <strong>de</strong>l sistema. Obsérvese cómo la notación matricial permiteescribirlossistemas<strong>de</strong>ecuaciones<strong>lineal</strong>es<strong>de</strong>formamanejableycompacta.8
Apren<strong>de</strong>mos a hacer cuentasDefinition 1 Una solución <strong>de</strong>l sistema anterior es una m-tupla <strong>de</strong> elementos x ∗ 1,...,x ∗ m ∈ K <strong>de</strong>forma que al sustituir cada incógnita por el x ∗ j correspondiente se verifican todas las ecuaciones.Usando la notación matricial, una solución será un vector x ∗ ∈ K m tal que A · x ∗ = b.Por ejemplo consi<strong>de</strong>remos el sistema ⎧⎨x 1 + x 2 + x 3 =3,2x 1 + x 2 =3,⎩x 1 − x 2 + x 3 =1,o <strong>de</strong> forma matricial ⎛⎝ 1 1 1 ⎞ ⎛2 1 0 ⎠ · ⎝ x ⎞ ⎛1x 2⎠ = ⎝ 3 ⎞3 ⎠ .1 −1 1 x 3 1Veamos que la matriz (1, 1, 1) t ,es<strong>de</strong>cirx 1 = x 2 = x 3 =1, es solución <strong>de</strong>l sistema. Para ellomultiplicamos ⎛⎝ 1 1 1 ⎞ ⎛2 1 0 ⎠ · ⎝ 1 ⎞ ⎛1 ⎠ = ⎝ 1+1+1 ⎞ ⎛2+1 ⎠ = ⎝ 3 ⎞3 ⎠ .1 −1 1 1 1 − 1+1 11.4.1 Tipos <strong>de</strong> sistemasSegún su estructura se distinguen dos tipos <strong>de</strong> sistemas <strong>de</strong> ecuaciones <strong>lineal</strong>es.• Los sistemas homogéneos son aquellos en que los términos in<strong>de</strong>pendientes son todos nulos, es<strong>de</strong>cir, b = 0, manteniendo la notación anterior. Son los sistemas que hemos <strong>de</strong> resolver paracalcular el rango <strong>de</strong> una matriz.• Cuando b 6= 0, es <strong>de</strong>cir, alguno <strong>de</strong> los términos in<strong>de</strong>pendientes es no nulo, el sistema se diceque es no homogéneo.Una característica importante <strong>de</strong> los sistemas homogéneos es que el vector nulo es siempre solución<strong>de</strong> los mismos, algo que no ocurre en el caso no homogéneo don<strong>de</strong> no siempre los sistemas tienensolución. Por ejemplo, el sistema ½x1 + x 2 =1,2x 1 +2x 2 =0,que no pue<strong>de</strong> tener solución porque entonces obtendríamos que 0=1, lo cual es absurdo.La existencia o no <strong>de</strong> solución, induce otra clasificación en la clase <strong>de</strong> los sistemas <strong>de</strong> ecuaciones<strong>lineal</strong>es.• Sistemas incompatibles. Un sistema se dice que es incompatible si no admite solución.• Sistemas compatibles. Un sistema es compatible si tiene solución. Se distinguen a su vez dostipos <strong>de</strong> sistemas compatibles atendiendo al número <strong>de</strong> soluciones.— Sistemas compatibles <strong>de</strong>terminados. Son aquellos que tienen una única solución.— Sistemas compatibles in<strong>de</strong>terminados. Sonlosquetienenmás<strong>de</strong>unasolución.Veremos a continuación cómo caracterizar los distintos tipos <strong>de</strong> sistemas y cómo obtener la solución<strong>de</strong>losmismosencaso<strong>de</strong>existir.9
Apren<strong>de</strong>mos a hacer cuentas1.4.2 El teorema <strong>de</strong> Rouché-FrobeniusDado un sistema <strong>de</strong> ecuaciones <strong>lineal</strong>es, el primer paso consiste en <strong>de</strong>terminar su carácter, es <strong>de</strong>cir,versiescompatibley<strong>de</strong>quétipooincompatible. Esteprocesoesloqueseconocecomodiscutirel sistema. Sea entonces el sistema A · x = b, conA ∈ M n×m (K) y<strong>de</strong>finamos la matriz A|b =(A |b) ∈ M n×(m+1) (K), es <strong>de</strong>cir, la matriz que se obtiene añadiendo b como columna a la matriz A.Recor<strong>de</strong>mos que A 1 ,...,A m ∈ K n son las columnas <strong>de</strong> la matriz A. Usando esta notación el sistemapue<strong>de</strong> reescribirse como:x 1 · A 1 + x 2 · A 2 + ···+ x m · A m = b,<strong>de</strong> don<strong>de</strong> se <strong>de</strong>duce que la existencia <strong>de</strong> solución es equivalente a que el vector b pueda obtenersecomo combinación <strong>lineal</strong> <strong>de</strong> A 1 ,...,A m . Entonces se tiene que:• El sistema es incompatible, es <strong>de</strong>cir, no existe solución alguna <strong>de</strong>l sistema si y sólo si r(A)
Apren<strong>de</strong>mos a hacer cuentastiene por única solución α 1 = α 2 = α 3 =0, por lo que las columnas A 1 , A 2 y A 3 son <strong>lineal</strong>mentein<strong>de</strong>pendientes. El rango <strong>de</strong> la matriz⎛B = ⎝ 1 1 1 ⎞0 2 −2 ⎠0 0 0es dos ya que una fila <strong>de</strong> ceros es siempre <strong>lineal</strong>mente <strong>de</strong>pendiente con cualesquiera otras filas. Nóteseque siempre es posible escribir0 · (1, 1, 1) + 0 · (0, 2, −2) + α · (0, 0, 0) = (0, 0, 0)para cualquier α ∈ R. Así, po<strong>de</strong>mos “eliminar” la fila <strong>de</strong> ceros y calcular el rango <strong>de</strong> la matrizµ 1 1 1C =,0 2 −2que tendrá como máximo rango dos al tener únicamente dos filas. Comoµ µ µ µ µ 1 1 1 1α 1 · A 1 + α 2 · A 2 α1 0= α 1 · + α2 2 · = · =2 0 2 α 2 0tiene por solución α 1 = α 2 =0ambas columnas son <strong>lineal</strong>mente in<strong>de</strong>pendientes y por tanto r(C) =r(B) =2.Vamos a ver en el siguiente apartado cómo obtener la solución <strong>de</strong> un sistema y el rango <strong>de</strong> matricescuando éstas no son triangulares. Para ello necesitamos introducir una manera <strong>de</strong> manipular sistemasomatricespormedio<strong>de</strong>unasoperacionesquellamaremoselementales.1.4.3 Resolución <strong>de</strong> sistemas. Método <strong>de</strong> GaussLa i<strong>de</strong>a <strong>de</strong> este método es encontrar un sistema equivalente al original que sea sencillo <strong>de</strong> resolver.Para ello se efectúan transformaciones elementales sobre las filas <strong>de</strong>l sistema <strong>de</strong> tal manera queambos sistemas, el original y el transformado, tengan las mismas soluciones. Estas operaciones quellamaremos elementales son las siguientes:1. Intercambiar dos filas <strong>de</strong>l sistema.2. Multiplicar una fila <strong>de</strong>l sistema por un escalar α ∈ K no nulo.3. Suma a una fila <strong>de</strong>l sistema otra fila multiplicada por un escalar α ∈ K.En general, si <strong>de</strong>notamos por O una <strong>de</strong> estas operaciones elementales, escribiremosA · x = b →OA(O) · x = b(O),don<strong>de</strong> A(O) y b(O) son las nuevas matrices <strong>de</strong>l sistema transformado. Por ejemplo, dado el sistema⎛⎝ 1 1 1 ⎞ ⎛1 −1 0 ⎠ · ⎝ x ⎞ ⎛y ⎠ = ⎝ 1 ⎞0 ⎠ ,1 2 3 z 611
Apren<strong>de</strong>mos a hacer cuentasrealizamos las siguientes operaciones elementales. Si intercambiamos la segunda y tercera fila, operaciónque <strong>de</strong>notaremos por F 2 × F 3 , escribiremos⎛⎝ 1 1 1 ⎞ ⎛1 −1 0 ⎠ · ⎝ x ⎞ ⎛y ⎠ = ⎝ 1 ⎞ ⎛0 ⎠ → ⎝ 1 1 1 ⎞ ⎛1 2 3 ⎠ · ⎝ x ⎞ ⎛y ⎠ = ⎝ 1 ⎞6 ⎠ ,F2 ×F1 2 3 z 631 −1 0 z 0yenestecaso,como⎛A = ⎝ 1 1 1 ⎞1 −1 0 ⎠1 2 3tendremos que⎛A(O) = ⎝ 1 1 1 ⎞⎛1 2 3 ⎠ y b(O) = ⎝ 1 ⎞6 ⎠ .1 −1 00Si al sistema original le hacemos la operación 2F 1 , esto es, multiplicamos la segunda fila por 2obtenemos⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞1 1 1 x 1 1 1 1 x 1⎝ 1 −1 0 ⎠ · ⎝ y ⎠ = ⎝ 0 ⎠ → ⎝ 2 −2 0 ⎠ · ⎝ y ⎠ = ⎝ 0 ⎠ ,2F21 2 3 z 6 1 2 3 z 6yahora⎛A(2F 2 )= ⎝ 1 1 1 ⎞2 −2 0 ⎠ .1 2 3Finalmente, si le sumamos a la tercera fila la primera multimplicada por tres escribimos⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞1 1 1 x 11 1 1 x 1⎝ 1 −1 0 ⎠ · ⎝ y ⎠ = ⎝ 0 ⎠ → ⎝ 1 −1 0 ⎠ · ⎝ y ⎠ = ⎝ 0 ⎠ ,F3 +3F1 2 3 z 614 5 6 z 9y⎛A(F 3 +3F 1 )= ⎝1 1 11 −1 04 5 6Démonos cuenta que toda operación elemental se pue<strong>de</strong> revertir, esto es, existe otra operaciónelemental que nos <strong>de</strong>vuelve al sistema original. Es fácil ver que si realizamos la operación intercambiarlas filas i y j, F i × F j , entonces realizando la misma operación volvemos al sistema original, esto es,A · x = b⎞⎠ .→ A(F i × F j ) · x = b(F i × F j ) → A · x = b.Fi ×F j Fi ×F jSi la operación es multiplicar la fila i por α ∈ K \{0}, entonces es fácil ver queA · x = b →αFiA(αF i ) · x = b(αF i ) →1α F iA · x = b.12
Apren<strong>de</strong>mos a hacer cuentasFinalmente, si la operación es sumar a la fila i la fila j multiplicada por α, entoncesA · x = b→ A(F i + αF j ) · x = b(F i + αF j ) → A · x = b.Fi +αF j Fi −αF jEsta propiedad nos resultará útil para probar el siguiente resultado, que como veremos es clave.Proposition 3 Sea A · x = b un sistema dado en forma matricial con A ∈ M n×m (K) y b ∈M n×1 (K). Realicemos la operación elemental O sobre el sistema. Entonces los sistemas A · x = by A(O) · x = b(O) tienen las mismas soluciones.Demostración. Para fijar i<strong>de</strong>as sea A =(a ij ) y b =(b i ). Sea x 0 =(x 0 1, ..., x 0 m) t una soluciónarbitraria <strong>de</strong>l sistema A · x = b y veamos que también es solución <strong>de</strong> A(O) · x = b(O). Distingamosparaellolossiguientestrescasos.SiO = F i × F j , entonces es obvio darse cuenta que x 0 también essolución. Si multiplicamos la fila i por α ∈ K \{0}, entoncesαa i1 x 0 1 + ... + αa im x 0 m = α(a i1 x 0 1 + ... + a im x 0 m)=αb i .Como las <strong>de</strong>más filas <strong>de</strong>l sistema no han variado también se satisfacen las ecuaciones y por tanto x 0es solución <strong>de</strong> A(αF i ) · x = b(αF i ). Finalmente, si la operación es F i + αF j , tenemos que(a i1 + αa j1 )x 0 1 + ... +(a im + αa jm )x 0 m = a i1 x 0 1 + ... + a im x 0 m + α(a j1 x 0 1 + ... + a jm x 0 m)=b i + αb j .Como <strong>de</strong> nuevo las <strong>de</strong>más filas <strong>de</strong>l sistema no han variado también se satisfacen las ecuaciones y portanto x 0 es solución <strong>de</strong> A(F i + αF j ) · x = b(F i + αF j ).Hemos probado entonces que toda x 0 solución <strong>de</strong> A · x = b, también es solución <strong>de</strong> A(O) · x =b(O). Veamos ahora el recíproco. Para ello, sea O 0 la operación elemental tal queA · x = b →OA(O) · x = b(O) →O 0A · x = b,y entonces, vemos que igualmente y por la misma razón toda solución <strong>de</strong> A(O) · x = b(O) lo es <strong>de</strong>A · x = b.Veamos entonces como aprovechar esta propiedad para obtener las soluciones <strong>de</strong>l sistema. Parafijar i<strong>de</strong>as, sea A · x = b un sistema dado en forma matricial con A ∈ M n×m (K). El método <strong>de</strong>Gauss consta <strong>de</strong> las siguientes etapas:• En primer lugar se realizan transformaciones elementales por filas sobre la matriz ampliada <strong>de</strong>lsistema A|b hasta obtener una matriz equivalente <strong>de</strong> la formaµ B c,0 dcon B una matriz lo más sencilla posible (triangular en la mayoría <strong>de</strong> los casos). El sistemaoriginal tiene las mismas soluciones que el sistemaµ µ B c· x = ,0d<strong>de</strong> don<strong>de</strong> tenemos que:13
Apren<strong>de</strong>mos a hacer cuentas• Si d 6= 0 el sistema es incompatible.• Si d = 0, entonces el sistema es compatible y equivalente a B · x = c, que es un sistema cuyassoluciones son fáciles <strong>de</strong> calcular.Pongamos un ejemplo. Consi<strong>de</strong>remos el sistema⎧⎨ 2x +2y − 3z =2,−x +5y − 4z =4,⎩x +7y − 7z =7.Escribimos la matriz asociada ampliada⎛A|b = ⎝ 2 2 −3 2 ⎞−1 5 −4 4 ⎠1 7 −7 7y hacemos operaciones elementales fila⎛⎝ 2 2 −3 2 ⎞ ⎛−1 5 −4 4 ⎠ −→ ⎝ 1 7 −7 7 ⎞ ⎛−1 5 −4 4 ⎠ −→ ⎝ 1 7 −7 70 12 −11 11F1 ×F1 7 −7 73 F2 +F2 2 −3 212 2 −3 2⎛⎞ ⎛⎞−→ ⎝⎠ −→ ⎝⎠ ,F 3 −2F 1 F3 +F 21 7 −7 70 12 −11 110 −12 11 121 7 −7 70 12 −11 110 0 0 1⎞⎠ −→F 3 −2F 1por lo que r(A) =2mientras que r(A|b) =3y el sistema es incompatible.Consi<strong>de</strong>remos ahora el sistema ⎧⎨ x +2y − 3z =4,2x +3y − 6z =1⎩−x − y + z = −2.Su matriz ampliada es⎛A|b = ⎝ 1 2 −3 4 ⎞2 3 −6 1 ⎠−1 −1 1 −2y haciendo operaciones elementales fila tenemos⎛⎝ 1 2 −3 4 ⎞ ⎛2 3 −6 1 ⎠ −→ ⎝ 1 2 −3 4 ⎞ ⎛0 −1 0 −7 ⎠ −→ ⎝ 1 2 −3 40 −1 0 −7F−1 −1 1 −22 −2F 1 F3 +F−1 −1 1 −210 1 −2 2⎛⎞1 2 −3 4−→ ⎝ 0 −1 0 −7 ⎠ ,F 3 +F 20 0 −2 −5que como vemos es una matriz triangular que da lugar al sistema⎧⎨ x +2y − 3z =4,−y = −7⎩−2z = −5,⎞⎠ −→F3 +F 214
Apren<strong>de</strong>mos a hacer cuentas<strong>de</strong> don<strong>de</strong> fácilmente obtenemos la solución(x, y, z) =(−5/2, 7, 5/2).Veamos otro ejemplo con el sistema½ x − 2y +3z =2,2x +5y +6z =0.Escribimos la matriz ampliadaA|b =y hacemos operaciones elementales filaµ 1 −2 3 22 5 6 0µ 1 −2 3 22 5 6 0µ 1 −2 3 2−→F 2 −2F 1 0 9 0 −4<strong>de</strong> don<strong>de</strong> el sistema original tendrá las mismas soluciones que el sistema½ x − 2y +3z =2,9y = −4,quefácilmentevemosquetieneporsoluciones(x, y, z) =(26/9 − 3t, −4/9,t), t∈ R.Como el sistema original tiene las mismas soluciones que el sistemaµ µ B c· x = ,0dcon B una matriz triangular. Si el sistema es compatible, entonces d = 0 ysielnúmerototal<strong>de</strong>incógnitas es m, entonces sólo po<strong>de</strong>mos <strong>de</strong>spejar r(B) incónitas. El resto <strong>de</strong> incógnitas hemos <strong>de</strong>renunciar a calcularlas y asignarles un valor real arbitrario (parámetro). Entonces la solución <strong>de</strong>lsistema <strong>de</strong>pen<strong>de</strong>rá <strong>de</strong> m − r(B) parámetros. En el ejemplo anterior teníamos 3 incógnitas mientrasque el rango <strong>de</strong> la matriz era dos, y así la solución <strong>de</strong>pendía <strong>de</strong> un parámetro.,1.5 Operaciones elementales en matricesPara calcular el rango <strong>de</strong> una matriz <strong>de</strong> forma práctica necesitamos unas herramientas que se conocencon el nombre <strong>de</strong> operaciones elementales fila y columna, y que son totalmente análogas a lasoperaciones elementales que hemos estudiado al resolver sistemas <strong>de</strong> ecuaciones <strong>lineal</strong>es. Así, dadauna matriz A ∈ M n×m (K), estas operaciones son tres:1. Intercambiar dos filas (columnas) <strong>de</strong> la matriz A.2. Multiplicar una fila (columna) por un escalar α ∈ K no nulo.15
Apren<strong>de</strong>mos a hacer cuentas3. Suma a una fila (columna) otra fila (columna) multiplicada por un escalar α ∈ K.Para evitar equívocos que se pue<strong>de</strong>n producir al utilizar indistintamente operaciones elementalesfila y columna, a partir <strong>de</strong> ahora vamos a trabajar únicamente con operaciones elementales fila.Fijemos un poco <strong>de</strong> notación para enten<strong>de</strong>rnos. Consi<strong>de</strong>remos una matriz A y realizemos sobre ellauna operación elemental fila O. Escribiremos entoncesA −→OA(O),don<strong>de</strong> A(O) es la amtriz resultante <strong>de</strong> realizar en A la operación O. Dada por ejemplo⎛A = ⎝ 1 0 2 −1 ⎞2 1 0 4 ⎠−1 2 0 1si intercambiamos la fila 2 por la fila 3 escribiremos⎛⎞ ⎛1 0 2 −11 0 2 −1⎝ 2 1 0 4 ⎠ −→ ⎝ −1 2 0 1F2 ×F−1 2 0 132 1 0 4⎞⎠ = A(F 2 × F 3 ).Si muliplicamos la primera fila <strong>de</strong> A por 2 escribimos⎛⎞ ⎛1 0 2 −12 0 4 −2⎝ 2 1 0 4 ⎠ −→ ⎝ 2 1 0 42F1−1 2 0 1−1 2 0 1⎞⎠ = A(2F 1 ).Si sumamos a la primera fila <strong>de</strong> A la segunda multiplicada por 2 escribimos⎛⎞ ⎛⎞1 0 2 −15 2 2 7⎝ 2 1 0 4 ⎠ −→ ⎝ 2 1 0 4 ⎠ = A(F 1 +2F 2 ).F−1 2 0 11 +2F 2−1 2 0 1Po<strong>de</strong>mos concatenar operaciones elementales filas⎛⎞ ⎛⎞1 0 2 −11 0 2 −1⎝ 2 1 0 4 ⎠ −→ ⎝ 2 1 0 4 ⎠ −→F3 +F−1 2 0 11 2F20 2 2 0⎛⎝1 0 2 −14 2 0 80 2 2 0⎞⎠ −→⎛⎝F3 ×F 21 0 2 −10 2 2 04 2 0 8⎞⎠ .Idéntica notación tenemos para operaciones columna cambiando F por C, aunque no usaremosestas.en general. La utilidad <strong>de</strong> las operaciones elementales para calcular el rango <strong>de</strong> una matriz seconcreta en el siguiente resultado.Proposition 4 Sea A ∈ M n×m (K) yseaO una operación elemental. Entonces r(A) =r(A(O)).Demostración. Sean k = r(A) e i 1 , ..., i k ∈ {1, ..., m} tal que A i1 , ..., A ik son columnas <strong>lineal</strong>mentein<strong>de</strong>pendientes. Si O = F i × F j , entonces las columnas <strong>de</strong> la matriz no cambian, soloel or<strong>de</strong>n, y es claro que el número <strong>de</strong> columnas <strong>lineal</strong>mente in<strong>de</strong>pendientes es idéntico, con lo que16
Apren<strong>de</strong>mos a hacer cuentasr(A) =r(A(F i ×F j )). Supongamos que O = αF i , α ∈ K\{0}. Sii/∈ {i 1 , ..., i k },entonceslascolumnasA i1 , ..., A ik no han cambiado y r(A) ≤ r(A(αF i )). Sii ∈ {i 1 , ..., i k },porejemploi = i 1 , entonces<strong>de</strong> la expresión α 1 α · A i1 + ... + α k · A ik = 0, obtenemos por la in<strong>de</strong>pen<strong>de</strong>ncia <strong>lineal</strong> <strong>de</strong> A i1 , ..., A ikque α i =0si i =2, ..., k y αα 1 =0, <strong>de</strong> don<strong>de</strong> α 1 =0ya que α 6= 0. De nuevo r(A) ≤ r(A(αF i )).Entonces r(A) ≤ r(A(αF i )) ≤ r(A(αF i )( 1 F α i)) ≤ r(A), porloquer(A) =r(A(αF i )). Finalmente,supongamos que O = F i + αF j , α ∈ K. Sii/∈ {i 1 , ..., i k }, entonces las columnas A i1 , ..., A ik no hancambiado y r(A) ≤ r(A(F i + αF j )). Sii, j ∈ {i 1 ,...,i k },porejemploi = i 1 y j = i k ,entonces<strong>de</strong>laexpresiónα 1 · (α · A j + A i1 )+... + α k · A ik = α 1 · A i1 + ... +(αα 1 + α k ) · A ik = 0,obtenemos por la in<strong>de</strong>pen<strong>de</strong>ncia <strong>lineal</strong> <strong>de</strong> A i1 ,...,A ik que α i =0si i =1, ..., k − 1 y αα 1 + α k =0,<strong>de</strong> don<strong>de</strong> α k = 0 ya que α 1 = 0. De nuevo r(A) ≤ r(A(F i + αF j )). Si i ∈ {i 1 , ..., i k }, porejemplo i = i 1 , y distinguimos dos casos: si A j , A i2 , ..., A ik son <strong>lineal</strong>mente in<strong>de</strong>pendientes entoncesr(A) ≤ r(A(F i + αF j )). En caso contrario existen β i ∈ K, 1 ≤ i ≤ k, conβ 1 6=0<strong>de</strong> manera que<strong>de</strong> don<strong>de</strong>con γ i = −β i /β 1 , 2 ≤ i ≤ k. Escribamosβ 1 · A j + β 2 · A i2 + ... + β k · A ik = 0,A j = γ 2 · A i2 + ... + γ k · A ikα 1 · (α · A j + A i1 )+... + α k · A ik = α 1 · A i1 + ... +(αα 1 γ k + α k ) · A ik = 0ycomoA i1 , ..., A ik son <strong>lineal</strong>mente in<strong>de</strong>pendientes α 1 =0yasíαα 1 γ i + α i = α i =0, 2 ≤ i ≤ k, porla in<strong>de</strong>pen<strong>de</strong>ncia <strong>lineal</strong> <strong>de</strong> A i2 , ..., A ik .Asír(A) ≤ r(A(F i + αF j )). Comor(A) ≤ r(A(F i + αF j )) ≤ r(A(F i + αF j )(F i − αF j )) ≤ r(A),obtenemos que r(A) ≤ r(A(F i + αF j )).Las operaciones elementales conservan entonces el rango al transformar la matriz. Un métodopara calcular el rango <strong>de</strong> una matriz se basa en hacer operaciones elementales fila en una matrizhasta obtener una matriz triangular. Por ejemplo vamos a calcular el rango <strong>de</strong> la matriz <strong>de</strong>l ejemploanterior. Para ello hacemos operaciones elementales fila buscando una matriz triangular⎛⎝1 0 2 −12 1 0 4−1 2 0 1⎞ ⎛1 0 2 −1⎠ −→ ⎝ 0 1 −2 5F 2 −2F 1−1 2 0 1⎞⎠ −→⎛⎝F3 +F 11 0 2 −10 1 −2 50 2 2 0⎞⎠ −→⎛⎝F 3 −2F 11 0 2 −10 1 −2 50 0 6 −10y la última matriz es triangular y es fácil ver que sus tres primeras son <strong>lineal</strong>mente in<strong>de</strong>pendientesya que el sistema⎛α 1 · ⎝ 1 ⎞ ⎛0 ⎠ + α 2 · ⎝ 0 ⎞ ⎛1 ⎠ + α 3 · ⎝2 ⎞ ⎛−2 ⎠ = ⎝ 0 ⎞0 ⎠006 0tiene como única solución α 1 = α 2 = α 3 =0, por lo que su rango es tres.17⎞⎠ ,
Apren<strong>de</strong>mos a hacer cuentas1.6 Cálculo <strong>de</strong> matrices inversasLas operaciones elementales también pue<strong>de</strong>n emplearse para verificar si una matriz cuadrada esinvertible y para calcular su inversa en caso <strong>de</strong> que lo sea. Para ello hemos <strong>de</strong> introducir las matriceselementales. Parafijar i<strong>de</strong>as, sea I n la matriz i<strong>de</strong>ntidad. Se llama matriz elemental a aquella que seobtiene al efectuar una operación elemental a I n . Por ejemplo, las matrices⎛⎝ 1 0 0 ⎞ ⎛1 1 0 ⎠ , ⎝ 1 0 0 ⎞ ⎛0 1 0 ⎠ , ⎝ 0 1 0 ⎞1 0 0 ⎠0 0 1 0 0 2 0 0 1son matrices elementales. Entonces se verifica la siguiente propiedad que es la clave que permiteutilizar las operaciones elementales para calcular matrices inversas.Proposition 5 Sean A ∈ M n×n (K) y O una operación elemental fila. Entonces A(O) =I n (O) · A.Demostración. Supongamos en primer lugar que O = F k × F l .EntoncessiA(F k × F l )=(a ∗ ij),entonces a ∗ kj = a lj, a ∗ lj = a kj y a ∗ ij = a ij si i/∈ {k, l}. Si <strong>de</strong>notamos por δ ij =1si i = j y δ ij =0sii 6= j, entonces tenemos que I n (F k × F l )=(δ ∗ ij), don<strong>de</strong> δ ∗ kj = δ lj , δ ∗ lj = δ kj y δ ∗ ij = δ ij si i/∈ {k, l}.Entoncesà nX! ⎧⎨I n (F k × F l ) · A = δ ∗ isa sj =⎩s=1a kj si i = l,a lj si i = k,a ij si i 6= k, l,⎫⎬⎭ =(a∗ ij) =A(F k × F l ).Si O = αF k , α 6= 0,entoncesA(αF k )=(a ∗ ij), cona ∗ kj = αa kj y a ∗ ij = a ij si i 6= k. SimilarmenteI n (αF k )=(δ ∗ ij), don<strong>de</strong>δ ∗ kj = αδ kj y δ ∗ ij = δ ij si i 6= k. EntoncesI n (αF k ) · A =à nXs=1δ ∗ isa sj!=½αakj si i = k,a ij si i 6= k,¾=(a ∗ ij) =A(αF k ).Finalmente, supongamos que O = F k +αF l ysean<strong>de</strong>nuevoA(F k +αF l )=(a ∗ ij), cona ∗ kj = a kj +αa ljy a ∗ ij = a ij si i 6= k, eI n (F k + αF l )=(δ ∗ ij), don<strong>de</strong>δ ∗ kj = δ kj + αδ lj y δ ∗ ij = δ ij si i 6= k. EntoncesI n (F k + αF l ) · A =à nXs=1δ ∗ isa sj!=½akj + αa lj si i = k,a ij si i 6= k,¾=(a ∗ ij) =A(F k + αF l ),loqueconcluyelaprueba.Para ejemplificar el cómo po<strong>de</strong>mos aprovechar el resultado anterior para caracterizar matricesinvertibles y obtener a la vez la matriz inversa, tomemos⎛A = ⎝ 1 1 1 ⎞1 0 1 ⎠1 1 018
Apren<strong>de</strong>mos a hacer cuentasy calculamos su inversa mediante operaciones elementales. Para ello realizamos operaciones elementalesfila en la matriz buscando conseguir la matriz i<strong>de</strong>ntidad I 3 .⎛A = ⎝ 1 1 1 ⎞ ⎛1 0 1 ⎠ −→ ⎝ 1 1 1 ⎞ ⎛0 −1 0 ⎠ −→ ⎝ 1 1 1 ⎞0 −1 0 ⎠F2 −F1 1 01 F3 −F1 1 010 0 −1⎛: −→ ⎝ 1 1 0 ⎞ ⎛0 −1 0 ⎠ −→ ⎝ 1 0 0 ⎞0 −1 0 ⎠F1 +F 3 F1 +F0 0 −120 0 −1⎛: −→ ⎝ 1 0 0 ⎞ ⎛0 1 0 ⎠ −→ ⎝ 1 0 0 ⎞0 1 0 ⎠ = I 3 .−1·F2 −1·F30 0 −1 0 0 1Ahora bien, por la propiedad anterior, tenemos queI 3 = I 3 (−1 · F 3 ) · I 3 (−1 · F 2 ) · I 3 (F 1 + F 2 ) · I 3 (F 1 + F 3 ) · I 3 (F 3 − F 1 ) · I 3 (F 2 − F 1 ) · A,<strong>de</strong> don<strong>de</strong> <strong>de</strong>ducimos que la matriz A es invertible yA −1 = I 3 (−1 · F 3 ) · I 3 (−1 · F 2 ) · I 3 (F 1 + F 2 ) · I 3 (F 1 + F 3 ) · I 3 (F 3 − F 1 ) · I 3 (F 2 − F 1 ).Pero en vez <strong>de</strong> multiplicar todas estas matrices elementales, nos damos cuenta <strong>de</strong> queA −1 = I 3 (−1 · F 3 ) · I 3 (−1 · F 2 ) · I 3 (F 1 + F 2 ) · I 3 (F 1 + F 3 ) · I 3 (F 3 − F 1 ) · I 3 (F 2 − F 1 ) · I 3 ,y <strong>de</strong> nuevo por la propiedad anterior, la inversa la obtendremos haciendo las mismas operacioneselementales que hicimos en A pero ahora las hacemos sobre la i<strong>de</strong>ntidad y obtenemos⎛I 3 = ⎝ 1 0 0 ⎞ ⎛0 1 0 ⎠ −→ ⎝ 1 0 0 ⎞ ⎛−1 1 0 ⎠ −→ ⎝ 1 0 0 ⎞−1 1 0 ⎠F2 −F0 0 11 F3 −F0 0 11−1 0 1⎛ ⎞ ⎛ ⎞0 0 1−1 1 1: −→ ⎝ −1 1 0 ⎠ −→ ⎝ −1 1 0 ⎠F1 +F 3 F1 +F−1 0 12−1 0 1⎛⎞ ⎛⎞: −→ ⎝⎠ −→ ⎝⎠ = A −1 .−1·F2 −1·F3−1 1 11 −1 0−1 0 1−1 1 11 −1 01 0 −1Para ahorrar tiempo, se suelen escribir juntas la matriz A y la i<strong>de</strong>ntidad y realizar las operacionesfila un única vez sobre la matriz formada por A y la i<strong>de</strong>ntidad, como en el siguiente ejemplo. Sea⎛A = ⎝ 1 0 0 ⎞1 1 0 ⎠ .1 1 1Tomamos entonces la matriz⎛⎝ 1 0 01 1 01 1 1 ¯1 0 00 1 00 0 1⎞⎠19
Apren<strong>de</strong>mos a hacer cuentasy realizamos las operaciones elementales⎛⎝ 1 0 0⎞1 0 01 1 00 1 01 1 1 ¯ 0 0 1⎛−→ ⎝ 1 0 00 1 0F 3 −F 1 0 1 1 ¯⎛⎠ −→F2 −F 11 0 0−1 1 0−1 0 1⎝ 1 0 0⎞1 0 00 1 0−1 1 0 ⎠1 1 1 ¯ 0 0 1⎞ ⎛⎠ −→ ⎝ 1 0 00 1 0F3 −F 2 0 0 1 ¯1 0 0−1 1 00 −1 1⎞⎠ ,<strong>de</strong> don<strong>de</strong> la matriz inversa⎛A −1 = ⎝ 1 0 0 ⎞−1 1 0 ⎠ .0 −1 11.7 Determinantes <strong>de</strong> matrices cuadradas. DefiniciónDada una matriz cuadrada A ∈ M n×n (K), se llama <strong>de</strong>terminante <strong>de</strong> A a un elemento <strong>de</strong>l cuerpo K,<strong>de</strong>notado por |A| o <strong>de</strong>t A, asociado a la matriz mediante la siguiente fórmula <strong>de</strong> recurrencia:• Si A =(a 11 ) ∈ M 1×1 (K), entonces|A| = a 11 .• Si A =(a ij ) ∈ M n×n (K), entonces suponiendo conocidos los <strong>de</strong>terminantes <strong>de</strong> matrices <strong>de</strong>or<strong>de</strong>n n − 1 se <strong>de</strong>fine:nX|A| = a 1j (−1) 1+j |∆ 1j |j=1siendo ∆ 1j la matriz cuadrada <strong>de</strong> or<strong>de</strong>n n−1 resultante <strong>de</strong> eliminar la primera fila y la j-ésimacolumna <strong>de</strong> A.De esta <strong>de</strong>finición se <strong>de</strong>ducen <strong>de</strong> forma inmediata las fórmula usuales para calcular <strong>de</strong>terminantes<strong>de</strong> matrices <strong>de</strong> or<strong>de</strong>n dos y tres. Así:¯ a11 a 12a 21 a 22¯¯¯¯ = a 11 a 22 − a 12 a 21 .En el caso <strong>de</strong> matrices cuadradas <strong>de</strong> or<strong>de</strong>n tres:a 11 a 12 a 13a 21 a 22 a 23 =(a 11 a 22 a 33 + a 12 a 31 a 23 + a 13 a 21 a 32 ) − (a 11 a 23 a 32 + a 12 a 21 a 33 + a 13 a 31 a 22 ) ,¯ a 31 a 32 a 33¯¯¯¯¯¯relación conocida como regla <strong>de</strong> Sarrus.Así1 0¯¯¯¯ 1 2y¯¯¯¯¯¯1 0 01 3 00 1 120¯ =2,¯ =3.
Apren<strong>de</strong>mos a hacer cuentasEn general, si A ∈ M n×n (K) es diagonal entonces |A| = a 11 a 22 ...a nn . Si n =1,lafórmulaestrivialmente cierta. Si suponemos cierta la relación para matrices <strong>de</strong> M (n−1)×(n−1) (K), entonces|A| =nXa 1j (−1) 1+j |∆ 1j | = a 11 |∆ 11 | = a 11 a 22 ...a nn ,j=1dado que ∆ 11 ∈ M (n−1)×(n−1) (K) es la matriz triangular que tiene a 22 , ..., a nn como coeficientes enla diagonal principal.Remark 2 La <strong>de</strong>finición <strong>de</strong> <strong>de</strong>terminante <strong>de</strong> una matriz cuadrada A = (a ij ) ∈ M n×n (K) quehemosdadoaquínoeslaquesueledarseenloslibros<strong>de</strong>matemáticascomo[?]. Esta <strong>de</strong>finiciónmás usual <strong>de</strong> <strong>de</strong>terminante se basa en la noción <strong>de</strong> permutación, que es una aplicación biyectivaσ : {1, ..., n} → {1,...,n}. SiS n es el conjunto <strong>de</strong> todas las permutaciones <strong>de</strong>finidas sobre {1, ..., n},entonces el <strong>de</strong>terminante <strong>de</strong> la matriz A es|A| = X σ∈S ns(σ)a 1σ(1) ...a nσ(n) ,don<strong>de</strong> s(σ) es 1 o −1 y se conoce como signo <strong>de</strong> la permutación. Por ejemplo, si n =2,entoncessólo hay dos permutaciones σ 1 y σ 2 que vienen dadas por σ 1 (1) = 1 (y por lo tanto σ 1 (2) = 2) yσ 2 (1) = 2 (y σ 2 (2) = 1). Los signos son s(σ 1 )=1y s(σ 2 )=−1 yentonces¯ a11a 21a 12a 22¯¯¯¯ = s(σ 1 )a 1σ1 (1)a 2σ1 (2) + s(σ 2 )a 1σ2 (1)a 2σ2 (2)= a 11 a 22 − a 12 a 21 ,que es la <strong>de</strong>finición que hemos dado para el <strong>de</strong>termiante <strong>de</strong> matrices <strong>de</strong> or<strong>de</strong>n o tamaño dos. Apartir <strong>de</strong> esta <strong>de</strong>finición más rigurosa se pue<strong>de</strong>n probar todas las propieda<strong>de</strong>s que daremos en lasiguiente sección. Aquellas que no probemos pue<strong>de</strong>n probarse a partir <strong>de</strong> esta <strong>de</strong>finición, pero cuya<strong>de</strong>mostración no es sencilla con la <strong>de</strong>finción inductiva que hemos adoptado, que a su vez, tiene laventaja <strong>de</strong> entrar más directamente en el cálculo práctico <strong>de</strong> los <strong>de</strong>terminantes.1.7.1 Propieda<strong>de</strong>sSean A, B ∈ M n×n (K) se verifican las siguientes propieda<strong>de</strong>s:D1. |A| = P nj=1 a ij (−1) i+j |∆ ij |,paracada1 ≤ i ≤ n, y|A| = P ni=1 a ij(−1) i+j |∆ ij |,paracada1 ≤ j ≤ n, don<strong>de</strong>∆ ij es la matriz resultante <strong>de</strong> eliminar la fila i y la columna j <strong>de</strong> la matrizoriginal y se llama menor <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong> A.D2. |A · B| = |A|·|B|.D3. |A| = |A t |.Demostración. Es consecuencia <strong>de</strong> la propiedad D1.D4. Si cambiamos dos filas o columnas <strong>de</strong> or<strong>de</strong>n el <strong>de</strong>terminante cambia el signo, es <strong>de</strong>cir, |A(F i ×F j )| = |A(C i × C j )| = −|A|.21
Apren<strong>de</strong>mos a hacer cuentasDemostración. Supongamos es primer lugar que j = i +1. Si ∆ ij es el menor <strong>de</strong> or<strong>de</strong>n i, j<strong>de</strong> A y Φ (i+1)j es el menor <strong>de</strong> or<strong>de</strong>n i +1,j <strong>de</strong> A(F i × F i+1 ),entoncesesfácildarsecuenta<strong>de</strong>que∆ ij = Φ (i+1)j . Entonces, por D1 y dado que las filas i <strong>de</strong> A e i +1 <strong>de</strong> A(F i × F i+1 ) son igualestenemos que|A| =nXnXa ij (−1) i+j |∆ ij | = − a ij (−1) i+1+j |Φ (i+1)j | = −|A(F i × F i+1 )|.j=1j=1Para probar la propiedad general démonos cuenta que po<strong>de</strong>mos obtener A(F i ×F j ) intercambiando2(j − i) − 1 filas contiguas en 2(j − i) − 1 operaciones fila elementales, por lo queFinalmente, por D3queconcluyela<strong>de</strong>mostración.|A(F i × F j )| =(−1) 2(j−i)−1 |A| = −|A|.|A(C i × C j )| = |A(C i × C j ) t | = |A t (F i × F j )| = −|A t | = −|A|,D5. Si A tienes dos filas o columnas iguales, entonces |A| =0.Demostración. Si A i = A j ,entoncesA = A(F i × F j ) yporD4setendría|A| = −|A(F i × F j )| = −|A|,<strong>de</strong> don<strong>de</strong> 2|A| =0yportanto|A| =0. La prueba en caso <strong>de</strong> dos columnas iguales es idéntica.D6. Si sumamos a una fila o columna <strong>de</strong> A ∈ M n×n (K) otra fila o columna multiplicada por unescalar el <strong>de</strong>terminante no varía, esto es |A| = |A(F i + αF j )|= |A(C i + αC j )|.Demostración. Si ∆ ij es el menor <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong> A y Φ ij es el menor <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong>A(F i +αF j ), entonces es fácil darse cuenta <strong>de</strong> que ∆ ij = Φ ij dado que la única fila distinta en ambasmatrices es la i que es eliminada al obtener el menor. Entonces, utilizando D1 calculamos|A(F i + αF j )| ==nX(a ik + αa jk )(−1) i+k |Φ ik |k=1nXa ik (−1) i+k |∆ ik | + αk=1k=1nXa jk (−1) j+k |∆ jk | = |A|,dado que P nk=1 a jk(−1) j+k |∆ jk | =0es el <strong>de</strong>terminante <strong>de</strong> una matriz que tiene las filas i y j iguales.PorD3sepruebaque|A(C i + αC j )| = |A(C i + αC j ) t | = |A t (F i + αF j )| = |A t | = |A|,con lo que la propiedad queda probada.D7. Si se multiplica una fila o columna <strong>de</strong> una matriz A por un escalar α 6= 0, entonces el <strong>de</strong>terminante<strong>de</strong> A quedamultiplicadoporα. Es<strong>de</strong>cir,|A(αF i )| = |A(αC i )| = α ·|A|.22
Apren<strong>de</strong>mos a hacer cuentasDemostración. Si ∆ ij es el menor <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong> A y Φ ij es el menor <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong> A(αF i ),entonces es fácil darse cuenta <strong>de</strong> que ∆ ij = Φ ij dado que la única fila distinta en ambas matrices esla i que es eliminada al obtener el menor. Entonces, utilizando D1 calculamos|A(αF i )| =nXnXαa ij (−1) i+j |Φ ij | = α a ij (−1) i+j |∆ ij | = α|A|.j=1j=1PorD3sepruebaquecon lo que la propiedad queda probada.|A(αC i )| = |A(αC i ) t | = |A t (αF i )| = α ·|A t | = α ·|A|,D8. Si una matriz A ∈ M n×n (K) tiene una fila o columna que es combinación <strong>lineal</strong> <strong>de</strong> las otras,entonces |A| =0. En particular, si una fila o columna <strong>de</strong> A es nula entonces su <strong>de</strong>terminantees nulo.Demostración. Supongamos por ejemplo que existen i, i 1 , ..., i k ∈ {1, ..., n} tal que A i = α 1 ·A i1 + ... + α k · A ik ,conα ij ∈ K, 1 ≤ j ≤ k. Entonces la matriz A(F i − α 1 F i1 )...(F i − α k F ik ) tiene lafila i nula. Si ∆ ij es el menor <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong> dicha matriz, por D6 y D1 tenemos|A| = |A(F i − α 1 F i1 )...(F i − α k F ik )| =nX0(−1) i+j |∆ ij | =0,j=1con lo que concluye la prueba.Una consecuencia <strong>de</strong> esta propiedad D8 que es <strong>de</strong> utilidad para calcular rangos <strong>de</strong> matrices esque si |A| 6= 0, entonces r(A) coinci<strong>de</strong> con el número <strong>de</strong> filas <strong>de</strong> A. Así,siporejemploA =µ 1 0 0 29 2 2 2,dado quese tiene que el rango <strong>de</strong> A es dos.¯ 1 09 2¯ =26= 0,D9. Se verifica¯a 11 ... a 1n... ... ...a i1 + a 0 i1 ... a n1 + a 0 n1 =... ... ...a n1 ... a nn¯¯¯¯¯¯¯¯¯¯¯a 11 ... a 1n... ... ...a i1 ... a n1 +... ... ...a n1 ... a nn¯¯¯¯¯¯¯¯¯¯¯a 11 ... a 1n... ... ...a 0 i1 ... a 0 n1 .... ... ...a n1 ... a nn¯¯¯¯¯¯¯¯¯¯23
Apren<strong>de</strong>mos a hacer cuentasyDemostración. Sean⎛A =⎜⎝⎞a 11 ... a 1n... ... ...a i1 + a 0 i1 ... a n1 + a 0 n1 ⎟... ... ...a n1 ... a nn⎛B =⎜⎝⎛C =⎜⎝⎞a 11 ... a 1n... ... ...a i1 ... a n1⎟... ... ... ⎠a n1 ... a nn⎞a 11 ... a 1n... ... ...a 0 i1 ... a 0 n1 ⎟... ... ...a n1 ... a nnEntonces los menores <strong>de</strong> or<strong>de</strong>n i, j <strong>de</strong> A, B y C son iguales y por tanto por D1|A| ==nX(a ij + a 0 ij)(−1) i+j |∆ ij |j=1nXa ij (−1) i+j |∆ ij | +j=1⎠ .⎠ ,nXa 0 ij(−1) i+j |∆ ij | = |B| + |C|,j=1con lo que concluye la <strong>de</strong>mostración.Todas estas propieda<strong>de</strong>s son <strong>de</strong> utilidad tanto <strong>de</strong>s<strong>de</strong> el punto <strong>de</strong> cista teórico como a la hora <strong>de</strong>calcular <strong>de</strong>terminantes <strong>de</strong> matrices gran<strong>de</strong>s. Por ejemplo, calculemos¯1 1 1 11 2 3 42 3 4 53 4 5 6¯=F 2 −F 1¯¯¯¯¯¯¯¯al tener la última matriz dos filas iguales.1 1 1 10 1 2 32 3 4 53 4 5 6¯=F 3 −2F 1¯¯¯¯¯¯¯¯1 1 1 10 1 2 30 1 2 33 4 5 6=0,¯1.7.2 Cálculo <strong>de</strong> la matriz inversa usando <strong>de</strong>terminantes.Dada A ∈ M n×n (K) se <strong>de</strong>fine su matriz adjunta como la matriz cuadrada <strong>de</strong> or<strong>de</strong>n n cuyos elementosson los adjuntos <strong>de</strong> A. Es<strong>de</strong>cir,Ā ∈ M n×n (K) es la matriz adjunta <strong>de</strong> A si Ā =((−1) i+j |∆ ij |). SiA =(a ij ),<strong>de</strong>la<strong>de</strong>finición <strong>de</strong> producto <strong>de</strong> matrices se sigue queà nX!A · Ā t = a ik (−1) k+j |∆ jk |k=1Usando ahora las propieda<strong>de</strong>s <strong>de</strong> los <strong>de</strong>terminantes:24
Apren<strong>de</strong>mos a hacer cuentas• Si i = j:nXa ik (−1) k+i |∆ ik | = |A|.k=1• Si i 6= j:nXa ik (−1) k+j |∆ jk | =k=1a 11 ··· a 1n. .a i1 ··· a in. . =0,fila j a i1 ··· a in. .a n1 ··· a nn<strong>de</strong> don<strong>de</strong> se <strong>de</strong>duce que A · Ā t = |A|·I n .SiA es invertible su <strong>de</strong>terminante es no nulo, lo quepermite obtener la fórmula:A −1 = |A| −1 · Ā tpara el cálculo <strong>de</strong> la matriz inversa. Por ejemplo, si⎛1 2⎞3A = ⎝ 0 1 1 ⎠ ,0 0 2entonces⎛A −1 = 1|A| · ⎝2 0 0−4 2 0−1 −1 1⎞⎠t⎛= 1 2 · ⎝2 −4 −10 2 −10 0 1⎞⎛⎠ = ⎝1 −2 − 1 20 1 − 1 20 012Nótese que una matriz cuadrada con <strong>de</strong>terminante no nulo es invertible por lo que su rangocoincidirá con el número <strong>de</strong> filas <strong>de</strong> la matriz. Este hecho pue<strong>de</strong> ayudar a calcular el rango <strong>de</strong>matrices. Por ejemplo, la matriz µ 2 −1 3 31 1 3 3⎞⎠ .verifica que2 −1¯¯¯¯ 1 1por lo que su rango es dos.¯ =3,1.7.3 Resolución <strong>de</strong> sistemas <strong>de</strong> ecuaciones. Regla <strong>de</strong> CramerVeamos cómo los sistemas <strong>de</strong> ecuaciones <strong>lineal</strong>es pue<strong>de</strong>n resolverse mediante el uso <strong>de</strong> <strong>de</strong>trminantes.Se trata <strong>de</strong> un método aplicable cuando el sistema tiene la misma cantidad <strong>de</strong> ecuaciones que <strong>de</strong>incógnitas (este tipo <strong>de</strong> sistemas se llaman cuadrados). Bajo estas condiciones el sistema es compatible<strong>de</strong>terminado si y sólo si el <strong>de</strong>terminante <strong>de</strong> su matriz es no nulo. Sea un sistema A · x = b con25
Apren<strong>de</strong>mos a hacer cuentasA ∈ M n×n (K) ytalque|A| 6= 0. Evi<strong>de</strong>ntemente la matriz A es invertible por lo que la soluciónúnica <strong>de</strong>l sistema será x = A −1 ·b y usando la fórmula para la matriz inversa mediante <strong>de</strong>terminantessellegaaquelasoluciónes<strong>de</strong>laforma:⎛ P n⎞x = |A| −1 · Ā t · b = 1k=1|A| ·(−1)k+1 Pn|∆ k1 |b k⎜ k=1⎝(−1)k+2 |∆ k2 |b k⎟P............................ ⎠ ,nk=1 (−1)k+n |∆ kn |b k<strong>de</strong> don<strong>de</strong> es inmediata la regla <strong>de</strong> Cramer .Theorem 6 (Regla <strong>de</strong> Cramer) Dado el sistemacona 11 x 1 + ···+ a 1n x n = b 1⎫⎪ ⎬a 21 x 1 + ···+ a 2n x n = b 2...................................... ⎪ ⎭a n1 x 1 + ···+ a nn x n = b n a 11 ··· a 1n|A| =.... . 6= 0,¯ a n1 ··· a nn¯¯¯¯¯¯¯se tiene que es compatible <strong>de</strong>terminado y la solución única viene dada por las fórmulas:a 11 ··· a 1j−1 b 1 a 1j+1 ··· a 1nx j = |A| −1 a 21 ··· a 2j−1 b 2 a 2j+1 ··· a 2n·, 1 ≤ j ≤ n.. . . . .¯ a n1 ··· a nj−1 b n a nj+1 ··· a nn¯¯¯¯¯¯¯¯¯La regla <strong>de</strong> Cramer pue<strong>de</strong> adaptarse para resolver sistemas <strong>de</strong> ecuaciones <strong>lineal</strong>es no necesariamentecuadrados y <strong>de</strong> manera que el <strong>de</strong>terminante <strong>de</strong> la matriz sea nulo en caso <strong>de</strong> sistemas nocuadrados. Así dado A · x = b un sistema con n ecuaciones y m incógnitas (n < m). Suponiendoque r(A) =n, el sistema es compatible in<strong>de</strong>terminado como consecuencia <strong>de</strong>l Teorema <strong>de</strong>Rouché-Frobenius. Suponiendo a<strong>de</strong>más que las n primeras columnas <strong>de</strong> A son <strong>lineal</strong>mente in<strong>de</strong>pendientes,se tiene que asignando parámetros a las variables asociadas a las últimas m − n columnasx j = μ j ,n+1≤ j ≤ m, elvalor<strong>de</strong>lasrestantesvariablesvienedadoporelsistema:⎛B ·⎜⎝⎞x 1⎟. ⎠ = b −x nmXj=n+1μ j · A j ,con B =(A 1 , ...., A n ) ∈ M n×n (K). Evi<strong>de</strong>ntemente el sistema anterior es cuadrado y |B| 6= 0ya quer(B) =n, por lo que pue<strong>de</strong> resolverse usando la regla <strong>de</strong> Cramer. Por ejemplo, el sistema⎧⎨⎩x + y + z =3,x − y =0,2x + z =3,26
Apren<strong>de</strong>mos a hacer cuentasverifica que¯ 1 11 −1 ¯¯¯¯¯¯¯= −2, y1 1 11 −1 02 0 1¯ =0,mientras que1 1 31 −1 0¯¯¯¯¯¯ 2 0 3 ¯ =0,por lo que los rangos <strong>de</strong> las matrices <strong>de</strong>l sistema es dos y el sistema es compatible. Despejamos lavariable z, que no vamos a po<strong>de</strong>r calcular½ x + y =3− z,x − y =0,yentoncesx =y =¯ 3 − z 10 −1¯ 1 11 −1 ¯¯ 1 3− z1 0 ¯¯ 1 11 −1 ¯¯= z − 32 ,= z − 32 ,por lo que la solución <strong>de</strong>l sistema es1.8 Ejercicios⎧⎨⎩x = − 3 2 + λ 2 ,y = − 3 2 + λ 2 ,z = λ,λ ∈ R.1. Dadas las siguientes matrices realizar, si es posible, las operaciones que se indican:⎛A = ¡ 1 −1 2 ¢ B = ⎝ −1 ⎞ ⎛⎞2+i −1 10 ⎠ C = ⎝ 0 1 2 ⎠21 2+2i 0⎛D = ⎝ 2 1 ⎞µ 1 3 ⎠ i 1E =2 1− i0 −1(a) (2A +3B t ) · C (b) C t · A t − (A · C) t (c) D · C + E (d) D · (E + C)(e) (C − 2I 3 ) t · (B + A t ) (f) B · A · C · D (g) E · D t · C (h) B t · A t · C · D27
Apren<strong>de</strong>mos a hacer cuentas2. Calcular el rango <strong>de</strong> las siguientes matrices⎛A = ⎝ 1 1 2 3 ⎞ ⎛2 1 1 2 ⎠ B = ⎝ 1 0 11 1 12 3 −1 22 1 2⎞µ⎠ 2 −1 3 3C =1 1 3 33. Determinar en función <strong>de</strong>l parámetro real α el rango <strong>de</strong> las siguientes matrices⎛A = ⎝ α 1 2 3 ⎞ ⎛0 α 1 2 ⎠ B = ⎝ 1 α 1 ⎞µ 1 1 α ⎠ 2 α 3 3C =1 1 3 30 0 α 22 1 24. Determinar si las siguientes matrices son invertibles y calcular en caso afirmativo su matrizinversa⎛⎞1 0 1 0 ⎛A = ⎜ 0 1 0 1⎟⎝ 1 0 0 0 ⎠ B = ⎝ 1 1 1 ⎞ ⎛−1 0 −1 ⎠ C = ⎝ 1 0 1 ⎞0 1 1 ⎠2 1 21 1 00 0 0 15. Calcular el rango <strong>de</strong> la siguiente matriz en función <strong>de</strong> los valores <strong>de</strong> a y b:⎛⎞a 0 0 bA = ⎜ b a 0 0⎟⎝ 0 b a 0 ⎠0 0 b a6. SealamatrizA =⎛⎜⎝0 0 0 02 0 0 02 2 0 02 2 2 0⎞⎟⎠ , se pi<strong>de</strong>:(a) Calcular las sucesivas potencias <strong>de</strong> A.(b) Sea B = I 4 + A, expresar B n en función <strong>de</strong> I 4 , A, A 2 y A 3 .(c) Demostrar que la inversa <strong>de</strong> B es I 4 − A + A 2 − A 3 .⎛1 2⎞37. Hallar la potencia n—ésima <strong>de</strong> A = ⎝ 0 1 2 ⎠ poniendo A = I 3 + B, siendo B una matriz0 0 1a<strong>de</strong>terminar.µ 3 18. Dada la matriz A = , se pi<strong>de</strong>:5 2(a) Hallar 3A · A t − 2I 2 .(b) Resolver la ecuación matricial A · X =µ 2 00 1siendo X ∈ M 2×2 (R) .28
Apren<strong>de</strong>mos a hacer cuentas9. Sea A una matriz cuadrada tal que A 2 = A. Si B =2A − I n , <strong>de</strong>mostrar que B 2 es igual a I n .10. Sea A una matriz cuadrada. Demostrar que las matrices A·A t y A t ·A son siempre simétricas.11. Demostrar que si una matriz cuadrada A verifica que A 2 − A − I 2 =0, entonces existe lainversa <strong>de</strong> A. Calcularla.⎛⎞12. Se consi<strong>de</strong>ra la matriz con coeficientes reales A = ⎝ a2 ab acab b 2 bc ⎠ . Demostrar que si a 2 + b 2 +ac bc c 2c 2 =1, entonces A n = A para todo entero positivo.13. De las afirmaciones siguientes, <strong>de</strong>mostrar las verda<strong>de</strong>ras y dar un contraejemplo para las falsas:(a) (A + B) 2 = A 2 +2A · B + B 2 .(b) A 2 − B 2 =(A − B) · (A + B).(c) A m+1 − I n =(A − I n )(I n + A + A 2 + ... + A m ).(d) Si P es una matriz con <strong>de</strong>terminante no nulo, entonces (P · A · P −1 ) n = P · A n P −1 .(e) Si A es antisimétrica, entonces A 2 es simétrica.(f) Si A es antisimétrica y B es simétrica, entonces A · B es antisimétrica si y sólo si A · B =B · A.14. Hallar todas las soluciones <strong>de</strong> los siguientes sistemas:⎧−x + y − 2z − t =0 ⎧⎪⎨⎨2x − y + z − 2t =2(a)(b)x +2y − z + t =3⎩⎪⎩(d)(g)⎧⎪⎨⎪⎩⎧⎪⎨⎪⎩3x +4y − 3z − t =14x − y +2z + t =02x +3y − z − 2t =07y − 4z − 5t =02x − 11y +7z +8t =02x + y +4z =0x − y +2z =42x + y − z =143x + z =18(e)(h)2x +2y − 3z =2−x +5y − 4z =4x +7y − 7z =7½ x − 2y +3z =02x +5y +6z =0⎧⎨⎩x +2y − 3z +16t =4y +2z − 3t =6−x − y + z +9t = −215. Discutir y resolver según el valor <strong>de</strong> los parámetros que aparezcan:(a)(d)⎧⎨⎩⎧⎨⎩αx + y +2z =0x +3y + z =03x +10y +4z =02x − y − z =3ax − az = bx − y +2z =7(b)(e)⎧⎨⎩⎧⎨⎩3x − y +2z =1x +4y + z = β2x − 5y + αz = −22λx + μy +2z =12λx +(2μ − 1)y +3z =12λx + μy +(μ +3)z =2μ − 1(c)(f)(i)⎧⎨⎩⎧⎨⎩⎧⎨⎩(c)(g)x − y = −1−x + y =12x − 2y = −2x +2y +3z =02x +2y +3z =03x +2y + z =0x +2y − 3z =42x +4y − 6z =1−x − y + z = −2⎧⎪⎨⎪⎩⎧⎨⎩2y − z = α3x − 2z =11y + z =62x + y − 4z = ααx + βy + z =1x + αβy + z = βx + βy + αz =129
Apren<strong>de</strong>mos a hacer cuentas16. Discutir la veracidad o falsedad <strong>de</strong> las siguientes afirmaciones:(a) Dado un sistema <strong>de</strong> m ecuaciones con n incógnitas, A · x = b, que admite solución única,entonces ésta es x = A −1 · b.(b) Si los sistemas A · x = b 1 y A·x = b 2 son compatibles, entonces lo es A · x = b don<strong>de</strong>b = b 1 + b 2 .(c) Un sistema con más ecuaciones que incógnitas es siempre incompatible.(d) Si un sistema <strong>de</strong> ecuaciones A · x = b es compatible <strong>de</strong>terminado, entonces A es unamatriz cuadrada.(e) Si A · x = b es un sistema incompatible con 5 ecuaciones y 4 incógnitas y el r(A) =4entonces r(A|b) =5.17. Calcular las soluciones <strong>de</strong> los siguientes sistemas <strong>de</strong> ecuaciones tanto por el método <strong>de</strong> Gauss,como por el método <strong>de</strong> Kramer (por <strong>de</strong>terminantes).⎧⎧⎧⎨⎨⎨(a)(a)⎩⎩8x + y +4z =95x − 2y +4z =6x + y =1ax +2z =25x +2y =1x − 2y + bz =3(b)(b)⎩⎩6x − y +3z =6−6x +8y = −102x − 5y − z =418. Discutir los siguientes sistemas <strong>de</strong> ecuaciones según los valores <strong>de</strong> a y b:⎧⎧⎧⎨⎨⎪⎨ax + by + z =1x + aby + z = bx + by + az =119. Sea ω un número complejo raiz cúbica <strong>de</strong> la unidad. Discutir el sistema:⎧⎨ x + y + z = ax + ωy + ω 2 z = b⎩x + ω 2 y + ωz = cdon<strong>de</strong> a, b, c son números reales.(c)(c)⎪⎩⎩x + y + z =13x − 4y =57x − y − 3z =8.ax + y + z + t =1x + ay + z + t = bx + y + az + t = b 2x + y + z + at = b 320. Se tienen tres lingotes <strong>de</strong> oro <strong>de</strong> 100 gramos cuya composición es la siguienteLingote Oro Plata Cobre1 20 30 502 30 40 303 40 50 10¿Que peso habrá que tomarse <strong>de</strong> cada uno <strong>de</strong> los tres lingotes para formar uno nuevo quecontenga 60 gramos <strong>de</strong> oro, 50 gramos <strong>de</strong> plata y 45 gramos <strong>de</strong> cobre?21. La suma <strong>de</strong> las tres cifras <strong>de</strong> un número es igual a 6. La cifra <strong>de</strong> las centenas es igual a la suma<strong>de</strong> las cifras <strong>de</strong> unidad y <strong>de</strong>cena. Si se invierte el or<strong>de</strong>n <strong>de</strong> las cifras, el número disminuye en198 unida<strong>de</strong>s. Calcular dicho número.30
Apren<strong>de</strong>mos a hacer cuentas22. Una empresa hortofructícola tiene tres factorías diferentes en Castellón, Valencia y Alicante. Enlaépoca<strong>de</strong>lanaranjacadauna<strong>de</strong>estasfactorías se <strong>de</strong>dica a envasar tres varieda<strong>de</strong>s diferentes<strong>de</strong> naranjas: navalate, navel y satsuma. La capacidad<strong>de</strong>envasado<strong>de</strong>lafactoría<strong>de</strong>Castellónes <strong>de</strong> 4000Kg. <strong>de</strong> navalate, 3000Kg. <strong>de</strong> navel y 5000Kg <strong>de</strong> satsuma, todo ello por hora. La<strong>de</strong> Valencia es <strong>de</strong> 1000Kg. por hora <strong>de</strong> las tres varieda<strong>de</strong>s <strong>de</strong> naranjas. La <strong>de</strong> Alicante es <strong>de</strong>2000Kg. <strong>de</strong> navalate, 4000Kg. <strong>de</strong> navel y 3000Kg. se satsuma, también por hora. ¿Cuántashorasse<strong>de</strong>betrabajarencadafactoríaparasatisfacerlosdossiguientespedidos?(a) 19000Kg. <strong>de</strong> navalate, 25000Kg. <strong>de</strong> navel y 25000Kg. <strong>de</strong> satsuma(b) 13000Kg. <strong>de</strong> navalate, 16000Kg. <strong>de</strong> navel y 16000Kg. <strong>de</strong> satsuma.23. Una empresa tiene dos tipos <strong>de</strong> procesos productivos: torno y fresadora. Cada uno <strong>de</strong> estosprocesos se utiliza para fabricar tres tipos <strong>de</strong> productos A, B y C. Se dispone <strong>de</strong> 120 horassemanales <strong>de</strong> torno y <strong>de</strong> 260 horas <strong>de</strong> fresadora, y las necesida<strong>de</strong>s asociadas a cada proceso,por unidad <strong>de</strong> producto, son las siguientes:Producto Torno FresadoraA 0.1h 0.20hB 0.25h 0.30hC - 0.40hSi el beneficio unitario que se obtiene con la venta se los productos A, B y C es <strong>de</strong> 3, 5 y 4unida<strong>de</strong>s monetarias, respectivamente. ¿Cómo <strong>de</strong>be <strong>de</strong> distribuirse la producción semanal paraobtener un beneficio <strong>de</strong> 3800 u.m., si se utilizan todos los recursos disponibles?24. Una empresa se <strong>de</strong>dica a la fabricación <strong>de</strong> cuatro tipos <strong>de</strong> jabón. Des<strong>de</strong> la compra <strong>de</strong> materiasprimas hasta la disposición para la distribución se realizan las siguientes fases: I) se mezclan losdos tipos <strong>de</strong> materias primas utilizadas, grasa vegetal y sosa cáustica; II) se introduce la mezclaobtenida en unos mol<strong>de</strong>s preparados al efecto; III) los bloques obtenidos en la fase anterior secortan y troquean, y IV) las pastillas así obtenidas se envasan en cajas <strong>de</strong> cartón <strong>de</strong> doscientasunida<strong>de</strong>s.Los recursos necesarios para producir los cuatro tipos <strong>de</strong> jabones, por caja fabricada, vienendados en la tabla siguiente:JabónSecciónKg. GrasaMezcladoKg. SosaS. Mol<strong>de</strong>adoHora/MáquinaS. TroqueladoHora/MáquinaJ 1 20 10 10 3J 2 25 15 8 4J 3 40 20 10 7J 4 50 22 15 20Si se dispone durante una semana <strong>de</strong> 1970 Kg. <strong>de</strong> grasa vegetal, 970 Kg. <strong>de</strong> sosa cáustica, 601hora/máquina en la sección <strong>de</strong> mol<strong>de</strong>ado y <strong>de</strong> 504 horas/máquina en la sección <strong>de</strong> troquelado,¿cuántas cajas <strong>de</strong> jabones <strong>de</strong> cada tipo se pue<strong>de</strong>n producir, utilizando todos los recursosdisponibles, en una semana?31
Apren<strong>de</strong>mos a hacer cuentas25. Un agricultor produce maíz, trigo y cebada en las 12 hanegadas <strong>de</strong> tierra que posee. CadaKg. <strong>de</strong> cereal plantado precisa <strong>de</strong> una cierta cantidad <strong>de</strong> dinero y <strong>de</strong> un <strong>de</strong>terminado número<strong>de</strong> horas <strong>de</strong> trabajo semanales para su cultivo. En la tabla siguiente se especifica el capitalnecesario (en miles <strong>de</strong> pesetas), el trabajo preciso (en horas semanales) y el beneficio queproduce (en miles <strong>de</strong> pesetas) cada uno <strong>de</strong> los cereales:Capital Trabajo BeneficioMaíz 36 6 40Trigo 24 6 30Cebada 18 2 20Calcular cuántos Kg. <strong>de</strong>berá <strong>de</strong> cultivar <strong>de</strong> cada tipo <strong>de</strong> cereal para obtener un beneficio <strong>de</strong>400 mil pesetas si dispone <strong>de</strong> 360.000 pesetas y <strong>de</strong>ci<strong>de</strong> trabajar 48 horas semanales.26. La ley <strong>de</strong> corriente <strong>de</strong> Kirchhoff dice que la suma algebraica <strong>de</strong> todas las corrientes que confluyenen un nudo <strong>de</strong> un circuito es nula. La ley <strong>de</strong> Ohm dice que la corriente a través <strong>de</strong> una resistenciaentre dos nudos es el cociente entre la diferencia <strong>de</strong> voltaje entre cada nudo y el valor <strong>de</strong> laresistencia Dado el circuito <strong>de</strong> la figura, calcular las intensida<strong>de</strong>s y los voltajes en cada nudo.circui.eps27. En un vecindario viven un fontanero, un electricista y un pintor. Deci<strong>de</strong>n hacer reparacionesen sus tres casas, para lo cual cada uno <strong>de</strong> ellos va a trabajar diez jornadas en total. Elfontanero trabajará tres días en su casa, dos días en la casa <strong>de</strong>l electricista y cinco días en lacasa <strong>de</strong>l pintor. El electricista trabajará tres días en su propia casa, otros tres días en la casa<strong>de</strong>l fontanero y cuatro días en la casa <strong>de</strong>l pintor. Finalmente el pintor <strong>de</strong>dicará cinco días a lacasa <strong>de</strong>l fontanero y otros cinco días a la casa <strong>de</strong>l electricista.Calcula cuál <strong>de</strong>bería <strong>de</strong> ser el sueldo diario <strong>de</strong> cada uno para que en las diez jornadas ninguno<strong>de</strong> ellos pierda ni gane dinero, sabiendo <strong>de</strong> antemano que la suma <strong>de</strong> los tres sueldos es <strong>de</strong>20000 ptas al día.28. Una ciudad tiene tres industrias principales: una mina <strong>de</strong> carbón, una central eléctrica y unferrocarril local. Para obtener 10 ptas <strong>de</strong> carbón, se utilizan 2 ptas <strong>de</strong> electricidad para hacerfuncionar el equipamiento y 4 ptas para transportarlo a los almacenes. Para producir 10 ptas<strong>de</strong> electricidad la central eléctrica necesita 5 ptas <strong>de</strong> carbón <strong>de</strong> combustible, 1 pta <strong>de</strong> su propiaelectricidad y una peseta para <strong>de</strong>dicarla al transporte. Finalmente, para obtener 10 ptas entransporte se necesitan 5 ptas <strong>de</strong> carbón y 1 pta <strong>de</strong> electricidad. En una semana, la mina<strong>de</strong> carbón recibe un pedido valorado en 100000 ptas y la central eléctrica recibe otro pedido<strong>de</strong> 200000 ptas. El ferrocarril no satisface ninguna <strong>de</strong>manda externa. ¿Qué cantidad <strong>de</strong>benproducir cada una <strong>de</strong> las industrias para satisfacer en esa semana tanto la <strong>de</strong>manda internacomo la externa?29. Encontrar el polinomio <strong>de</strong> grado 2 cuya gráfica que pasa por los puntos (1,4), (2,9) y (3,8).32
Apren<strong>de</strong>mos a hacer cuentas30. Encuentra un polinomio p(x) que verifique que p(0) = 1, p(1) = 0, p 0 (0) = −1 y p 00 (1) = 1.31. Halla la ecuación <strong>de</strong> una circunferencia que pase por los puntos (0, 1), (−1, 1) y (1, 0).32. En una placa circular se ha establecido un mallado como el que se indica en el dibujo. Sabiendolas temperaturas en los puntos <strong>de</strong> la malla situados en el bor<strong>de</strong> y que la temperatura en los<strong>de</strong>más puntos es igual a la media <strong>de</strong> la temperatura en los cuatro puntos adyacentes, calculala temperatura en todos los puntos <strong>de</strong>l mallado.temp.eps33. Calcular los siguientes <strong>de</strong>terminantes:(e)¯(a)¯1 1 1 62 4 1 64 1 2 92 4 2 71 3 0−1 2 −41 1 2¯¯¯¯¯(f)¯¯(b)¯5 −1 76 4 33 2 11 −2 3 −42 −1 4 −32 3 −4 −53 −4 5 6¯¯(c)¯(g)¯1 2 34 5 67 8 9¯1 2i 3i4 5− i 67i 8 9(d)¯¯3 5 7 22 4 1 1−2 0 0 01 1 3 4(h)¯¯3 − i 5 7 22 − 6i 4 1 1−2 0 0 01 1− i 3 4¯34. Dada una matriz cuadrada A, ¿qué valores pue<strong>de</strong> tomar |A| si:(a) A 2 = A?(b) A = A −1 ?35. Demostrar que si a, b, c son números reales se tiene que:a − b − c 2a 2a2b b− c − a 2b¯ 2c 2c c− a − b ¯ =(a + b + c)3 .36. Calcular los siguientes <strong>de</strong>terminantes:(a)¯(d)¯x + a b ca x+ b ca b x+ ca 3 0 50 b 0 21 2 c 30 0 0 d¯¯¯(e)¯¯¯¯(b)¯a b 0 00 a b 00 0 a bb 0 0 ax a b ca x 0 0b 0 x 0c 0 0 x¯¯(f)¯(c)¯1 2 3 42 3 4 13 4 1 24 1 2 3a 2 ab ab b 2ab a 2 b 2 abab b 2 a 2 abb 2 ab ab a 2 ¯¯¯¯¯¯¯¯¯33
Apren<strong>de</strong>mos a hacer cuentas37. Calcular los siguientes <strong>de</strong>terminantes <strong>de</strong> Va<strong>de</strong>rmon<strong>de</strong>:V 2 =¯ 1 11 1 1a b ¯ V 3 =a b c V 3 =¯ a 2 b 2 c¯¯¯¯¯¯ 2 ¯V n =¯38. Resolver la ecuación ∆ (x) =0, siendo ∆ (X) =¯1 1 1 1 ... 1a b c d ... xa 2 b 2 c 2 d 2 ... x 2a 3 b 3 c 3 d 3 ... x 3 .... ... ... ... ... ...a 5 b 5 c 5 d 5 ... x¯¯¯¯¯¯¯¯¯¯¯¯ 5a b ca x ca b x1 1 1 1a b c da 2 b 2 c 2 d 2a 3 b 3 c 3 d 3 ¯¯¯¯¯¯¯¯, siendo a,b,c números reales.¯39. Calcular los siguientes <strong>de</strong>terminantes <strong>de</strong> or<strong>de</strong>n n:1 n n n ... nn 2 n n ... n(a)n n 3 n ... nn n n 4 ... n... ... ... ... ... ...¯ n n n n ... n ¯(c)¯40. Demostrar que¯1 1 1 1 ... 11 2+a 1 1 ... 11 1 2+a 1 ... 11 1 1 2+a ... 1... ... ... ... ... ...1 1 1 1 ... 2+a1 cosx cos 2xcos x cos 2x cos 3xcos 2x cos 3x cos 4x¯ =0.¯(b)¯(d)1 2 3 4 ... n−1 0 3 4 ... n−1 −2 0 4 ... n−1 −2 −3 0 ... n... ... ... ... ... ...−1 −2 −3 −4 ... 0¯1 n n n ... nn 2 n n ... nn n 3 n ... nn n n 4 ... n... ... ... ... ... ...n n n n ... n¯¯41. De las afirmaciones siguientes, <strong>de</strong>mostrar las verda<strong>de</strong>ras y dar un contraejemplo para las falsas:(a) Si |A · B| =0,entonces|A| =0ó |B| =0.(b) |A + B| = |A| + |B|.(c) |2A| =2|A|.34
Capítulo 2Espacio vectorialSumario. Axiomas <strong>de</strong> espacio vectorial. Combinación <strong>lineal</strong>. Depen<strong>de</strong>ncia e in<strong>de</strong>pen<strong>de</strong>ncia<strong>lineal</strong>. Subespacios vectoriales. Operaciones con subespacios vectoriales.Sistema generador. Base. Espacio vectorial finitamente generado. Dimensión <strong>de</strong> unsubespacio vetorial.La línea seguida en este tema pue<strong>de</strong> verse en [?], aunque algunas <strong>de</strong>mostraciones han sido elaboradaspor el autor para adaptarlas al nivel <strong>de</strong>l alumno. Otras referencias <strong>de</strong> interés, <strong>de</strong> entre la grancantidad <strong>de</strong> textos sobre álgebra <strong>lineal</strong> existentes, son [?].2.1 Definiciones y propieda<strong>de</strong>s básicasSea K el cuerpo <strong>de</strong> los números reales o complejos y sea V un conjunto en el que hay <strong>de</strong>finidas unaoperación interna + <strong>de</strong> manera que a cada u, v ∈ V le asocia un elemento u + v ∈V, yunaoperaciónexterna · <strong>de</strong> manera que a cada α ∈ K ycadau ∈ V le asocia un elemento α · u ∈ V, cumpliendo lassiguientes propieda<strong>de</strong>s para todo u, v, w ∈ V yparatodoα, β ∈ K:1. Propiedad asociativa para +: (u + v)+w = u +(v + w).2. Propiedad conmutativa para +: u + v = v + u.3. Existencia <strong>de</strong> elemento neutro 0 para +: 0 + u = u.4. Para todo u ∈ V existe elemento inverso o simétrico −u <strong>de</strong> manera que u +(−u) =0.5. Propiedad distributiva respecto <strong>de</strong> la suma en V, es<strong>de</strong>cir,α · (u + v) =α · u + α · v.6. Propiedad distributiva respecto <strong>de</strong> la suma en K, esto es, (α + β) · u = α · u + β · u.7. Propiedad pseudoasociativa: (αβ) · u = α · (β · u).8. 1 · u = u.Entonces se dice que la terna (V, +, ·) tiene estructura <strong>de</strong> espacio vectorial sobre el cuerpo K.Ejemplos <strong>de</strong> espacios vectoriales son los siguientes:35
Espacio vectorialExample 1 Como ya vimos en el tema <strong>de</strong> matrices el conjunto <strong>de</strong> las matrices M n×m (K) con lasuma <strong>de</strong> matrices y el producto por escalares tiene estructura <strong>de</strong> espacio vectorial ya que satisfacelas 8 propieda<strong>de</strong>s anteriores. Cuando las matrices tengan una única fila, entonces escribiremos elconjunto como K m (el caso que más trataremos será el <strong>de</strong> R n ).Example 2 Sea P n [x] el conjunto <strong>de</strong> los polinomios <strong>de</strong> grado menor o igual que n ∈ N con coeficientesen K. Con la suma usual <strong>de</strong> polinomios y el producto usual por escalares este conjunto es unespacio vectorial sobre K.Example 3 Sea C([a, b]), a, b ∈ R, el conjunto <strong>de</strong> funciones continuas <strong>de</strong>finidas sobre [a, b]. Dadasf,g ∈ C([a, b]) y α ∈ R <strong>de</strong>finimos (f + g)(x) =f(x)+g(x) y (α · f)(x) =αf(x) para todo x ∈ [a, b].Es fácil comprobar que C([a, b]) con estas operaciones es un espacio vectorial sobre R.Veamos ahora algunas propieda<strong>de</strong>s básicas que se <strong>de</strong>rivan directamente <strong>de</strong> los 8 axiomas <strong>de</strong> espaciovectorial.Proposition 7 Sea V un espacio vectorial sobre K. Entonces:(a) 0 · u = 0 para todo u ∈ V.(b) α · 0 = 0 para todo α ∈ K.(c) α · u = 0 si y solo si α =0o u = 0.(d) (−α) · u = −(α · u) =α · (−u) para todo α ∈ K ytodou ∈ V.(e) Si α · u = α · v y α 6= 0,entoncesu = v.(f) Si α · u = β · u y u 6= 0, entoncesα = β.(g) (−α) · (−u) =α · u para todo α ∈ K ytodou ∈ V.Demostración. (a) 0+0=0y multiplicando por u tenemos (0 + 0) · u =0· u <strong>de</strong> don<strong>de</strong>(0 + 0) · u =0· u +0· u =0 · u.Sumando a ambos miembros el inverso <strong>de</strong> 0 · u tenemos que 0 · u = 0.(b) Ahora tenemos que 0 + 0 = 0. Multiplicando por α tenemos α · (0 + 0) =α · 0 <strong>de</strong> don<strong>de</strong>α · (0 + 0) =α · 0 + α · 0 = α · 0.Sumando en ambos miembros el inverso <strong>de</strong> α · 0 tenermos queα · 0 = 0.(c) Si α =0o u = 0, por los apartados anteriores tenemos que α · u = 0. Supongamos ahora queα · u = 0. Siα =0ya hemos terminado así que supongamos que α 6= 0. Entonces multiplicamos porel inverso <strong>de</strong> αα −1 · (α · u) =α −1 · 0 = 0ycomoα −1 · (α · u) =(α −1 α) · u =1· u = u,36
Espacio vectorialtenemos que u = 0.(d) Por un lado α +(−α) =0<strong>de</strong> don<strong>de</strong> multiplicando por u tenemos que(α +(−α)) · u =0· u = 0.Pero por otro lado(α +(−α)) · u = α · u +(−α) · u =0,<strong>de</strong> don<strong>de</strong> tenemos que el inverso <strong>de</strong> α · u verifica que−(α · u) =(−α) · u.Por otro lado u +(−u) =0. Multiplicando por α ambos miembros y procediendo como en elcaso anterior tenemos que−(α · u) =α · (−u).(e) Si α · u = α · v y α 6= 0,entoncesα · (u − v) =0 y por el apartado (c) se tiene que u − v = 0,<strong>de</strong> don<strong>de</strong> u = v.(f) Si α · u = β · u y u 6= 0, entonces (α − β) · u = 0 y por el apartado (c) se tiene que α − β =0,<strong>de</strong> don<strong>de</strong> α = β.(g) Consi<strong>de</strong>ramos (−α) · (−u) =−(α · (−u)) = −(−α · u) =α · u.2.2 Subespacios vectorialesDefinition 2 Sea V un espacio vectorial sobre K. Un subconjunto W ⊆ V se dice un subespaciovectorial <strong>de</strong> V si para todo α, β ∈ K yparatodou,v∈ W se verifica que α · u + β · v ∈ W.Una primera consecuencia <strong>de</strong> la <strong>de</strong>finición es que para todo α ∈ K ytodou, v ∈W se verifican queu + v ∈ W y α · u ∈ W. Como las operaciones siguen verificando los 8 axiomas <strong>de</strong> espacio vectorial,tenemos que W también es un espacio vectorial sobre K, <strong>de</strong>don<strong>de</strong>inferimosqueunsubespaciovectorial es un espacio vectorial más pequeño <strong>de</strong>ntro <strong>de</strong> uno más gran<strong>de</strong>.Example 4 Si V es espacio vectorial sobre K, entonces {0} es un subespacio vectorial <strong>de</strong> V. Masaún, si W es un subespacio vectorial tenemos que para todo v ∈ W se verifica que 0 = v +(−v) ∈ W.Example 5 Supongamos que estamos en R 3 y sea W = {(x, y, z) ∈ R 3 : y = z =0}. Dados(x 1 ,y 1 ,z 1 ), (x 2 ,y 2 ,z 2 ) ∈ W y α, β ∈ R, severifica queα · (x 1 ,y 1 ,z 1 )+β · (x 2 ,y 2 ,z 2 )=(αx 1 + βx 2 , αy 1 + βy 2 , αz 1 + βz 2 ),<strong>de</strong> don<strong>de</strong> αy 1 + βy 2 =0y αz 1 + βz 2 =0por lo que α · (x 1 ,y 1 ,z 1 )+β · (x 2 ,y 2 ,z 2 ) ∈ W y así es unsubespacio vectorial <strong>de</strong> R 3 .Definition 3 Dados u 1 ,...,u n ∈ V se <strong>de</strong>fine una combinación <strong>lineal</strong> <strong>de</strong> dichos vectores como unaexpresión <strong>de</strong> la formaα 1 · u 1 + ... + α n · u ndon<strong>de</strong> α 1 , ..., α n ∈ K.37
Espacio vectorialLa noción <strong>de</strong> combinación <strong>lineal</strong> es central en la teoría <strong>de</strong> espacios vectoriales y aparecerá copiosamentedurante el transcurso <strong>de</strong>l tema. De hecho, para <strong>de</strong>finir los subespacios vectoriales hemosutilizado una combinación <strong>lineal</strong> <strong>de</strong> dos elementos.Definition 4 Dado un subconjunto S ⊂ V se <strong>de</strong>fine el subespacio generado por S como el conjunto<strong>de</strong> todas las combinaciones <strong>lineal</strong>es finitas <strong>de</strong> elementos <strong>de</strong> V. Lo <strong>de</strong>notamos por L(S), y po<strong>de</strong>mosescribir queL(S) ={α 1 · u 1 + ...α n · u n : u i ∈ S y α i ∈ K, i =1, 2, ..., n}.Tenemos entonces la siguiente propiedad.Proposition 8 Sea S ⊂ V. Entonces el subespacio generado por S, L(S) es un subespacio vectorial<strong>de</strong> V.Demostración. Sean α, β ∈ K y u, v ∈ L(S), yveamosqueα · u + β · v ∈ L(S). Para ello,sabemos que existen α 1 , ..., α n , β 1 ,...,β m ∈ K y u 1 , ..., u n , v 1 , ..., v m ∈ S tales que u = α 1·u 1 +...α n·u ny v = β 1 · v 1 + ... + β m · v m .Entoncesα · u + β · v = α · (α 1 · u 1 + ...α n · u n )+β · (β 1 · v 1 + ... + β m · v m )= (αα 1 ) · u 1 + ... +(αα n ) · u n +(ββ 1 ) · v 1 + ... +(ββ m ) · v m ,<strong>de</strong> don<strong>de</strong> vemos que α · u + β · v es una combinación <strong>lineal</strong> finita <strong>de</strong> elementos <strong>de</strong> S yasíα · u + β · vpertenece a L(S).Example 6 Sea S = {(1, 1, 1, 1), (0, 1, 1, 1)} ⊂ R 4 ycalculemosL(S). Para ello démonos cuenta queun vector (x, y, z, t) ∈ L(S) si ybsólo si existen α, β ∈ R <strong>de</strong> manera que(x, y, z, t) =α · (1, 1, 1, 1) + β · (0, 1, 1, 1) = (α, α + β, α + β, α + β),<strong>de</strong> don<strong>de</strong> obtenemos el sistema ⎧⎪ ⎨⎪ ⎩x = α,y = α + β,z = α + β,t = α + β,que al tener solución será compatible. Calculamos entonces los rangos <strong>de</strong> sus matrices asociadas⎛⎞ ⎛⎞1 0x1 0x⎜ 1 1 ¯ y⎟⎝ 1 1 z ⎠1 1¯¯¯¯→ F 3 −F 2⎜ 1 1y⎟F 4 −F 2⎝ 0 0z − y ⎠ ,t0 0 ¯ t − yy obtenemos que para que ambos sean iguales a dos <strong>de</strong>be verificarse que z = y = t. EntoncesL(S) ={(x, y, z, t) ∈ R 4 : y = z = t}.38
Espacio vectorialVeamos a continuación cómo se comporta la noción <strong>de</strong> subespacio vectorial con las operacionesentre conjuntos. Antes, <strong>de</strong>finimos una nueva operación suma <strong>de</strong>l siguiente modo. Sean W 1 y W 2subespacios vectoriales <strong>de</strong> V y<strong>de</strong>finimos la suma <strong>de</strong> ambos comoTenemos entonces el siguiente resultado.W 1 + W 2 = {u + v : u ∈W 1 , v ∈ W 2 }.Proposition 9 Sean W 1 y W 2 subespacios vectoriales <strong>de</strong> V. Entonces(a) W 1 ∩ W 2 es un subespacio vectorial <strong>de</strong> V.(b) W 1 ∪ W 2 no es un subespacio vectorial <strong>de</strong> V en general.(c) W 1 + W 2 es un subespacio vectorial <strong>de</strong> V.Demostración. (a) Sean α, β ∈ K y u, v ∈ W 1 ∩ W 2 yveamosqueα · u + β · v ∈ W 1 ∩ W 2 .Como W 1 es un subespacio vectorial se tiene que α · u + β · v ∈ W 1 . Análogamente tenemos queα · u + β · v ∈ W 2 .Así,α · u + β · v ∈ W 1 ∩ W 2 .(b) Consi<strong>de</strong>remos el espacio vectorial R 2 y los subespacios vectoriales W 1 = {(x, y) ∈ R 2 : x =0}y W 2 = {(x, y) ∈ R 2 : y =0}. La unión <strong>de</strong> ambos subespacios es W 1 ∪ W 2 = {(x, y) ∈ R 2 : x =0óy =0}. Entonces los vectores (1, 0), (0, 1) ∈ W 1 ∪W 2 ysinembargo(1, 0)+(0, 1) = (1, 1) /∈ W 1 ∪W 2 ,por lo que no es un subespacio vectorial.(c) Sean α, β ∈ K y u, v ∈ W 1 +W 2 yveamosqueα·u+β ·v ∈ W 1 +W 2 .Dadoqueu ∈ W 1 +W 2 ,existen vectores u i ∈ W i , i =1, 2, talesqueu = u 1 +u 2 . Similarmente y por la misma razón, existenvectores v i ∈ W i , i =1, 2, talesquev = v 1 + v 2 .ComoW 1 es un subespacio vectorial se tiene queα · u 1 + β · v 1 ∈ W 1 .Análogamenteα · u 2 + β · v 2 ∈ W 2 . Entoncesα · u + β · v = α · (u 1 + u 2 )+β · (v 1 + v 2 )=(α · u 1 + β · v 1 )+(α · u 2 + β · v 2 ) ∈ W 1 + W 2 ,por lo que W 1 + W 2 es un subespacio vectorial.Se dirá que la suma <strong>de</strong> dos subespacios es directa si su intersección es el vector 0, esto es,W 1 ∩ W 2 = {0}. Escribiremos W 1 ⊕ W 2 para indicar que los subespacios W 1 y W 2 estan en sumadirecta. La intersección y la suma <strong>de</strong> subespacios vectoriales son operaciones que permiten construirnuevos subespacios vectoriales más pequeños (W 1 ∩W 2 ⊆ W i , i =1, 2)omásgran<strong>de</strong>s(W i ⊆ W 1 +W 2 ,i =1, 2). Estas operaciones serán <strong>de</strong> gran utilidad a la hora <strong>de</strong> estudiar la diagonalización <strong>de</strong> matricescuadradas, como veremos posteriormente.Example 7 Dado R 3 y los subespacios W 1 = {(x, y, z) ∈ R 3 : x + y =0, x + z =0} y W 2 ={(x, y, z) ∈ R 3 : x =0, y =0}, calculemos su suma e intersección. Para ello, démonos cuenta que(x, y, z) ∈ W 1 ∩ W 2 si satisface a la vez las ecuaciones que <strong>de</strong>finen ambos subespacios, esto es⎧⎪⎨⎪⎩x + y =0,x + z =0,x =0,y =0,39
Espacio vectorial<strong>de</strong> don<strong>de</strong> obtenemos resolviendo el sistema que x = y = z =0,oloqueeslomismoW 1 ∩ W 2 ={(0, 0, 0)}. Por otro lado, las ecuaciones paramétricas <strong>de</strong> W 1 y W 2 son⎧⎨⎩x = −λ,y = λ,z = λ,λ ∈ R,y⎧⎨ x =0,y =0, λ ∈ R,⎩z = λ,respectivamente. Entonces es fácil ver que W 1 = L(−1, 1, 1) y W 2 = L(0, 0, 1). Así (x, y, z) ∈W 1 + W 2 si y sólo si existen (x i ,y i ,z i ) ∈ W i , i =1, 2, don<strong>de</strong>(x, y, z) =(x 1 ,y 1 ,z 1 )+(x 2 ,y 2 ,z 2 )=α · (−1, 1, 1) + β · (0, 0, 1) = (−α, α, α + β),<strong>de</strong> don<strong>de</strong> tenemos el sistema⎧⎨ x = −α,y = α,⎩z = α + β,queescompatible.Alcalcularlosrangos<strong>de</strong>lasmatricesasociadas⎛⎝ −1 0⎞ ⎛x1 0y ⎠ → F2 +F 1⎝ −1 0⎞x0 01 1 ¯Fz3 +F 1 y + x ⎠0 1 ¯ z + ytenemos que ambos son iguales a dos si y + x =0,porloqueW 1 + W 2 = {(x, y, z) ∈ R 3 : x + y =0}.2.3 Bases y dimensión <strong>de</strong> espacios vectorialesDefinition 5 Dados u 1 , ..., u n ∈ V se dice que son <strong>lineal</strong>mente in<strong>de</strong>pendientes (abreviado LI) sidada la combinación <strong>lineal</strong>α 1 · u 1 + ... + α n · u n = 0,se verifica que α 1 = ... = α n =0. En caso contrario se dirán <strong>lineal</strong>mente <strong>de</strong>pendientes (LD).Example 8 El vector 0 siempre es LD ya que para todo α ∈ K se tiene que α · 0 = 0.Example 9 Dado R 2 se verifica que (1, 0) y (1, 1) son LI. Para verificarlo construimos la combinación<strong>lineal</strong>α · (1, 0) + β · (1, 1) = (0, 0),<strong>de</strong> don<strong>de</strong>(α + β, β) =(0, 0),y obtenemos el sistema ½ α + β =0,β =0,que al resolverlo β = α =0.40
Espacio vectorialExample 10 Dado P 2 [x] se verifica que 1, x y x 2 son LI. Para comprobar ésto construimos lacombinación <strong>lineal</strong>α + βx + γx 2 =0.Dando los valores x =0, x =1y x = −1 obtenemos el sistema⎧⎨ α =0,α + β + γ =0,⎩α − β + γ =0,y al resolverlo tenemos las soluciones α = β = γ =0.Tenemos entonces la siguiente propiedad.Proposition 10 Si u 1 ,...,u n ∈ V son LD entonces uno <strong>de</strong> ellos es el vector 0 o es combinación<strong>lineal</strong> <strong>de</strong> los restantes.Demostración. Si uno <strong>de</strong> ellos es 0, la tesis <strong>de</strong>l resultado está probada. Supongamos entoncesque son todos los vectores no nulos y que existe una combinación <strong>lineal</strong> α 1 · u 1 + ... + α n · u n = 0 talque por ejemplo α 1 6=0. Entonces po<strong>de</strong>mos <strong>de</strong>spejar u 1 comou 1 = − α 2· u 2 − ... − α n· u n ,α 1 α 1por lo que el vector u 1 será combinación <strong>lineal</strong> <strong>de</strong> u 2 , ..., u n .Definition 6 Dados u 1 ,...,u n ∈ V se dice que generan V si L({u 1 , ..., u n })=V. EntalcasoV sedirá un espacio vectorial finitamente generado y {u 1 ,...,u n } un conjunto generador <strong>de</strong> V.Example 11 El conjunto <strong>de</strong> vectores {(1, 1), (0, 1)} generan el espacio vectorial R 2 . Para elloconsi<strong>de</strong>remos un vector arbitrario (x, y) ∈ R 2 yveamosqueexistenα, β ∈ R tales que (x, y) =α · (1, 1) + β · (0, 1). Desarrollamos(x, y) =(α, α + β),que da lugar al sistema ½ x = α,y = α + β,<strong>de</strong> don<strong>de</strong> α = x y β = y − x yasíy R 2 = L({(1, 1), (0, 1)}).(x, y) =x · (1, 1) + (y − x) · (0, 1),Example 12 No todos los espacios vectoriales son finitamente generados. Por ejemplo, el conjunto<strong>de</strong> los polinomios con coeficientes realesP[x] ={a 0 + a 1 x + ... + a n x n : n ∈ N,a i ∈ R, 0 ≤ i ≤ n}es un subespacio vectorial sobre R. Supongamos que existe polinomios p 1 (x), ..., p k (x) ∈ P[x] quegeneran dicho espacio vectorial. Sea m el grado <strong>de</strong>l polinomio <strong>de</strong> más grado entre los polinomiosp 1 (x), ..., p k (x˙). Entonces nos es posible encontrar números reales α 1 , ..., α k tales quex m+1 = α 1 p 1 (x)+... + α k p k (x),ya que en la igualdad anterior el polinomio <strong>de</strong> la izquierda <strong>de</strong> la igualdad es m +1 yel<strong>de</strong>la<strong>de</strong>rechaes a lo sumo m.41
Espacio vectorialVeamos algunas propieda<strong>de</strong>s <strong>de</strong> los conjuntos generadores.Proposition 11 Supongamos que S = {u 1 , ..., u n } generan V. Entonces existe B ⊆ S que tambiéngenera V y tal que sus elementos son LI.Demostración. Silosvectores<strong>de</strong>S son LI ya hemos terminado. Supongamos entonces que sonLD y apliquemos la Proposición 10 y supongamos por ejemplo que existen α 2 , ..., α n ∈ K tales queu 1 = α 2 · u 2 + ... + α n · u n . (2.1)Entonces comprobemos que L({u 1 , ..., u n }\{u 2 })=L({u 2 , ..., u n })=V. Para ello, sea v ∈ Varbitrario. Como L({u 1 , ..., u n })=V existen β 1 , ..., β n ∈ K tales que v = β 1 · u 1 + ... + β n · u n yasísustituyendo u 1 por la expresión (2.1) y simplificando tenemosv = β 1 (α 2 · u 2 + ... + α n · u n )+β 2 · u 21 + ... + β n · u n= (β 1 α 2 + β 2 ) · u 2 + ... +(β 1 α n + β n ) · u n ,por lo que v es combinación <strong>lineal</strong> <strong>de</strong> u 2 , ..., u n . De esta manera tenemos un método para eliminarvectores LD <strong>de</strong>ntro <strong>de</strong> un conjunto generador. Como tenemos una cantidad finita <strong>de</strong> vectores, <strong>de</strong>behaber un momento en el cual los vectores que quedan al eliminar uno LD sean LI.La siguiente propiedad establece relaciones entre el número <strong>de</strong> elementos en un conjunto generador<strong>de</strong> V yelnúmero<strong>de</strong>vectoresLI.Proposition 12 Supongamos que V está generado por n vectores. Entonces ningún conjunto LI <strong>de</strong>V tiene mas <strong>de</strong> n elementos.Demostración. Haremos la <strong>de</strong>mostración por inducción en n.Si n =1entonces V = L({u}) para algún u ∈ V. Entonces todo vector <strong>de</strong> V será proporcional au y esto imposibilita que existan dos vectores <strong>lineal</strong>mente in<strong>de</strong>pendientes en V.Supongamos ahora que el resultado es cierto para espacios vectoriales generados por a lo sumon elementos y probemos que es cierto para espacios generados por n +1elementos. Para ello seanV = L({v 1 , ..., v n+1 }) y S = {u 1 ,...,u m } un conjunto <strong>de</strong> vectores <strong>lineal</strong>mente in<strong>de</strong>pendientes <strong>de</strong> V, yveamos que m ≤ n +1. Distinguimos dos casos. En primer lugar suponemos que S ⊂ L({v 1 , ..., v n })y entonces por la hipótesis inductiva m ≤ n
Espacio vectorialPero entonces0 = γ 2 · (u 2 − λ 2 · u 1 )+... + γ m · (u m − λ m · u 1 )= γ 2 · u 2 + ... + γ m · u m − (γ 2 λ 2 + ... + γ m λ m ) · u 1ycomou 1 , ..., u m son LI se tiene que γ i =0, i =2, 3, ..., m. De nuevo por la hipótesis inductivam − 1 ≤ n, <strong>de</strong> don<strong>de</strong> m ≤ n +1como queríamos probar.Definition 7 Una base <strong>de</strong> V es un conjunto generador <strong>de</strong> V yLI.Example 13 El conjunto B = {1,x,x 2 } es una base <strong>de</strong>l conjunto P 2 [x] <strong>de</strong> polinomios reales <strong>de</strong>grado menor o igual que 2. Ya vimos en el ejemplo 10 que era un conjunto LI. Por otra parte, esclaro que es un conjunto generador dado que todo p(x) ∈ P 2 [x] es <strong>de</strong> la forma p(x) =a + bx + cx 2 ,a, b, c ∈ R.A continuación probamos un resultado fundamental sobre las bases <strong>de</strong> espacios vectoriales finitamentegenerados que permite <strong>de</strong>finir la noción <strong>de</strong> dimensión <strong>de</strong> estos espacios.Theorem 13 Si V es finitamente generado, entonces todas sus bases tienen el mismo número <strong>de</strong>elementos.Demostración. Sean B 1 = {u 1 , ..., u n } y B 2 = {v 1 ,...,v m } bases <strong>de</strong> V yveamosquen = ṁ.Consi<strong>de</strong>remos B 1 como conjunto generador y B 2 como conjunto <strong>lineal</strong>mente in<strong>de</strong>pendiente. Aplicamosla Proposición 12 para obtener que n ≥ m. Si ahora consi<strong>de</strong>ramos B 1 como <strong>lineal</strong>mente in<strong>de</strong>pendientey B 2 como conjunto generador y volvemos a aplicar la Proposición 12 y obtenemos m ≥ n. Entoncesm = n.Definition 8 Dado V un espacio vectorial finitamente generado. Se llama dimensión <strong>de</strong> V, dim V(o dim K V si queremos enfatizar el cuerpo K), al número <strong>de</strong> elementos en una base.Otra <strong>de</strong> las ventajas <strong>de</strong> trabajar con bases es la siguiente propiedad.Proposition 14 Sea B = {u 1 , ..., u n } una base <strong>de</strong> V. Entoncestodovectoru ∈ V admite una únicaexpresión como combinación <strong>lineal</strong> <strong>de</strong> los elementos <strong>de</strong> B.Demostración. Supongamos dos combinaciones <strong>lineal</strong>esα i , β i ∈ K, 1 ≤ i ≤ n. Entoncesu = α 1 · u 1 + ... + α n · u n = β 1 · u 1 + ... + β n · u n ,(α 1 − β 1 ) · u 1 + ... +(α n − β n ) · u n = 0.Como los vectores u 1 , ..., u n son LI, se verifica que α i − β i =0,oloqueeslomismoα i = β i ,1 ≤ i ≤ n.Sean B = {u 1 , ..., u n } una base <strong>de</strong> V y u ∈V. Entonces u = α 1 ·u 1 +...+α n ·u n con α 1 , ..., α n ∈ Kúnicos. Si los escribimos como un vector <strong>de</strong> K n , diremos entonces que (α 1 , ..., α n ) B son las coor<strong>de</strong>nadas<strong>de</strong> u en la base B. Démonos cuenta que al cambiar la base cambian a su vez las coor<strong>de</strong>nadas <strong>de</strong>l43
Espacio vectorialvector. Por ejemplo, sean R 2 , las bases B 1 = {(1, 0), (0, 1)} y B 2 = {(1, 1), (1, −1)} y el vector (2, 2).Este vector tiene coor<strong>de</strong>nadas (2, 2) B1 en la base B 1 ,mientrasqueson(2, 0) B2 en la base B 2 .La base B 1 es lo que conoceremos como base canónica, esto es, aquella que verifica que lascoor<strong>de</strong>nadas <strong>de</strong> un vector son las “naturales”. Por ejemplo, todo vector (x 1 , ..., x n ) ∈ K n tiene coor<strong>de</strong>nadas(x 1 , ..., x n ) C respecto <strong>de</strong> la base canónica C = {(1, 0,...,0), (0, 1, 0, ..., 0), ..., (0, 0, ..., 0, 1)}.En el conjunto <strong>de</strong> los polinomios P n [x] la base canónica es C = {1,x,...,x n }, <strong>de</strong> manera que cualquierpolinomio a 0 + a 1 x + ... + a n x n ∈ P n [x] tiene por coor<strong>de</strong>nadas en dicha base (a 0 ,a 1 ,...,a n ) C .Proposition 15 Sea V un espacio vectorial finitamente generado y {u 1 , ..., u m } un conjunto LI.Entonces existe una base B <strong>de</strong> V <strong>de</strong> manera que {u 1 , ..., u m } ⊆ B.Demostración. Si L({u 1 , ..., u m }) = V, ya hemos terminado. En caso contrario sea v ∈V\L({u 1 , ..., u m }). Entonces toda combinación <strong>lineal</strong>α · v + α 1 · u 1 + ... + α m · u m = 0,<strong>de</strong>be verificar que α =0. Por la in<strong>de</strong>pen<strong>de</strong>ncia <strong>lineal</strong> <strong>de</strong> u 1 , ..., u m , se tiene a<strong>de</strong>más que α i =0,1 ≤ i ≤ m. Así{v, u 1 , ..., u m } es un conjunto LI. De esta manera incrementamos en una unidad elconjunto LI. Como V es finitamente generado, en una cantidad finita <strong>de</strong> pasos logramos obtener unconjunto LI que genere V.A modo <strong>de</strong> resumen tenemos el siguiente resultado.Theorem 16 Sea V un espacio vectorial finitamente generado <strong>de</strong> dimensión n. Entonces(a) Todas las bases <strong>de</strong> V tienen n elementos.(b) TodoconjuntoLI<strong>de</strong>n elementos es una base <strong>de</strong> V.(c) Todo conjunto generador <strong>de</strong> V <strong>de</strong> n elementos es una base.Demostración. El apartado (a) está probado en el Teorema 13. Para <strong>de</strong>mostrar (b), sea{u 1 , ..., u n } ⊂ V un conjunto LI. Si no fuera generador <strong>de</strong> V, aplicando la Proposición 15, podríamosexten<strong>de</strong>rlo a una base <strong>de</strong> V que necesariamente tendría mas <strong>de</strong> n elementos, lo cual contradice elTeorema 13. De igual modo y utilizando la Proposición 11 se prueba el apartado (c).Para finalizar el tema, nótese que los subespacios vectoriales son a su vez espacios vectoriales quetendrán su dimensión. Sobre este particular tenemos la siguiente fórmula <strong>de</strong> las dimensiones <strong>de</strong> lasuma e intersección <strong>de</strong> subespacios vectoriales.Proposition 17 Sean W 1 y W 2 subespacios vectoriales <strong>de</strong> V finitamente generados. EntoncesEn particular, si la suma es directadim(W 1 + W 2 )=dimW 1 +dimW 2 − dim(W 1 ∩ W 2 ).dim(W 1 ⊕ W 2 )=dimW 1 +dimW 2 .44
Espacio vectorialDemostración. Supongamos en primer lugar que W 1 ⊕ W 2 y sean B 1 = {u 1 , ..., u n } y B 2 ={v 1 , ..., v m } bases <strong>de</strong> W 1 y W 2 , respectivamente y comprobemos que B = B 1 ∪ B 2 es una base <strong>de</strong>W 1 ⊕ W 2 .VeamosqueB es un conjunto LI. Sea una combinación <strong>lineal</strong>α 1 · u 1 + ... + α n · u n + β 1 · v 1 + ... + β m · v m = 0.Entoncesv = α 1 · u 1 + ... + α n · u n = −β 1 · v 1 − ... − β m · v m ∈ W 1 ∩ W 2 ,con lo que v = 0 yα 1 · u 1 + ... + α n · u n = 0,β 1 · v 1 + ... + β m · v m = 0.Como B 1 y B 2 son LI, obtenemos que α i =0y β j =0para 0 ≤ i ≤ n y 1 ≤ j ≤ m. Veamosahoraque L(B)= W 1 ⊕ W 2 . Para ello sea v ∈ W 1 ⊕ W 2 arbitrario y sea v i ∈ W i , i =1, 2, <strong>de</strong>maneraquev = v 1 + v 2 . Existen entonces α i ∈ K y β j ∈ K, 0 ≤ i ≤ n y 1 ≤ j ≤ m, <strong>de</strong>maneraquev 1 = α 1 · u 1 + ... + α n · u n ,v 2 = β 1 · v 1 + ... + β m · v m .EntoncesAsív = α 1 · u 1 + ... + α n · u n + β 1 · v 1 + ... + β m · v m ∈ L(B).dim(W 1 ⊕ W 2 )=n + m =dimW 1 +dimW 2 .Supongamos ahora que W 1 ∩W 2 6= {0} y sea {u 1 , ..., u k } una base <strong>de</strong>l mismo. Por la Proposición15 exten<strong>de</strong>mos {u 1 , ..., u k } asendasbases{u 1 , ..., u k , u k+1 , ..., u n } y {u 1 , ..., u k , v k+1 , ..., v m } <strong>de</strong> W 1y W 2 , respectivamente. Sea V 1 = L({u k+1 , ..., u n }). EntoncesV 1 ∩ W 2 = {0} yportantoPor otra parte V 1 ⊕ W 2 = W 1 + W 2 yentoncesy la proposición queda <strong>de</strong>mostrada.dim(V 1 ⊕ W 2 )=dimV 1 +dimW 2 .dim(W 1 + W 2 ) = dim(V 1 ⊕ W 2 )= dimV 1 +dimW 2= dimW 1 +dimW 2 − dim(W 1 ∩ W 2 ),Example 14 El resultado anterior tiene su aplicación a ejemplos como el siguiente. SeanW 1 = {(x, y, z) ∈ R 3 : x + y + z =0}yW 2 = {(x, y, z) ∈ R 3 : x + y =0,y+ z =0}.45
Espacio vectorialSus dimensiones son 2 y 1, respectivamente. Por otra parte, (x, y, z) ∈ W 1 ∩ W 2 si se satisfacen⎧⎨ x + y + z =0,x + y =0,⎩y + z =0.Resolvemos este sistema⎛⎝ 1 1 11 1 00 1 1¯000⎞ ⎛⎠ → F2 −F 1⎝ 1 1 10 0 −10 1 1¯000⎞⎠ ,y obtenemos que x = y = z =0,porloqueW 1 ∩ W 2 = {(0, 0, 0)}. Entoncesdim(W 1 ⊕ W 2 )=dimW 1 +dimW 2 =2+1=3,ydadoqueW 1 ⊕ W 2 ⊆ R 3 ,severifica que W 1 ⊕ W 2 = R 3 .2.4 Ejercicios1. Sea M 2×2 (R) el espacio <strong>de</strong> las matrices <strong>de</strong> or<strong>de</strong>n 2×2 sobre el cuerpo R, estudiar si los siguientesconjuntos <strong>de</strong> matrices son subespacios vectoriales.(a) M 1 = {A ∈ M 2×2 (R) :A es simétrica}(b) M 2 = {A ∈ M 2×2 (R) :A 2 = A}(c) M 3 = {A ∈ M 2×2 (R) :|A| =0}µ 0 0(d) M 4 = {A = ∈ M0 a2×2 (R) :a ∈ R}2. En R 2 <strong>de</strong>finimos la operación interna + dada por:(x, y)+(u, v) =(x + u, y + v) ∀(x, y), (u, v) ∈ R 2 ,y la operación externa ∗ : R × R 2 → R 2 dada por:α ∗ (x, y) =(αx, y), ∀α ∈ R y ∀(x, y) ∈ R 2 .¿Tiene la terna (R 2 , +, ∗) estructura <strong>de</strong> espacio vectorial sobre R ?3. Comprobar si los siguientes conjuntos <strong>de</strong> R 3 son subespacios vectoriales:(a) W = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 + x 2 =0} .(b) W = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 +2x 2 + x 3 =1} .(c) W = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 = x 2 =0} .(d) W = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 + x 2 =0yx 3 − x 2 =0} .46
Espacio vectorial(e) W = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 + x 2 2 =0} .4. Decir si los siguientes vectores <strong>de</strong> R 4 son <strong>lineal</strong>mente in<strong>de</strong>pendientes:(a) {(1, 0, 0, 1) , (0, 1, 1, 0) , (1, 1, 1, 1)} .(b) {(1, 0, 0, 1) , (0, 1, 1, 1) , (1, 1, 1, 1)} .(c) {(1, 0, 0, 1) , (0, 1, 1, 0) , (1, 1, 1, 1) , (2, 0, 0, 0)} .5. Extraer un conjunto <strong>lineal</strong>mente in<strong>de</strong>pendiente <strong>de</strong> los conjuntos <strong>de</strong>l ejercicio 4.6. ¿Alguno <strong>de</strong> los conjuntos <strong>de</strong>l ejercicio 4 son una base <strong>de</strong> R 4 ?.7. Calcular el subespacio vectorial generado por los conjuntos <strong>de</strong>l ejercicio 4.8. Dados los subespacios <strong>de</strong> R 3 , W 1 = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 = x 2 =0} ycalcular:W 2 = {(x 1 ,x 2 ,x 3 ) ∈ R 3 : x 1 + x 2 + x 3 =0},(a) Un conjunto generador <strong>lineal</strong>mente in<strong>de</strong>pendiente <strong>de</strong> W 1 y W 2 .(b) Calcular W 1 + W 2 y W 1 ∩ W 2 .(c) ¿Es la suma <strong>de</strong> W 1 y W 2 directa?.(d) Calcular las dimensiones <strong>de</strong> W 1 , W 2 , W 1 ∩ W 2 y W 1 + W 2 .9. Sea (V, +, ·) un espacio vectorial sobre un cuerpo K, y sea B = {v 1 , ..., v n } una base <strong>de</strong> V.Demostrar que el conjunto <strong>de</strong> vectores B 0 = {u 1 ,...,u n } dado por u 1 = v 1 , u 2 = v 1 + v 2 , ...,u n = v 1 + v 2 + ... + v n es también una base <strong>de</strong> V.10. Sea P 4 [x] el espacio vectorial <strong>de</strong> los polinomios <strong>de</strong> grado menor o igual que n. Demostrar quelos conjuntos B = {1,x,x 2 ,x 3 ,x 4 } y B 0 = © (1 + x) 4 ,x(1 + x) 3 ,x 2 (1 + x) 2 ,x 3 (1 + x) ,x 4ª sonbases <strong>de</strong> P 4 [x] . Expresar los elementos <strong>de</strong> B 0 como combinación <strong>lineal</strong> <strong>de</strong> B.11. Se consi<strong>de</strong>ran en R 4 los subespacios vectoriales W 1 y W 2 generados por los subconjuntosS 1 = {(1, 1, 1, 1) , (1, −1, 1, −1)} y S 2 = {(1, 1, 0, 1) , (1, 2, −1, 2) , (3, 5, −2, 5)} respectivamente.Encontrar:(a) dim(W 1 + W 2 ).(b) dim(W 1 ∩ W 2 ).(c) Ecuaciones <strong>de</strong> W 1 + W 2 .(d) Ecuaciones <strong>de</strong> W 1 ∩ W 2 .12. Idéntica cuestión para los subespacios <strong>de</strong> R 3U = {(x, y, z) ∈ R 3 : x = λ + μ,y = λ − 2μ,z = −μ}yV = {(x, y, z) ∈ R 3 : x =0,y =3z}.47
Espacio vectorial13. Indicar cuál es la dimensión <strong>de</strong> la intersección <strong>de</strong> los subespacios <strong>de</strong> R 3 <strong>de</strong>finidos como U =L[(1, 1, α), (α, 1, 1)] y V = L[(−1, α, −1), (1, 1, 1)] según los valores <strong>de</strong> α.14. En R 3 se consi<strong>de</strong>ran los subespacios vectoriales A = {(x, y, z) ∈ R 3 : y =0} yB = h(1, 1, 1), (1,a,3)i, don<strong>de</strong>a es un parámetro real.(a) Calcula la dimensión <strong>de</strong> A, B, A + B y A ∩ B en función <strong>de</strong> a.(b) Si a =1, averiguar si existe algún valor <strong>de</strong> b para el cual el vector (b, 2, 1) pertenece alsubespacio A + B.15. Halla una base <strong>de</strong> R 4 quecontengaalosvectores(1, 0, 1, 1) y (2, 0, 2, 1).16. Calcular las ecuaciones <strong>de</strong> los siguientes subespacios vectoriales:(a) h(1, 1, 1)i (b) h(1, −1, 0), (1, 0, 0i (c) h(1, 1, 1), (0, 0, 3)i (d) h(1, 1), (1, 0)i17. ¿Cuál es la dimensión <strong>de</strong> C consi<strong>de</strong>rado como espacio vectorial sobre R? ¿Ysiloconsi<strong>de</strong>ramoscomo un espacio vectorial sobre C?18. Hallar una base y la dimensión <strong>de</strong>l subespacio <strong>de</strong> R 4 :{(x, y, z, t) ∈ R 4 : x − y − t =0,x+ y + z + t =0}.19. En el espacio vectorial R 3 se consi<strong>de</strong>ran los subespacios vectoriales A = {(x, y, z) ∈ R 3 : y =0}y B = h(1, 1, 1), (2, 2, 2)i . Se pi<strong>de</strong>:(a) Hallar una base y la dimensión <strong>de</strong> A, B, A + B y A ∩ B.(b) ¿Pertenece el vector (3, 2, 1) al subespacio A + B?20. De las siguientes afirmaciones, <strong>de</strong>mostrar las que sean ciertas y dar un contraejemplo para lasfalsas:(a) Si {u, v} son <strong>lineal</strong>mente in<strong>de</strong>pendientes, entonces {u − v, u + v} también lo son.(b) Todo conjunto <strong>de</strong> vectores que no contenga al vector nulo es <strong>lineal</strong>mente in<strong>de</strong>pendiente.(c) Sean V 1 y V 2 subespacios vectoriales <strong>de</strong>l mismo espacio vectorial. Si dim(V 1 )=dim(V 2 ),entonces V 1 = V 2 .(d) El vector (1, 0, 0) tiene por coor<strong>de</strong>nadas (1, 1, −1) en la base B = {(1, 1, 1), (1, 2, 1), (1, 3, 2)}.(e) Sean S = {(1, 1, 2), (1, −2, −1), (3, −1, 2)} y S 0 = {(1, 0, 0)}. Entonces:i. L(S)+L(S 0 )=L(S ∪ S 0 ).ii. L(S) ∪ L(S 0 )=L(S ∪ S 0 ).iii. L(S) ∩ L(S 0 )=L(S ∩ S 0 ).iv. dim(L(S)) = 3 y dim(L(S 0 )) = 1.(f) Si {u, v} es un conjunto <strong>de</strong> vectores <strong>lineal</strong>mente in<strong>de</strong>pendientes tal que {u, w} y {v, w} son<strong>lineal</strong>mente in<strong>de</strong>pendientes, entonces {u, v, w} también son <strong>lineal</strong>mente in<strong>de</strong>pendientes.48
Espacio vectorial21. Dados los subespacios <strong>de</strong> R 3 , S = {(x, y, z) ∈ R 3 : x = y =0} y T = {(x, y, z) ∈ R 3 :x + y + z =0} calcular:(a) Una base y la dimensión <strong>de</strong> ambos.(b) S + T y S ∩ T , dando las bases <strong>de</strong> dichos subespacios.(c) ¿La suma S + T es directa?22. Se consi<strong>de</strong>ran en R 4 los subespacios vectoriales generados porCalcular:S 1 = {(1, 1, 1, 1), (1, −1, −1, 1)} y S 2 = {(1, 1, 0, 1), (1, 2, −1, 2), (3, 5, −2, 5)}.(a) La base y la dimensión <strong>de</strong> L(S 1 ) y L(S 2 ).(b) Calcular L(S 1 ) ∩ L(S 2 ) y L(S 1 )+L(S 2 ), dando bases <strong>de</strong> dichos subespacios.(c) ¿Pertenece el vector (4, 0, −2, 1) a L(S 1 ) ∩ L(S 2 )? En caso afirmativo dar sus coor<strong>de</strong>nadasrespecto <strong>de</strong> la base consi<strong>de</strong>rada.(d) ¿Pertenece el vector (4, 0, −2, 1) a L(S 1 )+L(S 2 )? En caso afirmativo dar sus coor<strong>de</strong>nadasrespecto <strong>de</strong> la base consi<strong>de</strong>rada.23. Determinar a ∈ R para que los vectores (a, 1, 1), (1,a,1) y (1, 1,a) sean <strong>lineal</strong>mente in<strong>de</strong>pendientes.Determinar los tres subespacios vectoriales generados por dos <strong>de</strong> los 3 vectoresanteriores en función <strong>de</strong> a y calcular la intersección y la suma <strong>de</strong> dichos subespacios vectorialesdos a dos. ¿Son las sumas directas?24. Sea C(0, 1]) el espacio vectorial <strong>de</strong> las funciones continuas f :[0, 1] → R y sea W 1 = {ax + bx 3 :a, b ∈ R} y W 2 = {a + bx + cx 2 : a, b, c ∈ R}.(a) ¿Son W 1 y W 2 subespacios vectoriales <strong>de</strong> C(0, 1])? Razonalarespuesta.(b) Determinar W 1 + W 2 y W 1 ∩ W 2 . ¿Es la suma directa? Determinar las dimensiones <strong>de</strong>ambos subespacios.25. Sea V un espacio vectorial sobre R y sean S 1 = {u 1 , ..., u n } y S 2 = {v 1 , ..., v m }. Razonar lavali<strong>de</strong>z o falsedad <strong>de</strong> las siguientes afirmaciones:(a) Si S 1 y S 2 son <strong>lineal</strong>mente in<strong>de</strong>pendientes, entonces L(S 1 )+L(S 2 ) es una suma directa.(b) Si L(S 1 ) ⊕ L(S 2 ), entonces S 1 ∪ S 2 es un conjunto <strong>lineal</strong>mente in<strong>de</strong>pendiente.(c) L(S 1 )+L(S 2 )=L(S 1 ∪ S 2 ).49
Espacio vectorial50
Capítulo 3Aplicaciones <strong>lineal</strong>esSumario. Definición <strong>de</strong> aplicación <strong>lineal</strong>. Núcleo e imagen. Fórmula <strong>de</strong> lasdimensiones. Matriz <strong>de</strong> una aplicación <strong>lineal</strong> respecto a una base. Propieda<strong>de</strong>s.Matrices <strong>de</strong> cambio <strong>de</strong> base.Una gran cantidad <strong>de</strong> mo<strong>de</strong>los <strong>de</strong> la ingeniería siguen las siguientes leyes. Po<strong>de</strong>mos imaginarnos unaparato que cada vez que se le introduce un <strong>de</strong>terminado estímulo <strong>de</strong>vuelve ese estímulo modificadocomo una señal <strong>de</strong> salida. Dicho estímulo pue<strong>de</strong> ser por ejemplo una diferencia <strong>de</strong> potencial <strong>de</strong>potencial en un circuito eléctrico que a su vez <strong>de</strong>volverá una cierta intensidad <strong>de</strong> corriente. Si<strong>de</strong>notamos por V (t) el voltaje e i(t) la intensidad, el circuito funciona <strong>de</strong> la manera siguiente: si i 1 (t)e i 2 (t) son las respuestas a los voltajes V 1 (t) y V 2 (t), entonces i 1 (t)+i 2 (t) es la respuesta al voltajeV 1 (t)+V 2 (t). A<strong>de</strong>más, si el voltaje es amplificado multiplicando por un escalar α, entonces αi(t) esla respuesta a αV (t). Estaeslaforma<strong>de</strong>funcionar<strong>de</strong>uncircuitoLRCyla<strong>de</strong>numerososingenios<strong>de</strong> la ingeniería. Como veremos a continuación, estos aparatos funcionan como una aplicación <strong>lineal</strong>.3.1 Definiciones y propieda<strong>de</strong>s básicasSean V y V 0 dos espacios vectoriales sobre el cuerpo K. Una aplicación f : V → V 0 se dice que es unaaplicación <strong>lineal</strong> si verifica las siguientes propieda<strong>de</strong>s:1. f(u + v) =f(u)+f(v), paratodou, v ∈ V.2. f(α · u) =α · f(u), paratodou ∈ V ytodoα ∈ K.Equivalentemente la aplicación f será <strong>lineal</strong> si y solamente si para cada u, v ∈ V y α, β ∈ K severifica la igualdadf(α · u + β · v) =α · f(u)+β · f(v).Example 15 Dado un espacio vectorial V, la aplicación i<strong>de</strong>ntidad i : V → V dada por i(v) =vpara todo v ∈ V es trivialmente una aplicación <strong>lineal</strong>.51
Aplicaciones <strong>lineal</strong>esExample 16 Sealaaplicaciónf : R 2 → R 3 dada por f(x, y) =(x, x + y, x − 2y). Veamos que setrata <strong>de</strong> una aplicación <strong>lineal</strong>. Para ello sean α, β ∈ R y (x 1 ,y 1 ), (x 2 ,y 2 ) ∈ R 2 ycalculemosf(α · (x 1 ,y 1 )+β · (x 2 ,y 2 )) = f(αx 1 + βx 2 , αy 1 + βy 2 )= (αx 1 + βx 2 , αx 1 + βx 2 + αy 1 + βy 2 , αx 1 + βx 2 − 2αy 1 − 2βy 2 )= α · (x 1 ,x 1 + y 1 ,x 1 − 2y 1 )+β · (x 2 ,x 2 + y 2 ,x 2 − 2y 2 )= α · f(x 1 ,y 1 )+β · f(x 2 ,y 2 ),por lo que f es <strong>lineal</strong>.Example 17 Consi<strong>de</strong>remos la aplicación g : R 2 → R 3 dada por g(x 1 ,x 2 )=(x 2 1,x 1 + x 2 ,x 1 − 2x 2 ).En este caso no se trata <strong>de</strong> una aplicación <strong>lineal</strong>, ya que tomando el vector (1, 1) ∈ R 2 y el escalar−1 ∈ R se tiene queg((−1) · (1, 1)) = (1, −2, 1) 6= (−1, −2, 1) = (−1) · g(1, 1).Example 18 Sea la aplicación f : R 2 → M 2×2 (R) dada porµ x1 0f(x 1 ,x 2 )=.1 x 2Si tomamos dos vectores cualesquiera (x 1 ,x 2 ), (y 1 ,y 2 ) ∈ R 2 es evi<strong>de</strong>nte queµ µ µ x1 + yf((x 1 ,x 2 )+(y 1 ,y 2 )) =1 0 x1 0 y1 06=+= f(x1 x 2 + y 2 1 x 2 1 y 1 ,x 2 )+f(y 1 ,y 2 ),2yportantof no es <strong>lineal</strong>.Dependiendo <strong>de</strong> sus características se distinguen diferentes clases <strong>de</strong> aplicaciones <strong>lineal</strong>es. Asídada f : V → V 0 una aplicación <strong>lineal</strong> se dice que es un:Monomorfismo si es inyectiva, es <strong>de</strong>cir, si f(u) =f(v) implica que u = v.Epimorfismo si es suprayectiva o equivalentemente, si para cada v ∈ V 0 se tiene u ∈ V tal quef(u) =v.Isomorfismo si es biyectiva, o lo que es lo mismo, si es inyectiva y suprayectiva a la vez.Endomorfismo si V = V 0 .Automorfismo si V = V 0 y f es biyectiva.La siguiente propiedad es útil para <strong>de</strong>terminar si una aplicación no es <strong>lineal</strong>.Proposition 18 Si 0 ∈ V es el vector nulo y f : V → V 0 es una aplicación <strong>lineal</strong>, se tiene quef(0) =0.Demostración. Nótese que 0 + 0 = 0 yentoncesf(0 + 0) =f(0). Comof es <strong>lineal</strong> se verificaque f(0 + 0) =f(0)+f(0) =f(0), <strong>de</strong>don<strong>de</strong>f(0) =0.Esta propiedad permite i<strong>de</strong>ntificar fácilmente aplicaciones que no son <strong>lineal</strong>es (como la <strong>de</strong>l ejemplo18), aunque las aplicaciones que mandan el vector nulo al vector nulo no son necesariamente<strong>lineal</strong>es, como el caso <strong>de</strong>l ejemplo 17.52
Aplicaciones <strong>lineal</strong>es3.2 Subespacios vectoriales asociados a una aplicación <strong>lineal</strong>3.2.1 Imagen <strong>de</strong> una aplicación <strong>lineal</strong>.Las aplicaciones <strong>lineal</strong>es son aquellas que conservan los subespacios vectoriales, como el siguienteresultado <strong>de</strong>muestra.Proposition 19 Sea f : V → V 0 una aplicación <strong>lineal</strong> y sea W ⊆ V un subespacio vectorial. Entoncesf(W) ={f(u) :u ∈ W} es un subespacio vectorial <strong>de</strong> V 0 .Demostración. Sean α, β ∈ K y u, v ∈ f(W) yveamosqueα·u+β ·v ∈ f(W). Paraellohemos<strong>de</strong> tener en cuenta que como u, v ∈ f(W), entonces existen vectores u 1 , v 1 ∈ W tales que f(u 1 )=uy f(v 1 )=v. Entonces, por la <strong>lineal</strong>idad <strong>de</strong> f tenemosα · u + β · v = α · f(u 1 )+β · f(v 1 )=f(α · u 1 + β · v 1 ),<strong>de</strong> don<strong>de</strong> obtenemos que α · u + β · v ∈ f(W).Definition 9 Dada una aplicación <strong>lineal</strong> f : V → V 0 se llama imagen <strong>de</strong> f, yse<strong>de</strong>notaporIm(f),al conjunto f(V) que como hemos visto en la proposición anterior es un subespacio vectorial <strong>de</strong> V 0 .A<strong>de</strong>más se tiene que f es un epimorfismo si y solamente si Im(f) =V 0 .Example 19 Calculamos la imagen <strong>de</strong> la aplicación <strong>lineal</strong> f : R 3 → R 3 <strong>de</strong>finida por f(x, y, z) =(x + y, x − z, 2x + y − z). Nótese que (x, y, z) ∈ Im f si existe (α, β, γ) ∈ R 3 <strong>de</strong> manera que(x, y, z) = f(α, β, γ)= (α + β, α − γ, 2α + β − γ),<strong>de</strong> don<strong>de</strong> obtenemos el sistema compatible⎧⎨ α + β = x,α − γ = y,⎩2α + β − γ = z.Calculando el rango <strong>de</strong> ambas matrices <strong>de</strong>l sistema⎛⎞ ⎛⎞ ⎛1 1 0x1 1 0x⎝ 1 0 −1y ⎠ → F2 −F 1⎝ 0 −1 −12 1 −1 ¯Fz3 −2F 1 y − x ⎠ → F3 −F 2⎝0 −1 −1 ¯ z − 2x1 1 00 −1 −10 0 0¯xy − xz − x − y⎞⎠obtenemos que para que el rango <strong>de</strong> ambas sea dos <strong>de</strong>be verificarse que z − x − y =0,yasíIm f = {(x, y, z) ∈ R 3 : z − x − y =0}.Veamos una manera alternativa <strong>de</strong> calcular la imagen mediante la siguiente propiedad.Proposition 20 Sea f : V → V 0 una aplicación <strong>lineal</strong> y B = {u 1 , ..., u n } una base <strong>de</strong> V. Entoncesf(B) es un sistema generador <strong>de</strong> la imagen <strong>de</strong> f.53
Aplicaciones <strong>lineal</strong>esDemostración. Sea v ∈ Im f. Entoncesexisteu ∈ V <strong>de</strong> manera que v = f(u). ComoB es unabase <strong>de</strong> V, existen α 1 ,...,α n ∈ K <strong>de</strong> manera que u = α 1 · u 1 + ... + α n · u n . Entoncesv = f(u) =f(α 1 · u 1 + ... + α n · u n )= α 1 · f(u 1 )+... + α n · f(u n),por lo que f(B) genera la imagen.Calculemos <strong>de</strong> nuevo la imagen <strong>de</strong>l ejemplo 19. Sea C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} la basecanónica <strong>de</strong> R 3 ycalculamosf(C) ={(1, 1, 2), (1, 0, 1), (0, −1, −1)}. EntoncesIm f = L({(1, 1, 2), (1, 0, 1), (0, −1, −1)}),esto es, un vector (x, y, z) ∈ Im f si y sólo si existen α, β, γ ∈ R tales que(x, y, z) = α · (1, 1, 2) + β · (1, 0, 1) + γ · (0, −1, −1)= (α + β, α − γ, 2α + β − γ),<strong>de</strong> don<strong>de</strong> obtenemos el mismo sistema compatible <strong>de</strong>l ejemplo 19, y <strong>de</strong> ahí obtendremos su ecuación.3.2.2 Núcleo <strong>de</strong> una aplicación <strong>lineal</strong>.Sea f : V → V 0 una aplicación <strong>lineal</strong>. Se llama núcleo <strong>de</strong> f, y se <strong>de</strong>nota Ker(f), alosvectorescuyaimagen por f es 0, es <strong>de</strong>cir,Ker(f) ={u ∈ V : f(u) =0} .En primer lugar, comprobemos que el núcleo es un subespacio vectorial <strong>de</strong> V. Para ello sean α, β ∈ Ky u, v ∈ Ker(f) y comprobemos que α · u + β · v ∈ Ker(f) comprobando que su imagen es nula.f(α · u + β · v) =α · f(u)+β · f(v) =α · 0 + β · 0 = 0.El núcleo permite caracterizar a las aplicaciones <strong>lineal</strong>es inyectivas o monomorfismos.Proposition 21 Sea f : V → V 0 una aplicación <strong>lineal</strong>. Entonces f es inyectiva si y solo si Ker(f) ={0}.Demostración. Si f es inyectiva, es evi<strong>de</strong>nte que Ker(f) ={0} porque si u ∈ Ker(f) se tieneque f(u) =0 = f(0) y por la inyectividad <strong>de</strong> f se tiene que u = 0. Recíprocamente, si Ker(f) ={0}y f(u) =f(v), por <strong>lineal</strong>idad 0 = f(u) − f(v) =f(u − v) lo cual implica que u − v ∈ Ker(f) ={0},<strong>de</strong> don<strong>de</strong> u = v.Las dimensiones <strong>de</strong>l núcleo y la imagen <strong>de</strong> una aplicación <strong>lineal</strong> están ligadas por la siguienterelación.Theorem 22 Sea f : V → V 0 una aplicación <strong>lineal</strong> con V <strong>de</strong> dimensión finita. Se verifica la igualdad:dim V =dimKer(f)+dimIm(f).54
Aplicaciones <strong>lineal</strong>esDemostración. Sea B Ker(f) = {u 1 ,...,u n } una base <strong>de</strong> Ker(f) y la completamos a una base B ={u 1 , ..., u n , v 1 , ..., v m } <strong>de</strong> V. El resultado estará probado si <strong>de</strong>mostramos que B 0 = {f(v 1 ), ..., f(v m )}es una base <strong>de</strong> Im(f).Veamos es primer lugar que Im(f) =L(B 0 ). Para ello sea u ∈ Im(f) y entonces <strong>de</strong>be existirv ∈V <strong>de</strong> manera que f(v) =u. Existen entonces escalares α 1 , ..., α n , β 1 ,...,β m ∈ K <strong>de</strong> manera quev = α 1 · u 1 + ... + α n · u n + β 1 · v 1 + ... + β m · v m .Asíu = f(v) =f(α 1 · u 1 + ... + α n · u n + β 1 · v 1 + ... + β m · v m )= α 1 · f(u 1 )+... + α n · f(u n )+β 1 · f(v 1 )+... + β m · f(v m )= β 1 · f(v 1 )+... + β m · f(v m ),dado que f(u i )=0 por ser todo u i ∈ Ker(f), 1 ≤ i ≤ n. De esta manera tenemos queu = β 1 · f(v 1 )+... + β m · f(v m )yasíIm(f) =L(B 0 ).Probemos ahora para terminar que los vectores <strong>de</strong> B 0 son LI. Para ello consi<strong>de</strong>ramos una combinación<strong>lineal</strong> igualada a ceroβ 1 · f(v 1 )+... + β m · f(v m )=0.Como f es <strong>lineal</strong>, la expresión anterior po<strong>de</strong>mos agruparla enf(β 1 · v 1 + ... + β m · v m )=0,<strong>de</strong> don<strong>de</strong> tenemos que β 1 · v 1 + ... + β m · v m ∈ Ker(f). Entonces existirán α 1 , ..., α n ∈ K tales queβ 1 · v 1 + ... + β m · v m = α 1 · u 1 + ... + α n · u n ,<strong>de</strong> don<strong>de</strong>β 1 · v 1 + ... + β m · v m − α 1 · u 1 − ... − α n · u n = 0,yasíβ 1 = ... = β m = α 1 = ... = α n =0por ser B una base <strong>de</strong> V. Entonces ya hemos probado quelosvectores<strong>de</strong>B 0 son LI y la prueba concluye.Example 20 El resultado anterior resulta <strong>de</strong> utilidad como muestra el siguiente ejemplo. Sea f :R 3 → R 3 dada porf(x, y, z) =(x − y, x − z, y − z),y calculemos su núcleo e imagen. Como sabemos (x, y, z) ∈ Ker(f) si y sólo si(0, 0, 0) = f(x, y, z) =(x − y, x − z,−y − z),<strong>de</strong> don<strong>de</strong> obtenemos el sistemay al resolverlo⎛⎝ 1 −1 01 0 −10 1 −1¯000⎧⎨⎩x − y =0,x − z =0,−y − z =0,⎞ ⎛⎠ → F2 −F 1⎝ 1 −1 00 1 −10 −1 −1 ¯000⎞ ⎛⎠ → F3 +F 2⎝ 1 −1 00 1 −10 0 −2¯000⎞⎠ ,55
Aplicaciones <strong>lineal</strong>esobtenemos que x = y = z =0,porloqueKer(f) ={(0, 0, 0)} y su dimensión es cero. Entoncesdim Im f =dimR 3 − dim Ker(f) =3,por lo que Im f es un subespacio vectorial <strong>de</strong> R 3 <strong>de</strong> dimensión tres, y por tanto <strong>de</strong>be verificarse queIm f = R 3 .3.3 Matriz asociada a una aplicación <strong>lineal</strong>.Sea f : V → V 0 una aplicación <strong>lineal</strong> y sean B = {u 1 ,...,u m } y B 0 = {v 1 ,...,v n } bases <strong>de</strong> Vy V 0 , respectivamente. Dado u ∈ V un vector cualquiera, existen escalares α 1 ,...,α m ∈ K (suscoor<strong>de</strong>nadas en la base B) <strong>de</strong>formaqueu = α 1 · u 1 + ···+ α m u m , y por <strong>lineal</strong>idad <strong>de</strong> f tenemos quef(u) =α 1 · f(u 1 )+···+ α m · f(u m ). (3.1)De esta igualdad se <strong>de</strong>spren<strong>de</strong> que, conociendo las imágenes por una aplicación <strong>lineal</strong> <strong>de</strong> los vectores<strong>de</strong> una base <strong>de</strong>l espacio inicial, es posible calcular la imagen por la aplicación <strong>lineal</strong> <strong>de</strong> cualquiervector. Por otra parte los vectores f(u 1 ),...,f(u m ) están en V 0 por lo que pue<strong>de</strong>n escribirse comocombinación <strong>lineal</strong> <strong>de</strong> los vectores <strong>de</strong> B 0 . Sean entonces λ 1j ,...,λ nj ∈ K las coor<strong>de</strong>nadas <strong>de</strong> f(u j ) enla base B 0 , esto es,f(u j )=λ 1j · v 1 + ···+ λ nj · v n , 1 ≤ j ≤ m. (3.2)Combinando las ecuaciones (3.1) y (3.2) se obtiene la igualdad:! ÃmXmXnX m!Xf(u) = α j · f(u j )=λ ij · v i = λ ij α j · v i .Ã nXα jj=1j=1 i=1i=1 j=1Sean β 1 ,...,β n ∈ K las coor<strong>de</strong>nadas <strong>de</strong>l vector f(u) en la base B 0 . Como consecuencia <strong>de</strong> la unicidad<strong>de</strong> las coor<strong>de</strong>nadas <strong>de</strong> un vector en una base y <strong>de</strong> la relación anterior, se tiene que para cada 1 ≤ i ≤ n:mXβ i = λ ij α j .Introduciendo la matriz,⎛M B 0 B(f) = ⎜⎝j=1⎞λ 11 λ 12 ··· λ 1mλ 21 λ 22 ··· λ 2m⎟. . .λ n1 λ n2 ··· λ nm⎠ ∈ M n×m(K),cuyas columnas correspon<strong>de</strong>n a las coor<strong>de</strong>nadas en la base B 0 <strong>de</strong> las imágenes por f <strong>de</strong> los vectores<strong>de</strong> la base B, la relación anterior pue<strong>de</strong> escribirse en la forma:⎛ ⎞⎛ ⎞β 1α 1⎜ ⎟⎜ ⎟⎝ . ⎠ = M B 0 B(f) · ⎝ . ⎠ .β n α mLa matriz M B 0 B(f) se <strong>de</strong>nomina matriz <strong>de</strong> la aplicación f en las bases B y B 0 y permite obtener lascoor<strong>de</strong>nadas en la base B 0 <strong>de</strong> la imagen por f <strong>de</strong> cualquier vector a partir <strong>de</strong> sus coor<strong>de</strong>nadas en labase B, como indica la relación anterior.56
Aplicaciones <strong>lineal</strong>esExample 21 Sea f : R 2 → R 3 la aplicación <strong>lineal</strong> <strong>de</strong>l Ejemplo 16 y sean C 2 y C 3 las bases canónicas<strong>de</strong> R 2 y R 3 , respectivamente. Se tiene quef(1, 0) = (1, 1, 1),f(0, 1) = (0, 1, −2),<strong>de</strong> don<strong>de</strong>:⎛M C3 C 2(f) = ⎝ 1 0 ⎞1 1 ⎠ .1 −2Si en R 2 se consi<strong>de</strong>ra ahora la base B = {(1, 1), (1, −1)}, se tiene quef(1, 1) = (1, 2, −1), f(1, −1) = (1, 0, 3),ylamatriz<strong>de</strong>f en estas bases es <strong>de</strong> la forma:⎛M C3 B(f) = ⎝ 1 1 ⎞2 0 ⎠ .−1 3Finalmente, si sobre R 3 seconsi<strong>de</strong>ralabaseB 0 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} se tiene que (−1, 3, −1)son las coor<strong>de</strong>nadas <strong>de</strong> f(1, 1) en B 0 y (1, −3, 3) las <strong>de</strong> f(1, −1) y⎛−1⎞1M B 0 B(f) = ⎝ 3 −3 ⎠ .−1 33.3.1 Matriz <strong>de</strong> la suma <strong>de</strong> aplicaciones <strong>lineal</strong>es y <strong>de</strong>l producto porescalares.Dadas dos aplicaciones <strong>lineal</strong>es f, g : V → V 0 se <strong>de</strong>fine su suma como la aplicación f + g : V → V 0dada por (f + g)(u) =f(u)+g(u) para todo u ∈ V. Tenemos entonces el siguiente resultado.Proposition 23 Dadas dos aplicaciones <strong>lineal</strong>es f, g : V → V 0 se verifica:(a) La aplicación f + g es <strong>lineal</strong>.(b) Dadas las bases B = {u 1 ,...,u m } y B 0 = {v 1 , ..., v n } <strong>de</strong> V y V 0 , respectivamente, se tiene queM B 0 B(f + g) =M B 0 B(f)+M B 0 B(g).Demostración. (a) Sean α, β ∈ K y u, v ∈ V. Entonces, por la <strong>lineal</strong>idad <strong>de</strong> f y g(f + g)(α · u + β · v) = f(α · u + β · v)+g(α · u + β · v)= α · f(u)+β · f(v)+α · g(u)+β · g(v)= α · (f(u)+g(u)) + β · (f(v)+g(v))= α · (f + g)(u)+β · (f + g)(v),57
Aplicaciones <strong>lineal</strong>espor lo que f + g es <strong>lineal</strong>.(b) Supongamos que M B 0 B(f + g) =(λ ij ), M B 0 B(f) =(α ij ) y M B 0 B(g) =(β ij ). Entonces para1 ≤ j ≤ mnX(f + g)(u j )= λ ij · v i ,yporotrolado(f + g)(u j )=f(u j )+g(u j )=i=1nXα ij · v i +i=1nXβ ij · v i =i=1nX(α ij + β ij ) · v i ,por lo que λ ij = α ij + β ij , 1 ≤ i ≤ n y 1 ≤ j ≤ m, y la fórmula es cierta.Dado un escalar α ∈ K y la aplicación <strong>lineal</strong> f : V → V 0 se <strong>de</strong>fine la aplicación producto comoα·f : V → V 0 dada por (α·f)(u) =α·f(u) para todo u ∈ V. Tenemos entonces el siguiente resultado.Proposition 24 Dado un escalar λ ∈ K y la aplicación <strong>lineal</strong> f : V → V 0 se verifica:(a) La aplicación λ · f es <strong>lineal</strong>.(b) Dadas las bases B = {u 1 ,...,u m } y B 0 = {v 1 , ..., v n } <strong>de</strong> V y V 0 , respectivamente, se tiene queM B 0 B(λ · f) =λ · M B 0 B(f).Demostración. (a) Sean α, β ∈ K y u, v ∈ V. Entonces, por la <strong>lineal</strong>idad <strong>de</strong> f(λ · f)(α · u + β · v) = λ · f(α · u + β · v)= λ · (α · f(u)+β · f(v))= α · (λ · f(u)) + β · (λ · f(v))= α · (λ · f)(u)+β · (λ · f)(v),por lo que λ · f es <strong>lineal</strong>.(b) Supongamos que M B 0 B(λ · f + g) =(α ij ) y M B 0 B(f) =(β ij ). Entonces para 1 ≤ j ≤ myporotrolado(λ · f)(u j )=(λ · f + g)(u j )=λ · f(u j )=λ ·nXα ij · v i ,i=1nXβ ij · v i =por lo que α ij = λβ ij , 1 ≤ i ≤ n y 1 ≤ j ≤ m, y la fórmula es cierta.Example 22 Sean f, g : R 3 → R 3 las aplicaciones <strong>lineal</strong>es dadas pori=1f(x, y, z) =(y + z, z + x, x + y),i=1nX(λβ ij ) · v i ,i=1yg(x, y, z) =(x, x + y, x + y + z).58
Aplicaciones <strong>lineal</strong>esSi <strong>de</strong>notamos por C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} la base canónica <strong>de</strong> R 3 ,entonces⎛M CC (f) = ⎝ 0 1 1 ⎞1 0 1 ⎠1 1 0ySe tiene entonces que⎛M CC (g) = ⎝ 1 0 0 ⎞1 1 0 ⎠ .1 1 1M CC (f +2· g) = M CC (f)+2· M CC (g)⎛= ⎝ 0 1 1 ⎞ ⎛1 0 1 ⎠ +2· ⎝ 1 0 01 1 01 1 0 1 1 1⎞ ⎛⎠ = ⎝ 2 1 1 ⎞3 2 1 ⎠ .3 3 23.3.2 Matriz <strong>de</strong> la composición <strong>de</strong> aplicaciones <strong>lineal</strong>es.Sean V, V 0 y V 00 tres espacios vectoriales con bases B, B 0 y B 00 , respectivamente. Sean las aplicaciones<strong>lineal</strong>es f : V → V 0 y g : V 0 → V 00 . Es sabido que la aplicación composición g ◦ f : V → V 00 se <strong>de</strong>finepor (g ◦ f)(u) =g(f(u)) para todo u ∈ V. Severifica entonces el siguiente resultado:Proposition 25 Sean las aplicaciones <strong>lineal</strong>es f : V → V 0 y g : V 0 → V 00 <strong>de</strong>finidas arriba. Entonces:(a) La aplicación g ◦ f es <strong>lineal</strong>.(b) Si B = {u 1 , ..., u m } y B 0 = {v 1 ,...,v n } y B 00 = {w 1 , ..., w l } son bases <strong>de</strong> V, V 0 y V 00 , respectivamente,entoncesM B 00 B(g ◦ f) =M B 00 B 0(g) · M B 0 B(f).Demostración. (a) Sean α, β ∈ K y u, v ∈ V. Entonces, por la <strong>lineal</strong>idad <strong>de</strong> f y g(g ◦ f)(α · u + β · v) = g(f(α · u + β · v))= g(α · f(u)+β · f(v))= α · (g(f(u))) + β · (g(f(v)))= α · (g ◦ f)(u)+β · (g ◦ f)(v),por lo que g ◦ f es <strong>lineal</strong>.(b) Supongamos que M B 0 B(λ · f + g) =(λ ij ), M B 0 B(f) =(α ij ) y M B 0 B(g) =(β ij ). Entonces para1 ≤ j ≤ mlX(g ◦ f)(u j )= λ ij · w i ,59i=1
Aplicaciones <strong>lineal</strong>esyporotroladoà nX!nX(g ◦ f)(u j ) = g(f(u j )) = g α kj · v k = α kj · g(v k )k=1nX lXlX= α kj · β ik · w i =k=1 i=1i=1à nXk=1k=1β ik α kj!w i ,por lo que λ ij = P nk=1 β ikα kj , 1 ≤ i ≤ l y 1 ≤ j ≤ m, y la fórmula es cierta.Example 23 Sean f : R 2 → R 3 y g : R 3 → R 3 aplicaciones <strong>lineal</strong>es dadas porf(x, y) =(x − y, x + y, 0),yg(x, y, z) =(x, x − y, x + y − z).Si <strong>de</strong>notamos por C 2 = {(1, 0), (0, 1} y C 3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} las bases canónicas <strong>de</strong> R 2 yR 3 , respectivamente, obtenemos que⎛1⎞−1M C3 C 2(f) = ⎝ 1 1 ⎠0 0yEntonces⎛M C3 C 3(g) = ⎝1 0 01 −1 01 1 −1⎞⎠ .M C3 C 2(g ◦ f) = M C3 C 3(g) · M C3 C 2(f)⎛= ⎝ 1 0 0 ⎞ ⎛1 −1 0 ⎠ · ⎝ 1 −11 11 1 −1 0 0⎞ ⎛⎠ = ⎝ 1 −10 −22 0⎞⎠ .3.3.3 Matriz asociada a las aplicaciones <strong>lineal</strong>es inversas.Sean V y V 0 dos espacios vectoriales y sea f : V → V 0 un isomorfismo, esto es, una aplicación<strong>lineal</strong> biyectiva. Por el hecho <strong>de</strong> ser biyectiva existe su aplicación inversa, esto es, una aplicaciónf −1 : V 0 → V <strong>de</strong> manera que se verifica que:f ◦ f −1 = i, f −1 ◦ f = i.En estas condiciones, se verifica el siguiente resultado.Proposition 26 Sean V y V 0 dos espacios vectoriales y sea f : V → V 0 un isomorfismo. Entonces:(a) La aplicación f −1 : V 0 → V es <strong>lineal</strong>.60
Aplicaciones <strong>lineal</strong>es(b) Si B es una base <strong>de</strong> V y B 0 es una base <strong>de</strong> V 0 ,entoncesM BB 0(f −1 )=(M B 0 B(f)) −1 .Demostración. (a) Sean α, β ∈ K y u, v ∈ V 0 y comprobemos que f −1 (α · u + β · v) =α · f −1 (u)+β · f −1 (v). Para ello, démonos cuenta quef(f −1 (α · u + β · v)) = α · u + β · v,por un lado, y por otro, <strong>de</strong>bido a la <strong>lineal</strong>idad <strong>de</strong> f,f(α · f −1 (u)+β · f −1 (v)) = α · f(f −1 (u)) + β · f(f −1 (v)) = α · u + β · v.Dado que f es biyectiva, se tiene la igualdad pedida.(b) Sea n =dimV y m =dimV 0 .Veamosenprimerlugarquen = m. Para ello, usamos que porla biyectividad <strong>de</strong> f se verifica que Im f = V 0 y Ker(f) ={0} en virtud <strong>de</strong> la Proposición 21. Por elTeorema 22 se tiene quen =dimV =dimKer(f)+dimImf =0+dimV 0 = m.Por otro lado, es fácil verificar queM BB (i) =M B 0 B 0(i) =I n.De la Proposición 25 obtenemos queI n = M BB (i) =M BB 0(f −1 ) · M B 0 B(f)eI n = M B 0 B 0(i) =M B 0 B(f) · M BB 0(f −1 ),por lo que M B 0 B(f) es invertible y M BB 0(f −1 )=(M B 0 B(f)) −1 .Example 24 Calculemos la aplicación <strong>lineal</strong> inversa <strong>de</strong> f : R 2 → R 2 dada porf(x, y) =(x + y, x − 2y).Sea C = {(1, 0), (0, 1)} la base canónica <strong>de</strong> R 2 ycalculamosµ 1 1M CC (f) =.1 −2Veamos que dicha matriz es invertible y calculemos su inversaµ 1 11 −2 ¯ 1 0 µ 1 1→0 1F2 −F 1 1 00 −3 ¯ −1 1µ 1 02 1→ F2 −F 1 3 30 1 ¯ 1− 1 ,3 3<strong>de</strong> don<strong>de</strong>µ 2M CC (f −1 )=(M CC (f)) −1 = 3Entoncesf −1 (x, y) ==µ µ xM CC (f −1 ) ·yµµ 231313− 1 3µ x·y61 t→ −13 F 2131− 1 3 3.µ 1 10 1¯ 1 01 t=µ 23 x + 1 3 y, 1 3 x − 1 3 y .3− 1 3
Aplicaciones <strong>lineal</strong>es3.3.4 Matrices <strong>de</strong> cambio <strong>de</strong> base.Sean V un espacio vectorial <strong>de</strong> dimensión n y B una base cualquiera <strong>de</strong> V. Es evi<strong>de</strong>nte que la matriz<strong>de</strong> la aplicación i<strong>de</strong>ntidad i respecto <strong>de</strong> la base B es la i<strong>de</strong>ntidad, esto es, M BB (i) =I n .Sinembargoesto no ocurre cuando se consi<strong>de</strong>ran bases distintas, es <strong>de</strong>cir, supongamos que B 0 es otra base <strong>de</strong> V.Entonces la matriz M B 0 B(i) y M BB 0(i) reciben el nombre <strong>de</strong> matrices <strong>de</strong> cambio <strong>de</strong> base. Veamosconun ejemplo cómo calcularlas.Example 25 Sean las bases B = {(1, 1), (1, −1)} y B 0 = {(1, 0), (2, 1)} <strong>de</strong> R 2 . Entonces:i(1, 1) = (1, 1) = (−1) (1, 0) + 1 (2, 1), i(1, −1) = (1, −1) = 3 (1, 0) + (−1) (2, 1),<strong>de</strong> don<strong>de</strong>M B 0 B(i) =µ −1 31 −1.Dado u ∈ V un vector cualquiera, si (α 1 ,...,α n ) B y (β 1 ,...,β n ) B 0<strong>de</strong> las bases B y B 0 , respectivamente, se tiene la relación:⎛ ⎞⎛ ⎞β 1α 1⎜ ⎟⎜ ⎟⎝ . = M Bβ n⎠B 0 B(i) · ⎝ . ⎠ .α 0 nBson sus coor<strong>de</strong>nadas respectoyPor otra parte, usando la Proposición 25 y la igualdad i ◦ i = i, tenemos queI n = M BB (i) =M BB (i ◦ i) =M BB 0(i) · M B 0 B(i),I n = M B 0 B 0(i) =M B 0 B 0(i ◦ i) =M B 0 B(i) · M BB 0(i),<strong>de</strong> don<strong>de</strong> se <strong>de</strong>spren<strong>de</strong> que las matrices <strong>de</strong> cambio <strong>de</strong> base son invertibles y(M BB 0(i)) −1 = M B 0 B(i).Example 26 Calculamos la matriz M BB 0(i) en el ejemplo 25. Para ello basta calcular la inversa <strong>de</strong>la matriz obtenida en dicho ejemploµ −1 31 −1¯ 1 0 0 1→ F2 +F 1µ −1 30 2→ F1 +3F 2µ 1 00 1¯ 1 0 1 11 32 2¯ ,1212→ (−1)F112 F 2µ 1 −30 1¯ −1 0 1 122por lo queM BB 0(i) =µ 12123212.62
Aplicaciones <strong>lineal</strong>es3.3.5 Matrices asociadas a una aplicación <strong>lineal</strong> en bases diferentes.Sean V y V 0 dos espacios vectoriales y consi<strong>de</strong>remos bases disntintas B 1 y B 2 <strong>de</strong> V y B 0 1 y B 0 2 <strong>de</strong> V 0 .Dada la aplicación <strong>lineal</strong> f : V → V 0 , sabemos que las matrices <strong>de</strong> f respecto <strong>de</strong> bases distintas sondistintas, esto es, las matrices M B01B 1(f) y M B02B 2(f) no son iguales. Ahora bien, existe una relaciónentre ambas que viene dada por las matrices <strong>de</strong> cambio <strong>de</strong> base. Consi<strong>de</strong>remos el siguiente esquema:fV B1 −→ V 0 B 0 1i ↓ ↑ iV B2 −→ V 0 B 0 2fdon<strong>de</strong> por V B1 queremos indicar la base que tomamos en V para hacer la matriz <strong>de</strong> la aplicación<strong>lineal</strong>. Entonces, teniendo en cuenta que i ◦ f ◦ i = f, sesiguequeM B01B 1(f) =M B01B 1(i ◦ f ◦ i) =M B01B 0 2 (i) · M B 0 2 B 2 (f) · M B 2 B 1(i),es <strong>de</strong>cir, po<strong>de</strong>mos pasar <strong>de</strong> una matriz a otra mediante las matrices <strong>de</strong> cambio <strong>de</strong> base.Example 27 Calculamos una aplicación <strong>lineal</strong> f : R 3 → R 3 cuyo núcleo es Ker(f) ={(x, y, z) ∈R 3 : x + y + z =0} y f(1, 1, 1) = (2, 2, 2). Para ello obtenemos una base <strong>de</strong>l núcleo a partir <strong>de</strong> susecuaciones paramétricas⎧⎨ x = −λ − μ,y = λ, λ, μ ∈ R,⎩z = μ,por lo que una base <strong>de</strong>l núcleo es B Ker(f) = {(−1, 1, 0), (−1, 0, 1)}. Veamos a continuación queB = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)} es una base <strong>de</strong> R 3 calculando el rango <strong>de</strong> la matriz⎛⎝−1 1 0−1 0 11 1 1que como vemos es 3. Dadoque⎞ ⎛⎠ → F2 −F 1⎝F 3 +F 1−1 1 00 −1 10 2 1⎞ ⎛⎠ → F3 +2F 2⎝f(−1, 1, 0) = (0, 0, 0),f(−1, 0, 1) = (0, 0, 0),f(1, 1, 1) = (2, 2, 2),−1 1 00 −1 10 0 3y si <strong>de</strong>notamos por C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} la base canónica <strong>de</strong> R 3 ,setieneque⎛ ⎞0 0 2M CB (f) = ⎝ 0 0 2 ⎠ .0 0 2⎞⎠ ,EntoncesM CC (f) =M CB (f) · M BC (i).63
Aplicaciones <strong>lineal</strong>esComo⎛M BC (i) =(M BC (i)) −1 = ⎝calculamos la inversa⎛⎞ ⎛−1 −1 11 0 0⎝ 1 0 10 1 0 ⎠ → F2 +F 1⎝0 1 1 ¯ 0 0 1⎛<strong>de</strong> don<strong>de</strong>→→(−1)F1(−1)F 213 F 3⎛F1 −F 2−1 −1 10 −1 20 1 1⎝ 1 1 −10 1 −20 0 1⎝ 1 0 00 1 00 0 1−1 −1 11 0 10 1 1⎞⎠−1⎞ ⎛1 0 01 1 0 ⎠ → F3 +F 2⎝¯ 0 0 1⎞−1 0 0−1 −1 0 ⎠ → F1 +F 3¯13− 1 3− 1 − 1 3 3¯13⎛M BC (i) = ⎝ − 1 23− 1 − 1 3 3y⎛M CC (f) = ⎝ 0 0 2 ⎞ ⎛0 0 2 ⎠ · ⎝ − 1 23− 1 − 1 3 31 10 0 23 3Entonces la aplicación <strong>lineal</strong> es⎛ ⎛xf(x, y, z) = ⎝M CC (f) · ⎝ yz=⎛⎛⎝⎝2323231323232323232313− 1 3 3231 13 3− 1 3 32313⎞⎞⎞⎠⎠132− 1 3 3231 13 3⎛⎠ · ⎝t⎞⎞⎠⎞⎠ = ⎝xyz⎞⎞⎠⎠⎠ ,⎛232323,F 2 +2F 3⎛232323= 2 (x + y + z,x + y + z,x + y + z).3t232323−1 −1 10 −1 20 0 3⎝ 1 1 00 1 00 0 1⎞⎠ .⎞1 0 01 1 0 ⎠¯ 1 1 1− 2 1 13 3 3− 1 − 1 23 3 3¯131313⎞⎠3.4 Ejercicios1. Determinar cuáles <strong>de</strong> las siguientes aplicaciones son <strong>lineal</strong>es:(a) f : R 2 → R 2 dada por f(x, y) =(x − y, 2x − y 2 ).(b) f : R 4 → R 2 dada por f(x, y, z, u) =(x − y, u + z, z, 2x − y).(c) f : R 2 → R 3 dada por f(x, y) =(x − y, x − 2y, 3y).(d) f : R 3 → R 3 dada por f(x, y, z) =(x − z + y, 2x − y − 3z, z + y).64
Aplicaciones <strong>lineal</strong>es2. Sea V un espacio vectorial sobre un cuerpo K yseanf y g dos aplicaciones <strong>lineal</strong>es <strong>de</strong> V en V<strong>de</strong> manera que para una base B = {u 1 , u 2 } se tiene que:f(u 1 )=u 2 f(u 2 )=u 1 g(u 1 )=−u 1 g(u 2 )=u 2Demuestrar que las aplicaciones f ◦ g y g ◦ f son distintas.3. Sea V un espacio vectorial sobre un cuerpo K y sea f : V → V una aplicacion <strong>lineal</strong>. Se <strong>de</strong>fineel conjunto invariante <strong>de</strong> f, <strong>de</strong>notadoInv(f), como el conjunto <strong>de</strong> vectores los vectores v quepermanecen invariantes por la aplicación, es <strong>de</strong>cir,Inv(f) ={v ∈ V : f(v) =v} .Demuestra que el conjunto invariante <strong>de</strong> una aplicación <strong>lineal</strong> es un subespacio vectorial <strong>de</strong> V.4. Dada una aplicación <strong>lineal</strong> f : V → V <strong>de</strong>mostrar que f 2 = 0 (es <strong>de</strong>cir, f ◦ f es la aplicaciónnula) si y sólo si Im(f) ⊆ Ker(f).5. Sea B 1 = {u 1 , u 2 , u 3 , u 4 } una base <strong>de</strong>l espacio vectorial V ysea:B 2 = {u 1 , u 1 + u 2 , u 1 + u 2 + u 3 , u 1 + u 2 + u 3 + u 4 }.(a) Demostrar que B 2 es una base <strong>de</strong> V.(b) Encontrar la matriz <strong>de</strong> cambio <strong>de</strong> base.(c) Hallar las coor<strong>de</strong>nadas respecto <strong>de</strong> B 1 <strong>de</strong> un vector cuyas coor<strong>de</strong>nadas con respecto a labase B 2 son (1, −1, 0, 1).6. Sea P 4 [x] el espacio vectorial <strong>de</strong> los polinomios con coeficientes reales <strong>de</strong> grado menor o igualque cuatro. Dadas las siguientes bases:B 1 = {x, x 2 +1, 2x 4 + x 3 ,x 3 − x 2 + x, x 2 + x}B 2 = {2x 4 +1,x 3 − 1, x 3 +2x, x 2 ,x 3 − x 2 }(a) Halla la matriz <strong>de</strong> cambio <strong>de</strong> base <strong>de</strong> B 1 a B 2 .(b) Halla las coor<strong>de</strong>nadas respecto <strong>de</strong> dichas bases <strong>de</strong>l polinomio p(x) =x 4 + x 3 + x 2 + x +1.7. Consi<strong>de</strong>remos la aplicación D : P 4 [x] −→ P 3 [x] <strong>de</strong> forma que si p(x) =a 4 x 4 + a 3 x 3 + a 2 x 2 +a 1 x + a 0 ∈ P 4 [x], setieneque:D[p(x)] = 4a 4 x 3 +3a 3 x 2 +2a 2 x + a 1(a) Probar que D es una aplicación <strong>lineal</strong>.(b) Encontrar la matriz <strong>de</strong> D asociada a las bases canónicas <strong>de</strong> P 4 [x] y P 3 [x].65
Aplicaciones <strong>lineal</strong>es(c) Si sobre P 4 [x] se consi<strong>de</strong>ra la baseB = {(1 + x) 4 , (1 + x) 3 x, (1 + x) 2 x 2 , (1 + x)x 3 ,x 4 }obtener la matriz <strong>de</strong> D en esta nueva base.8. Dado R 4 y el subespacio vectorial W cuyas ecuaciones respecto <strong>de</strong> la base B = {u 1 , u 2 , u 3 , u 4 }son:x 1 + x 2 − x 3 =0 x 1 + x 2 + x 3 + x 4 =0Se elige una nueva base B 0 = {u 1 − u 2 , u 2 − u 3 , u 3 − u 4 , u 4 }.(a) Calcular las ecuaciones <strong>de</strong> W respecto <strong>de</strong> esta nueva base.(b) Obtener las coor<strong>de</strong>nadas <strong>de</strong> v = u 1 − u 2 respecto <strong>de</strong> B 0 . ¿Pertenece este vector a W?9. En R 3 se consi<strong>de</strong>ra la base B = {e 1 , e 2 , e 3 } y la aplicación <strong>lineal</strong> f : R 3 → R 3 <strong>de</strong>finida respectoa esta base por la relación:f(x 1 e 1 + x 2 e 2 + x 3 e 3 )=(x 2 + x 3 )e 1 +(x 1 + x 3 )e 2 +(x 2 − x 1 )e 3(a) Calcular la matriz <strong>de</strong> f respecto a la base B.(b) Encontrar los vectores invariantes <strong>de</strong> f (ver ejercicio 3.).(c) Calcular el núcleo y la imagen <strong>de</strong> f.(d) Determinar una base <strong>de</strong> Ker(f) ylaampliaraunabase<strong>de</strong>R 3 .(e) Hallar la matriz <strong>de</strong> f respecto a esta nueva base.10. Sea g : R 3 → R 3 una aplicación <strong>lineal</strong> dada por:g(−1, 1, 3) = (6, −4, 16) g(−2, 1, 1) = (−2, −5, 1) g(3, 2, −1) = (1, 14, −12)Hallar la matriz <strong>de</strong> g respecto a la base canónica <strong>de</strong> R 3 , las ecuaciones <strong>de</strong>l núcleo y la imageny una base <strong>de</strong> ambos subespacios.11. Sea f : R 4 → R 3 una aplicación <strong>lineal</strong> <strong>de</strong>finida por:f(1, 1, 1, 1) = (0, 0, 1) f(1, 0, 1, 0) = (1, 1, −1)f(1, 1, 1, 0) = (0, 0, −1) f(−1, −2, 0, 0) = (1, 1, 1)(a) Calcular la matriz <strong>de</strong> f respecto a las bases canónicas.(b) Calcular la dimensión y ecuaciones <strong>de</strong> Ker(f) e Im(f).(c) Obtener la matriz <strong>de</strong> f respecto <strong>de</strong> la base canónica <strong>de</strong> R 4 ylabase<strong>de</strong>R 3 ,B = {(1, 1, 1), (1, 0, 1), (1, 1, 0)}así como las ecuaciones <strong>de</strong> la imagen <strong>de</strong> f en esta última base.66
Aplicaciones <strong>lineal</strong>es(d) Encontrar la matriz <strong>de</strong> f respecto <strong>de</strong> las basesB 1 = {(1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0), (1, 1, 1, 1)}<strong>de</strong> R 4 yB 2 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}<strong>de</strong> R 3 así como las ecuaciones <strong>de</strong>l núcleo y la imagen <strong>de</strong> f en estas bases.12. Sea f : R 4 → R 2 la aplicación cuya matriz asociada en las bases canónicas es:µ 1 0 0 0A =1 −1 1 2(a) Calcular la expresión analítica <strong>de</strong> f en las bases canónicas.(b) Obtener el núcleo, la imagen y el espacio invariante <strong>de</strong> f.(c) Calcular la matriz <strong>de</strong> f respecto a las basesB = {(1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0), (1, 1, 1, 1)}yB 0 = {(1, 1), (0, 2)}.13. Sean g y f las aplicaciones <strong>lineal</strong>es <strong>de</strong> los ejercicios 10 y 11. Calcula la matriz <strong>de</strong> la aplicacióncompuesta g ◦f respecto <strong>de</strong> las bases canónicas <strong>de</strong> R 4 y R 3 . Calcula a<strong>de</strong>más el rango, el núcleo,la imagen y el espacio invariante <strong>de</strong> dicha aplicación.14. Dada f : R 3 → R 3 por f(x, y, z) =(x + y, y, 0), sepi<strong>de</strong>:(a) Demostrar que f es <strong>lineal</strong>.(b) Hallar la dimensión <strong>de</strong> los subespacios Ker(f) e Im(f) así como bases <strong>de</strong> los mismos.(c) Representa gráficamente los dos subespacios anteriores.15. Calcula la expresión analítica <strong>de</strong> una aplicación <strong>lineal</strong> f : R 3 −→ R 3 sabiendo queKer(f) = © (x, y, z) ∈ R 3 : x + y + z =0,x− y +2z =0 ªy f(1, 0, 0) = (−1, 2, 0), f(0, 1, 0) = (1, 1, 0).16. Contesta <strong>de</strong> forma razonada si son verda<strong>de</strong>ras o falsas las siguientes afirmaciones,(a) No hay aplicaciones inyectivas <strong>de</strong> R 3 en R 2 .(b) Las relaciones f(1, 1, 1) = (1, 2), f(1, −1, 1) = (−1, −2) y f(0, 0, 2) = (3, 6) <strong>de</strong>finen unaaplicación <strong>lineal</strong> sobreyectiva <strong>de</strong> R 3 sobre R 2 .(c) Todas las aplicaciones <strong>lineal</strong>es <strong>de</strong> R 4 en R son sobreyectivas.(d) Existe una aplicación <strong>lineal</strong> <strong>de</strong> R 3 en R 5 tal que su núcleo es la recta U = L[(1, 0, 1)] ysuimagen es la recta V = L[(1, −1, 1, 2, 4)].67
Aplicaciones <strong>lineal</strong>es(e) Si f : V → V es una aplicación <strong>lineal</strong> y v ∈ V <strong>de</strong> forma que f(v) =f(−v), entoncesv = 0.(f) Si f : V → V es una aplicación <strong>lineal</strong> tal que dim Ker(f) > 0, entonces f −1 es unaaplicación.(g) Sea una aplicación <strong>lineal</strong> f : V → W. Sif es suprayectiva, entonces dim(V) ≥ dim(W).(h) Si f : V → V, entonces V =Ker(f) ⊕ Im(f).(i) Las matrices⎛⎝ 1 −1 1 ⎞ ⎛2 3 7 ⎠ ⎝ 5 0 3 ⎞−2 1 2 ⎠2 4 01 0 −3representan la misma aplicación <strong>lineal</strong> respecto <strong>de</strong> bases diferentes.17. Halla los valores <strong>de</strong> parámetro real a para los cuales R 3 es suma directa <strong>de</strong>l núcleo y la imagen<strong>de</strong> f : R 3 → R 3 <strong>de</strong>finida por la matriz (respecto <strong>de</strong> las base usual <strong>de</strong> R 3 )⎛a 1 ⎞A = ⎝ −1 a −1 ⎠ .1 2 −118. Calcula el valor <strong>de</strong> a para el cual la intersección <strong>de</strong>l espacio U = L[(a, 1, 1), (0, 1, −1)] yelnúcleo <strong>de</strong> la aplicación f : R 3 → R 2 dada por f(x, y, z) =(x − y − z, y + az) es distinta <strong>de</strong>lsubespacio {0}.19. Halla para qué valor <strong>de</strong> a el vector (1, 1,a) está en la imagen <strong>de</strong> la aplicación <strong>lineal</strong> f : R 2 → R 3<strong>de</strong>finida mediante las relaciones f(1, 2) = (1, −1, 1) y f(2, 1) = (0, 1, 1).20. Calcula la dimensión <strong>de</strong>l núcleo y la imagen <strong>de</strong> la aplicación f(x, y, z) =(ax − y − z, bx − z) enfunción <strong>de</strong> a y b.68
Capítulo 4Diagonalización <strong>de</strong> matrices cuadradasSumario. Valores y vectores propios. Polinomio característico. Bases <strong>de</strong> vectorespropios. Caracterizción <strong>de</strong> matrices diagonalizables. Aplicaciones al cálculo <strong>de</strong> lapotencia <strong>de</strong> una matriz. Aplicaciones.Sea A ∈ M n×n (R), n ∈ N, una matriz cuadrada. A veces es necesario obtener la potencia A kpara k ∈ N. Veámoslo con el siguiente ejemplo que proviene <strong>de</strong> la electrónica (ver [?]). Para fijari<strong>de</strong>as, consi<strong>de</strong>remos el siguiente ejemplo.Este dispositivo está formado por dos elementos. El primero <strong>de</strong> ellos, marcado con una S, es unelemento que suma o resta datos, que a su vez vendrán modulados por números reales. El <strong>de</strong>notadopor una D es un aparato que produce un retardo <strong>de</strong> una unidad temporal en la sucesión. La figurarepresenta el tipo más sencillo <strong>de</strong> retroalimentación <strong>de</strong> una señal. Los datos <strong>de</strong> entrada vienen dadospor la sucesión x k y los <strong>de</strong> salida pory k+1 = r k . (4.1)En el proceso, los datos intermedios r k vienen dados por la expresiónr k = x k − ay k , (4.2)don<strong>de</strong> a es un número real. Combinando (4.1) y (4.2) obtenemos la ecuación en diferencias <strong>de</strong> or<strong>de</strong>nunoy k+1 + ay k = x k .69
Diagonalización <strong>de</strong> matrices cuadradasSi complicamos el dispositivo, como se muestra en la figura,se obtiene una ecuación <strong>de</strong> or<strong>de</strong>n dos. Aquíy k+1 = v k ,v k+1 = r k ,r k = x k + by k − av k ,<strong>de</strong> don<strong>de</strong> se obtiene la ecuacióny k+2 + ay k+1 − by k = x k .Por ejemplo supongamos la ecuación½yk+2 + y k+1 − 2y k =0;y 0 =0,y 1 =1.Introduciendo la variable z k = y k+1 la ecuación anterior se reescribe comoµ µ µ yk+1 0 1 yk=· .z k+1 2 −1 z kEntoncesµyk+1=z k+1µ 0 12 −1·µ 0 12 −1·µyk−1=z k−1µ 0 12 −1 2·µyk−1,z k−1e inductivamenteµyk+1=z k+1µ 0 12 −1 k+1·µ µy0 0 1=z 0 2 −1 k+1 µ 0·1,dado que z 0 = y 1 =1. Por lo tanto, para obtener la solución y k hemos <strong>de</strong> obtener la potencia <strong>de</strong>una matriz. Para ello, vamos a intentar escribir la matriz en cuestión <strong>de</strong> forma “parecida” a unamatriz diagonal ya que si A =(a ij ) es diagonal, entonces A k =(a k ij). Más precisamente, la matriz70
Diagonalización <strong>de</strong> matrices cuadradasA será diagonalizable si existe una matriz invertible P y una matriz diagonal D <strong>de</strong> manera queA = P · D · P −1 .EntoncesA k = P · D k · P −1para todo k ≥ 0.Vamos a ver en este tema cuándo la matriz cuadrada A es diagonalizable. Para ello, hemos <strong>de</strong>darnos cuenta en primer lugar que po<strong>de</strong>mos construir una aplicación <strong>lineal</strong> f A : R n → R n <strong>de</strong> maneraque para cada (x 1 , ..., x n ) ∈ R n ⎛ ⎛ ⎞⎞tx 1f A (x 1 , ..., x n )= ⎜⎝ A · ⎜ x 2⎟⎟⎝ ... ⎠⎠.x nEs inmediato ver que si C es la base canónica <strong>de</strong> R n ,entoncesM CC (f A )=A. Hablaremosentonces<strong>de</strong>lnúcleo <strong>de</strong> la matriz A como <strong>de</strong>l núcleo <strong>de</strong> la aplicación <strong>lineal</strong> asociada f A , esto es, Ker(A) =Ker(f A ).4.1 Valores y vectores propios <strong>de</strong> una matriz.Empecemos estudiando en primer lugar qué propieda<strong>de</strong>s tienen las matrices diagonales. Sea D =(d ij ) ∈ M n×n (R) diagonal y sea como siempre C = {(1, 0, 0, ..., 0), (0, 1, 0, ..., 0),...,(0, ..., 0, 1)} labase canónica <strong>de</strong> R n . Entonces para todo 1 ≤ i ≤ n,⎛ ⎛f D (0,...0, 1, i 0, ..., 0) =⎜⎝ D · ⎜⎝0...1...0⎞⎞t⎟⎟⎠⎠= d ii · (0, ...0, i 1, 0,...,0).A<strong>de</strong>más, la matriz <strong>de</strong> f D respectoalabasecanónicaesdiagonal. Estapropiedadmotivalasiguiente<strong>de</strong>finición.Definition 10 Sea A ∈ M n×n (R). Sedicequeλ ∈ R es un valor propio <strong>de</strong> la matriz A si existe unvector no nulo x ∈ R n <strong>de</strong> forma queA · x t = λ · x t .Si λ ∈ R es un valor propio <strong>de</strong> A y x ∈ R n es un vector verificandolarelaciónanterior,sediceentonces que x es un vector propio <strong>de</strong> A asociado al valor propio λ.Démonos cuenta que siA · x t = λ · x tentoncesA · x t − λ · I n · x t = 0oequivalentemente(A − λ · I n ) · x t = 0,<strong>de</strong> don<strong>de</strong> se <strong>de</strong>duce que el conjunto <strong>de</strong> todos los vectores propios asociados a λ es el subespaciovectorial Ker(A−λ·I n ) y recibe el nombre <strong>de</strong> subespacio propio asociado a λ. Veamosunaimportantepropiedad <strong>de</strong> los subespacios propios.71
Diagonalización <strong>de</strong> matrices cuadradasProposition 27 Sean λ i ∈ R, 1 ≤ i ≤ k, valores propios distintos <strong>de</strong> una matriz cuadrada A.Entonces for i ≥ 2,{0} = Ker(A − λ i · I n ) ∩ (Ker(A − λ 1 · I n )+... +Ker(A − λ i−1 · I n ))= Ker(A − λ i · I n ) ∩ (Ker(A − λ 1 · I n ) ⊕ ... ⊕ Ker(A − λ i−1 · I n )).En particular, Ker(A − λ 1 · I n ) ⊕ ... ⊕ Ker(A − λ i · I n ).Demostración. Si i =2,yx ∈ Ker(A − λ 1 · I n ) ∩ Ker(A − λ 2 · I n ),setienequeA · x t = λ 1 · x t = λ 2 · x t ,ycomoλ 1 6= λ 2 , se <strong>de</strong>duce que x = 0, conloqueKer(A − λ 1 · I n ) ∩ Ker(A − λ 2 · I n )={0}, porloquelasumaesdirecta,estoesKer(A − λ 1 · I n ) ⊕ Ker(A − λ 2 · I n ).Suponiendo ahora que Ker(A − λ 1 · I n ) ⊕ ... ⊕ Ker(A − λ i−1 · I n ), veamos que su intersección conKer(A − λ i · I n ) es el vector nulo. Para ello, sea x ∈ Ker(A − λ i · I n ) ∩ (Ker(A − λ 1 · I n ) ⊕ ... ⊕Ker(A − λ i−1 · I n )). Entonces x = x 1 + ... + x i−1 , x j ∈ Ker(A − λ j · I n ), j =1, ..., i − 1. AsíyporotroladoA · x t = λ i · x t = λ i · (x t 1 + ... + x t i−1) =λ i · x t 1 + ... + λ i · x t i−1,A · x t = A · (x t 1 + ... + x t i−1) =A · x t 1 + ... + A · x t i−1 = λ 1 · x t 1 + ... + λ i−1 · x t i−1.Igualando las expresiones anteriores y simplificando(λ i − λ 1 ) · x t 1 + ... +(λ i − λ i−1 ) · x t i−1 = 0,y como los vectores <strong>de</strong>ben ser LI en caso <strong>de</strong> ser no nulos y λ 1 ,...,λ i son distintos, <strong>de</strong>be verificarse quex j = 0 si j =1, ..., i − 1, yportantox = 0.El hecho <strong>de</strong> que la suma sea directa hace que si B λi son bases <strong>de</strong> Ker(A − λ i · I n ), 1 ≤ i ≤ k,entonces ∪ k i=1B λi es una base <strong>de</strong> Ker(A − λ 1 · I n ) ⊕ ... ⊕ Ker(A − λ k · I n ).Recor<strong>de</strong>mosentoncesquedim(Ker(A − λ 1 · I n ) ⊕ ... ⊕ Ker(A − λ k · I n )) =kXdim Ker(A − λ i · I n ).Tenemos entonces el siguiente resultado que es una primera caracterización <strong>de</strong> las matrices diagonalizables.Theorem 28 La matriz A es diagonalizable si y solo si λ 1 , ..., λ k ∈ R son todos los valores propios<strong>de</strong> la matriz A y P ki=1 dim Ker(A − λ i · I n )=n. Más aún, existe una base <strong>de</strong> vectores propios B <strong>de</strong>manera que:(a) La matriz asociada a f A en la base B es diagonal y <strong>de</strong> la forma⎛⎞λ 1 ... 0 ... 0 ... 0... ... ... ... ... ... ...0 ... λ 1 ... 0 ... 0M BB (f A )=D =... ... ... ... ... ... ...⎜ 0 ... 0 ... λ k ... 0⎟⎝ ... ... ... ... ... ... ... ⎠0 ... 0 ... 0 ... λ ki=172
Diagonalización <strong>de</strong> matrices cuadradas(b) La matriz P es la matriz <strong>de</strong> cambio <strong>de</strong> base M BC (i).Demostración. Basta usar la Proposición 27 y las matrices asociadas a la aplicación <strong>lineal</strong> f A .Hasta ahora no hemos puesto ningún ejemplo. La razón para esto es la siguiente: no sabemoscómo obtener los valores propios <strong>de</strong> una matriz cuadrada. Vamos a solucionar este problema en lasiguiente sección.4.2 El polinomio característicoEl Teorema 28 nos dice que si tenemos una base <strong>de</strong> vectores propio la matriz A es diagonalizable.Sin embargo, no nos dice nada <strong>de</strong> cómo obtener algo clave en el resultado anterior como son losvalores propios <strong>de</strong> la matriz. Una vez conocidos éstos po<strong>de</strong>mos calcular los subespacios propios ysus dimensiones para posteriormente obtener bases <strong>de</strong> los mismos. Vamos a ver a continuación cómocalcular <strong>de</strong> una forma sencilla dichos valores propios.Dada la matriz cuadrada A ∈ M n×n (R), paraqueλ ∈ R sea un valor propio <strong>de</strong>be existir x ∈ R nno nulo <strong>de</strong> forma que:A · x t = λ · x t ⇔ (A − λ · I n ) · x t = 0.Relación que en la terminología <strong>de</strong> los sistemas <strong>de</strong> ecuaciones <strong>lineal</strong>es indica que el sistema homogéneoasociadoalamatrizA − λ · I n tiene una solución diferente <strong>de</strong> la nula y por ello es compatiblein<strong>de</strong>terminado. Esto es equivalente, por el Teorema <strong>de</strong> Rouché-Frobenius, a que el rango <strong>de</strong> lamatriz A − λ · I n sea estrictamente menor que n, lo que a su vez equivale a que su <strong>de</strong>terminante seanulo. En resumen tenemos la siguiente propiedad:Proposition 29 λ ∈ R es un valor propio <strong>de</strong> A si y sólo si |A − λ · I n | =0.Este resultado motiva la <strong>de</strong>finición siguiente.Definition 11 Dada A ∈ M n×n (R), sellamapolinomio característico <strong>de</strong> A al polinomio <strong>de</strong> gradon ycoeficientesreales<strong>de</strong>finido porp(x) =|A − x · I n |.El conjunto <strong>de</strong> las raíces <strong>de</strong>l polinomio característico <strong>de</strong> A, que se <strong>de</strong>nota por σ(A), se<strong>de</strong>nominaespectro <strong>de</strong> la matriz A. Evi<strong>de</strong>ntemente λ ∈ R será un valor propio <strong>de</strong> A si y solamente si λ ∈ σ(A).Por otra parte, el Teorema Fundamental <strong>de</strong>l Algebra asegura que σ(A) 6= ∅, aunque pue<strong>de</strong> que elespectro contenga números complejos, e incluso que ninguno <strong>de</strong> sus elementos sea un número realcomo ocurre con la matrizSu polinomio característico esA =µ 0 −11 0.p(x) =¯ −x −11 −x ¯ = x2 +1=0,cuyo espectro es σ(A) ={i, −i}, y por tanto dicha matriz no es diagonalizable en R.73
Diagonalización <strong>de</strong> matrices cuadradasDado un valor propio real λ ∈ σ(A), seaB λ una base <strong>de</strong>l subespacio propio Ker(A − λ · I n ) yextendámoslaaunabaseB <strong>de</strong> R n . Entonces la matriz asociadaµ λ · Ik MM BB (f A )=1,0 M 2don<strong>de</strong> k =dimKer(A − λ · I n ), 0 es la matriz nula <strong>de</strong> tamaño (n − k) × k y M 1 y M 2 son matricesreales <strong>de</strong> tamaños k × (n − k) y (n − k) × (n − k), respectivamente. Entonces, si <strong>de</strong>notamos por Cla base canónica <strong>de</strong> R n , el polinomio característico <strong>de</strong> A esp(x) = |A − x · I n | = |M CC (f A ) − x · I n |= |M CB (i) · M BB (f A ) · M BC (i) − x · M CB (i) · M BC (i)|= |M CB (i) · (M BB (f A ) · M BC (i) − x · I n ) · (M CB (i)) −1 |= |M CB (i)||M BB (f A ) − x · I n ||(M CB (i)) −1 |= |M BB (f A ) − x · I n | =(x − λ) k q(x),don<strong>de</strong> q(x) =|M 2 − x · I n−k |. Denotemos por m(λ) la multiplicidad <strong>de</strong> λ, es <strong>de</strong>cir, el polinomiocaracterístico se escribe como p(x) =(x − λ) m(λ) h(x), don<strong>de</strong> h(x) es un polinomio tal que h(λ) 6= 0.Entonces se obtiene que 1 ≤ k =dimKer(A − λ · I n ) ≤ m(λ). A<strong>de</strong>mássiσ(A) ={λ 1 ,...,λ r }:r ≤ dim (Ker(A − λ 1 · I n ) ⊕ ···⊕ Ker(A − λ r · I n ))= dimKer(A − λ 1 · I n )+···+dimKer(A − λ r · I n ) ≤ n.Si A ∈ M n×n (R) es diagonalizable, entonces σ(A) ⊂ R. El recíproco <strong>de</strong> la afirmación anterior esfalso como nos muestra el ejemplo siguiente. Consi<strong>de</strong>remos la matrizµ 1 1A =0 1cuyo polinomio característico es p(λ) = (λ − 1) 2 . Por tanto σ(A) = {1} ⊂ R, pero A no esdiagonalizable ya queKer(A − I 2 )={(x, y) ∈ R 2 : y =0},que tiene dimensión 1. Entonces no po<strong>de</strong>mos encontrar una base <strong>de</strong> vectores propios y por el Teorema28 la matriz no es diagonalizable.Las matrices diagonalizables quedan totalmente caracterizadas por el resultado siguiente queaumenta la información dada por el Teorema 28 y cuya <strong>de</strong>mostración hemos obtenido anteriormente.Theorem 30 Sea A ∈ M n×n (R). La matriz A es diagonalizable si y solamente si todas las raíces<strong>de</strong>l polinomio característico son reales y a<strong>de</strong>más la dimensión <strong>de</strong>l subespacio <strong>de</strong> los vectores propiosasociados a cada valor propio coinci<strong>de</strong> con la multiplicidad <strong>de</strong> dicho valor propio, es <strong>de</strong>cir,dim Ker(A − λ · I n )=m(λ),∀ λ ∈ σ(A).Sealamatriz⎛A = ⎝ 5 0 −4 ⎞0 3 0 ⎠ .2 0 −174
Diagonalización <strong>de</strong> matrices cuadradasSu polinomio característico es p(x) =|A − x · I 3 | =(3− x)(x 2 − 4x +3), y sus valores propios λ 1 =1,λ 2 =3con multiplicida<strong>de</strong>s m(λ 1 )=1y m(λ 2 )=2. Calculamos a continuación los subespacios <strong>de</strong>vectores propios:Ker(A − I n ) = © (x, y, z) ∈ R 3 : x − z =0,y=0 ª ,Ker(A − 3 · I n ) = © (x, y, z) ∈ R 3 : x − 2z =0 ª ,<strong>de</strong> don<strong>de</strong> se <strong>de</strong>duce que dim Ker(A − I n )=1y dim Ker(A − 3 · I n )=2. La matriz es por tantodiagonalizable con matriz diagonal ⎛D = ⎝ 1 0 0 ⎞0 3 0 ⎠ .0 0 3Por otra parte obtenemos que {(1, 0, 1)} y {(2, 0, 1), (0, 1, 0)} son bases <strong>de</strong> Ker(A−I n ) y Ker(A−3·I n )respectivamente por lo que⎛P = ⎝ 1 2 0 ⎞0 0 1 ⎠1 1 0será la matriz <strong>de</strong> paso. Calculamos su inversa⎛⎝ 1 2 0⎞ ⎛1 0 00 0 10 1 0 ⎠ → F3 −F 1⎝ 1 2 00 0 11 1 0 ¯ 0 0 10 −1 0<strong>de</strong> don<strong>de</strong>yasí→⎛A = ⎝F1 +2F 2⎛⎝1 2 00 0 11 1 01 0 00 −1 00 0 1⎛P −1 = ⎝⎞⎛⎠ · ⎝⎞ ⎛1 0 00 1 0 ⎠ → F2 ×F 3⎝ 1 2 00 −1 0¯ −1 0 10 0 1 ¯⎞ ⎛−1 0 21 0 0−1 0 1 ⎠ → (−1)F2⎝ 0 1 0¯ 0 1 00 0 1 ¯−1 0 21 0 −10 1 01 0 00 3 00 0 3⎞⎛⎠ · ⎝⎞⎠−1 0 21 0 −10 1 01 0 0−1 0 10 1 0−1 0 21 0 −10 1 0Cabe hacer notar que las matrices <strong>de</strong> paso no son únicas: se tendrán diferentes matrices paracada familia <strong>de</strong> bases <strong>de</strong> los subespacios <strong>de</strong> vectores propios.4.3 Aplicaciones4.3.1 Circuitos digitalesResolvamos ahora la ecuación en diferencias½yk+2 + y k+1 − 2y k =0;y 0 =0,y 1 =1,75⎞⎠ .⎞⎠⎞⎠ ,
Diagonalización <strong>de</strong> matrices cuadradasintroducida al comienzo <strong>de</strong>l tema y que, con la variable z k = y k+1 se reescribe comoµyk+1=z k+1µ 0 12 −1·µykz k,por lo queµ µ k+1yk+1 0 1=·z k+1 2 −1Calculemos los valores propios <strong>de</strong> la matrizA =µ µy0 0 1=z 0 2 −1µ 0 12 −1, k+1 µ 0·1.calculando previamente los valores propiosp(x) =¯ −x 12 −1 − x¯ = x2 + x − 2=0,<strong>de</strong> don<strong>de</strong>x = −1 ± √ 1+82= 1 ± 32 ,por lo que los valores propios son −1 y 2. Los subespacios propios sonKer(A + I 2 )={(x, y) ∈ R 2 : x = −y},Ker(A − 2 · I 2 )={(x, y) ∈ R 2 :2x = y},yesfácilverqueB = {(1, −1), (1, 2)} es una base <strong>de</strong> vectores propios. La matriz diagonal esD =µ −1 00 2y las matrices <strong>de</strong> cambio <strong>de</strong> base sonP =µ 1 1−1 2y su inversa que calculamos a continuación.µ 1 1−1 2 ¯ 1 0 µ 1 1→0 1F2 +F 10 3→ F1 −F 2µ 1 00 1¯ 1 0 1 12− 1 3 3¯1313→ 13 F 2,µ 1 10 1¯ 1 01 133con lo queP −1 =µ 23− 1 3137613.
Diagonalización <strong>de</strong> matrices cuadradasAsíµyk+1z k+1µ k+1 µ 0 1 0=·2 −1 1µ µ k+1 µ 1 1 −1 02 µ−=··1 3 3 01 1 ·1 2 0 213 3µ µ µ 1 1 (−1)k+10 −1=·1 2 0 2 k+1 · 313= 1 µ (−1)3 ·k+2 +2 k+1(−1) k+2 +2 k+2 ,por lo que y k+1 = 1 3 ((−1)k+2 +2 k+1 ) y así la sucesión que buscamos es4.3.2 Procesos <strong>de</strong> Markovy k = (−1)k+1 +2 k.3Estudiamos la evolución <strong>de</strong> sistemas aislados (sin interacción con el exterior), cuya composicióntotal no varía y <strong>de</strong> forma que su estado en un momento dado <strong>de</strong>pen<strong>de</strong> <strong>lineal</strong>mente <strong>de</strong>l estado enel momento inmediatamente anterior. Se trata <strong>de</strong> los llamados procesos <strong>de</strong> Markov. El ejemplosiguiente es ilustrativo <strong>de</strong> una situación <strong>de</strong> este tipo.Supongamos que en una cierta ciudad existen dos compañías eléctricas X e Y encargadas <strong>de</strong>lsuministro. Cada año uno <strong>de</strong> cada diez usuarios <strong>de</strong> X <strong>de</strong>ci<strong>de</strong> cambiarse a Y y viceversa, dos <strong>de</strong>cada diez abonados a Y se pasan a B. Si <strong>de</strong>notamos por x 0 e y 0 la cantidad <strong>de</strong> clientes que X e Yrespectivamente tienen este año y suponemos que la ciudad no crece, al año que viene se tendrá:x 1 =0.9 x 0 +0.2 y 0y 1 =0.1 x 0 +0.8 y 0⇔µx1=y 1µ 0.9 0.20.1 0.8µx0,y 0siendo x 1 e y 1 los clientes <strong>de</strong> X e Y al cabo <strong>de</strong> un año. Cuando pasen k años se tendrá (siempresuponiendoqueelnúmero<strong>de</strong>habitantes<strong>de</strong>laciudadsemantieneconstante):½ µ µ µ µ k µ xk =0.9 x k−1 +0.2 y k−1xk 0.9 0.2 xk−1 0.9 0.2 x0⇔ ==.y k =0.1 x k−1 +0.8 y k−1y k 0.1 0.8 y k−1 0.1 0.8 y 0Calculando los valores propios <strong>de</strong> la matrizA =µ 0.9 0.20.1 0.8y estudiando sus subespacios <strong>de</strong> vectores propios se obtiene que es diagonalizable con lo que laexpresión anterior pue<strong>de</strong> reescribirse comoµ µ µ µ −1 µ xk 2 1 1 0 2 1 x0=y k 1 −1 0 0.7 k 1 −1 y 0µ µ µ µ 2 1 1 0 1/3 1/3 x0=1 −1 0 0.7 k .1/3 −2/3 y 077
Diagonalización <strong>de</strong> matrices cuadradasEsta fórmula ofrece una forma sencilla <strong>de</strong> calcular los clientes que tendrá cada una <strong>de</strong> las compañíasal cabo <strong>de</strong> k años. A<strong>de</strong>más cuando k sea gran<strong>de</strong> 0.7 k se hará cada vez más pequeño por lo que cuandopase mucho tiempo (k →∞) se tendrá la relaciónµ µ µ µ µ x∞ 2 1 1 0 1/3 1/3 x0=y ∞ 1 −1 0 0.7 ∞ 1/3 −2/3 y 0µ µ µ µ Ã 22 1 1 0 1/3 1/3 x0==(x !3 0 + y 0 )1 −1 0 0 1/3 −2/3 y 01(x .3 0 + y 0 )Así la situación hacia la cual tien<strong>de</strong> el proceso y en la que se estabiliza es que 2/3 <strong>de</strong> los habitantes<strong>de</strong> la ciudad contraten el suministro con la compañía X y 1/3 lo haga con la Y .4.4 Ejercicios1. Hallar la forma diagonal, cuando sea posible, <strong>de</strong> las siguientes matrices, así como la matriz <strong>de</strong>lcambio <strong>de</strong> base:⎛(a) ⎝ 5 4 3 ⎞ ⎛−1 0 −3 ⎠ (b) ⎝ 5 7 5 ⎞ ⎛−6 −5 −3 ⎠ (c) ⎝ −9 1 1 ⎞−18 0 3 ⎠1 −2 14 1 0−21 4 0(d)⎛⎝5 3 20 4 00 0 4⎞⎠(e)⎛⎜⎝−1 0 0 02 −1 0 00 0 −1 40 0 0 −1⎞⎟⎠(f) ⎛⎝2 1 00 2 10 0 22. Sea A una matriz cuadrada. Demostrar que A y A t tienen el mismo polinomio característicoy, por tanto, los mismos µ valores propios. ¿Tendrían los mismos vectores propios? Comprobarlo1 0para la matriz A = .1 13. Sea A una matriz cuadrada <strong>de</strong> or<strong>de</strong>n n, invertible. Demostrar que si λ es un valor propio <strong>de</strong>A, entonces λ −1 es un valor propio <strong>de</strong> A −1 .4. Sea A una matriz 3 × 3 con valores propios 1 doble y 2 simple. Si los subespacios <strong>de</strong> vectorespropios son {(x, y, z) :x = y = z} y {(x, y, z) :x = −y}, respectivamente, se pi<strong>de</strong>:(a) ¿Es A diagonalizable?(b) Calcular el rango y el <strong>de</strong>terminante <strong>de</strong> A.(c) Calcular la matriz A.(d) Dado b ∈ R 3 , ¿cómo es el sistema <strong>de</strong> ecuaciones A · x = b?5. Sea f : R 3 → R 3 una aplicación <strong>lineal</strong> y A la matriz asociada a f en las bases canónicas <strong>de</strong> R 3 .Discutir la veracidad o falsedad <strong>de</strong> las siguientes afirmaciones:(a) Si f es biyectiva, entonces λ =0es un valor propio <strong>de</strong> A.78⎞⎠
Diagonalización <strong>de</strong> matrices cuadradas(b) Si f no es sobre, entonces λ =0es un valor propio <strong>de</strong> A.6. Estudiar para qué valores <strong>de</strong> los parámetros las siguientes matrices son diagonalizables:(a)⎛⎝ α β 0 ⎞0 −1 0 ⎠0 0 1(b)⎛⎝ 5 0 3 ⎞0 −1 0 ⎠ .3 0 α7. Si A es diagonalizable, entonces existen matrices diagonal D einvertibeP tales que A =P · D · P −1 .Observaquesin es un número natural, entonces A n = P · D n · P −1 . Aplica estemétodo para calcular la potencia n-ésima <strong>de</strong> la matriz⎛A = ⎝1 −1 −1−1 1 −1−1 −1 1⎞⎠8. Sea f(x, y, z) =(4x−y, −6x+6y+3z, 3y) un endomorfismo <strong>de</strong> R 3 en R 3 . Dados los subespaciosS =< (1, 1, 1) > y T =< (1, 1, 0) >, calcularf(S) y f(T ). Comentar los resultados obtenidosen términos <strong>de</strong> valores y vectores propios <strong>de</strong> f.9. Sea f : R n → R n una aplicación <strong>lineal</strong> con matriz asociada respecto a la base canónica A yu, v dos vectores <strong>de</strong> R n asociados a los valores propios distintos λ, μ ∈ R. Decidir cuales <strong>de</strong> lassiguientes afirmaciones son ciertas.(a) El vector propio u tiene un único valor propio asociado.(b) Para todo α ∈ R, elvectorαu es un vector propio <strong>de</strong>l valor propio λ.(c) Todo vector <strong>de</strong>l núcleo <strong>de</strong> f es un vector propio.(d) El vector w = u + v es un vector propio <strong>de</strong> f.(e) Si λ es un valor propio <strong>de</strong> f, entonces λ n es un valor propio <strong>de</strong> f n , don<strong>de</strong> f n = f ◦ f ◦ .. ◦ f(n veces).(f) Una matriz tiene el valor propio 0 si y solo si su <strong>de</strong>terminante es nulo.(g) Una matriz diagonalizable es invertible.10. Sea f : R n → R n una aplicación <strong>lineal</strong> <strong>de</strong> manera que f ◦ f = f. Calcular los valores propios <strong>de</strong>f.11. Calcular para las siguientes matrices los valores y vectores propios. Determinar si las matricesson o no diagonalizables y calcular la matriz diagonal en caso <strong>de</strong> serlo. Calcular a<strong>de</strong>más la base79
Diagonalización <strong>de</strong> matrices cuadradasrespecto <strong>de</strong> la cual la matriz es diagonal y dar la matriz <strong>de</strong> cambio <strong>de</strong> base:µ µ µ 1 1−26 −15−2 −1(a)(b)(c)⎛3 −150 294 2(d) ⎝ 1 2 3 ⎞ ⎛⎞ ⎛0 −2 −20 1 2 ⎠ (e) ⎝ 1 3 1 ⎠ (f) ⎝ 5 1 1 ⎞1 5 1 ⎠⎛0 0 1⎞ ⎛0 0 2⎞1 1 50 0 0 11 −2 0 0 ⎛⎞(g) ⎜ 0 0 1 0⎟⎝ 0 1 0 0 ⎠ (h) ⎜ 0 1 0 01 −1 −1⎟⎝ 1 1 0 1 ⎠ (i) ⎝ 1 −1 0 ⎠1 0 11 0 0 01 1 1 0⎛⎞⎛(j) ⎝ 1 5 7 ⎞ ⎛0 4 3 ⎠ (k) ⎝ 0 4 2 ⎞ 5 1 −2 4−3 8 3 ⎠ (l) ⎜ 0 5 2 2⎟⎝ 0 0 5 3 ⎠0 0 14 −8 −2⎛0 0 0 4(m) ⎝ 1 1 2 ⎞⎛µ 1 2 1 ⎠ 1 1(n)(ñ) ⎝ 2 1 −1 ⎞0 2 1 ⎠0 10 1 30 0 212. Dada la sucesión <strong>de</strong> números reales <strong>de</strong>finida por inducción como x n+2 = x n+1 + x n , x 1 =1,x 2 =2,calcularx n y el límite <strong>de</strong> la misma cuando n →∞.13. En un cierto pais existen dos compañías eléctricas, luces y sombras S. A. y luz a gogó S. A.Cada año uno <strong>de</strong> cada diez consumidores se cambia <strong>de</strong> compañía. Si la población <strong>de</strong>l pais nocrece ni disminuye e inicialmente hay 10 millones <strong>de</strong> abonados a la primera compañía y 15millones a la segunda, pre<strong>de</strong>cir la evolución <strong>de</strong>l mercado a largo plazo.14. En una ciudad existen tres supermercados A, B y C que acaparan la totalidad <strong>de</strong> la poblacióna la hora <strong>de</strong> comprar. Se ha observado que los compradores van cambiando año a año <strong>de</strong>supermercado según la siguiente ley: De los que compran en A un año vuelven al siguientesólamente la mitad, mientras que la otra mitad pasa a comprar en B. De los que compran enB la mitad permanece en B, mientras que el resto compran el año siguiente en C. Finalmenteuna cuarta parte <strong>de</strong> los compradores <strong>de</strong> C se cambian a B, quedándose el resto en C.(a) Si en un año <strong>de</strong>terminado la mitad <strong>de</strong> la población compra en A ylaotramita<strong>de</strong>nB,<strong>de</strong>terminar cuál será la distribución el año siguiente.(b) Determinar cuál es el comportamiento a largo plazo <strong>de</strong> los compradores <strong>de</strong> la ciudad.80
Capítulo 5Espacio vectorial eucí<strong>de</strong>oSumario. Producto escalar. Norma. Ortogonalidad. Base ortonormal: teorema<strong>de</strong> Gramm—Schmidt. Diagonalización <strong>de</strong> matrices cuadradas simétricas. Proyecciónortogonal. Teorema <strong>de</strong> la mejor aproximación. Aplicaciones <strong>lineal</strong>es <strong>de</strong> significadogeométrico.5.1 Producto escalarSea V un espacio vectorial sobre el cuerpo R <strong>de</strong> los números reales. Una aplicación h·, ·i : V×V → R,que a cada par <strong>de</strong> vectores u, v ∈ V les asocia un número real hu, vi ∈ R, sedicequeesunproductoescalar en V si verifica las siguientes propieda<strong>de</strong>s:(E1) Linealidad respecto <strong>de</strong> la primera coor<strong>de</strong>nada, esto es, para cada α, β ∈ R ycadau, v, w ∈ V,hαu + βv, wi = αhu, wi + βhv, wi.(E2) Conmutatividad. hu, vi = hv, ui, para cada u, v ∈ V.(E3) Definida positiva. hu, ui ≥ 0, paratodou ∈V. A<strong>de</strong>máshu, ui =0si y sólo si u = 0.Remark 3 En ocasiones, especialmente en libros <strong>de</strong> Física, el producto escalar <strong>de</strong> dos vectores u, v ∈V se escribe como u · v.El par (V, h·, ·i) se llama espacio vectorial euclí<strong>de</strong>o. Como veremos a continuación, el productoescalar nos va a permitir medir distancias y algunas magnitu<strong>de</strong>s asociadas a ésta.Example 28 En el espacio vectorial R n , la aplicación que a cada par <strong>de</strong> vectores (x 1 ,...,x n ) y(y 1 , ..., y n ) les asocia el número real⎛ ⎞y 1h(x 1 ,...,x n ), (y 1 , ..., y n )i =(x 1 , ..., x n ) · ⎝ ... ⎠ = x 1 y 1 + ···+ x n y ny nes un ejemplo <strong>de</strong> producto escalar como se comprueba fácilmente. Este es el producto escalar usual<strong>de</strong> R n .81
Espacio vectorial eucí<strong>de</strong>oExample 29 Sea ahora C([a, b]) el espacio vectorial <strong>de</strong> las funciones continuas <strong>de</strong>finidas sobre elintervalo compacto [a, b], a, b ∈ R. Dadasf,g∈ C([a, b]) se <strong>de</strong>fine la aplicaciónhf,gi :=Z baf(x)g(x)dx.De nuevo se comprueban fácilmente las propieda<strong>de</strong>s (E1)—(E2) y que dado que f(x) 2 ≥, entonceshf,fi = R ba f(x)2 dx ≥ 0. Esobvioquesif(x) =0,entonceshf,fi =0. Para comprobar el recíproco,supongamos que hf,fi =0yqueexistex 0 ∈ [a, b] tal que f(x 0 ) 6= 0. Entonces f(x 0 ) 2 > 0, ypor la continuidad <strong>de</strong> f(x) 2 , <strong>de</strong>be existir un subintervalo (c, d) ⊂ [a, b] tal que f(x) 2 > 0 para todox ∈ (c, d). Como hf,fi es el área <strong>de</strong>terminada por f(x) 2 yelejeX, al ser f(x) 2 > 0 para todox ∈ (c, d), se tiene que dicha área es estrictamente positiva y por tanto hf,fi =0es incompatiblecon la existencia <strong>de</strong> un x 0 ∈ [a, b] tal que f(x 0 ) 6= 0, por lo que necesariamente f(x) =0para todox ∈ [a, b].De los axiomas <strong>de</strong> producto escalar se <strong>de</strong>ducen fácilmente las siguientes propieda<strong>de</strong>s.Proposition 31 Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o. Entonces(a) hu, 0i =0para todo u ∈ V.(b) Para cada α, β ∈ R ycadau, v, w ∈ V, hw, α · u + β · vi = αhw, ui + βhw, vi.Demostración. En primer lugar <strong>de</strong>mostramos (a). Para ello basta tener en cuenta que<strong>de</strong> don<strong>de</strong> obtenemos que hu, 0i =0.Para <strong>de</strong>mostrar (b) consi<strong>de</strong>ramoshu, 0i = hu, 0 + 0i = hu, 0i + hu, 0ihw, α · u + β · vi = hα · u + β · v, wi = αhu, wi + βhv, wi = αhw, ui + βhw, vi,mediante el uso <strong>de</strong> la conmutatividad y <strong>lineal</strong>idad respecto <strong>de</strong> la primera componente <strong>de</strong>l productoescalar.Definition 12 Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o. Se llama norma <strong>de</strong> u ∈ V asociada alproducto escalar akuk =+ p hu, ui.De los axiomas <strong>de</strong> producto escalar son inmediatas las siguientes propieda<strong>de</strong>s <strong>de</strong> la norma asociada:Proposition 32 Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o. Entonces:(a) kuk ≥ 0 para todo u ∈ V. A<strong>de</strong>máskuk =0si y sólo si u = 0.(b) kα · uk = |α|kuk, para cada α ∈ R y u ∈ V.82
Espacio vectorial eucí<strong>de</strong>o(c) Desigualdad <strong>de</strong> Cauchy-Schwarz. Dados u, v ∈ V se tiene la <strong>de</strong>sigualdad|hu, vi| ≤ kukkvkque es estricta si u y v son <strong>lineal</strong>mente in<strong>de</strong>pendientes.(d) Desigualdad <strong>de</strong> Minkowski o triangular. Dados u, v ∈ V se verifica la relación:ku + vk ≤ kuk + kvk.(e) Regla <strong>de</strong>l paralelogramo. ku + vk 2 + ku − vk 2 =2(kuk 2 + kvk 2 ).Demostración. La <strong>de</strong>mostración <strong>de</strong> (a) es inmediata a partir <strong>de</strong> las <strong>de</strong>finiciones. Para probar(b) hacemos el cálculoPara probar (c) consi<strong>de</strong>ramoskα · uk =+ p hα · u,α · ui =+ p α 2 hu, ui = |α|kuk.0 ≤ hu + λ · v, u + λ · vi = kuk 2 +2λhu, vi + λ 2 kvk 2para cada λ ∈ R, lo cual implica que el discriminante <strong>de</strong>l anterior polinomio <strong>de</strong> grado dos en λ <strong>de</strong>beser negativo, es <strong>de</strong>cir,4hu, vi 2 − 4 kuk 2 kvk 2 ≤ 0 ⇔ |hu, vi| ≤ kukkvk.Notar que si u y v son <strong>lineal</strong>mente in<strong>de</strong>pendientes todas las <strong>de</strong>sigualda<strong>de</strong>s anteriores son estrictas.Para probar (d) consi<strong>de</strong>ramosku + vk 2 = hu + v, u + vi = hu, ui +2hu, vi + hv, vi≤ kuk 2 + kvk 2 +2kukkvk =(kuk + kvk) 2 ,<strong>de</strong> don<strong>de</strong> se <strong>de</strong>duce la propiedad.Por último, para probar (e) <strong>de</strong>sarrollamosku + vk 2 + ku − vk 2 = hu + v, u + vi+hu − v, u − vi= hu, ui +2hu, vi + hv, vi+hu, ui − 2hu, vi + hv, vi= 2(kuk 2 + kvk 2 ).Como consecuencia <strong>de</strong> la <strong>de</strong>sigualdad <strong>de</strong> Cauchy-Schwarz, dados dos vectores u, v en el espacioeuclí<strong>de</strong>o V se tiene que:hu, vi−1 ≤kukkvk ≤ 1.De aquí se <strong>de</strong>fine el ángulo formado por los vectores u y v como el número real θ <strong>de</strong> forma que:Asíelproductoescalarverifica la fórmulacos θ =hu, vikukkvk .hu, vi = kukkvk cos θ.83
Espacio vectorial eucí<strong>de</strong>oRemark 4 En caso <strong>de</strong> R 2 , dados los vectores (x 1 ,y 1 ) y (x 2 ,y 2 ) y α el ángulo físico que forman,es <strong>de</strong>cir, la longitud <strong>de</strong>l arco <strong>de</strong> circunferencia <strong>de</strong> radio uno <strong>de</strong>terminado por las semirectas r i ={λ · (x i ,y i ):λ ≥ 0}, i =1, 2. Es fácil ver que existen α i ∈ [0, 2π), i =1, 2, <strong>de</strong>maneraque(x i ,y i )=||(x i ,y i )|| · (cos α i , sin α i ),i=1, 2.Entonces el ángulo generado por ambos vectores es α 1 − α 2 .Así,h(x 1 ,y 1 ), (x 2 ,y 2 )i||(x 1 ,y 1 )|| ||(x 2 ,y 2 )||= h(cos α 1 , sin α 1 ), (cos α 2 , sin α 2 )i= cosα 1 cos α 2 +sinα 1 sin α 2= cos(α 1 − α 2 ),por lo que el ángulo formado por dos vectores coinci<strong>de</strong> con la <strong>de</strong>finición geométrica en el caso plano.Example 30 Por ejemplo, el ángulo α generado por los vectores (1, 1) y (1, 0) se calcula mediantela expresiónh(1, 1), (1, 0)icos α =||(1, 1)|| ||(1, 0)|| = √ 1 √2= 2 2 ,<strong>de</strong> don<strong>de</strong>√2α =arccos2 = π 4 .Un vector u ∈ V se dice normal o unitario si ||u|| =1. La siguiente proposición nos dice cómoobtener un vector normal <strong>de</strong> una forma sencilla.Proposition 33 Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o y sea u ∈ V. Entonces 1 ·u es normal.||u||Demostración. Basta tener en cuenta que¿ À1||u|| · u, 1||u|| · u = 1 hu, ui =1,||u||2con lo que concluye la <strong>de</strong>mostración.Por ejemplo, dado el vector (1, 1) ∈ R 2 , está claro que ||(1, 1)|| = √ 2, por lo que no es normal.Entonces el vectorÃ√ √ !12 2√ (1, 1) = 2 2 , 2es normal o unitario.5.2 OrtogonalidadDefinition 13 Dos vectores u, v ∈ V se dice que son ortogonales si su producto escalar es nulo,esto es, hu, vi =0. Un conjunto <strong>de</strong> vectores S = {u 1 ,...,u r } ⊆ V\{0} se dice que es un sistemaortogonal si cada vector es ortogonal a todos los <strong>de</strong>más, es <strong>de</strong>cir, si hu i , u j i =0para cada i 6= j.84
Espacio vectorial eucí<strong>de</strong>oLos vectores (1, 0) y (0, 1) son claramente ortogonales. Otro ejemplo menos claro es el siguiente:dados los polinomios 1 y x, <strong>de</strong>finidos en [−1, 1], severifica que con el producto escalar <strong>de</strong>finidomediante la integral <strong>de</strong>l producto <strong>de</strong> ambas funciones en dicho intervalo, se verificah1,xi =Z 1−1xdx =0.Tenemosentonceselsiguienteresultadoquenosvienea<strong>de</strong>cirquetodosistemaortogonalestácompuestopor vectores <strong>lineal</strong>mente in<strong>de</strong>pendientes.Proposition 34 Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o y sea S = {u 1 , ..., u r } un sistema ortogonal.Entonces los vectores <strong>de</strong> S son <strong>lineal</strong>mente in<strong>de</strong>pendientes.Demmostración. Planteamos la siguiente combinación <strong>lineal</strong>:α 1 · u 1 + ···+ α r · u r = 0,para cada 1 ≤ j ≤ r se tiene que:0=hα 1 · u 1 + ···+ α r · u r ,u j i =rXα i hu i , u j i = α j ku j k 2y, dado que u j 6= 0, se<strong>de</strong>ducequeα j =0.Uno <strong>de</strong> los resultados clásicos, y nunca mejor dicho, <strong>de</strong> las familias <strong>de</strong> vectores ortogonales es elconocido Teorema <strong>de</strong> Pitágoras.Theorem 35 (Pitágoras) Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o. Dados u, v ∈ V dos vectoresortogonales se verifica queku + vk 2 = kuk 2 + kvk 2 .Desmostración. Consi<strong>de</strong>remosku + vk 2 = hu + v, u + vi = hu, ui +2hu, vi + hv, vi = kuk 2 + kvk 2 ,como queríamos probar.5.2.1 Método <strong>de</strong> ortonormalización <strong>de</strong> Gram-SchmidtDefinition 14 Una base B = {u 1 ,...,u n } se dice que es ortogonal si es un sistema ortogonal(hu i ,u j i =0, si i 6= j). Si a<strong>de</strong>más todos los vectores son normales (ku i k =1, i =1, ..., n), la base Bse dirá ortonormal.Las bases canónicas <strong>de</strong> los espacios R n son ejemplos <strong>de</strong> bases ortonormales (respecto <strong>de</strong> productoescalar canónico). ¿Cuál es la ventaja <strong>de</strong> disponer <strong>de</strong> este tipo <strong>de</strong> bases? Sea B = {u 1 ,...,u n } unabase ortonormal <strong>de</strong> V y sea u ∈ V un vector cualquiera con coor<strong>de</strong>nadas α 1 ,...,α n respecto <strong>de</strong> labase B. EntoncesnXhu, u j i = α i hu i , u j i = α ji=1para cada 1 ≤ j ≤ n. Relación que simplifica el cálculo <strong>de</strong> las coor<strong>de</strong>nadas <strong>de</strong> los vectores en basesortonormales.El objetivo <strong>de</strong>l método <strong>de</strong> Gram-Schmidt es obtener a partir <strong>de</strong> una base B = {u 1 ,...,u n } unabase ortonormal B 0 = {w 1 ,...,w n }. Para ello se proce<strong>de</strong> en las siguientes etapas:85i=1
Espacio vectorial eucí<strong>de</strong>o• Si B es una base ortogonal, entonces <strong>de</strong>finiendo w i = ku i k −1 u i , 1 ≤ i ≤ n, setienequeB 0 esuna base ortonormal.• Si B no es una base ortogonal el proceso es más laborioso. En primer lugar se <strong>de</strong>fine el vectorw 1 = ku 1 k −1 u 1 . A continuación se calcula el vectorque es ortogonal a w 1 dado que:v 2 = u 2 − hu 2 , w 1 i·w 1 ,hv 2 , w 1 i = hu 2 , w 1 i − hu 2 , w 1 ihw 1 , w 1 i =0,yse<strong>de</strong>fine w 2 = kv 2 k −1 v 2 . Recursivamente, para cada 2 ≤ j ≤ n se calcula el vectorj−1Xv j = u j − hu j , w i i·w i ,i=1que es ortogonal a w 1 ,...,w j−1 . Es fácil darse cuenta que cada nuevo construido v j 6= 0 yaque en otro caso u j sería <strong>de</strong>pendiente <strong>de</strong> w 1 ,...,w j−1 , que a su vez son combinación <strong>lineal</strong><strong>de</strong> u 1 , ..., u j−1 , y esto no es posible porque B es una base y por tanto los vectores son LI.A continuación se toma w j = kv j k −1 v j . Con este proceso construimos la base ortonormalB 0 = {w 1 ,...,w n }.Example 31 Sea la familia <strong>de</strong> vectores u 1 =(1, 1, 0), u 2 =(1, 0, 1), u 3 =(0, 1, 1) que constituyenuna base <strong>de</strong> R 3 . Usaremos el método <strong>de</strong> Gram-Schmidt para obtener a partir <strong>de</strong> {u 1 , u 2 , u 3 } unabase ortonormal <strong>de</strong> R 3 para el producto canónico. Para ello:• Dado que ku 1 k = √ 2,setomaelvectorw 1 = 1 √2(1, 1, 0).• Se calcula v 2 = u 2 − hu 2 , w 1 i w 1 =( 1, −1,1), y haciéndolo unitario tenemos w 2 2 2 = √ 1 6(1, −1, 2).• Finalmente se calcula<strong>de</strong> don<strong>de</strong> w 3 = √ 3(−1, 1, 1).3v 3 = u 3 − hu 3 , w 1 i w 1 − hu 3 , w 2 i w 2 = 2 (−1, 1, 1)35.2.2 Aplicación a la diagonalización ortogonalEn R n con el producto escalar usual consi<strong>de</strong>ramos una base ortonormal B = {u 1 , ..., u n } y <strong>de</strong>notamospor C la base canónica <strong>de</strong> R n que también es ortonormal. Si <strong>de</strong>notamos por P = M CB (i) la matriz<strong>de</strong> cambio <strong>de</strong> base, es inmediato darse cuenta que cada elemento <strong>de</strong>l producto P t · P =(a ij ) vienedado pora ij = hu i , u j i ,i,j=1,...,n.Dado que la base B es ortonormal se verifica que P t · P = I n ,porloqueP −1 = P t .Sea ahora una matriz simétrica A ∈ M n×n (R). Severifica que dicha matriz es siempre diagonalizabley a<strong>de</strong>más la base que la diagonaliza pue<strong>de</strong> construirse ortonormal, ya que si u ∈ Ker(A−λ·I n )86
Espacio vectorial eucí<strong>de</strong>oy v ∈ Ker(A − μ · I n ) y λ 6= μ, entonces hv, ui =0. Así, en el caso <strong>de</strong> matrices simétrica po<strong>de</strong>mosescribir queA = P t · D · P,don<strong>de</strong> D es la correspondiente matriz diagonal.Remark 5 La <strong>de</strong>mostración <strong>de</strong> este resultado sale fuera <strong>de</strong> los objetivos <strong>de</strong> este trabajo y pue<strong>de</strong> verseen [?]. La prueba necesita una <strong>de</strong>finición más amplia <strong>de</strong> la noción <strong>de</strong> producto escalar para que éstepueda tomar valores complejos. Para esto la condición (E2) <strong>de</strong> la <strong>de</strong>finición <strong>de</strong> producto escalar <strong>de</strong>becambiarse.Ilustremos esta aplicación con un ejemplo. Sea la matriz⎛A = ⎝ 5 4 2 ⎞4 5 2 ⎠ ,2 2 2que tiene como valores propios λ 1 =1con multiplicidad dos y λ 2 =10. Los subespacios propios sonKer(A−I 3 )={(x, y, z) ∈ R 3 :2x+2y+z =0} y Ker(A−10·I 3 )={(x, y, z) ∈ R 3 : −5x+4y+2z =0y 4x − 5y +2z =0}, <strong>de</strong> don<strong>de</strong> obtenemos las bases B 1 = {(1, −1, 0), (1, 0, −2)} y B 10 = {(2, 2, 1)},<strong>de</strong> don<strong>de</strong> B = {(1, −1, 0), (1, 0, −2), (2, 2, 1)} es una base <strong>de</strong> vectores propios. Aplicamos el método<strong>de</strong> Gram-Schmidt para encontrar una base ortonormal B 0 = {( √ 2, − √ 2, 0), ( √ 2, √ 2, − 2√ 2), ( 2, 2, 1)}2 2 6 6 3 3 3 3yasíA =⎛⎜⎝√22− √ 22√2√6260 − 2√ 23232313⎞⎟⎠ ·5.3 Subespacios ortogonales⎛⎝1 0 00 1 00 0 10⎞⎛⎠ · ⎝√2− √ 20√2 √ 22 2− 2√ 26 6 32 2 13 3 3Sea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o y consi<strong>de</strong>remos un subespacio vectorial W ⊂ V. Se<strong>de</strong>fineel subespacio ortogonal a W como el subespacioW ⊥ = {v ∈ V : hv, ui =0∀u ∈ W}.Veamos cuáles son las propieda<strong>de</strong>s <strong>de</strong> este nuevo subespacio.Proposition 36 W ⊥ es un subespacio vectorial <strong>de</strong> V.Demostración. Sean α, β ∈ R y u, v ∈ W ⊥ y veamos que su combinación <strong>lineal</strong> α · u + β · vtambién está en W ⊥ . Para ello tomamos w ∈ W arbitrario y calculamoshα · u + β · v, wi = αhu, wi + βhv, wi =0,por lo que dicha combinación <strong>lineal</strong> estará efectivamente en W ⊥ .Proposition 37 Sea B = {v 1 , ..., v n } una base <strong>de</strong> W. El vector u ∈ W ⊥ si y sólo si hu, v i i =0para todo i =1, ..., n.87⎞⎠ .
Espacio vectorial eucí<strong>de</strong>oDemostración. Es claro que si u ∈ W ⊥ entonces hu, v i i =0para todo i =1, ..., n. Supongamosahora que hu, v i i =0para todo i =1, ..., n yveamosqueu ∈ W ⊥ . Para ello sea v ∈ W arbitrario ypongámoslo como combinación <strong>lineal</strong> <strong>de</strong> los vectores <strong>de</strong> la base B, esto es v = α 1 · v 1 + ... + α n · v n ,α i ∈ R, 1 ≤ i ≤ n. Calculemoshu, vi = hu, α 1 · v 1 + ... + α n · v n i = α 1 hu, v 1 i + ... + α n hu, v n i =0,<strong>de</strong> don<strong>de</strong> vemos que u ∈ W ⊥ .El resultado anterior es bastante útil a la hora <strong>de</strong> hacer un cálculo práctico <strong>de</strong>l subespacio ortogonala uno dado, como vemos en el siguiente ejemplo.Example 32 Sea R 3 con el producto escalar usual y sea W = {(x, y, z) ∈ R 3 : x + y + z =0}.Vamos a calcular W ⊥ . Para ello nos damos en primer lugar cuenta <strong>de</strong> que B = {(1, −1, 0), (1, 0, −1)}es una base <strong>de</strong> W. Aplicamos la propiedad anterior para <strong>de</strong>ducir que un vector (x, y, z) ∈ R 3 estáen W ⊥ si se verifica que<strong>de</strong> don<strong>de</strong> W ⊥ = {(x, y, z) ∈ R 3 : x = y = z}.h(x, y, z), (1, −1, 0)i = x − y =0,h(x, y, z), (1, 0, 1)i = x − z =0,La siguiente propiedad nos dice que la suma <strong>de</strong> W con su ortogonal W ⊥ es directa, esto es,W ⊕ W ⊥ .Proposition 38 W ∩ W ⊥ = {0}.Demostración. Si u ∈ W ∩ W ⊥ entonces hu, ui =0,<strong>de</strong>don<strong>de</strong>u = 0.Aunque la suma sea directa, en general no siempre se verifica que W ⊕ W ⊥ = V. El siguienteresultado nos garantiza que esto ocurre si la dimensión <strong>de</strong> W es finita.Theorem 39 Si W es <strong>de</strong> dimensión finita, entonces W ⊕ W ⊥ = V.Demostración. Sea B = {u 1 , ..., u n } una base ortonormal <strong>de</strong> W y sea v ∈ V. Definimosu = hv, u 1 i·u 1 + ... + hv, u n i·u n ∈ W yveamosquev − u ∈W ⊥ . Para ello basta calcular parai =1, ..., nhv − u, u i i = hv − hv, u 1 i·u 1 + ... + hv, u n i·u n , u i i= hv, u i i − hv, u 1 ihu 1 , u i i − ... − hv, u n ihu n , u i i= hv, u i i − hv, u i i =0.Entonces v − u ∈W ⊥ y v = u +(v − u) ∈ W ⊕ W ⊥ .El vector u = hv, u 1 i·u 1 + ... + hv, u n i·u n se conoce con el nombre <strong>de</strong> proyección ortogonal<strong>de</strong> v sobre W ylanorma||v − u|| es la distancia <strong>de</strong> v a W. La proyección ortogonal sobre W no88
Espacio vectorial eucí<strong>de</strong>o<strong>de</strong>pen<strong>de</strong> <strong>de</strong> la base ortonormal B = {u 1 , ..., u n } <strong>de</strong> la Proposición 39. Si B 0 = {v 1 , ..., v n } es otrabase ortonormal, entonces dado que u ∈ W se verifica que⎛⎝ hu, v ⎞⎛1i... = M Bhu, v n i⎠B 0 B(i) · ⎝ hu, u ⎞ ⎛1i... ⎠ = ⎝ hu ⎞ ⎛1, v 1 i ... hu n , v 1 i... ... ... ⎠ · ⎝ hv, u ⎞1i... ⎠hu, u 0 n i huB1 , v n i ... hu n , v n i hv, u n i⎛= ⎝ hu ⎞1, v 1 ihv, u 1 i + ... + hu n , v 1 ihv, u n i...⎠hu 1 , v n ihv, u 1 i + ... + hu n , v n ihv, u n i⎛= ⎝ hv, hu ⎞ ⎛1, v 1 i·u 1 ... + hu n , v 1 i·u n i...⎠ = ⎝ hv, v ⎞1i... ⎠ ,hv, hu 1 , v n i·u 1 ... + hu n , v n i·u n i hv, v n ipor lo que u = hv, v 1 i·v 1 + ... + hv, v n i·v n . Veamos en un ejemplo cómo calcular la proyecciónortogonal <strong>de</strong> un vector sobre un subespacio vectorial.Example 33 Sea el espacio euclí<strong>de</strong>o R 3 equipado con el producto escalar canónico y sea el subespaciovectorialW = © (x, y, z) ∈ R 3 : x − y =0, x− z =0 ª .Dado el vector (1, 1, 0) vamos a calcular su proyección ortogonal sobre W. Evi<strong>de</strong>ntemente{(1, 1, 1)}es una base <strong>de</strong> W, porloque{( √ 3/3, √ 3/3, √ 3/3)} es una base ortonormal. Entonces la proyecciónortogonal <strong>de</strong> (1, 1, 0) sobre W viene dada porh(1, 1, 0), ( √ 3/3, √ 3/3, √ 3/3)i( √ 3/3, √ 3/3, √ 3/3) = (2/3, 2/3, 2/3).Example 34 En el ejemplo anterior, vamos a calcular la aplicación proyección ortogonal sobre W.Para ello sea (x, y, z) ∈ R 3 y<strong>de</strong>finimosf(x, y, z) = h(x, y, z), (( √ 3/3, √ 3/3, √ 3/3))i( √ 3/3, √ 3/3, √ 3/3)= 1 (x + y + z,x + y + z, x + y + z).3Finalizamos el tema con este importante resultado que nos viene a <strong>de</strong>cir que la mejor aproximaciónpor los vectores <strong>de</strong> un subespacio vectorial <strong>de</strong> dimensión finita es la proyección ortogonal.Theorem 40 Sea W <strong>de</strong> dimensión finita. Sean v ∈ V y u la proyección ortogonal <strong>de</strong> v sobre W.Entonces||v − u|| =min{||v − w|| : w ∈ W}.Demostración. Sea w ∈ W ycalculamos||v − w|| 2 = ||(v − u)+(u − w)|| 2 .Ahora bien v − u ∈ W ⊥ y u − w ∈ W por lo que hv − u, u − wi =0y aplicando el Teorema <strong>de</strong>Pitágorasseverifica queA<strong>de</strong>más ||v − w|| > ||v − u|| si u 6= w.||v − w|| 2 = ||(v − u)+(u − w)|| 2= ||v − u|| 2 + ||u − w|| 2 ≥ ||v − u|| 2 .89
Espacio vectorial eucí<strong>de</strong>oExample 35 Se consi<strong>de</strong>ra el espacio euclí<strong>de</strong>o V <strong>de</strong> las funciones reales continuas <strong>de</strong>finidas sobre[1, 2], con el producto escalarZ 2hf,gi := f(x)g(x)dx.1Vamos a obtener la mejor aproximación <strong>de</strong> la función log x como un polinomio <strong>de</strong> grado menor o igualque dos. Para ello, en primer lugar obtenemos una base ortonormal <strong>de</strong>l subespacio <strong>de</strong> los polinomios<strong>de</strong> grado menor o igual que dos a partir <strong>de</strong> la base canónica {1,x,x 2 }. En primer lugar obtenemosuna base ortogonal O = {v 1 , v 2 , v 3 }, don<strong>de</strong> v 1 =1yv 2 = x −hx, 1ih1, 1i 1=x − 3 2 , ®v 3 = x 2 − hx2 , 1i x, x −3µh1, 1i 1 − 2x −3,x− ® x − 3 3 22 2= x 2 − 7 µ3 − x − 3 = x 2 + x − 5 26 .Obtenemos ahora la base ortonormal N = {u 1 , u 2 , u 3 }, don<strong>de</strong>u 1 =u 2 =1||v 1 || v 1 =1,1||v 2 || v 2 = √ 12r1801861µx − 3 ,2µ1u 3 =||v 3 || v 3 = x 2 + x − 5 .6El polinomio <strong>de</strong> grado menor o igual que dos que mejor aproxima log x será la proyección ortogonal<strong>de</strong> log x sobre el subespacio W dado porp(log x) = hlog x, u 1 i u 1 + hlog x, u 2 i u 2 + hlog x, u 3 i u¿3= hlog x, 1i 1+ log x, √ µ12 x − 3 À µ √12x − 3 22* r µ 180+ log x, x 2 + x − 5 + r µ 180x 2 + x − 5 1861 6 1861 6¿= hlog x, 1i +12 log x, x − 3 Àµx − 3 + 180 ¿log x, x 2 + x − 5 Àµx 2 + x − 5 2 2 186166µ= 2log2− 1+3(3− 4 log 2) x − 3 µ108 log 2 − 5+5 x 2 + x − 5 2 18616= 36770 80641log 2 −1861 5583 + 11(16624 − 21792 log 2)x +1861 1861 (540 log 2 − 125)x2 .El error cometido en la aproximación esµZ 21/2|| log x − p(log x)|| = (log x − p(log x)) dx 2 ' 26.2219,1lo cual indica que la aproximación es mala ya que el error medio obtenido es bastante alta.90
5.4 Endomorfismos con significado geométricoEspacio vectorial eucí<strong>de</strong>oEn esta sección se estudian algunos tipos <strong>de</strong> aplicaciones <strong>lineal</strong>es <strong>de</strong> evi<strong>de</strong>nte significado geométrico.Aunque algunos <strong>de</strong> los conceptos que se introducen no necesitan explícitamente la existencia <strong>de</strong> unanorma o distancia, estas clases <strong>de</strong> endomorfismos toman una mayor relevancia en el marco <strong>de</strong> losespacios euclí<strong>de</strong>os.5.4.1 HomoteciasSea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o. Se dice que una aplicación <strong>lineal</strong> f : V → V es unahomotecia <strong>de</strong> razón α ∈ R si f(u) =α u para todo u ∈ V. Es evi<strong>de</strong>nte que respecto <strong>de</strong> cualquierbase B <strong>de</strong> V la matriz asociada a una homotecia es <strong>de</strong> la forma⎛⎞α 0 ··· 00 α ··· 0M BB (f) = ⎜⎟⎝ . .... . ⎠ = α I n0 0 ··· αsiendo dim V = n.El efecto <strong>de</strong> una homotecia sobre cualquier subconjunto <strong>de</strong> V (o figura en el lenguaje <strong>de</strong>l dibujotécnico) es el <strong>de</strong> contraerlo (si |α| < 1) o expandirlo (si |α| > 1), manteniendo su orientación (siα > 0) o invirtiéndola (si α < 0). Esto es, la imagen <strong>de</strong> cualquier conjunto contenido en V es elmismo conjunto aumentado <strong>de</strong> tamaño o empequeñecido y con la misma o diferente orientación.5.4.2 ProyeccionesSea (V, h·, ·i) un espacio vectorial euclí<strong>de</strong>o y sean W 1 y W 2 dos subespacios vectoriales <strong>de</strong> V <strong>de</strong> formaque W 1 ⊕ W 2 = V. Se dice que un endomorfismo f : V → V es una proyección <strong>de</strong> base W 1 ydirección W 2 si se verifica que f(u) =0 para cada u ∈ W 2 (es <strong>de</strong>cir, Ker(f) =W 2 )yf(u) =upara todo u ∈ W 1 . Si W1⊥ = W 2 la proyección es la ortogonal, estudiada en el apartado anterior.Geométricamente, una proyección lleva una figura u objeto <strong>de</strong> V aunafigura diferente contenida enla base <strong>de</strong> la proyección. Las proyecciones son bastante usadas en la asignatura <strong>de</strong> dibujo técnico <strong>de</strong>las carreras <strong>de</strong> Ingeniería.5.4.3 SimetríasEl concepto <strong>de</strong> simetría se <strong>de</strong>fine <strong>de</strong> manera análoga al <strong>de</strong> proyección. Sea (V, h·, ·i) un espaciovectorial euclí<strong>de</strong>o y sean W 1 y W 2 dos subespacios vectoriales, <strong>de</strong> forma que W 1 ⊕ W 2 = V. Sediceque una aplicación <strong>lineal</strong> f : V → V es una simetría <strong>de</strong> base W 1 y dirección W 2 si se verifica quef(u) =−u para todo u ∈ W 2 y f(u) =u para todo u ∈ W 1 .SiW1⊥ = W 2 , la simetría se <strong>de</strong>nominaortogonal y únicamente hará falta indicar cuál es su base o su dirección. Es inmediato comprobarquelamatrizasociadaaunasimetríaessiempre diagonalizable y sus valores propios son −1 y 1. Unejemplo clásico <strong>de</strong> simetría en R 2 es la imagen reflejada en un espejo <strong>de</strong> una cierta figura. Cualquierobjeto <strong>de</strong> V pasa a ser, mediante una simetría, otro objeto <strong>de</strong> V <strong>de</strong>l mismo tamaño, pero en unaposición diferente, marcada por la dirección y base <strong>de</strong> la simetría.91
Espacio vectorial eucí<strong>de</strong>o5.4.4 Rotaciones en el planoEl último tipo que transformaciones que vamos a estudiar son las rotaciones en un plano. Dado elespacio euclí<strong>de</strong>o R 2 con el producto escalar usual, se dice que f : R 2 → R 2 es una rotación <strong>de</strong> ánguloθ si su matriz asociada respecto <strong>de</strong> alguna base B es <strong>de</strong> la formaµ cos θ − sin θM BB (f) =.sin θ cos θGeométricamente f produce un giro <strong>de</strong> ángulo θ <strong>de</strong> cualquier vector <strong>de</strong> R 2 . Por ejemplo, dado unreloj, el pasar <strong>de</strong> una hora a otra posterior se hace mediante un giro <strong>de</strong> las manecillas.5.5 Ejercicios1. Sea el espacio vectorial R 3 con el producto escalar estándar. Calcular:(a) El producto escalar <strong>de</strong> los vectores (1, 3, −1) y (1, −1, 1) así como el ángulo que forman.(b) Calcular el valor <strong>de</strong> α para que el vector (α, 1, 0) sea normal o unitario.(c) Calcular el valor <strong>de</strong> α para que los vectores (α, 1, 0) y (α, −1, −1) sean ortogonales.2. Sea R 3 el espacio vectorial <strong>de</strong> dimensión 3 dotado <strong>de</strong>l producto escalar usual <strong>de</strong> R 3 . Sealabasecanónica B = {e 1 , e 2 , e 3 } , se pi<strong>de</strong>:(a) Calcular α para que el ángulo formado por los vectores u = e 1 + αe 2 + e 3 y v = e 1 +2e 2sea <strong>de</strong> π 3 radianes.(b) Calcular α para que el módulo <strong>de</strong>l vector u = e 1 + αe 2 + e 3 sea 49.(c) Calcular todos los vectores que están a una distancia euclí<strong>de</strong>a igual a 3 <strong>de</strong>l vector u =2e 1 − e 2 .(d) Calcular α para que los vectores u = αe 1 +(α − 1)e 2 + αe 3 y v =2αe 1 + αe 2 − 3e 3 seanortogonales.3. Demostrar(a) Teorema <strong>de</strong> Pitágoras. Si u y v son dos vectores ortogonales <strong>de</strong>l espacio euclí<strong>de</strong>o R n .Entonces|| u + v || 2 =|| u || 2 + || v || 2 .(b) Ley <strong>de</strong>l Paralelogramo. Si u y v son dos vectores cualesquiera <strong>de</strong>l espacio euclí<strong>de</strong>o R n ,entonces|| u + v || 2 + || u − v || 2 =2|| u || 2 +2 || v || 2 .4. Probar que si {u, v} son vectores ortogonales <strong>de</strong> un espacio vectorial euclí<strong>de</strong>o, entonces formanun sistema <strong>lineal</strong>mente in<strong>de</strong>pendiente. ¿Es cierto el recíproco?92
Espacio vectorial eucí<strong>de</strong>o5. Obtener en el espacio euclí<strong>de</strong>o (R 3 , hi) don<strong>de</strong> hi es el producto escalar usual <strong>de</strong> R 3 , una baseortonormal aplicando el Método <strong>de</strong> Gram-Schmidt a las bases(a) B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}.(b) B = {(1, 1, 1) , (0, 1, 1) , (0, 0, 1)} .(c) B = {(2, 1, 0) , (−1, 1, 1) , (1, 0, 3)} .6. Consi<strong>de</strong>remos R 4 con el producto escalar usual. Se pi<strong>de</strong> hallar una base ortonormal <strong>de</strong> lossiguientes subespacios vectoriales:(a) W = {(x, y, z, t) ∈ R 4 : x + y + z + t =0}.(b) W = {(x, y, z, t) ∈ R 4 : x + y =0; z + t =0}.(c) W = {(x, y, z, t) ∈ R 4 : x =0; z =0}.(d) W = {(x, y, z, t) ∈ R 4 : x =0}.7. Obtener la forma diagonal <strong>de</strong> las siguientes matrices simétricas, así como las matrices <strong>de</strong> cambio<strong>de</strong> base⎛ ⎞ ⎛⎞5 4 21 2 5 µ (a) ⎝ 4 5 2 ⎠ (b) ⎝ 2 −2 −2 ⎠ 1 5(c)5 12 2 25 −2 1⎛⎞⎛(d) ⎝ 2 −4 0 ⎞ 2 1 1 1−4 0 0 ⎠ (e) ⎜ 1 2 1 1⎟⎝ 1 1 2 1 ⎠0 0 61 1 1 28. Sea P 2 [x] el conjuto <strong>de</strong> polinomios <strong>de</strong> grado menor o igual que 2 con coeficientes reales. Dadosp(x), q(x) ∈ P 2 [x], se<strong>de</strong>fine< p(x), q(x) >=Z 1−1x 4 p(x)q(x)dx.Probar que h∗, ∗i es un producto escalar. Dada la base B = {1,x,x 2 }, obtener a partir <strong>de</strong> ellaun base ortonormal <strong>de</strong> P 2 [x] (usando el producto escalar anterior).9. Sea P 3 [x] el conjunto <strong>de</strong> los polinomios con coeficientesreales<strong>de</strong>gradoalosumotres. Definimospara todo p(x), q(x) ∈ P 3 [x],hp(x), q(x)i :=Z 10p(x)q(x)dx.(a) Comprobar que se trata <strong>de</strong> un producto escalar.(b) Obtener una base ortonormal a partir <strong>de</strong> la base B = {1,x,x 2 ,x 3 }.(c) Calcular el valor <strong>de</strong>l parámetro a para que los polinomios ax 3 + x 2 +1 y x +1 seanortogonales.93
Espacio vectorial eucí<strong>de</strong>o(d) Calcular el valor <strong>de</strong> a para que ax 2 +1sea normal o unitario.10. Dado el plano real R 2 y el producto escalar usual calcular la proyección ortogonal <strong>de</strong>l vector(1, 1) sobre los subespacios generados por los siguientes vectores:µ 1(a)3 , 2 . (b) (−1, −1) . (c) (1, 0) .511. Sea el espacio vectorial R 3 sobre el que tenemos <strong>de</strong>finido el producto escalar usual. Dados lossiguientes subespacios S <strong>de</strong> R 3 , calcular S ⊥ :(a) S = {(x, y, z) ∈ R 3 : x + y + z =0} .(b) S = {(x, y, z) ∈ R 3 : x + y + z =0y x − y =0} .(c) S = {(x, y, z) ∈ R 3 : x − y +2z =0y x − z =0} .12. Calcular las ecuaciones <strong>de</strong> las siguientes aplicaciones <strong>lineal</strong>es f : R 3 → R 3 :(a) La proyección ortogonal <strong>de</strong> base {(x, y, z) :x = y = z}.(b) La proyección ortogonal con base {(x, y, z) :x = y}.(c) La proyección ortogonal cuya base es el subespacio ortogonal a {(x, y, z) :x = y = z}.13. Obtener el núcleo, la imagen y los subespacios propios <strong>de</strong> las aplicaciones <strong>lineal</strong>es <strong>de</strong>l ejercicioanterior. ¿Qué conclusiones pue<strong>de</strong>n obtenerse?14. Hallar el polinomio <strong>de</strong> segundo grado que mejor aproxima la función f(x) = 3√ x en el intervalo[−1, 1] con la norma asociada al producto escalar <strong>de</strong> las funciones reales continuas <strong>de</strong>finidas en[−1, 1] dado porhf, gi =Z 1−1f(x)g(x)dx.15. Se consi<strong>de</strong>ra el espacio euclí<strong>de</strong>o V <strong>de</strong> las funciones reales continuas <strong>de</strong>finidas sobre [1, 2], con elproducto escalar hf, gi := R 21 f(x)g(x)dx.(a) Hallar el ángulo entre f(x) =1y g(x) =x.(b) ¿Para qué valores <strong>de</strong> a son ortogonales los vectores x − a y x + a?(c) Sea W el subespacio <strong>de</strong> los polinomios reales <strong>de</strong> grado menor o igual que 2. Ortonormalizarla base <strong>de</strong> dicho subespacio {1,x,x 2 }.(d) ¿Cuál es el polinomio <strong>de</strong> grado menor o igual que 2 que mejor aproxima la función f(x) =log x. (Ayuda: tener en cuenta que R 21 xn log xdx = 2n+1 (log 2 − 1 ) − 1 para todon+1 n+1 (n+1) 2n ≥ 0.)16. Calcula la proyección ortogonal <strong>de</strong>l vector u =(1, 1, −1) sobre W = {(x, y, z) ∈ R 3 : x−y−2z =0}.94
Espacio vectorial eucí<strong>de</strong>o17. Encuentra la expresión <strong>de</strong> la proyección ortogonal sobre la recta <strong>de</strong> R 3 generada por el vector(0, 1, 2).18. Halla la distancia entre el vector (1, 0, 2) yelplanox − y − z =0.19. Calcula la distancia entre el punto (2, 2, 2) yelplanox − y − z =1.20. Dados un espacio vectorial eucí<strong>de</strong>o y un subespacio vectorial <strong>de</strong>l mismo W, se<strong>de</strong>fine la simetríaortogonal <strong>de</strong> base W como la aplicación <strong>lineal</strong> f : V → V such that f(u) =u for u ∈ W andf(u) =−u for u ∈ W ⊥ . El subespacio W ⊥ se dirá dirección <strong>de</strong> la simetría. Se pi<strong>de</strong> obtener lasexpresiones analíticas <strong>de</strong> las siguientes simetrías ortogonales:(a) f : R 3 → R 3 con base W = {(x, y, z) :x + y − z =0}.(b) f : R 4 → R 4 con base W = {(x, y, z, t) :x + y − z =0,x= t}.(c) f : R 3 → R 3 con dirección W = {(x, y, z) :−x + y +2z =0}.(d) f : R 4 → R 4 con base W = {(x, y, z) :x + y − z =0,x− y + t =0, 2x − z + t}.21. Dado un espacio vectorial eucí<strong>de</strong>o se <strong>de</strong>fine la homotecia <strong>de</strong> razón α ∈ R como la aplicación<strong>lineal</strong> f : V → V such that f(u) =α · u for u ∈ V. Se pi<strong>de</strong> obtener las expresiones analíticas <strong>de</strong>las siguientes homotecias ortogonales:(a) f : R 3 → R 3 con razón 1/2.(b) f : R 4 → R 4 con razón −1.(c) f : R 3 → R 3 con razón 2.22. Obtener los valores propios y <strong>de</strong>terminar si son diagonalizables las matrices respecto <strong>de</strong> lasbases canónicas <strong>de</strong> las aplicaciones <strong>lineal</strong>es <strong>de</strong> los ejercicios 20 y 21.23. Obtener f ◦ g ◦ h con f, g, h : R 3 → R 3 aplicaciones <strong>lineal</strong>es, don<strong>de</strong> f es la proyección ortogonal<strong>de</strong> base W = {(x, y, z) :x + y + z =0}, g es la homotecia <strong>de</strong> razón −1 y h es la simetríaortogonal <strong>de</strong> dirección S = {(x, y, z) :z = y = z}.95
Espacio vectorial eucí<strong>de</strong>o96
Bibliografía[IzTo]J. Izquierdo y J. R. Torregrosa, Algebra y ecuaciones diferenciales, Servicio <strong>de</strong> publicaciones,Universidad Politéctica <strong>de</strong> Valencia, 1991.[Jef] A. Jeffrey, Linear algebra and ordinary differential equations, CRC Press, 1993.[ToJo] J. R. Torregrosa y C. Jordan, Algebra <strong>lineal</strong> y sus aplicaciones, Schaum McGraw—Hill, 1987.97