Universidad Nacional Mayor de San Marcos

Facultad de Ingeniera Electrnica y Elctrica

Curso: lgebra Lineal

Profesor: Luis Javier Vsquez
Alumno: Jorge Andr Estrada Quintana
Cod: 15190220
Ciclo: 2015-II
ndice de desarrollo:
1. Matrices y determinantes
1.1. Definicin
1.2. Tipos de Matrices
1.3. Operaciones con Matrices
1.4. Determinantes
1.5. Propiedades y teoremas
1.6. Rango de una matriz
1.7. Expresin matricial de un sistema de
ecuaciones, Mtodo de Cramer
1.8. Inversa de una matriz, Mtodo de Gauss-
Jordan
1.9. Matrices semejantes
1.10. Conclusiones

2. Espacios vectoriales
2.1. Definicin
2.2. Teoremas
2.3. Notacin
2.4. Subespacios vectoriales
2.5. Operaciones con subespacios
2.6. Dimensin de un subespacio
2.7. Conjunto generador
2.8. Conclusiones
3. Transformaciones lineales
3.1. Definicin
3.2. Propiedades
3.3. Ncleo e imagen de una T.L
3.4. Inyectividad y sobreyectividad
3.5. Teoremas
3.6. Ejemplos
3.7. Conclusiones

4. Diagonalizacin
4.1. Definicin
4.2. Autovalor
4.3. Autovector
4.4. Ejemplos
4.5. Teoremas
4.6. Conclusiones
4.7. Casos de diagonalizacin
Matrices y determinantes
Matrices: se llama matriz de dimensin m x n a un conjunto de
nmeros reales dispuestos en m filas y n columnas de la siguiente
forma:

a11 a12 a13 a1n

a 21 a 22 a 23 a 2n
A m,n a 31 a 32 a 33 a 3n


a a mn
m1 a m2 a m3

Terminologa:
Las matrices suelen describirse o nombrarse con letras

maysculas, A, B, C, etc. Tambin designaremos una

matriz completa con el smbolo a ij , de forma que los
subndices toman los valores:
i 1, 2, 3, , m y j 1, 2, 3, , n.

La variacin de stos ltimos proporciona el nmero de

filas (m) y el nmero de columnas (n).

Los nmeros que forman la matriz se denominan

elementos y uno cualquiera se representa por a ij . Los

valores de los subndices nos proporcionan la informacin
sobre su posicin dentro de la matriz, fila i, columna j.
Al nmero de filas y columnas se le denomina dimensin

de la matriz y se designa por mn .

 En el caso de que el nmero de filas coincida con el de

columnas (m=n) se dice que la matriz es cuadrada de

orden n.

Igualdad de matrices: dos matrices son iguales si tienen la

misma dimensin y si los elementos que ocupan el mismo
lugar en ambas son iguales.

Tipos de matrices:

Rectangular: es aquella que tiene distinto nmero de filas que

de columnas, es decir m n .
1 2
1 0 3
Ejemplos: A3,2 0 3 , B2,3 ,
5 0 5 3 1

1 1 2 3 3

C3,5 5 5 0 1 1
2 3 7 0 1

Matriz Fila: es toda matriz rectangular de una sola fila (m=1).

Ejemplos: A1,4 1 3 0 5 , B1,3 1 0 1 , C1,6 1 1 2 3 6 1

Matriz Columna: es toda matriz rectangular con una columna

(n=1)
5
1
0
0 0
Ejemplos: A 4,1 , B2,1 , C5,1 3
1 1
2
1 1

Matriz Cuadrada de orden n: es aquella que tiene igual
nmero de filas que de columnas (n=m).
 1 0 1 0
1 2 1
1 0
Ejemplos: A 2,2 A 2 , B3,3 B3 0 1 0 , C4,4 C4
0 1 0 1
0 1 0 0 1 1
1 2 3

0 0 0 1

Entre los elementos de las matrices cuadradas suelen

distinguirse, o tenerse en cuenta, los que componen sus

diagonales. Diagonal principal de la matriz
a11 a12 a13

A3 a 21 a 22 a 23 son los elementos a ij con i=j , es decir,
a a 33
31 a 32
los elementos a11 , a 22 , a 33 . Diagonal secundaria son los
elementos a ij con i j n 1 , es decir, los elementos
a13 , a 22 , a 31 .

Matriz Triangular superior: es toda matriz cuadrada en la que

todos los elementos situados por debajo de la diagonal
principal son ceros.
5 0 2 1
5 2 3
1 3 0 1 3 7
Ejemplos: A 2 , B 0 2 1 , C
0 1
3
0 0 1
4
0 0 10 3

0 0 0 3
Matriz Triangular inferior: es toda matriz cuadrada en la que
todos los elementos situados por encima de la diagonal
principal son ceros.
5 0 0 0
5 0 0
1 0 2 1 0 0
Ejemplos: 2
A , B3 5 2 0 , C4
1 1 0 2 1 2 1 10 0

7 6 4 3

Diagonal: es toda matriz cuadrada en la que todos los

elementos no situados sobre la diagonal principal son nulos.
 5 0 0 0
5 0 0
1 0 0 1 0 0
Ejemplos: A 2 , B3 0 2 0 , C4
0 1 0 0 1 0 0 10 0

0 0 0 3

OBS.- La matriz identidad (I) es diagonal

Matriz Identidad: es la matriz escalar cuyos elementos de la

diagonal principal valen uno. Se suele nombrar como I
Matriz Nula: es la matriz con todos sus elementos nulos
(ceros)
Operaciones con matrices:

Suma: para dos matrices, A y B, de la misma dimensin, m n ,

la suma de ambas, A B , es la matriz de la misma dimensin,
m n , dada por la suma de sus trminos correlativos:
A a ij , B bij A B a ij bij a ij bij

a11 a12 a13 b11 b12 b13

Ejemplos: sean A a 21 a 22
y
a 23 B b21 b22 b23 ,
a a 33 b
31 a 32 31 b32 b33
a11 b11 a12 b12 a13 b13

entonces su suma ser A B a 21 b 21 a 22 b 22 a 23 b 23 .
a b
31 31 a 32 b32 a 33 b33
1 0 2 3 4 3 2 5
Sean A 2,4 y B2,4 , entonces su
2 1 6 4 2 2 3 1

suma ser
1 4 0 3 2 2 3 5 3 3 0 8
A 2,4 B2,4
2 2 1 2 63 4 1 0 3 9 5

OBS.- No podemos sumar matrices que no tengan la

misma dimensin.
Propiedades:

Asociativa: A B C A B C
 Elemento neutro: la matriz nula es el elemento neutro,

AO A
Elemento opuesto: la matriz opuesta de una matriz A es

aquella que tiene por elementos los opuestos de la

matriz dada y A A O , siendo O la matriz nula.

Ejemplo:

2 3 0 5 1
Si A , entonces
7 0 1 3 4
2 3 0 5 1
A , ya que
7 0 1 3 4
2 2 3 3 0 0 5 5 1 1
A A , que
7 7 0 0 1 1 3 3 4 4
0 0 0 0 0
da como resultado S .
0 0 0 0 0
Conmutativa: A B B A

Producto por un escalar: o producto por un nmero real, k.

Para multiplicar por un nmero una matriz de cualquier
dimensin, A a ij de dimensin m n , se multiplican todos y
cada uno de los elementos de la matriz por dicho nmero.
a11 a12 a13 k a11 k a12 k a13

Ejemplos: k A k a 21

a 22 a 23 k a 21 k a 22 k a 23
a a 33 k a 31 k a 32 k a 33
31 a 32
1 2 1 2 4 2
Sean k 2 ; A kA
3 5 0 6 10 0
Producto en general: para dos matrices A a ij , de dimensin
mn , y B b ij , de dimensin np , el producto es la matriz

de dimensin mp dada por

A B a ij bij cij , con cij a ik b kj , es decir, cada elemento cij
n

k 1
 se obtiene multiplicando escalarmente la fila i de la primera
matriz por la columna j de la segunda matriz y sumando los
resultados obtenidos.
OBS.- Solo se pueden multiplicar dos matrices si la primera

tiene el mismo nmero de columnas que filas tiene la

segunda.
Ejemplo:
1 0
1 2 3
Sean A 2,3 y B3,2 1 2 , el producto A B ser:
3 2 1 3 4

1 0
1 2 3 11 2 1 3 3 1 0 2 2 3 4 8 8 .
1 2 3 1 2 1 1 3 3 0 2 2 1 4
3 2 1 3 4 4 8

Sin embargo el producto B A ser:

1 0 1 1 0 3 1 2 0 2 1 3 0 1 1 2 3
1 2 3
1 2 3 2 1 11 2 3 1 2 2 2 1 3 2 1 5 2 1 .
3 4 3 1 4 3 3 2 4 2 3 3 4 1 9 2 5

OBS.- El producto de matrices no cumple la propiedad

conmutativa

Matriz traspuesta: se llama matriz traspuesta de una matriz

dada A de dimensiones m n a la matriz que resulta de
cambiar filas por columnas o columnas por filas. Se representa
por At y su dimensin es n m
 a11 a12
a13 a11 a 21 a 31
Ejemplos: A a 21 a 22
a 23 A t a12 a 22 a 32
a a 33 a
31 a 32 13 a 23 a 33
1 2 3
1 5 1 4 7 0
1 2 3 , 4 5 6
A A 2 6 B 7 8 9 B 2 5 8 1
t t

5 6 7 3 7 3 6 9 2

0 1 2

Propiedades:

A
t t
A , es decir, la transpuesta de la transpuesta de

una matriz es ella misma.

1 4
1 2 3 1 2 3
A 2 5 A
t t
A t

4 5 6 3 6 4 5 6

A B A t Bt , es decir, la transpuesta de una suma es
t

igual a la suma de las transpuestas.

Ejemplo:

1 2 3 2 0 0

Dadas las matrices: A 3 1 4 ; B 1 3 1

1 1 0 1 4 1

1 3 1 2 1 1
t
Sus traspuestas son: A 2 1 1 ; B 0 3 4
t

3 4 0 0 1 1

1 2 20 3 0 1 2 3

Su suma es: A B 3 1 1 3 4 1 2 4 5
11
1 4 0 1 2 5 1

t
1 2 3 1 2 2
Su transpuesta es: 2 4 5 2 4 5 A B
t

2 5 1 3 5 1

 La suma de las transpuestas es:

1 2 3 1 11 1 2 2

20 1 3 1 4 2 4 5 A t Bt
3 0
4 1 0 1 3 5 1

Luego A B A t Bt
t

k A k At , es decir, la transpuesta del producto de

t

un escalar por una matriz es igual al producto del

escalar por la transpuesta de la matriz.

A B Bt A t , es decir, la transpuesta de un producto

t

es igual al producto de las transpuestas.

1 2 3 2 0 0

Dadas las matrices: A 3 1

4 ; B 1 3 1
1 1 0 1 4 1

1 3 1 2 1 1
Sus traspuestas son: A 2 1
t
1 ; B 0 3 4
t
3 4 0 0 1 1

Su producto, A B , es:

1 2 3 2 0 0 2 2 3 6 12 2 3 1 6 5

3 1 4 1 3 1 6 1 4 3 16 1 4 9 13 5
1 1 0 1 4 1 2 1 3 1 3 3 1

1 6 5 1 9
t
3
Su transpuesta es: 9 13 5 6 13 3 A B
t

3 3 1 5 5 1

El producto de las transpuestas, Bt A t , es:

 2 1 1 1 3 1 2 2 3 6 1 4 2 1 1 9 3

0 3 4 2 1 1 6 12 3 16 3 6 13 3
0 1 1 3 4 0 23 1 4 1 5 5 1

Luego A B Bt A t
t

Determinante de una matriz: Definimos la determinante de una

matriz A de orden n como:
n
det( A) (1)1 j a1 j . det( A1 j )
j 1

Llamamos Aij a la matriz que resulta de suprimir la fila i y la columna

de una matriz inicial A

Propiedades

det( I ) 0
det( A.B) det( A). det( B)
det(A) n . det( A)

det[U1 U 2 U3... U n ] 0

Si: Uio Ujo , io jo U i (vector columna)

 V1
V
det 2 0
: , Si: Vio Vjo , io jo V j (vector fila)

Vn

det[U1 U 2 ... U k Ul ... U n ] 0

V1
V
2
det : 0
Vk Vl

:
Vn

Adjunta de una matriz:

Sea A = [aij ] nxn

T
(1)11 A11 (1)1 2 A12 ... (1)1 n A1n

(1) 21 A21 ... ... ...
adj ( A)
... ... (1) i j Aij ...
... ... ... (1) Ann
n n

Teorema:
 A.adj ( A) det( A).I

Matriz Simtrica: se llama matriz simtrica a toda matriz

cuadrada tal que su transpuesta coincide con la propia

matriz. A At
OBS.- En toda matriz cuadrada simtrica los elementos
simtricos respecto de la diagonal principal son iguales,
t
1 2 3 1 2 3 1 2 3
, ya que 2 3 4 2 3 4
2 3 4
3 4 5 3 4 5 3 4 5

Matriz Antisimtrica: se llama matriz antisimtrica a toda

matriz cuadrada que coincide con la opuesta de su trans-

puesta,
0 1 2
Ejemplo: La matriz 1 0 3 es simtrica, ya que:
2 3 0

0 1 2 0 1 2 0 1 2
t

1 0 3 1 0 3 1 1 0 3
2 3 0 2 3 0 2 3 0

Rango de una matriz: se llama rango de una matriz A al

nmero de filas y columnas, distintas de cero, linealmente
independientes.
Ejemplos:

0 2 1 0 2 1
E3 2E1 0 2 1
A 1 0 1 1 0 1 rango 2,
0 4 2 0 0 0 1 0 1

 2 1 11 2 1 1 1 2 1 1 1
E3
0 0 10 E3 E1 0 0 1 0 0 0 1 0
B 2
.
2 1 11 0 2 0 0 0 1 0 0

0 0 01 0 0 0 1 0 0 0 1
1 0 0 0

0 0 1 0
Podramos llegar a , en la que ninguna fila ni
0 1 0 0

0 0 0 1

columna se puede anular, hay 4 filas y 4 columnas

linealmente independientes, luego concluimos que es
de rango 4.

Teorema:

Sea A R nxm

Ran ( A) Ran ( AT )
0 Ran ( A) mnn, m

Teorema:

Sea A R nxm / Ran ( A) K , entonces existe una

submatriz B R de A tal que det( B ) 0
kxk

Sea A R
nxm
tal que si existe una submatriz B de A ,
B R kxk con det( B ) 0 , entonces:
Ran ( A) K
Sea A R nxm , si para toda submatriz B de A , B R kxk se
tiene que det( B ) 0 , entonces:
Ran ( A) K
Expresin matricial de un sistema de ecuaciones

a11 x a12 y a13 z b11

Dado el sistema a 21 x a 22 y a 23 z b21 , este lo podemos
a x a y a z b
31 32 33 31

escribir como una ecuacin matricial de la forma A X B ,

a11 a12 a13 x b11
donde A a 21 a 22
a 23 , X y y B b 21 .
a a 33 z b
31 a 32 31

11 12 . . 1 1
21 22 . . 2 2
[A/B]= . . . . . . es la matriz ampliada
. . . . . .
(1 2 . . )
del sistema

Condicin de compatibilidad:

Ran(A)=Ran([A/B])

Si !: entonces el sistema es compatible determinado

Si infinitas soluciones: entonces el sistema es compatible

indeterminado

Ran(A) Ran([A/B])

Entonces NO existe solucin

Ejemplo : resolver el siguiente sistema de ecuaciones

x1+2x3=1

x1+x2+(4a+2)x3=1

2x1+ax2+5x3=2

3x1+ax2+7x3=b

*para que valores de a y b

1) ! Solucin: Ran(A)=Ran([A/B])=3

2) NO existe solucin: Ran(A) Ran([A/B])

3) infinitas soluciones: Ran(A) = Ran([A/B]) 3

1 0 2 1
1 1 4 + 2 1
( )
2 5 2
3 7
1 0 2 1
1 1 4 + 2 1
f1,3 ( )
3 7 3
3 7
1 0 2 1
0 1 4 0
-1f3,4 ; -1f1,2 ( )
3 7 3
0 0 0 3
 1 0 2 1
0 1 4 0
-3f1,3 ( )
0 1 0
0 0 0 3
1 0 2 1
0 1 4 0
-af2,3 ( )
0 0 1 42 0
0 0 0 3

Entonces:

1 0 2 1 0 2 1
0 1 4 0 1 4 0
A=( 2 ) ; [A/B]= ( )
0 0 1 4 0 0 1 42 0
0 0 0 0 0 0 3

1) ! Solucin

1-42 0

+ 1
a y b3
2

Ran(A)=3 , Ran([A/B])=3

2) NO existe solucin

+1
a= ; Ran(A)=2; Ran([A/B])=3
2

+1
a ; Ran(A)=3; Ran([A/B])=4
2

b3
 3) infinitas soluciones

+1
a= y b=3
2

Ran(A)=2 ; Ran([A/B])=2

Mtodo de Cramer :

Si ! Solucin

Sea: AX=B

11 12 13
(21 22 23 ) ()= A-1.B
31 32 33

Si det(A)0 entonces X=A-1.B

Entonces

1 12 13
1
X= . det(2 22 23 )
det()
3 32 33

11 1 13
1
Y= . det(21 2 23 )
det()
31 3 33

11 12 1
1
Z= . det(21 22 2 )
det()
31 32 3
 Matriz inversa: Sea una matriz A, denotamos su inversa como
1
A1 tal que cumpla lo siguiente: A. A I

Teorema:

Sea A R nxn

Si: det( A) 0 A1 (A es inversible, A es no singular)

Mtodos para hallar la inversa de una matriz:

A) Mtodo de Gauss-Jordan
1 2
Sea la matriz A , construimos otra matriz
3 7
1 2 1 0
aumentada . Se trata de, mediante operaciones
3 7 0 1
1 0 a b
fila o columna, pasar a otra matiz de la forma ,
0 1 c d
a b
donde la matriz , sera justamente la inversa de la
c d
matriz A.
Paso a paso: 1 haremos que en el lugar del 3 tengamos

un 0, para ello haremos la combinacin lineal E2 3 E1 ,

donde E1 representa la primera fila y E2 la segunda de
nuestra matriz completa, es decir E1 seran los elementos
1 2 1 0 , E2 los elementos 3 7 0 1 , con lo que el
resultado de la combinacin lineal sera:
3 7 0 1 3 1 2 1 0 3 3 7 6 0 3 1 0 1 3 1
 Sustituimos la segunda fila completa de nuestra matriz
por el resultado de esta combinacin lineal,
quedndonos la nueva matriz:

1 2 1 0

0 1 3 1

Ahora se tratara de hacer 0 el lugar ocupado por el 2,

para ello hacemos la combinacin lineal:

E1 2 E2 1 2 1 0 2 0 1 3 1 1 2 2 1 6 0 2

Sustituimos la primera fila por el resultado de esta

combinacin lineal, quedndonos:

1 0 7 2 7 2
, donde A es la matriz inversa
1

0 1 3 1 3 1

buscada.

Hacindolo todo seguido:

1 2 1 0 E2 3E1 1 2 1 0 E1 2E2 1 0 7 2

3 7 0 1 0 1 3 1 0 1 3 1

Comprobamos:

1 2 7 2 7 6 2 2 1 0
A A 1 ,
3 7 3 1 21 21 6 7 0 1

B) Mtodo general

1
A1 .adj ( A)
det( A)
Ejemplo:

1.- Hallamos su determinante.

Puesto que es distinto de 0, tiene inversa.

2.- Ahora calculamos la matriz adjunta

17 11 1

adj (A) 4 7 2
6 3 3

4.- Por ltimo, dividimos por el determinante de A:

17 11 1
15 15 15

17 11 1
1 1 4
A 1 adj ( A) 4 7 2 7 2
A 15 15 15 15
6 3 3
6
15 315 315

Matrices semejantes:
Definicin:
 A es semejante con B (A~B) si existe una matriz P inversible tal
que A= P-1BP.

Relacin de equivalencia. La semejanza satisface las tres

propiedades bsicas de las relaciones de equivalencia de la
teora de conjuntos

Reflexiva: Una matriz A es semejante con ella misma. P es la

matriz de identidad.
A~A P = I

Simtrica: Si A es semejante a B, B es semejante a A.

B = P-1AP, A= Q-1BQ
PB-1P = A QBP-1 = Q-1BQ Q = P-1 B~A

Transitiva: Si A~B y B~C, entonces A~C

B P11 AP2
C P21 BP1
C P21 P11 APP 1
1 2 Q AQ

Propiedades:
Sean A y B matrices semejantes (A~B)

det(A)=det(B)
 Traza(A)=Traza(B)
Ran(A)=Ran(B
Si A es nilpotente B es nilpotente
Si A es idempotente B es idempotente
Si A es involutiva B es involutiva
Si A es ortogonal B es ortogonal
Si A es ortonormal B es ortonormal

Conclusiones:

Las matrices son una forma de empaquetar informacin de

manera segura y prctica.

Pueden sumarse, multiplicarse y descomponerse de varias

formas, lo que las hace un concepto clave en el campo del
lgebra lineal.

Las matrices se utilizan para mltiples aplicaciones y sirven, en

particular, para representar los coeficientes de los sistemas de
ecuaciones lineales o para representar transformaciones
lineales dada una base. Lo cual se detallar ms adelante.

Espacios vectoriales
Definicin:
Un espacio vectorial sobre un cuerpo (como el cuerpo de
los nmeros reales o los nmeros complejos) es un conjunto no
vaco, dotado de dos operaciones para las cuales ser cerrado:

Operacin interna tal que:

1) tenga la propiedad conmutativa, es decir

2) tenga la propiedad asociativa, es decir

3) tenga elemento neutro , es decir

4) tenga elemento opuesto, es decir

Y la operacin producto por un escalar:

Operacin externa tal que:

5) tenga la propiedad asociativa:

6) sea elemento neutro del producto:

7) tenga la propiedad distributiva del producto respecto la suma de

vectores:
8) tenga la propiedad distributiva del producto respecto la suma de
escalares:

Notacin:
Dado un espacio vectorial sobre un cuerpo , se distinguen.

Los elementos de como:

se llaman vectores.
Caligrafas de otras obras

Si el texto es de fsica suelen representarse bajo una flecha:

Los elementos de como:

se llaman escalares.

Ejemplo de espacio vectorial:

Los cuerpos: Todo cuerpo es un espacio vectorial sobre l mismo,

usando como producto por escalar el producto del cuerpo.

es un espacio vectorial de dimensin uno sobre .

Todo cuerpo es un espacio vectorial sobre su subcuerpo, usando

como producto por escalar el producto del cuerpo.

es un espacio vectorial de dimensin 2 sobre .

es un espacio vectorial de dimensin infinita sobre .
Subespacios vectoriales
Definicin:

Sea un espacio vectorial sobre ,y no vaco, es

un subespacio vectorial de si:

Lista de Subespacios:

En
= {0} En 4
=
= {(0,0,0,0)}
= ()
En 2 = ()
= ()
= {(0,0)}
= 4
= ()
= 2

En 3
= {(0,0,0)}
= ()
= ()

= 3
Teorema:

Sea V un espacio vectorial: W c V

Si se cumple:

1) W
2) Si u,v W
Entonces u+v W; , R

Operaciones con subespacios:

Sea (V, +, K, *) un espacio vectorial; (S, +, K, *) y (W, +, K, *)

subespacios de V, se definen las siguientes operaciones:

Unin

Interseccin

La interseccin de dos subespacios es un subespacio de V.

Suma

La suma de dos subespacios es un subespacio de V.

Suma directa

Si la interseccin entre S y W es el subespacio trivial (es decir, el

vector nulo), entonces a la suma se la llama "suma directa".
Es decir que si
Lo que quiere decir tambin que todo vector de V, se escribe de
manera nica como la suma de un vector de S y otro de W.
Dimensiones de subespacios:

Esta frmula resuelve que la dimensin de la suma de los

subespacios y ser igual a la dimensin del subespacio ms la
dimensin del subespacio menos la dimensin de la interseccin
de ambos.

Por ejemplo, siendo y y teniendo como

interseccin un subespacio de dimensin 1.
Luego,

En la suma directa

En el caso particular de la suma directa,

como .

Entonces en el ejemplo anterior, resultara .

Conjunto generador:

Definicin:

Sea V es un espacio vectorial;

{} = { . ; ; }

Propiedades:

{} es un subespac.vectorial(es el mnimo subespac. que

contiene a X)

, . .
{} {}

{} =

{}

Ejemplo:

= { 1 } .

{} = { 1 } = {1 ; }
1

Obs 1: Obs 2:

= (1. ) {}

{} {} {}

Ejemplo:
3 = 1 {1 , 2 }

{1 } {1 , 2 } {1 , 2, 3 }

3 = 1 {1 , 2 } =

{1 , 2, 3 } 1 {1 , 2 }

{1 , 2, 3 } {1 {1 , 2 }}

{1 , 2, 3 } {1 , 2, } { , , }
. Ejemplo 2:

Halle el generador de la siguiente ecuacin:

= {(, , ) 3 / + 2 + 3 = 0}

Solucin:

= (, , ) + 2 + 3 = 0 = 2 3

= (, , ) = (2 3, , )

= (2, , 0) + (3, 0, )

= (2,1,0) + (3,0,1)

{(2,1,0), (3,0,1)} . ()

Obs:

(2,1,0)
} {(2,1,0), (3,1,0)} = . (II)
(3,1,0)

De (I) y (II):

{(2,1,0), (3,0,1)} =

Sea V un espacio vectorial

){1 , 2, 3 , . . . , } = 1 , 2, 3 , . . . ,

){1 , 2, 3 , . . . , }

{1 , 2, 3 , . . . , }

=
Teoremas:

) {1 , 2, 3 , , } = , dim() =

{1 , 2, 3 , . . . , }

){1 , 2, 3 , . . . , } . dim() =

{1 , 2, 3 , , } =

Conclusiones:

Un espacio vectorial es una estructura algebraica creada a partir de

un conjunto no vaco, una operacin interna(llamada suma) una operacin
externa (llamada producto por un escalar ),
A los elementos de un espacio vectorial se les llama vectores y a los
elementos del cuerpo, escalares.
Transformaciones lineales
Una transformacin lineal T: V W es una correspondencia que a cada vector v V le asigna
un vector

T (v) W tal que, para cualquier u, v V y , R, se cumple la relacin T (u + v) = T (u)

+ T (v) ;

as tambin se cumple la relacin T (v) = w ; sabiendo que V, W son espacios vectoriales

entonces concluimos que se tiene una transformacin lineal si :

i) T (v) = w
ii) T (u + v) = T (u) + T (v)

Ejemplo 1:

T : R2 R3

(x , y) T (x, y) = (2x + 3y , x- y , x + 2y)

- T es una transformacin lineal?

i) T (0 , 0) = (0 , 0 , 0)
ii) T (u + v) = T ( ( x1,y1 ) + ( x2,y2 )) = T ( x1 + x2 , y1 + y2 )

= (2(x1 + x2) +3 (y1 + y2) ; x1 + x2 (y1 + y2) ; x1 + x2 + 2 (y1 +

y2))

= (2x1 + 3y1 ; x1 y1 ; x1 + 2y1) + (2x2 + 3y2 ; x2 y2 ; x2 +

2y2)

= (2x1 + 3y1 ; x1 y1 ; x1 + 2y1) + (2x2 + 3y2 ; x2 y2 ; x2 + 2y2)

= T ( x1,y1 ) + T ( x2,y2 )

= T (u) + T (v)

- Rpta: T si es una transformacin lineal Ejemplo 2:

T (x , y) = (2x + 3y , x y , x + 2y)

- Encontrar la matriz asociada

2x + 3y 2 3 x

xy = 1 -1 * y

x + 3y 1 2
 T (x , y) = 2 3 x (T : R2 R3)

1 -1 * y

1 2

Rpta: Matriz asociada a la transformacin lineal

Ncleo e imagen de la transformacin lineal:

V W

T(v)
Nu(T)

0v

u,v

Nu(T) = [ u W / T(u) = 0 ] ; Nu(T) = ncleo de la transformacin lineal

Im(T) = [ T(u) ; u V ] W ; Im(T) = imagen de la transformacin lineal

Afirmacin:

El Nu (T), Im (T) son subespacios vectoriales.

En efecto:

o Nu(T)

i) v Nu (T) ; T(v) = w
ii) Sean u , v Nu (T) ; , R T(u) = 0 ; T(v) = 0

(u + v) Nu (T) ?

T (u + v) = T (u) + T (v)
0 0

(u + v) Nu (T)
 o Im (T)

i) w Im (T) ; T(v) = w , w Im (T)

ii) Sean m , n Im (T) ; , R

(m + n) Im (T) ?

m Im (T) ; m = T (u1) , u1 V
n Im (T) ; m = T (u2) , u2 V

m + n = T (u1) + T (u2)
= T (u1 + u2)
V

(m + n) Im (T)

Observacin: V T W

Nu (T)
u

0 T(u)
0 T(v)
v

Ejemplo 3:

Sea la T.L. T: R3 R2 definido por la regla

T (x, y, z) = ( x 2y , y +3z )

a) Hallar el ncleo de T

b) Hallar la imagen de T
Solucin:

a)

1- Debemos hallar todos los vectores (x, y, z) tal que T (x, y, z) = ( x 2y , y +3z ) sea el vector

T (x, y, z) = x 2y = 0

y + 3z 0

2- Podemos observar que nos encontramos ante los siguientes sistemas de ecuaciones:

x 2y = 0

y + 3z = 0

3- No es necesario formar la matriz aumentada pues de las ecuaciones obtenemos :

2y = x
y/(-3) = z

4- La solucin del sistema (x, y, z) = (2y , y , y/(-3)) ; multiplicamos por (-3) y obtenemos
(x, y, z) = (-6y , -3y , y) ; y R

El ncleo de T el subespacio unidimensional (una dimensin R) en R3 generado y(-6 , -3 , 1)

El ncleo es gen { (-6 , -3 , 1) } ; Dim Nu (T) = 1

b)

1- La imagen o recorrido de la transformacin lineal es:

T (x, y, z) = x 2y = 1 -2 0 * x

y + 3z 0 1 3 y

2- La imagen de T es el espacio columna de la matriz asociada formada por los vectores:

A = 1 -2 0

0 1 3

3- Como las dos primeras columnas de la matriz A son independientes:

la Im (T) = R2 ; gen { (1 , 0) ; (-2 , 1) } ; Dim Im (T) = 2

 Teorema 1

Sea T: V W transformacin lineal

Entonces:
Dim (V) = Dim (Nu (T)) + Dim (Im (T))

Observacin:
Dim (Im (T)) Dim (V)

Ejemplo 4:

En el ejemplo anterior obtuvimos las dimensiones del ncleo y de la imagen:

Dim Nu (T) = 1 ; Dim Im (T) = 2 ; Dim (V) = 3 3 = 1+2

Por tanto se llega a cumplir el teorema de la dimensin de una T.L. , ya que tambin cumple la
observacin denotada:

Dim Im (T) = 2 ; Dim (V) = 3 23

Inyectividad y sobreyectividad

T es Inyectiva:

Sea u, v V tal que T (u) = T (v)

u=v

T es Sobreyectiva:

Im (T) = W T: V W

Teorema 2:
Sea T: V W transformacin lineal

T es inyectiva Nu (T) =
 V W

Im (T)

u
T(u)
Nu(T)

.
.0

Demostracin:

I) tenemos que:

- Nu (T) = {} Nu (T) {}

{} Nu (T)

- Sea v Nu (T) T (v) = 0 v=0

T (0) = 0 v {0}

II) Sea u,v V tal que

T (u) = T (v) u = v ?

T (u) - T (v) = 0 (u v) Nu (T) = {}

T (u - v) = 0 uv=0 u=v

Teorema 3:

Sea T: V V transformacin lineal

Nu (T) = {} T es inyectiva T es sobreyectiva

Demostracin:

a)

Nu (T) = {} T es sobreyectiva
Dim V = Dim Nu (T) + Dim Im (T)
0
 Im (T) es un subespacio de V V = Im (T)

T es sobreyectiva

b)

T es sobreyectiva Nu (T) = {}?

Dim V = Dim Nu (T) + Dim Im (T)

Dim V

Dim Nu (T) = 0 Nu (T) = {}

Nota:

Dim U = 0 U = {}

{} es un subespacio de U

Teorema 4:(Base de una T.L.)

Sea { v1 , v2 , v3 , . , vn} Base de V y { w1 , w2 , w3 , . , wn } W

: V , W son espacios vectoriales

Entonces:

! T : V W ( T.L. ) tal que T (v) = w , para todo { 1 , 2 , 3 , .. , n }

Ejemplo 5:

P = { (x , y , z) R3 / 2x + 3y z = 0}

R2 T R3

V1 = (1,2) Im (T)
W1 = (3,-2,0)

V2 = (2,1)
W2 = (5,-3,1)

(x , y)
T (x,y)
Solucin:

o { v1 ,v2 } es base de R2

(x,y) = v1 + v2

- (x,y) = (1 , 2) + (2 , 1) = ( + 2 , 2 + )

x = 1 2 * = 1 2 -1 * x
y 2 1 2 1 y

= 1/3 * 1 -2 * x = -x/3 -2y/3

-2 1 y 2x/3 -y/3

- T (x,y) = T ( (1,2) + (2,1) )

= T (1,2) + T (2,1)

= (3 , -2 , 0) + (5 , -3 , 1)

= (3 + 5 , -2 - 3 , )

T (x,y) = (3(-x/3 + 2y/3) + 5(2x/3 y/3) , -2(-x/3 + 2y/3) 3(2x/3 y/3) , 2x/3 y/3)

= (- x + 2y + 10x/3 5y/3 , 2x/3 4y/3 2x + y , 2x/3 y/3)

T (x,y) = (7x/3 + y/3 , -4x/3 y/3 , 2x/3 y/3)

o Im (T) = { T (x,y) / (x , y) R2 }

= { 1/3 (7x + y , - 4x y , x y) ; x , y R }

= { x/3 (7 , - 4 , 2) + y/3 (1 , - 1 , -1) ; x , y R}

= gen { (7, - 4 , 2) ; (1 , - 1 , - 1) }

w3 w4

- Rpta: w3 , w4 P w3 , w4 son linealmente independiente

gen { w3 , w4 } = P
Dim=2 Dim=2
 Conclusiones:
Todos los teoremas y propiedades expuestos en este tema, se hallan
relacionados entre s, puesto que de unos se desprenden otros, de
tal forma que existe una ilacin coherente con todo lo anteriormente
tratado.

Las grficas mostradas nos ayudan a comprender mejor la relacin

que hay en una transformacin lineal pues esto permite una mejor
interpretacin de la dimensin en la cual se est trabajando.

Diagonalizacin
El proceso de diagonalizacin, es el proceso mediante la cual hallamos una
matriz diagonal, equivalente a la matriz inicial.

Proposicin: Una matriz A e IRnxn es diagonalizable, si A admite n vectores

linealmente independiente

Antes de aprender a diagonalizar, debemos de tener conocimiento de algunos

conceptos previos, tales son:

Autovalor y autovector.-

Si A es una matriz nxn hay vectores V diferentes de cero en Rn tales que

AV sea un mltiplo escalar de V. El escalar denotado por se llama valor
propio de la matriz A correspondiente a , por tanto se tiene:

AV=V

Autovalor.-

Sea A IRnxn, entonces un escalar es un valor propio de A si satisface la

siguiente ecuacin:

PA () = Det (I-A) = 0

Polinomio caracterstico
 Donde.- : Raz de PA ()

Autovalor de A

OBSERVACIN: El polinomio caracterstico tambin se puede denotar de

la siguiente manera:

PA () = Det (A-I) = 0

Autovector.-

Para poder hallar los autovectores, necesariamente tenemos que hallas los
autovalores con anterioridad.

Segn la teora ya antes mencionada, se establece la siguiente relacin:

AV=V

Siendo V, el Autovector de A , asociado al Autovalor .

Ejemplo:
 - Determine los valores propios y vectores propios de la matriz; y
diagonalice:

3/2 1 1/2
0 3 0
1/2 1 3/2

Primero determinamos el polinomio caracterstico de A, PA () = Det (A-I) = 0

PA () = I A-I I = (3 - ) (9/4 3 + 2 -1/4)

= (3 - ) (2 - 3 + 2)

= (3 ) ( 2) ( 1)

Igualndolo a cero, hallamos los autovalores:

PA () = I A-I I = (3 ) ( 2) ( 1) = 0

Los autovalores o valores propios de A son: 1=1, 2=2, 3=3

Ahora, teniendo en cuenta que:

3/2- 1 1/2 X 0
0 3- 0 Y 0
1/2 1 3/2- Z 0
=

V: Autovector o vector propio de A asociado a

Hallamos los autovectores, para cada valor de .

1=1
1
0
-1
3=3
1
1
2=2 1
1
0
1
Ahora vemos, una base de V = IR3 es:

1 1 1
0 0 1
B= -1 1 1

Podemos ver que A es diagonalizable, ya que admite tres vectores propios

linealmente independientes.

Entonces una de las matrices diagonales equivalentes a la matriz A, seria:

1 0 0
0 2 0
0 0 3
A=

Se comprueba que son semejantes, ya que usando su Autovector, se podra

decir:

A = B A B-1

Por ltimo, todas las matrices equivalentes de A, serian:

1 0 0
0 2 0
0 0 3
 1 0 0
0 3 0
0 0 2

2 0 0
0 1 0
0 0 3

2 0 0
0 3 0
0 0 1

3 0 0
0 2 0
0 0 1

3 0 0
0 1 0
0 0 2

Teorema:

Sea A R nxn
n
det( A) i ; i es autovalor de A
i 1
Teorema:

Si A ~ B PA ( ) PB ( )

Entonces: A y B tienen los mismos autovectores

Conclusiones:

Para proceder a diagonalizar una matriz es necesario conocer primero sus

autovalores y autovectores en ese orden estrictamente.
Diagonalizar una matriz es muy importante en el lgebra Lineal, pues se
cumple lo siguiente:

facilitando mucho el clculo de las potencias de , dado que

siendo una matriz diagonal, el clculo de su p-sima potencia es muy
sencillo:
 Casos de diagonalizacin:

= ( ) 33 , , , =

Primer Caso:

1 2 3 1 , 2 , 3 {0}

Ejemplo 1:

4 0 1
Sea = (2 1 0)
2 0 1

Autovalores:

() = det( )

4 0 1 1 0 0
= (2 1 0) (0 1 0)
2 0 1 0 0 1
 4 0 1
= ( 2 1 0 )
2 0 1

1 0 2 0 2 1
det( ) = (4 ) | | 0| |+ 1| |
0 1 2 1 2 0

det( ) = (4 )(1 )2 + 2(1 )

= (1 )[(4 )(1 ) + 2]
= (1 )(2 5 + 4 + 2)
= (1 )( 3)( 2)

1 = 1, 2 = 2, 3 = 3

Autovectores:

0
( ) () = (0)
0

Para 1 = 1

0
( 1) () = (0)
0
3 0 1 0
(2 0 0 ) ( ) = (0)
2 0 0 0
3 + = 0
2 = 0
= 0, = 0
1 = (, , ) = (0, , 0) = (0,1,0)
1 = (0,1,0) 1
Para 2 = 2

2 0 1 0
(2 1 0 ) () = (0)
2 0 1 0
2 + = 0
2 = 0
2 = 0
= = 2
2 = (, , ) = (, 2, 2) = (1, 2, 2)
2 = (1, 2, 2) 2

Para 3 = 3

1 0 1 0
(2 2 0 ) () = (0)
2 0 2 0
+ =0
2 2 = 0
2 2 = 0
= =
3 = (, , ) = (, , ) = (1, 1, 1)
3 = (1, 1, 1) 3

Hallando la semejante de A ()

= 1 , = (1 2 3 )

0 1 1 0 1 1
= (1 2 1) , 1
= (1 0 1)
0 2 1 2 0 1
 0 1 1 4 0 1 0 1 1
= (1 0 ) (
1 2 1 0) (1 2 1)
2 0 1 2 0 1 0 2 1
1 0 0

= (0 2 0)
0 0 3

Ejemplo 2:

1 4 2
Sea = (3 4 0 )
3 1 3

Autovalores:

1 4 2 1 0 0
= (3 4 0 ) ( 0 1 0)
3 1 3 0 0 1
1 4 2
= ( 3 4 0 )
3 1 3

4 2 1 2 1 4
det( ) = (3) | | + (4 ) | | 0| |
1 3 3 3 3 1
det( ) = (3)(12 4 + 2) + (4 )(2 2 3 6)
 = 42 12 + (3 + 62 + 36)
= 3 62 + 11 6
= ( 1)( 2)( 3)

1 = 1, 2 = 2, 3 = 3

Autovectores:

Para 1 = 1

2 4 2 0
(3 3 0 ) () = (0)
3 1 2 0
2 + 4 2 = 0
3 + 3 = 0
3 + + 2 = 0
==
1 = (, , ) = (, , ) = (1,1,1)
1 = (1,1,1) 1

Para 2 = 2

3 4 2 0
(3
2 0 ) ( ) = (0)
3 1 1 0
3 + 4 2 = 0
3 + 2 = 0
3 + + = 0
3
==
2
2 2
2 = (, , ) = ( , , ) = ( , 1,1)
3 3
2 = (2,3,3) 2
Para 3 = 3

4 4 2 0
(3 1 0 ) () = (0)
3 1 0 0
4 + 4 2 = 0
3 + = 0
3 + = 0
12 = 4 = 3
3 = (, , ) = (, 3, 4) = (1,3,4)
3 = (1,3,4) 3

Hallando la semejante de B ()

= 1 , = (1 2 3 )

1 2 1 3 5 3
= (1 3 3) , 1
= (1 3 2)
1 3 4 0 1 1

3 5 3 1 4 2 1 2 1
= (1 3 2 3 4 0 ) (1 3 3)
) (
0 1 1 3 1 3 1 3 4
1 0 0

= (0 2 0)
0 0 3
Segundo caso:

1 2 3 2 1 , 2
1 = {0}, 3 {0}

Ejemplo 1:

0 2 5
Sea = (2 7 8)
5 8 6

Autovalores:

0 2 5 1 0 0
= (2 7 8) (0 1 0)
5 8 6 0 0 1
=
2 5
(2 7 8 )
5 8 6

7 8 2 8 2 7
det( ) = () | | + 2| | + 5| |
8 6 5 6 5 8
det( )
= ()[(7 )(6 ) + 64] + 2(12 2 40) + 5(16 + 35 + 5)
= ()(2 + + 22) + 2(2 28) + 5(19 + 5)
= 3 + 2 + 39
= ( 3)(2 + 4 + 13)

1 = 3, 2 = 2 3, 3 = 2 + 3
Autovectores:

Para 1 = 3

3 2 5 0
(2 10 8) () = (0)
5 8 3 0
3 2 + 5 = 0
2 10 + 8 = 0
5 8 + 3 = 0
==
1 = (, , ) = (, , ) = (1,1,1)
1 = (1,1,1) 1

Para 2 = 2 3

2 + 3 2 5 0
( 2 5 + 3
8 ) ( ) = (0)
5 8 8 + 3 0
2 + 3 2 + 5 = 0
2 5 + 3 + 8 = 0
5 8 + 8 + 3 = 0
= = +
2 = (, , ) = (, (1 + ), ) = (, 1 + , 1)
2 = (, 1 + , 1) 2

Para 3 = 2 + 3

3 = (, 1 , 1) 3
Hallando la semejante de D (
)

= 1 , = (1 2 3 )

1 2 2 .

2 = (, 1 + , 1) = (0,1,1) + (1,1,0)

2 = (0,1,1) 3 = (1,1,0)
1 0 1 1 1 1
= ( 1 1 1) , 1
= (1 1 0)
1 1 0 0 1 1

1 1 1 0 2 5 1 0 1 3 0 0

= (1 1 0 ) (2 7 8) (1 1 1)
= (0 2 3)
0 1 1 5 8 6 1 1 0 0 3 2

Ejemplo 2:

1 1 0
Sea = (5 3 0)
2 0 4

Autovalores:

1 1 0 1 0 0
= (5 3 0 ) (0 1 0)
2 0 4 0 0 1
1 1 0
= ( 5 3 0 )
2 0 4

1 1
det( ) = (4 ) | |
5 3
 = (4 )(2 4 + 3 + 5)
= (4 )(2 4 + 8)

1 = 4, 2 = 2 + 2, 3 = 2 2

Autovectores:

Para 1 = 4

5 1 0 0

(5 7 0) ( ) = (0)
2 0 0 0
5 = 0
5 + 7 = 0
2 = 0
=
1 = (, , ) = (0,0, ) = (0,0,1)
1 = (0,0,1) 1

Para 2 = 2 + 2

1 2 1 0 0
( 5 1 2 0 ) () = (0)
2 0 6 2 0
2 = 0
5 + 2 = 0
2 6 2 = 0

= = (3 + )
12
1
2 = (, , ) = (, (1 2), ) = (1, 1 2, 3+)
3+
2 = (3 + , 1 7, 1) 2
Para 3 = 2 2

3 = (3 , 1 + 7, 1) 3

Hallando la semejante de D (
)

= 1 ,
= (1 2 3 )

2 3 2 .

2 = (3 + , 1 7, 1) = (3, 1,1) + (1, 7,0)

2 = (3, 1,1) 3 = (1, 7,0)

0 3 1 7 1 20
1
= (0 1 7) , 1 = ( 7 1 0)
20
1 1 0 1 3 0

1 7 1 20 1 1 0 0 3 1
=
(7 1 0 ) (5 3 0 ) (0 1 7)
20
1 3 0 2 0 4 1 1 0
4 0 0

= (0 2 2)
0 2 2
Tercer Caso:

1 2 = 3 1 , 2 , 3 {0}

Ejemplo 1:

5 6 2
Sea = (0 1 8)
1 0 2

Autovalores:

5 6 2 1 0 0
= (0 1 8) (0 1 0)
1 0 2 0 0 1
5 6 2
=( 0 1 8 )
1 0 2
6 2 5 2 5 6
det( ) = 1 | | 0| | + (2 ) | |
1 8 0 8 0 1
2
= (48 + 2 + 2) (2 + )( 4 5)
= 3 22 15 + 36
= ( + 4)( 3)2

1 = 4, 2 = 3, 3 = 3
Autovectores:
Para 1 = 4

9 6 2 0
(0 3 8) () = (0)
1 0 2 0
9 + 6 + 2 = 0
3 8 = 0
+ 2 = 0
4 = 3 = 8
4 4 1
1 = (, , ) = (, , ) = (1, , )
3 2 3 2
1 = (6, 8, 3) 1

Para 2 = 3

2 6 2 0

(0 4 8) ( ) = (0)
1 0 5 0
2 + 6 + 2 = 0
4 8 = 0
5 = 0
2 = 5 = 10
2 = (, , ) = (5, 2, ) = (5, 2,1)
2 = (5, 2,1) 2

() = (, , )/(, , ) 3

2 6 2 5
(0 4 8) () = (2)
1 0 5 1
 :

1 3 1 5/2
(0 1 2) () = (1/2)
0 1 2 1/2
1
+ 2 =
2
1
= 2
2
5
+ 3 + =
2
2 = 1
1
= 1, = , = 0
2
1
3 = (, , ) = (1, , 0)
2

Hallando la semejante de E ( )

= 1 , = (1 2 3 )

6 5 1 1 2 9
1
= (8 2 1/2) , 1
= ( 3 6 22 )
49
3 1 0 28 42 56

1 1 2 9 5 6 2 6 5 1
= ( 3 6 22 ) (0 1 8) (8 2 1/2)
49
28 42 56 1 0 2 3 1 0
4 0 0

= (0 3 1)
0 0 3
Ejemplo 2:

2 1 1
Sea = (2 3 2)
3 3 4

Autovalores:

2 1 1 1 0 0
= (2 3 2) (0 1 0)
3 3 4 0 0 1
2 1 1
=( 2 3 2 )
3 3 4

3 2 2 2 2 3
det( ) = (2 ) | | 1| | + 1| |
3 4 3 4 3 3
= (2 )(2 7 + 6) (2 2) + (3 + 3)
= 3 + 92 20 + 12 + 5 5
= 3 92 + 15 7
= ( 7)( 1)2

1 = 7, 2 = 1, 3 = 1
Autovectores:

Para 1 = 7

5 1 1 0
(2 4 2 ) () = (0)
3 3 3 0
5 + + = 0
2 4 + 2 = 0
3 + 3 3 = 0
2 = , = 3
1 = (, , ) = (, 2, 3) = (1,2,3)
1 = (1,2,3) 1

Para 2 = 1

1 1 1 0
(2 2 2) () = (0)
3 3 3 0
++ =0
= , = , =
=
2 = (, , ) = ( , , ) = 1 + 2 , 1 = (1,1,0) 2 =
(1,0,1)
2 = (1,1,0) + (1,0,1) 2

Hallando la semejante de M (
)

= 1 ,
= (1 1 2 )

1 2 2 .
 1 1 1 1 1 1
1
= (2 1 0 ) , = 6 (2 4 2)
1

3 0 1 3 3 3

1 1 1 1 2 1 1 1 1 1

= (2 4 2) (2 3 2) (2 1 0)
6
3 3 3 3 3 4 3 0 1
7 0 0

= (0 1 0)
0 0 1