Documente Academic
Documente Profesional
Documente Cultură
este
trabajo
los
estudiantes
de
la
Escuela
Politcnica
Nacional
PRLOGO
Esta obra est dirigida a los estudiantes que estn iniciando sus estudios
superiores en las diferentes carreras de ingeniera, as tambin como a
los docentes y personas en general que necesitan una obra de consulta.
Loa Autores
ISBN: 978-9942-21-774-5
COPIA LEGAL
I
CONTENIDO
CAPTULO 1..............................................................................................................................................1
MATRICES ................................................................................................................................................1
DEFINICIN ..........................................................................................................................................1
OPERACIONES CON MATRICES........................................................................................................3
SUMA DE MATRICES........................................................................................................................3
DIFERENCIA DE MATRICES ...........................................................................................................3
MULTIPLICACIN POR UN ESCALAR ...........................................................................................4
MULTIPLICACIN DE MATRICES..................................................................................................6
MATRIZ TRANSPUESTA ...................................................................................................................10
TRAZA DE UNA MATRIZ ..................................................................................................................16
MATRIZ INVERTIBLE........................................................................................................................17
OPERACIONES ELEMENTALES ......................................................................................................23
OPERACIONES ELEMENTALES INVERSAS ..................................................................................23
MATRICES ELEMENTALES..............................................................................................................23
MATRICES EQUIVALENTES ............................................................................................................24
FORMA ESCALONADA DE UNA MATRIZ......................................................................................27
MATRIZ ESCALONADA POR FILAS ..............................................................................................27
MATRIZ ESCALONADA REDUCIDA POR FILAS..........................................................................27
1
ALGORITMO PARA EL CALCULO DE A ....................................................................................30
PROBLEMAS PROPUESTOS .............................................................................................................31
CAPTULO 2............................................................................................................................................49
DETERMINANTES.................................................................................................................................49
DEFINICIN ........................................................................................................................................49
DESARROLLO POR MENORES Y COFACTORES ..........................................................................50
PROPIEDADES ....................................................................................................................................51
DETERMINANTES DE MATRICES ELEMENTALES......................................................................57
INVERSA DE UNA MATRIZ ..............................................................................................................60
PROBLEMAS PROPUESTOS .............................................................................................................63
CAPTULO 3............................................................................................................................................81
SISTEMAS DE ECUACIONES LINEALES.........................................................................................81
SISTEMAS EQUIVALENTES .............................................................................................................83
SOLUCIN DE SISTEMAS DE ECUACIONES.................................................................................83
MTODOS DE RESOLUCIN............................................................................................................84
MTODO DE GAUSS ......................................................................................................................85
MTODO DE GAUSS-JORDAN ......................................................................................................85
MTODO DE CRAMER...................................................................................................................85
PROBLEMAS PROPUESTOS .............................................................................................................89
CAPTULO 4..........................................................................................................................................101
ESPACIOS VECTORIALES ................................................................................................................101
DEFINICIN ......................................................................................................................................101
SUBESPACIOS VECTORIALES.......................................................................................................104
COMBINACIN LINEAL .................................................................................................................105
CONJUNTO GENERADOR...............................................................................................................106
CPSULA LINEAL............................................................................................................................106
DEPENDENCIA E INDEPENDENCIA LINEALES .........................................................................107
BASE...................................................................................................................................................110
DIMENSIN.......................................................................................................................................114
CAMBIO DE BASE ............................................................................................................................123
PROBLEMAS PROPUESTOS ...........................................................................................................127
II
CAPTULO 5..........................................................................................................................................163
PRODUCTO INTERNO........................................................................................................................163
DEFINICIN ......................................................................................................................................163
EJEMPLOS .........................................................................................................................................163
NORMA DE UN VECTOR .................................................................................................................164
VECTORES ORTOGONALES ..........................................................................................................167
PROYECCIN ORTOGONAL ..........................................................................................................167
CONJUNTO ORTOGONAL...............................................................................................................168
VECTOR UNITARIO .........................................................................................................................169
NORMALIZACIN DE UN VECTOR ..............................................................................................169
CONJUNTO ORTONORMAL ...........................................................................................................169
BASE ORTONORMAL ......................................................................................................................169
3
PRODUCTO CRUZ EN R ...............................................................................................................171
DEFINICIN ......................................................................................................................................173
DEFINICIN ......................................................................................................................................174
PROBLEMAS PROPUESTOS ...........................................................................................................175
CAPTULO 6..........................................................................................................................................189
TRANSFORMACIONES LINEALES .................................................................................................189
DEFINICIN ......................................................................................................................................189
NCLEO .............................................................................................................................................190
IMAGEN .............................................................................................................................................191
INYECTIVIDAD, SOBREYECTIVIDAD Y BIYECTIVIDAD ........................................................194
CONJUNTO DE LAS TRANFORMACIONES LINEALES L (V , W ) ............................................196
IGUALDAD ....................................................................................................................................196
OPERACIONES CON TRANFORMACIONES LINEALES.............................................................197
SUMA..............................................................................................................................................197
MULTIPLICACIN POR UN ESCALAR .......................................................................................197
COMPOSICIN DE TRANSFORMACIONES LINEALES ............................................................198
TRANSFORMACIONES LINEALES INVERTIBLES .....................................................................201
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL ...................................................204
REDEFINICIN DE NCLEO E IMAGEN ......................................................................................207
MATRIZ ASOCIADA A UNA COMPOSICIN DE FUNCIONES ..................................................208
SEMEJANZA DE MATRICES...........................................................................................................209
PROBLEMAS PROPUESTOS ...........................................................................................................213
CAPTULO 7..........................................................................................................................................241
VALORES Y VECTORES PROPIOS .................................................................................................241
DEFINICIN ......................................................................................................................................241
VALORES Y VECTORES PROPIOS DE MATRICES......................................................................242
POLINOMIO CARACTERSTICO DE UNA MATRIZ ....................................................................245
ECUACIN CARACTERSTICA DE UNA MATRIZ ......................................................................245
CLCULO DEL POLINOMIO CARACTERSTICO ........................................................................246
MULTIPLICIDAD ALGEBRAICA....................................................................................................246
MULTIPLICIDAD GEOMTRICA ...................................................................................................246
MATRICES SEMEJANTES Y DIAGONALIZACIN......................................................................247
DIAGONALIZACIN DE MATRICES SIMTRICAS ....................................................................250
TEOREMA DE CALEY - HAMILTON..............................................................................................254
FORMAS CUADRTICAS Y CANNICAS ....................................................................................257
SECCIONES CNICAS..................................................................................................................260
PROBLEMAS PROPUESTOS ...........................................................................................................265
1
MATRICES
Captulo 1
MATRICES
DEFINICIN
x
Una matriz A de m n es un ordenamiento rectangular de m
por n nmeros distribuidos en un orden definido de m filas y n
columnas:
a11 a12 ... a1 j ... a1n
a21 a22 ... a2 j ... a2n
... ... ... ... ... ...
A
ai1 ai 2 ... aij ... ain
...
am1 am 2 ... anj ... amn
a1 j
a2 j
.
La j-sima columna de A es: y constituye la matriz columna A j
a1 j
.
a
mj
A puede ser representada por matrices fila, as: A A1 , A2 , , Ai , , Am
A puede ser representada por matrices columna, as: A A , A 2 , , A j , , A n
1
LGEBRA LINEAL
2
MATRICES
IGUALDAD
Sean las matrices A aij mn y B bij mn ,
A B aij bij
Ejemplos
1 2 1 2
1. Las siguientes matrices son iguales A B
3 4 3 4
1 2 1 2
2. Las siguientes matrices no son iguales A B
3 4 3 4
MATRIZ CUADRADA
Sea A aij mn .
Ejemplos
2 1 0
1 5
A B 7 8 9
2 7 10 5 8
MATRIZ NULA
Sea O aij mn .
O es una matriz nula si y slo si aij 0 , es decir, es una matriz cuyos elementos son
iguales a cero.
Ejemplos
Las siguientes marices son nulas:
0 0 0 0
0 0 0
0 0 0 0 0 0
O2 O3 0 0 0 O4
0 0 0 0 0 0 0 0 0
0 0 0 0
LGEBRA LINEAL
3
MATRICES
OPERACIONES CON MATRICES
SUMA DE MATRICES
Sean las matrices A aij mn y B bij mn .
La suma de matrices est definida cuando ambas matrices tienen el mismo tamao.
Ejemplo
1 2 3 3 4 0 4 6 3
5 0 1 1 1 0 6 1 1
2 3 4 1 1 6 3 4 10
DIFERENCIA DE MATRICES
Sean las matrices A aij mn y B bij mn .
Ejemplos
2 5 1 7 1 12
1.
0 3 3 2 3 1
1 3 4 5 6 0 4 9 4
2. 1 0 1 1 2 3 2 2 4
2 3 7 1 4 10 1 1 3
LGEBRA LINEAL
4
MATRICES
MULTIPLICACIN POR UN ESCALAR
Si A aij mn y es un escalar, entonces A est dada por:
Ejemplos
2 3 10 15
1. 5
7 1 35 5
0 8 0 16
2. 2
10 4 20 8
2 3 3 1
A B
1 0 0 1
Solucin:
5 9
2 A 3B
2 3
0 11
3 A 2 B
3 2
DEFINICIN
(1) A A
LGEBRA LINEAL
5
MATRICES
PROPIEDADES
TEOREMAS
1. A ( B C ) ( A B) C
2. A B B A
3. AO A
4. A ( A) O
5. A = A
6. 1. A A
7. A A A
8. A B A B
9. 0. A O
DEMOSTRACIONES
=(A+B)+C
=A
LGEBRA LINEAL
6
MATRICES
5. ( ) A ( ) A Axioma reflexivo
( aij ) Notacin
( A)
MULTIPLICACIN DE MATRICES
Sean las matrices A aij mn y B b jk np .
El producto de A y B es la matriz C cik mp , donde
n
cik aij b jk .
j 1
En forma desarrollada:
cik ai1b1k ai 2b2 k aij b jk aip b pk .
a11 a12 a1 p
a21 a22 a2 p b11 b12 b1k b1n c11 c12 c1n
b21 b22 b2k b2n c21 c22
ai1 ai 2 aip cik
b p1 b p 2 b pk
b pn cm1 cm 2 cmn
am1 am 2 amp
Observaciones
1. El elemento i, k -simo de AB es el producto escalar de la i -sima fila de A y
la k -sima columna de B .
2. Dos matrices A y B se pueden multiplicar solo si el nmero de columnas de la
primera es igual al nmero de filas de la segunda. De otra manera el producto no
estar definido.
LGEBRA LINEAL
7
MATRICES
Ejemplo
Solucin:
LGEBRA LINEAL
8
MATRICES
Ejemplo
Comprobar que las siguientes identidades algebraicas
A B 2 A2 2 AB B 2
( A B )( A B ) A2 B 2
no son ciertas si A y B son matrices cuadradas de orden n , usando las marices
1 1 1 0
A B
0 2 1 2
Por qu las identidades dadas no son ciertas?
Modificar el segundo miembro de ambas identidades de manera que el resultado sea
vlido para cualesquiera A y B matrices cuadradas.
Solucin:
2 1 0 1
A B A B
1 4 -1 0
1 3 1 0
A2 B 2
0 4 3 4
0 2
AB
2 4
1 1
BA
1 3
Por lo tanto
3 6 2 7
A B 2 A2 2 AB B 2
6 15 7 16
1 2 0 3
( A B)( A B) A2 B 2
4 1 3 0
A B 2 A2 AB BA B 2
( A B)( A B) A2 AB BA B 2
LGEBRA LINEAL
9
MATRICES
y como ordinariamente AB BA
AB BA 2 AB
AB BA O
Por lo que
A B 2 A2 2 AB B 2
( A B)( A B) A2 B 2
Observacin
No existe ley conmutativa para la multiplicacin de matrices.
PROPIEDADES
TEOREMAS
K , A M mxn ,B M nxp
A M mxn,B, C M nxp
13. A ( B C ) AB AC
A, B M mxn ,C M nxp
14. ( A B)C AC BC
15. ( AB) C A ( BC )
DEMOSTRACIONES
( AB) Notacin
LGEBRA LINEAL
10
MATRICES
13. A( B C ) A( B C ) Axioma reflexivo
n
aij (b jk c jk ) Multiplicacin de matrices
j 1
n
(aij b jk aij c jk ) Propiedad de campo
j 1
n n
aij b jk aij c jk Propiedad del sumatoria
j 1 j 1
AB AC Notacin
p
(aij ) b jk c kl Notacin
k 1
n
p
aij b jk c kl Multiplicacin de matrices
j 1 k 1
p
n
aij b jk c kl Propiedad del sumatoria
k 1 j 1
n
aij b jk (c kl ) Multiplicacin de matrices
j 1
( AB) C Notacin
MATRIZ TRANSPUESTA
Sea la matriz A aij mn .
Ejemplo
1 0
1 2 3
A At 2 1
0 1 5 3 5
LGEBRA LINEAL
11
MATRICES
PROPIEDADES
TEOREMAS
A, B M mxn ,
16. ( A B) t A t B t
17. ( A t ) t A
K , A M mxn ,
18. (A) t A t
A M mxn ,B M nxp
19. ( AB) t B t A t
DEMOSTRACIONES
16. ( A B) t ( A B) t Axioma reflexivo
(a ij bij ) t Notacin
(a ji b ji ) Definicin de transpuesta
At B t Notacin
(aij ) t Notacin
(a ji ) Definicin de transpuesta
A Notacin
aij a ji
19. , numricamente
b jk bkj
( AB) t (cik ) t
t
n
aij b jk Producto de matrices
j 1
LGEBRA LINEAL
12
MATRICES
n
a ji bkj Definicin de transpuesta
j 1
n
bkj a ji Propiedad de campo
j 1
B t At Notacin
DEFINICIN
A. A A 2
A
A.
A An
n veces
MATRIZ SIMTRICA
Sea la matriz A aij mn .
Ejemplos
1 2 1 2
1. A , At , A A t A es simtrica.
2 3 2 3
1 2 1 1 2 1
2. A 2 2 3 , A 2 2 3 , A A t A es simtrica.
t
1 3 3 1 3 3
TEOREMA 20
LGEBRA LINEAL
13
MATRICES
DEMOSTRACIN
A A t (1)
Hiptesis
B B t (2)
Sumando (1) y (2)
A B At B t
( A B) t (Teorema 16)
MATRIZ ANTISIMTRICA
Sea la matriz A a ij n .
A es antisimtrica si y slo si A A t .
Ejemplo
0 1 2 0 1 2 0 1 2
t
Si A 1 0 3 A 1 0 3 1 0 3 A
2 3 0 2 3 0 2 3 0
A es matriz antisimtrica.
MATRICES CONMUTABLES
Sean las matrices A, B M nxn .
A y B son conmutables si y slo si AB BA.
Ejemplo
LGEBRA LINEAL
14
MATRICES
MATRIZ TRIANGULAR SUPERIOR
Sea la matriz A a ij n .
a11 0 0
a a 22 0
A 21
a a mn
m1 am2
MATRIZ DIAGONAL
Sea la matriz A aij n .
Ejemplos
2 0
1. A
0 1
1 0
2. I
0 1
1 0 0
0 3 0
3. D
0 0 2
LGEBRA LINEAL
15
MATRICES
MATRIZ ESCALAR
Sea la matriz A a ij n .
5 0 0
0 5 0
A
0 0 5
MATRIZ IDENTIDAD
Sea la matriz I a ij n .
Ejemplos
1 0 0
1 0 0
1 0 0 1 0
I 1 1, I 2 , I 3 0 1 0 , In
0 1 0 0 1
0 0 1
MATRIZ NILPOTENTE
Sea la matriz A a ij n .
Ejemplos
0 2
1. A es matriz nilpotente de orden 2, pues, A2 O
0 0
0 1 3
2. B 0 0 2 es matriz nilpotente de orden 3, pues, B3 O
0 0 0
LGEBRA LINEAL
16
MATRICES
TRAZA DE UNA MATRIZ
Sea A M nxn .
La traza de A es la suma de los elementos de la diagonal. As:
n
Tr ( A) aij .
i 1
Ejemplos
2 0
1. Si A , entonces Tr ( A) 7
7 5
1 0 4
2. Si A 2 2 1 , entonces Tr ( A) 5
3 4 6
Propiedades
1. Tr ( A) .Tr ( A)
2. Tr ( A B) Tr ( A) Tr ( B)
3. Tr ( AB) Tr ( BA)
TEOREMA 21
DEMOSTRACION
Sean A (aij ) mn
I (b jk ) nn , donde b jk 0, j k b jk 1, j k
n
cik aij b jk
j 1
LGEBRA LINEAL
17
MATRICES
si k=1
ci1 ai1b11 ai 2 b21 aij b j1 ain bn1
ci1 ai1
si k=2
ci 2 ai1b12 ai 2 b22 aij b j 2 ain bn 2
ci 2 a i 2
si k=j
cij ai1b1 j ai 2 b2 j aij b jj ain bnj
TEOREMA 22
Corolario
Sean las matrices A , I M nxn
A.I I . A A
MATRIZ INVERTIBLE
Sea la matriz A M nxn .
LGEBRA LINEAL
18
MATRICES
Notas
1. B es matriz inversa de A , B A 1 , de la definicin,
AA 1 A 1 A I .
2. B es matriz invertible, A B 1 , de la definicin,
BB 1 B 1 B I
TEOREMA 23
Sea A M nxn ,
Si A es matriz invertible, entonces su inversa es nica.
DEMOSTRACION
Por contradiccin:
Se supone que la inversa de A no es nica, es decir, existen matrices B1 y B2 , inversas
de A , tales que B1 B2 .
AB1 B1 A I (1) (1)
AB 2 B2 A I ( 2) (2) (
B1 B1 I (3)
Reemplazando (2) en (3)
B1 B1 ( AB 2 )
B1 ( B1 A) B2
Reemplazando (1) en (4)
B1 IB2
B1 B 2
Lo que contradice la suposicin.
Por lo tanto la inversa de A es nica.
TEOREMA 24
LGEBRA LINEAL
19
MATRICES
DEMOSTRACION
AA 1 A 1 A I , ( (
Igualando
A A 1
1
TEOREMA 25
DEMOSTRACION
Si A y B son invertibles
existen matrices A1 y B 1
a) ( AB ) B 1 A 1 A( BB 1 ) A 1
A( I ) A 1
AA 1
I (1)
b) B 1 A 1 ( AB ) B 1 ( A 1 A) B
B 1 ( I ) B
B 1 B
I (2)
Por lo tanto ( AB ) 1 B 1 A 1
LGEBRA LINEAL
20
MATRICES
TEOREMA 26
MATRIZ ORTOGONAL
Sea la matriz A M nxn .
Ejercicio
Comprobar que la matriz dada es ortogonal
2 2 1
1
2 1 2
3 1 2
2
TEOREMA 27
DEMOSTRACION
Sean las matrices A (aij ) mn O (b jk ) np , donde, b jk 0
AO (aij )(b jk )
n
aij b jk
j 1
n
aij .0
j 1
O
LGEBRA LINEAL
21
MATRICES
TEOREMA 28
DEMOSTRACION
Se deja como ejercicio.
TEOREMA 29
DEMOSTRACION
A= A1 , A2 , , Ai , , Am
B= B1 , B 2 ,, B i , B P
Fila i-sima de AB= Ai B1 , Ai B 2 , Ai B i , , Ai B p
= Ai. B
=Fila i-sima de A.B
TEOREMA 30
Fila i-sima de A ei . A
DEMOSTRACION
Fila i-sima de I A ei . A (Teorema 29)
I . A A , entonces
Fila i-sima de A ei . A
LGEBRA LINEAL
22
MATRICES
TEOREMA 31
DEMOSTRACION
Ai es la Fila i-sima de A
B (b jk ) np
Por lo tanto
AB tiene fila de ceros.
TEOREMA 32
Sea A M nxn
Si A tiene fila de ceros, entonces A no es invertible.
DEMOSTRACION
Por contradiccin.
Se supone que A es invertible, por lo tanto
AA 1 A 1 A I
AA 1 tiene fila de ceros (Teorema 31)
I tiene fila de ceros
Lo que contradice la hiptesis, pues, la matriz identidad no tiene fila de ceros.
Por lo tanto:
A no es invertible.
LGEBRA LINEAL
23
MATRICES
OPERACIONES ELEMENTALES
Una operacin elemental se representa por e y se la puede aplicar sobre matrices.
Existen tres tipos de operaciones elementales:
Fi F j , C i C j ,
1) e I' e I A A
2) e II' e II A A
'
3) e III eIII A A
MATRICES ELEMENTALES
Una matriz elemental se la representa por E , y se la puede obtener mediante la
aplicacin de una operacin elemental sobre la matriz identidad.
TEOREMA 33
e ( A) E. A , siendo e , una operacin elemental que se aplica tanto en
A como en I .
LGEBRA LINEAL
24
MATRICES
MATRICES EQUIVALENTES
A es equivalente por filas o columnas a B si y slo si B se obtiene por medio de una
aplicacin sucesiva e infinita de operaciones elementales sobre A .
A B B e K e K 1 e 2 e1 A .
TEOREMA 34
Sea A M mxn , A es equivalente a A , es decir,
Toda matriz es equivalente a s misma.
DEMOSTRACION
B eK eK 1 e2 e1 A (1)
eK, B eK 1 e2 e1 A
e1, e2, eK, B A (2)
Sustituyendo (1) en (2)
e1, e2, eK, A A
Cambiando la notacin
A es equivalente a A.
Corolario
Sean A, B M mxn .
Si A es equivalente a B , B es equivalente a A .
TEOREMA 35
Sean A, B, C M mxn .
LGEBRA LINEAL
25
MATRICES
DEMOSTRACION
Si A es equivalente a B,
B eK eK 1 e2 e1 A (1)
Si B es equivalente a C,
C e J e J 1 e2 e1 B (2)
TEOREMA 36
DEMOSTRACION
E matriz elemental
E matriz inversa de A
I e , eI e e , I
e(A)=EA
P.D. EE=EE=I
a) EE=I
e e , I I
eE I
,
(Teorema 33)
EE=I (1)
b) EE=I
e , eI I
e(E)=I (Teorema 33)
EE=I (2)
Igualando (1) y (2)
EE=EE=I
LGEBRA LINEAL
26
MATRICES
TEOREMA 37
DEMOSTRACION
a) Si A es equivalente por filas a B , entonces B es un producto de matrices
elementales por A
Si A es equivalente por filas a B ,
B eK eK 1 e2 e1 A ,
B e K e K 1 e2 E1 A , (Teorema 33)
B e K e K 1 e3 E 2 E1 A ,
Por lo tanto:
B E K E K 1 E 2 E1 A
B E K E K 1 E 2 ( E1 A)
B E K E K 1 E 2 e1 A (Teorema 33)
B eK eK 1 e2 e1 A ,
Por lo tanto:
A es equivalente a B.
Corolario
Sean A, B M mxn .
A es equivalente a B si y slo si B PA , donde P es un producto de matrices
elementales por A .
LGEBRA LINEAL
27
MATRICES
FORMA ESCALONADA DE UNA MATRIZ
Ejemplos
1 2 3 1 2 3 1 2 0 0 0 3 2
0 1 2 0 0 2 0 0 2 0 0 0 5
1 0 0 0
2 3 4 4 2 1 1 3 2
0 1 0 0
0 0 0 0 1 3 0 1 0 0
0 0 0 0 0 5 0 0 1 0
0 0
0
0 0 1
Ejemplos
1 0 0 1 0 0 1 0 3
0 1 0 0 0 1 0 1 2
0 0 0 0 0 0 0 0 0
1 0 5 0 1 0 0 0
0 1 3 0 0 1 0 0
0 0 0 0 0 0 1 0
0 0 0 1
0 0 0 0
1 0 0 5
0 0 1 2
LGEBRA LINEAL
28
MATRICES
TEOREMA 38
Sea A M mxn .
A es equivalente por filas a una matriz escalonada por filas.
TEOREMA 39
Sea A M mxn .
A es equivalente por filas a una matriz escalonada reducida por filas
TEOREMA 40
DEMOSTRACION
Si A no tiene fila de ceros, entonces A I (Contra recproca)
Si A no tiene fila de ceros,
An 0 0 0 0 0 1
An 1 0 0 0 0 1 0
A2 0 1 0 0 0 0
A1 1 0 0 0 0 0 ,
A ( A1 , A2 , , An 1 , An )
A I AA
LGEBRA LINEAL
29
MATRICES
TEOREMA 41
Sea A M nxn .
A es invertible si y slo si es equivalente por filas a I .
DEMOSTRACION
Corolario
A es invertible si y slo si es un producto de matrices elementales.
LGEBRA LINEAL
30
MATRICES
TEOREMA 42
Si A es invertible y reducible a la matriz identidad por sucesin de
operaciones elementales, al aplicar a I esta sucesin, se obtiene A 1 .
DEMOSTRACION
Si A es invertible,
A es equivalente por filas a I, (Teorema 41)
I E K E K 1 E 2 E1 A (1) (Teorema 37)
I ( E K E K 1 E 2 E1 ) A
IA 1 ( E K E K 1 E 2 E1 ) AA 1
A 1 ( E K E K 1 E 2 E1 ) I
A 1 e K e K 1 e2 e1 I
I eK eK 1 e2 e1 A (2)
Ejemplo
1 3
Hallar la inversa de la matriz A
2 2
1 3 1 0 1 3 1 0 1 3 1 0 1 0 2
85
8
2 2 0 1 0 8 2 1 0 1 2
8
1
8 0 1
2
8
1
8
1 2 5
A1
2 2 1
LGEBRA LINEAL
31
MATRICES
PROBLEMAS PROPUESTOS
1. Sean las matrices:
1 0 1 3 1
1 2 3
A B 2 1 C 1 1 1
2 1 0 3 2 0 1 2
2 1 0
1 2
D E 1 2 3
2 5 4 3 1
Calcular:
a) C+E, AB, BA, 2C-3E, CB+D, AB+D 2 , 3(2A), 6A
LGEBRA LINEAL
32
MATRICES
b) A(BD), (AB)D, A(C+E), AC+AE, 3A+2A, 5A
LGEBRA LINEAL
33
MATRICES
LGEBRA LINEAL
34
MATRICES
x 0
2. Sea A . Hallar A2 , A3 , A4
z y
1 0
3. Sean las matrices A del problema anterior y B . Determinar A tal
26 27
que A3 B .
LGEBRA LINEAL
35
MATRICES
1 2 3
4. Comprobar que A 0 1 2 es raz de F ( X ) X 3 4 X 2 5 X 2 I .
0 0 2
LGEBRA LINEAL
36
MATRICES
1 2 0 1 0 0
6. Sean las matrices A 2 1 3 e I 3 0 1 0 . Si R , calcular
0 3 1 0 0 1
I 3 A
7. Calcular AB
1 1 3 42
1 2 3 0 1
1 2 3 1 5
0 3 2 1 3 2 1
2 1 4
A B 1 5 4 2 3
5 1 3 2 0
3 1 0 0
1 4 6
1 3 0
3 1
2 1 0 4 6
3 5 0
LGEBRA LINEAL
37
MATRICES
8. Dadas las matrices
1 2 x 1 3
1 x 3 1 3 1 2 1
A B C
x 1 2 0 1 0 x 0
1 3 1 1 x
a)
Encontrar el valor de x tal qu Tr AB t C 0 .
b) Calcular el rango (nmero de filas no nulas de la matriz escalonada
equivalente) de CA s x 0 .
9.
Escribir una matriz simtrica A M 3 , A aij tal que
aij
i 1 j 1 , si i j
i j
LGEBRA LINEAL
38
MATRICES
10. Reducir las siguientes matrices a su forma escalonada y luego a su forma
escalonada reducida por filas
1 2 3 0
1 1 1 0
a) 2 1 0 1
0 1 2 1
0 1 2 3
0 1 1 0
b) 0 2 1 3
0 0 0
1
LGEBRA LINEAL
39
MATRICES
1 0 1 3
c) 1 2 3 0
2 1 0 1
4 3
b)
3 1
LGEBRA LINEAL
40
MATRICES
1 0 0
c) 2 2 0
3 3 3
1 2 2
d) 1 3 0
0 2 1
2 1 3
e) 1 0 4
1 1 2
LGEBRA LINEAL
41
MATRICES
12. Dadas las matrices
1 1 1 1 0 0
P 2 0 1 y J 0 1 1 . Hallar
1 1 0 0 0 1
a) P 1 y J n .
b) A tal que A PJP 1 .
c) An PJ n P 1 . Verificar que A0 I y A1 A .
LGEBRA LINEAL
42
MATRICES
cos sen
13 Sea la matriz A . Hallar A n
sen cos
Deducir la ley y demostrar por induccin.
x y
14. Sea la matriz A . Hallar A n . Usar el Teorema del Binomio.
0 x
LGEBRA LINEAL
43
MATRICES
x 1 0
15. Sea la matriz A 0 x 1 . Hallar A n . Usar el Teorema del Binomio.
0 0 x
16. Si K nn es una matriz diagonal cuyos elementos, sobre la diagonal, son todos
17. Demostrar que la suma de dos matrices triangulares inferiores es una matriz
triangular inferior.
LGEBRA LINEAL
44
MATRICES
18. Si A es una matriz simtrica probar que A t y A 2
son simtricas.
LGEBRA LINEAL
45
MATRICES
20 Dadas la matrices
1 2 0 0 1 0 2 1
A B C
1 1 4 3 1 0 3 2
Determinar la matriz X indicando su nmero de filas y columnas que cumple:
a) 2A X B
b) At 2 X C
c) CX AB t BB t
LGEBRA LINEAL
46
MATRICES
de orden n , esto es, I n y la matriz B M n , se define A I n B B t B
1
Bt .
LGEBRA LINEAL
47
MATRICES
24. Demostrar que toda matriz cuadrada es la suma de una matriz simtrica y una
matriz antisimtrica.
LGEBRA LINEAL
48
MATRICES
25. mn se cumple que .A O 0 A O .
Demostrar que R, A aij
26. Considerando Amn X n1 Om1 y Amn X n1 Bm1 , sistemas definidos sobre los
reales, demostrar que:
a) Si H es solucin de AX O , R , H es solucin de AX O .
b) Si H y K son soluciones de AX O , H K es solucin de AX O .
c) Si H y K son soluciones de AX B , H K es solucin de AX O .
LGEBRA LINEAL
49
DETERMINANTES
Captulo 2
DETERMINANTES
DEFINICIN
El determinante es una funcin que establece una correspondencia
entre el conjunto de matrices cuadradas y el campo real o complejo.
Asi:
f : M nxn K
A f (A) det(A)
NOTACIN
Sea A (aij ) n , el determinante de A se nota as:
A det( A)
O tambin
a11 a12 a1n
a a 22 a2n
A 21
a n1 a n 2 a nn
DEFINICIN
Sea A M 2x 2
a a12
Si A 11 , entonces
a 21 a 22
LGEBRA LINEAL
50
DETERMINANTES
DEFINICIN
Sea A M 3x 3
a 22 a 23 a a 23 a a 22
det( A) a11 a12 21 a13 21
a32 a33 a31 a33 a31 a32
MENOR
Sea la matriz A (aij ) n y M ij la submatriz de A de orden (n 1) , obtenida por
COFACTOR
Sea la matriz A (aij ) n . El cofactor Aij del elemento aij se define como:
Aij (1) i j M ij
n
det( A) aij Aij
j 1
LGEBRA LINEAL
51
DETERMINANTES
PROPIEDADES
TEOREMAS
Sea A (aij ) n .
3. K , det(A) n det( A) .
4. Si las matrices A, B, C , son idnticas, excepto en la j-sima
columna (fila) tal que la j-sima columna (fila) de C es la suma
de las j-simas columnas (filas) de A y B ,
det(C ) det( A) det( B)
5. Si se intercambian dos filas (columnas ) de A , para obtener la
matriz B , det( B) det( A) .
6. Si la matriz A tiene dos filas (columnas) iguales, det( A) 0 .
7. Si una fila (columna) de A es un mltiplo de una fila (columna)
de A , det( A) 0 .
8. Si un mltiplo de una fila (columna) de A , se suma a otra fila
(columna) de A , el determinante no se altera.
9. det( A) det( A t ) .
10. El determinante de una matriz triangular es igual al producto de
los elementos de la diagonal.
DEMOSTRACIONES
LGEBRA LINEAL
52
DETERMINANTES
n
2. det( B) bij Bij
j 1
n
det( B) aij Bij
j 1
n
det( B) aij Aij
j 1
det( B) det( A)
3. , det(A) n det( A)
Por induccin
i) n 1
A1 ( a11 )
det(A1 ) 1. det( A1 )
n
det(AK 1 ) (1) i j K aij Aij
j 1
n
det(AK 1 ) K 1 (1)i j aij Aij
j 1
det(AK 1 ) K 1 det( AK 1 )
n n
(1)i j aij Aij (1)i j bij Aij
j 1 j 1
det( A1 , , Ai , , An ) det( A1 , , Bi , , An )
LGEBRA LINEAL
53
DETERMINANTES
5 Sean
a11 a1n a11 a1n
a ain a ai 1,n
A i1 B i 1,1
a11,1 ai 1,n ai ,1 ai ,n
a a nn a ann
n1 n1
P.D. det( A) det( B)
n
det( A) aij Aij
j 1
n
det( B) bi 1, j Bi 1, j
j 1
(1) i 1 j aij N ( i 1)
(1)(1) i j aij N ( i 1)
n
a
j 1
ij Aij
det(A)
6. Sea
a11 a1n
a ain
A i1
a11,1 ai 1,n
a a nn
n1
LGEBRA LINEAL
54
DETERMINANTES
2 det( A) 0
det( A) 0
7. Sea
a11 a1n
a ain
B i1
a11,1 ai 1, n
a ann
n1
det( B) det( A)
Pero, det( A) 0 ,
Por lo tanto det( B) 0
8. Sea
a11 a1n
a ain
A i1
a11,1 ai 1,n
a a nn
n1
a11 a1n
ai1 ain
B
ai1 a11,1 ain ai 1,n
a n1 a nn
Al aplicar el Teorema 7
LGEBRA LINEAL
55
DETERMINANTES
a11 a1n a11 a1n
ai1 ain ai1 ain
det( B) +
ai1 ain ai 1,1 ai 1,n
a n1 a nn a n1 a nn
0 det(A)
det(B) det( A)
B bij K 1
bij a ji
LGEBRA LINEAL
56
DETERMINANTES
Pero, a j1 b1 j , es decir,
B1 j A j1
t
B1 j A j1
t
B1 j A j1
De (1)
n
B (1)1 j a j1 A j1
K
j 1
B A
det( A) det( A t )
A a11 a 22
2
A aii
i 1
ii) Si n k
K
AK aii Hiptesis inductiva
i 1
K 1
AK 1 aii Tesis inductiva
i 1
K 1
AK 1 (1) K 1 j a K 1, j AK 1, j segn la fila K 1
j 1
0 ( 1) K 11 a K 1,1 AK 1,1 0 0
K
(1) K 11 a K 1, K 1 AK 1, K 1 K
K
(1)2 K 2 aK 1, K 1 aii
i 1
LGEBRA LINEAL
57
DETERMINANTES
K
aK 1, K 1 aii
i 1
K
aii
i 1
Observacin E 0 .
TEOREMA 11
Si E es una matriz elemental, entonces:
EA E A , y
AE A E
DEMOSTRACION
a) Intercambio de dos filas o columnas
E 1
Por lo tanto:
EA E A
LGEBRA LINEAL
58
DETERMINANTES
EA A
EA E A
c) Se reemplaza una fila o columna por la suma de una de ellas multiplicada por
E 1
EA A 1 A
EA E A
Corolario
Si A y B son equivalentes:
B E K E K 1 E 2 E1 A
TEOREMA 12
Sea A M nxn
A es invertible si y slo si A 0
DEMOSTRACION
1. Si A es invertible, entonces A 0 "
Si A es invertible,
A es producto de matrices elementales,
A E K E K 1 E 2 E1 (M, Teorema 41)
A E K E K 1 E 2 E1 (Teorema 11)
A 0 , puesto que E 0
2. Si A 0 , entonces A es invertible.
Se demuestra la contrarrecproca:
Si A no es invertible, entonces A 0
Si A no es invertible,
A es equivalente a una matriz B que tiene fila de ceros,
LGEBRA LINEAL
59
DETERMINANTES
A E K E K 1 E 2 E1 B es matriz con fila de ceros (M, Teorema 31)
A E K E K 1 E 2 E1 B (Teorema 11)
A 0
TEOREMA 13
Sean las matrices A, B M nxn
AB A B
DEMOSTRACION
1. A es invertible
Si A es invertible
A E K E K 1 E 2 E1 (1)
A E K E K 1 E 2 E1 (2)
AB E K E K 1 E 2 E1 B
A B E K E K 1 E 2 E1 B (3)
2. A no es invertible
Si A no es invertible
A 0 (Teorema (12)
AB 0. B
Por lo tanto:
AB A B
LGEBRA LINEAL
60
DETERMINANTES
INVERSA DE UNA MATRIZ
TEOREMA 14
Sea A M nxn
DEMOSTRACION
Sea B es la matriz obtenida al reemplazar la k-sima fila de A por la i-sima fila de A ,
as:
a11 a12 a1n a11 a12 a1n
a a12 a an a a12 aan
i1 i1
A B
a ak 2 a kn a ai 2 ain
k1 i1
a n1 an2 a nn an1 an 2 ann
DEFINICIN
Sea A M nxn , se define como matriz adjunta de A a la transpuesta de
Ejemplo
2 1 3 1 3 1
A Cof (A) adjA
1 3 1 2 1 2
LGEBRA LINEAL
61
DETERMINANTES
TEOREMA 15
Sea A M nxn
adjA. A A.adjA A I
DEMOSTRACION
a i1 Ak 1 a i 2 Ak 2 a in Akn A , si i k
A 0 0
0 A 0
A.adjA
0 0 0
0 0 A
adjA. A A.adjA A I
Corolario
Sea A M nxn y A 0 , entonces
1
A 1 .adjA
A
LGEBRA LINEAL
62
DETERMINANTES
Ejemplo
Dada la matriz
1 2 4
A 3 8 2
2 0 4
a) Calcular A .
d) Calcular A1 .
Solucin:
1 2 4
2 4 1 2
a) A 3 8 2 2 4 2(36) 4(2) 64
8 2 3 8
2 0 4
8 2 2 4 2 4
0 4 0 4 8 2
3 32 8 36
2 1 4 1 4
b) Adj ( A) 16 4 14
2 4 2 4 3 2
16 4 2
3 8 1 2 1 2
2 0 2 0 3 8
1 2 4 32 8 36 64 0 0
c) A. Adj ( A) 3 8 2 16 4 14 0 64 0
2 0 4 16 4 2 0 64
0
32 8 36 1 2 4 64 0 0
Adj ( A). A 16 4 14 3 8 2 0 64 0
16 4 2 2 0 4 0 64
0
32 8 36
1
1 1
d) A Adj ( A) 16 4 14
A 64
16 4 2
1/ 2 1/ 8 9 / 16
1
A 1/ 4 1 / 16 7 / 32
1 / 4 1 / 16 1 / 32
LGEBRA LINEAL
63
DETERMINANTES
PROBLEMAS PROPUESTOS
1. Encontrar el valor de los siguientes determinantes
1 1 0
a) 1 2 3
2 1 1
1 2 1
b) 1 1 0
0 3 1
1 2i 0 1
c) 0 2 1 i
3 0 1
LGEBRA LINEAL
64
DETERMINANTES
1 2 3 4
4 3 2 1
d)
2 1 4 3
3 4 1 2
1 a 1 1 1
1 1 a 1 1
e)
1 1 1 a 1
1 1 1 1 a
2 0 1 x
1 9 8 4
f) , donde x es el ltimo dgito del ao actual.
1 9 8 7
1 9 9 0
LGEBRA LINEAL
65
DETERMINANTES
2. Determinar el valor de
1 2 3 4 5 6
2 3 4 5 6 1
3 4 5 6 1 2
a)
4 5 6 1 2 3
5 6 1 2 3 4
6 1 2 3 4 5
1 1 1 1 1 1
1 2 2 2 2 2
1 2 3 3 3 3
b)
1 2 3 4 4 4
1 2 3 4 5 5
1 2 3 4 5 6
LGEBRA LINEAL
66
DETERMINANTES
a b c 1
b c a 1
c)
c a b 1
1 1 1 1
i) abc 0
ii) abc 3
LGEBRA LINEAL
67
DETERMINANTES
1 a1 a2 a3 an
a1 1 a2 a3 an
d) a1 a2 1 a3 an
a1 a2 a3 1 an
x2 y2 z2
e) x y z
x3 y3 z3
LGEBRA LINEAL
68
DETERMINANTES
3 7i 0 4 1 7
2 3i 8 1 0 5
g) 2 8 0 6 6
1 10i 8 3 1 2
3i 0 1 6 0
3. Demostrar que:
0 a a a
a 0 a a
3 a 4
a a 0 a
a a a 0
LGEBRA LINEAL
69
DETERMINANTES
4. Demostrar que el determinante nxn
a b b b b
b a b b b
b b a b b
a b
n 1
a (n 1)b
b b b a b
b b b b a
5. Hallar el valor de
a1 b1 a1 b2 a1 bn
a2 b1 a2 b2 a2 bn
an b1 an b2 an bn
LGEBRA LINEAL
70
DETERMINANTES
6. a) Demostrar que:
b 2 ac bc c2
A ab ac bc 4a 2b 2 c 2
a2 ab b 2 ac
2
b c 0
Verificar primero que: A a 0 c
0 a b
LGEBRA LINEAL
71
DETERMINANTES
7. Demostrar que
1 0 a a2
0 1 b b2
a c b d a b c d
1 0 c c2
0 1 d d2
a2 ab ab b2
ab a2 b2 ab
ab b2 a2 ab
b2 ab ab a2
LGEBRA LINEAL
72
DETERMINANTES
9. Probar que
b c 2 b2 c2
a2 a c 2 c2 2abca b c
3
a2 b2 a b 2
LGEBRA LINEAL
73
DETERMINANTES
11. Aplicaciones a la Geometra Analtica
a) Si P1 ( x1 , y1 ), P2 ( x 2 , y 2 ), P3 ( x3 , y 3 ) son tres puntos no colineales, la
y 1 x x2
y1 1 x1 x12
=0
y2 1 x2 x 22
y3 1 x3 x32
Hallar la ecuacin de la parbola que pasa por los puntos:
(1,5), (2,6), (2,2).
LGEBRA LINEAL
74
DETERMINANTES
b) Si P1 ( x1 , y1 ), P2 ( x 2 , y 2 ), P3 ( x3 , y 3 ) son tres puntos no colineales, la
ecuacin del crculo que pasa por los puntos P1 , P2 , P3 , puede escribirse:
x2 y2 x y 1
x12 y12 x1 y1 1
0
x 22 y 22 x2 y2 1
x32 y 32 x3 y3 1
Hallar la ecuacin del crculo que pasa por los puntos:
(1,5), (2,6), (2,2).
LGEBRA LINEAL
75
DETERMINANTES
c) Si se conoce que:
L1 : a11 x a12 y a13 0,
LGEBRA LINEAL
76
DETERMINANTES
d) El volumen de tetraedro determinado en el espacio por los puntos
P1 ( x1 , y1 , z1 ), P2 ( x 2 , y 2 , z 2 ), P3 ( x3 , y 3 , z 3 ), P4 ( x 4 , y 4 , z 4 ) , est dado por el
1
valor absoluto de D , siendo D el determinante de:
6
x1 y1 z1 1
x2 y2 z2 1
x3 y3 z3 1
x4 y4 z4 1
LGEBRA LINEAL
77
DETERMINANTES
12. Sea
1 2 a
A 1 a 1
0 1 a
a) Determinar los valores de a para que para que A sea invertible.
b) Hallar la inversa de A cuando existe.
LGEBRA LINEAL
78
DETERMINANTES
13. Sea
1 1 1
A 1
3 3 2
a) Determinar el valor de para que A sea invertible.
LGEBRA LINEAL
79
DETERMINANTES
14. Sea
1 3
A 2 3
3 1 2
a) Determinar los valores de para que para que A sea invertible.
b) Hallar la inversa de A cuando existe.
LGEBRA LINEAL
80
DETERMINANTES
15. Dada la matriz
1 a a 2
A 1 b b 2
1 c c 2
a) Hallar A .
b) Encontrar Adj(A) .
c) Calcular A1 .
LGEBRA LINEAL
81
SISTEMAS DE ECUACIONES
Captulo 3
SISTEMAS DE ECUACIONES LINEALES
DEFINICIN
Ecuacin lineal, es una expresin del tipo:
a1 x1 a 2 x 2 a n x n b (1)
donde
x1 = variable
x2 , x3 , xn , = variables libres
b = trmino constante
a, b K
xi K
I. Si a1 0
b a2 a
x1 x2 n xn
a1 a1 a1
II. Si a1 a2 an 0 b 0
Reemplazando en (1)
0 x1 0 x 2 0 x n b
0b
Para ningn valor se verifica la igualdad anterior. La ecuacin (1) es
inconsistente, por lo tanto, no tiene solucin, o se dice que CS
LGEBRA LINEAL
82
SISTEMAS DE ECUACIONES
III. Si a1 a2 an 0 b 0
De (1)
0 x1 0 x 2 0 x n 0
00
Se obtiene una identidad
La ecuacin (1) se cumple para todos los valores de xi .
DEFINICIN
Los sistemas de ecuaciones lineales son expresiones del tipo:
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2 2n n 2
(1)
am1 x1 am 2 x2 amn xn bm
Observaciones
LGEBRA LINEAL
83
SISTEMAS DE ECUACIONES
SISTEMAS DE ECUACIONES
INCONSISTENTE CONSISTENTE
NO HOMOGNEO HOMOGNEO
SISTEMAS EQUIVALENTES
Son aquellos sistemas que tienen las mismas soluciones.
Para obtener un sistema equivalente de uno dado, se pueden realizar las siguientes
operaciones:
1. Intercambiar ecuaciones ( Ei E j ) .
LGEBRA LINEAL
84
SISTEMAS DE ECUACIONES
Del sistema (1),
A X B
Observaciones
1. A todo sistema AX B le corresponde la matriz ampliada (2).
2. De toda matriz ampliada (2) se puede escribir el sistema AX B
correspondiente.
3. Si la matriz ampliada ( A B ) es equivalente a la matriz ampliada ( C D ), los
sistemas AX B y CX D son equivalentes.
MTODOS DE RESOLUCIN
Para resolver sistemas de ecuaciones se utilizarn los mtodos de Gauss (o de la
triangulacin), Gauss-Jordan y Cramer, los mismos que se detallan a continuacin.
LGEBRA LINEAL
85
SISTEMAS DE ECUACIONES
MTODO DE GAUSS
Consiste en encontrar una matriz ampliada escalonada equivalente por filas a la matriz
correspondiente al sistema original, se escribe el sistema equivalente conforme a la
matriz escalonada y se resuelve el sistema as obtenido. Si la matriz A tiene fila de
ceros y la matriz ( A B ) no tiene fila de ceros, el sistema es inconsistente.
MTODO DE GAUSS-JORDAN
Consiste en encontrar una matriz ampliada escalonada reducida por filas equivalente
por filas a la matriz correspondiente al sistema original, se escribe el sistema
equivalente ajustado a la matriz escalonada reducida por filas y se resuelve el sistema
as obtenido.
MTODO DE CRAMER
Este mtodo sirve para resolver sistemas que tienen el mismo nmero de incgnitas que
de ecuaciones.
TEOREMA DE CRAMER
Sea un sistema de ecuaciones nxn donde:
A es matriz de los coeficientes
xi es la fila i-sima de X (matriz de las variables)
DEMOSTRACIN
Se expresa el sistema en forma matricial.
AX B
De acuerdo a la hiptesis:
A 0
LGEBRA LINEAL
86
SISTEMAS DE ECUACIONES
A es invertible y existe A 1
A( A 1 X ) A 1 B
X A 1 B
adjA.B
X
A
siendo
Fi (adjA.B)
xi
A
Se calcula Ai
LGEBRA LINEAL
87
SISTEMAS DE ECUACIONES
Desarrollando por cofactores de acuerdo a la i-sima columna:
Fi (adjA.B) Ai
xi
A A
Sntesis
Si A M n con A 0 , entonces AX B tiene como solucin nica:
b1 a12 a1n
1 b2 a22 a2 n
x1
A
bn an 2 ann
a11 b1 a1n
1 a21 b2 a2 n
x2
A
an1 bn ann
a11 a12 b1
1 a21 a22 b2
xn
A
an1 an 2 bn
Observacin
x
Ejemplo
Resolver usando el mtodo de Cramer
x1 x 2 x3 2
2 x1 x 2 2 x3 1
3x x x 0
1 2 3
LGEBRA LINEAL
88
SISTEMAS DE ECUACIONES
Solucin:
1 1 1
A 2 1 2 12 0 el sistema es de Cramer
3 1 1
2 1 1
1 1 2
0 1 1 1
x1
12 2
1 2 1
2 1 2
3 0 1 5
x2
12 3
1 1 2
2 1 1
3 1 0 1 1 5 1
x3 CS , ,
12 6 2 3 6
Resumen
En ciencia y tecnologa existe una gran variedad de situaciones que pueden expresarse
en trminos matemticos mediante sistemas de ecuaciones lineales, o bien acercarse a
un sistema de este tipo, de ah el inters de su estudio.
Una vez que se ha planteado un sistema lineal de ecuaciones, se delinean tres cuestiones
importantes. La primera de ellas es conocer si tiene o no solucin, la segunda es la
unicidad de la misma y, por ltimo, el clculo de la solucin cuando existe.
A las dos primeras cuestiones da respuesta el teorema de Rouch-Frbenius, tal como se
ilustra en este captulo. En este punto del estudio es importante tomar en cuenta tambin
las propiedades que presentan los conjuntos de soluciones de los sistemas lineales
homogneos y no homogneos.
La cuestin referente al clculo de las soluciones tiene mltiples respuestas, ya que
existen diversos mtodos para determinarlas. Entre ellos, cabe destacar el mtodo de
triangulacin de Gauss y la regla de Cramer.
LGEBRA LINEAL
89
SISTEMAS DE ECUACIONES
PROBLEMAS PROPUESTOS
1. Resolver
2 x1 x2 3 x3 5
a) 3 x1 2 x2 2 x3 6
5 x1 3 x2 x3 16
2 x1 3 x2 2 x3 5
b) x1 2 x2 3 x3 2
4 x1 x2 4 x3 1
x1 ax2 1
c) x2 x3 2
x x x 2
1 2 3
LGEBRA LINEAL
90
SISTEMAS DE ECUACIONES
1 i x1 2 i x2 5
d)
2 2i x1 ix2 1 2i
Usar el mtodo de Cramer
x1 2 x2 3 x3 2 x4 2
e) 2 x1 5 x2 8 x3 6 x4 5
3 x 4 x 5 x 2 x 4
1 2 3 4
x1 2 x2 2 x3 2
3 x 2 x x 5
1 2 3
f)
2 x1 5 x2 3 x3 4
x1 4 x2 6 x3 0
LGEBRA LINEAL
91
SISTEMAS DE ECUACIONES
x1 5 x2 4 x3 13 x4 3
g) 3 x1 x2 2 x3 6 x4 2
2 x 2 x 3 x 4 x 1
1 2 3 4
LGEBRA LINEAL
92
SISTEMAS DE ECUACIONES
x1 x2 kx3 2
b) 3 x1 4 x2 2 x3 k
2 x 3 x x 1
1 2 3
x1 3 x3 3
c) 2 x1 kx2 x3 2
x 2 x kx 1
1 2 3
LGEBRA LINEAL
93
SISTEMAS DE ECUACIONES
3. Determinar los valores de para que el sistema
( 1) x1 x2 x3 1
2 x1 ( 1) x2 2 x3 2 3
x1 2 x2 ( 1) x3
a) Tenga solucin nica. Hallarla
b) Tenga ms de una solucin. Hallarlas
c) No tenga solucin.
LGEBRA LINEAL
94
SISTEMAS DE ECUACIONES
4. Determinar los valores de para que el siguiente sistema:
x1 x2 x3
2 x1 x2 x3 0
x1 2 x2 x3
2
LGEBRA LINEAL
95
SISTEMAS DE ECUACIONES
5. Determinar los valores de a y b para que el siguiente sistema:
x1 x2 x3 1
2 x1 (3 a ) x2 (2 a ) x3 1
3 x 3 x2 (4 2a ) x3 3 b
1
a) Tenga solucin nica. Hallarla.
b) Tenga ms de una solucin. Hallarlas.
c) No tenga solucin.
LGEBRA LINEAL
96
SISTEMAS DE ECUACIONES
6. Determinar los valores de a y b para que el siguiente sistema:
x1 x2 x3 3
x1 x2 x3 1
2 x ax3 b
1
a) Tenga solucin nica. Hallarla
b) Tenga ms de una solucin. Hallarlas.
c) No tenga solucin.
LGEBRA LINEAL
97
SISTEMAS DE ECUACIONES
7. Determinar los valores m para que el siguiente sistema:
(2m 2) x1 (m 1) x2 (m 3) x3 2m 2
(m 1) x2 (m 1) x3 0
x2 x3 m 1
mx1
LGEBRA LINEAL
98
SISTEMAS DE ECUACIONES
8. Determinar los valores m para que el siguiente sistema
(m 2) x1 x2 x3 m 1
mx1 (m 1) x2 x3 m 1
(m 1) x (m 1) x3 m 1
1
LGEBRA LINEAL
99
SISTEMAS DE ECUACIONES
9. Determinar los valores de a para que el sistema
2a 2x1 a 1x2 a 3x3 2
a 1x2 a 1x3 0
2 x1 x2 x3 1
a) Tenga solucin nica. Hallarla
b) Tenga ms de una solucin. Hallarlas
c) No tenga solucin.
LGEBRA LINEAL
100
SISTEMAS DE ECUACIONES
10. Determinar los valores a , b , c y k para que el sistema
x1 x2 x3 1
ax1 bx2 c x3 k
2
a x1 b x2 c x3 k
2 2 2
LGEBRA LINEAL
101
ESPACIOS VECTORIALES
Captulo 4
ESPACIOS VECTORIALES
DEFINICIN
v) u, v V | u v v u Axioma de conmutatividad
2. K , u V | u V Axioma de clausura
EJEMPLOS
1. R , R,, es el espacio vectorial de las n plas de nmeros reales.
n
R n a1 , a2 , , an ai R, i 1,2, , n
Si R , u , v R n , u a1 , a2 ,, an , v b1 , b2 ,, bn se definen
u v a1 b1 , a2 b2 ,, an bn y u a1 , a2 , , an
LGEBRA LINEAL
102
ESPACIOS VECTORIALES
2. M mxn , R,, es el espacio vectorial de todas las matrices mxn .
Observaciones
1. Los elementos de V se llaman vectores, los elementos de K se llaman
escalares.
2. La operacin (+) se llama suma vectorial, la operacin ( ) se llama
multiplicacin por un escalar.
3. El vector 0V se llama vector nulo o vector cero.
TEOREMA 1
Sea V , K ,, un espacio vectorial
K , u, v, w K se cumple que:
a) uvvwu w
b) 0.u Ov
c) .OV OV
d) .u OV 0 u OV
e) ( .u ) (u ) ( .u )
DEMOSTRACIONES
LGEBRA LINEAL
103
ESPACIOS VECTORIALES
a) u 0V u Axioma del neutro
Axioma reflexivo
(0 V 0 V ) 0 V Axioma reflexivo
0 u 0V
1
K , tal que, 0,
0V 0V Hiptesis
1 1
u 0V
1.u 0V Axioma del inverso
u 0V
Lo que contradice la suposicin
0 u 0V
LGEBRA LINEAL
104
ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES
Sean V y S dos espacios vectoriales definidos en el campo K , entonces S es un
subespacio vectorial de V , si y slo si, S V . De hecho, todos los espacios vectoriales
tienen subconjuntos que tambin son espacios vectoriales. Grficamente se tiene
V
S
TEOREMA 2
Sea V , K , , un espacio vectorial, S V , S ,
DEMOSTRACION
1) ""
Se cumple pues S V
2. ""
P.D. S , K , , es un espacio vectorial
S , es un grupo conmutativo
a) u, v S | u v S Axioma de clausura
Si cumple
b) u, v, w S | (u v) w u (v w) Axioma de asociatividad
Si cumple
c) !e S , u S | e u u e (e 0 v ) Axioma del neutro aditivo
P.D. e 0V S
Si 0
LGEBRA LINEAL
105
ESPACIOS VECTORIALES
u 0u
u 0 V
0V S
Si cumple
d) u S , ! u , S | u u , u , u e Axioma del inverso aditivo
P.D. u , u S
Si 1
u 1.u
u u
es decir,
uS
Si cumple
e) u, v V | u v v u
Si cumple
Puesto que S V se cumplen las propiedades de los espacios vectoriales.
Si S es espacio vectorial y S V , entonces S es subespacio vectorial de V.
Observacin
0V pertenece a todo subespacio vectorial de V .
Corolario
S V , si S es subespacio vectorial de V , entones se cumple que:
1. 0V S , S
2. K , u, v S | u v S
COMBINACIN LINEAL
Sean V , K , , un espacio vectorial, T V ,
T t1 , t 2 , t n
LGEBRA LINEAL
106
ESPACIOS VECTORIALES
CONJUNTO GENERADOR
Sean V , K , , un espacio vectorial, S V , S s1 , s 2 , s n , u V .
CPSULA LINEAL
Sean V , K , , un espacio vectorial, S V , S , S s1 , s 2 , s n
S v V | v 1s1 2 s2 n sn , i K
TEOREMA 3
Sean V , K , , un espacio vectorial, S V , S
DEMOSTRACION
1. 0v S y S
u S
Sea 0 K
u 0 V
0u 0V
0v S
2. u , v S | u v S
u 1 s1 2 s 2 n s n
v 1 s1 2 s 2 n s n
u v ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
uv S
LGEBRA LINEAL
107
ESPACIOS VECTORIALES
3. K , u S | u S
u 1 s1 2 s 2 n s n
u 1 s1 2 s 2 n s n
i i
u 1 s1 2 s 2 n s n
u S
TEOREMA 4
Sean V , K , , un espacio vectorial, S1 S 2 V
1. Si S1 es linealmente dependiente., entonces S 2 tambin lo es.
2. Si S 2 es linealmente intependiente., entonces S1 tambin lo es.
DEMOSTRACION
1 S1 s1 , s2 ,, sn
S 2 s1 , s2 ,, sr
LGEBRA LINEAL
108
ESPACIOS VECTORIALES
Si S1 es linealmente dependiente, 1 0 , tales que:
1s1 2 s2 n sn 0v
Se puede escribir que:
1s1 2 s2 n sn 0.sn 0.sr 0v ,
donde no todos los coeficientes son cero.
S 2 es linealmente dependiente
2. Por contradiccin:
Se supone que S1 es linealmente dependiente
S1 es linealmente dependiente S1 S 2
S 2 es linealmente dependiente
Lo que contradice la suposicin.
S1 es linealmente independiente.
TEOREMA 5
Sean V , K , , un espacio vectorial, S V .
S es linealmente dependiente si y slo si si S , tal que,
DEMOSTRACION
1. ""
Si S es linealmente dependiente, entonces i 0 , tales que:
1 s1 2 s 2 i si n s n 0V , es decir,
i si 1 s1 2 s 2 n s n
Despejando si
si 1 s1 2 s 2 n s n
Por lo tanto:
si es combinacin lineal de los restantes vectores.
LGEBRA LINEAL
109
ESPACIOS VECTORIALES
2. ""
Sea si S , tal que, es combinacin lineal de los restantes vectores de S ,
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n (1)
si si (2)
Sumando (1) y (2) y reordenando
1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n 0V
S es linealmente dependiente.
TEOREMA 6 EL WRONSKIANO
x D f , S f1 , f 2 ,, f n es linealmente independiente si y slo
si x D f , tal que:
f1 f2 fn
f1' f2 ' fn '
W f1, f 2 ,, f n 0
f1( n 1) f 2( n 1) f n ( n 1)
DEMOSTRACION
a) ""
Por contradiccin
Se supone que W 0 , entonces
Una fila o columna de W es combinacin lineal de las restantes, por ejemplo:
f1 2 f 2 n f n , es decir, S es linealmente dependiente.
Lo que contradice la suposicin.
W 0
b) ""
Por contradiccin:
Se supone que S es linealmente dependiente, entonces
Una fila o columna de W es combinacin lineal de las restantes, es decir,
W 0 , lo que contradice la suposicin
Por lo tanto S es linealmente independiente.
LGEBRA LINEAL
110
ESPACIOS VECTORIALES
BASE
DEFINICION
Sean V , K , , un espacio vectorial y S V ,
S es una base de V , si y slo si:
1. S genera a V , y
2. S es linealmente independiente.
TEOREMA 7
Sean V , K , , un espacio vectorial y S V ,
Si S s1 , s 2 , s n es una base del espacio vectorial V , entonces todo
vector de S se puede expresar de una y solo una manera como
combinacin lineal de los vectores de S. La combinacin lineal es
nica.
DEMOSTRACION
Sea u V
Se supone que la combinacin lineal no es nica, es decir,
u 1 s1 2 s 2 n s n (1)
u 1 s1 2 s 2 n s n (2)
i i
Restando (1) y (2)
u (u ) ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
0V ( 1 1 ) s1 ( 2 2 ) s 2 ( n n ) s n
Si S es base de V , entonces S es linealmente independiente,
i i 0 ,
i i
LGEBRA LINEAL
111
ESPACIOS VECTORIALES
Lo que contradice la suposicin.
Por lo tanto: la combinacin lineal es nica.
TEOREMA 8
Sean V , K , , un espacio vectorial y S V ,
Si S es un conjunto finito de vectores no nulos que genera a V
entonces, S contiene a una base T de V .
DEMOSTRACION
a) Si S es linealmente independiente, entonces es base de V. //
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n (1)
S1 genera a V?
Sea u V
u es combinacin lineal de S
u 1 s1 2 s 2 i 1 si 1 i si i 1 si 1 n s n (2)
Se sustituye (1) en (2)
u 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n , es decir,
S1 es generador de V .
LGEBRA LINEAL
112
ESPACIOS VECTORIALES
TEOREMA 9
Sean V , K , , un espacio vectorial y S , T V ,
S s 1 , s 2 , , s n , es una base de V , y
T t1 , t 2 , , t r es un conjunto linealmente independiente de V ,
entonces n r . Esto es, todo conjunto linealmente independiente no
tiene ms que n vectores.
DEMOSTRACION
Se supone que:
nr
Si S genera a V
t i es combinacin lineal de S
t i 1 s1 2 s 2 n s n
Se despeja s n 0V
(En caso contrario, si se despeja otro)
t i 0V a n 0
1 1
s n t1 ( 1 s1 2 s 2 n 1 s n 1 )
an an
S1 s1 , s 2 , , s n1 , t1 genera a V
t 2 es combinacin lineal de S1
t 2 1 s1 2 s 2 n 1 s n 1 t1
t 2 0V
si 1 n 1 0
t 2 t1 , entonces
T es linealmente independiente
Lo que contradice la suposicin.
Por lo tanto debe(n) existir algn(nos) i 0
n 1 0
En caso contrario se elige otro
LGEBRA LINEAL
113
ESPACIOS VECTORIALES
1 1
s n 1 t 2 ( 1 s1 2 s 2 n 2 s n 2 )
n 1 n 1
de donde,
S 2 s1 , s 2 , , s n 2 , t1 , t 2 genera a V
Repitiendo el proceso n veces, se encuentra el conjunto
S n t1 , t 2 , , t n que es base de V , pues genera y es linealmente independiente
(Teorema 4).
Si r n
t n 1 1t1 2 t 2 n t n , entonces
T es linealmente dependiente
Lo que contradice la suposicin.
Por lo tanto:
nr.
TEOREMA 10
Sean V , K , , un espacio vectorial, S , T V ,
S s 1 , s 2 , , s n , es una base de V , y
T t1 , t 2 , , t r es otra base de V , entonces
nr
DEMOSTRACION
Si S es base de V y T es linealmente independiente, n r (Teorema 9)
Si T es base de V y S es linealmente independiente, n r (Teorema 9)
Se concluye que n r .
Es decir, las diferentes bases de un mismo espacio vectorial tienen igual nmero de
vectores.
Corolario
Si S es base de V y tiene n vectores, un conjunto con n 1 vectores es linealmente
dependiente.
LGEBRA LINEAL
114
ESPACIOS VECTORIALES
DEFINICIN
Las coordenadas de un vector u V , respecto a una base dada S , son
los escalares que sirven para expresar u como combinacin lineal de
S , as:
u 1 s1 2 s 2 n s n
1
u S 2 , es el vector coordenadas de u respecto a S .
n
DIMENSIN
Sean V , K , , un espacio vectorial, S V , S s 1 , s 2 , , s n , es una base
de V , entonces la dimensin de V es igual a n , y se nota por dim V n . La
dimensin de espacio vectorial trivial se considera cero, esto es, dim 0V 0 .
DIMENSIN FINITA
Un espacio vectorial V es de dimensin finita si y slo si la base de V tiene un finito
nmero de vectores.
Ejemplos: R n , C n , Pn , M mn .
DIMENSIN INFINITA
Un espacio vectorial V es de dimensin infinita si y slo si la base de V tiene un
infinito nmero de vectores.
Ejemplo: P el espacio vectorial de todos los polinomios.
TEOREMA 11
Sean V , K , , un espacio vectorial, dim V n , S V ,
S s 1 , s 2 , , s n , entonces
Si S es linealmente independiente, S es una base de V .
LGEBRA LINEAL
115
ESPACIOS VECTORIALES
DEMOSTRACION
Por contradiccin
Se supone que S no es base de V ,
Si S no es base, entonces S no genera a V
u V tal que no es combinacin lineal de S ,
S s1 , s 2 ,, s n , u es linealmente independiente
TEOREMA 12
Sean V , K , , un espacio vectorial, dimV n , S V ,
S s 1 , s 2 , , sn
Si S es generador de V , entonces S es una base de V .
DEMOSTRACION
Por contradiccin
Se supone que S no es base de V ,
Si S no es base, entonces S es linealmente independiente (Teorema 9)
si S , que es combinacin lineal de los restantes,
S1 S si
si 1 s1 2 s 2 i 1 si 1 i 1 si 1 n s n
2. Si S1 es linealmente dependiente,
S 2 S1 Si 1
LGEBRA LINEAL
116
ESPACIOS VECTORIALES
Si S 2 es linealmente independiente, es base y dim V n 2
Lo que contradice la suposicin.
Por lo tanto S es base de V .
TEOREMA 13
Sean V , K , , un espacio vectorial, dim V n , S es un conjunto
de vectores linealmente independientes, entonces existe una base T
de V que contiene a S .
DEMOSTRACION
S s1 , s 2 ,, s j
S1 s1 , s 2 ,, s j , u es linealmente independiente
TEOREMA 14
Sean V , K , , y W , K ,, espacios vectoriales de dimensin
finita, si W es subespacio vectorial de V , entonces se cumple que
dim W dim V
LGEBRA LINEAL
117
ESPACIOS VECTORIALES
DEMOSTRACION
Si W es subespacio vectorial de V ,
W V , es decir,
W V W V
1. Si W V , dim W dim V
2. Si W V , u V t.q. u W ,
Una base de W tiene menor nmero de vectores que una base de V,
dim W dim V
Por lo tanto dim W dim V .
TEOREMA 15
Sea V , K , , un espacio vectorial. La interseccin de cualquier
coleccin de subespacios vectoriales de V , es un subespacio
vectorial de V , es decir, si V1 , V2 , , Vn , son subespacios vectoriales
de V , entonces
n
W Vi , es subespacio vectorial de V .
i 1
DEMOSTRACION
1. 0v W
0v W
2. u, v W u v W
n
u Vi , u Vi , i 1,2,, n
i 1
n
v Vi , v Vi , i 1,2,..., n
i 1
n
u v Vi
i 1
u v W
LGEBRA LINEAL
118
ESPACIOS VECTORIALES
3. K , u W .u W
n
u W , entonces u Vi
i 1
n
u Vi , entonces u Vi
i 1
n
u V , entonces u W .
i 1
DEFINICIN
Sean V1 , V2 , , Vn subespacios vectoriales del espacio vectorial
V1 V2 Vn v v1 v2 vn v1 V1 , v2 V2 , , vn Vn
TEOREMA 16
Sean V , K , , un espacio vectorial, y W1 y W 2 subespacios
TEOREMA 17
Sean V , K , , un espacio vectorial, y W1 y W 2 subespacios
W1 W2 B1 B2
DEFINICIN
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
W1 W2 v V !v1 W1 !v2 W2 , v v1 v2
LGEBRA LINEAL
119
ESPACIOS VECTORIALES
TEOREMA 18
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios
vectoriales de dimensin finita de V .
U W1 W2 , si y slo si U W1 W2 y W1 W2 0V .
DEMOSTRACION
u1 W 2 , v 2 W 2 v u 2 v 2
u1 v1 u 2 v 2
u1 u 2 v 2 v1
u1 u 2 W1 W2 0V
v1 v 2 W1 W2 0V
u1 u 2 0V
u1 u 2
v1 v 2 0V
v1 v 2
Corolario
Sean V , K , , un espacio vectorial y U , W1 y W2 , subespacios vectoriales de
dimensin finita de V , entonces
dimW1 W2 dim W1 dim W2
TEOREMA 19
Sean V , K , , un espacio vectorial, y W1 un subespacio vectorial
de V . entonces existe un subespacio (complemento) W 2 del espacio
vectorial de V tal qu V W1 W 2 .
LGEBRA LINEAL
120
ESPACIOS VECTORIALES
DEMOSTRACION
1. W1 V
W2 0V
W1 W2 0V V W1 W 2 .
2. W1 V
S1 W1
S 2 v r 1 , , v r , donde v j S1 , j r 1,..., n
S 2 W2
W1 W2 0V
W1 W2 v1 , v 2 , , v r , v r 1 , , v n
S1 S 2 v1 , v 2 , , v r , v r 1 , , v n
W1 W2 V S1 S 2 V , entonces
V W1 W 2 .
Ejercicio
Sea W1 ax 3 bx 2 cx d P3 x a 2b c d b c subespacio vectorial de
TEOREMA 20
Sean W1 y W 2 subespacios vectoriales de dimensin finita de un
LGEBRA LINEAL
121
ESPACIOS VECTORIALES
DEMOSTRACION
W1 W2
Sea S u1 , u 2 , , u k base de W1 W2
S1 S 2 tiene k m n vectores
S1 S 2 genera a W1 W2 (Definicin)
P.D. S1 S 2 es linealmente independiente
k n m
iui i vi i wi 0v (1)
i 1 i 1 i 1
Reordenando
m k n
( i wi ) iui i vi W1
i 1 i 1 i 1
m
( w ) W
i 1
i i 2
( w ) W
i 1
i i 1 W2
m k
( i wi ) i ui
i 1 i 1
Reordenando
k m
i u1 i w1 0V
i 1 i 1
i 0, i 1,2, , m
i u1 i vi 0V
i 1 i 1
i 0, i 1,2, , k
LGEBRA LINEAL
122
ESPACIOS VECTORIALES
i 0, i 1,2, , n
dim W1 dim W2 ( k n) ( k m)
dim W1 dim W2 ( k n m) k
TEOREMA 21
Sean W1 y W 2 subespacios vectoriales de dimensin finita de un
espacio vectorial V , K , , .
W2 W1 .
DEMOSTRACION
a) ""
Por contradiccin
Se supone que:
W1 W2 W2 W1
u1 u1 W1 u1 W2
u 2 u 2 W2 u 2 W1
u1 W1 W1 W2
u 2 W2 W1 W2
u1 , u 2 W1 W2 que es subespacio vectorial
u1 u 2 W1 W2 , entonces
u1 u 2 W1 u1 u 2 W2
1. Si u1 u 2 W1
u1 W1 u1 W1
u1 u1 u 2 W1
u 2 W1
LGEBRA LINEAL
123
ESPACIOS VECTORIALES
Lo que contradice la suposicin.
2. Si u1 u 2 W2
u 2 W 2 u 2 W 2
u 2 u1 u 2 W 2
u1 W 2
Lo que contradice la suposicin.
b) ""
W1 W2
W1 W2 que es subespacio vectorial
Por lo tanto
W1 W2 es subespacio vectorial de V si y slo si W1 W2 W2 W1
CAMBIO DE BASE
En este apartado se estudia la relacin entre dos vectores coordenadas para el mismo
vector, respecto a bases diferentes.
S s1, s 2 ,, s n
T t1 , t 2 , , t n
v V
v 1 s1 2 s 2 n s n (I)
v 1 t1 2 t 2 n t n (II)
LGEBRA LINEAL
124
ESPACIOS VECTORIALES
s1 a11t1 a12 t 2 a1n t n (1)
s 2 a 21t1 a 22 t 2 a 2 n t n (2)
s n a n1t1 a n 2 t 2 a nn t n (n)
a11
a
s1 T 21
a
n1
a12
a 22
s 2 T
a
n2
a1n
a2n
s n T
a
nn
PS T S1 T S 2 T S n T
En forma desarrollada
LGEBRA LINEAL
125
ESPACIOS VECTORIALES
Sustituyendo (1),(2),,(n) en (I) e igualando a (II)
n (a n1t1 a n 2 t 2 a nn t n )
Reordenando
an11 an 2 2 ann n tn
Escribiendo matricialmente
1 a11 a12 a1n 1
2 a 21 a 22 a2n 2
a a nn n
n n1 an2
O tambin
v T PS T v S
Similarmente
v S QT S v T
Ejemplo
Sean los conjuntos S y T bases ordenadas del espacio vectorial R 3 , tales que
LGEBRA LINEAL
126
ESPACIOS VECTORIALES
u (6, ,3,3) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
2
u T 1
1
v ( 4, ,3,1) 2( 2,0,1) 1(1,2,0) 1(1,1,1)
2
vT 1
1
w (5,2,2) 1( 2,0,1) 2(1,2,0) 1(1,1,1)
1
wT 2
1
La matriz requerida es
2 2 1
P 1 1 2
1 1 1
Resumen
En este captulo se revela y se ensea una parte importante del lgebra Lineal, ya que
se analiza la estructura de espacio vectorial, que es el ambiente de trabajo del que se
parte para la obtencin de los resultados y desarrollos que se vern a continuacin en los
siguientes temas.
Se comenz reflexionando con vectores en el plano y en el espacio considerndolos
como segmentos de rectas orientados, junto con las posibles operaciones que pueden
realizarse entre ellos y sus propiedades. Una vez conocidos los espacios R 2 y R 3 como
conjuntos de vectores, se procedi a generalizar, en un proceso de abstraccin, los
aspectos que los caracterizan, obtenindose as la estructura de un espacio vectorial.
De la definicin de subespacio vectorial W surge de manera inmediata el concepto de
conjunto generador, que permite definir, a partir de un nmero finito de vectores, todos
los elementos de W . Dentro de los conjuntos generadores interesan aquellos que
contienen el menor nmero de elementos y estos pueden encontrarse con ayuda de los
conceptos de dependencia e independencia lineales. Estos conjuntos generadores
mnimos se conocen como las bases de los espacios vectoriales y, el nmero de
elementos que las componen, la dimensin de los mismos.
LGEBRA LINEAL
127
ESPACIOS VECTORIALES
PROBLEMAS PROPUESTOS
ESPACIOS VECTORIALES Y SUBESPACIOS
1. Sea R n el conjunto de n-uplas ordenadas (a1 , a 2 , , a n ) en el campo R , con la
k (a1 , a 2 , , a n ) (ka1 , ka 2 , , ka n )
LGEBRA LINEAL
128
ESPACIOS VECTORIALES
LGEBRA LINEAL
129
ESPACIOS VECTORIALES
3. El conjunto dado con las operaciones dadas no es un espacio vectorial. Qu
propiedades de la definicin no se satisfacen?
a) Los reales positivos sobre los reales con las operaciones + y .
b) El conjunto de las ternas ordenadas de nmeros reales con las
operaciones:
( x, y , z ) ( x , , y , , z , ) ( x x , , y y , , z z , ) , y
r ( x, y, z ) ( x,1, z )
x
c) El conjunto de las matrices M 2x1 tal que , donde x 0 ,
y
con las operaciones usuales en R 3 .
LGEBRA LINEAL
130
ESPACIOS VECTORIALES
4. Sea el espacio vectorial de M 3x1 .
a
2
a) W b a b c 1
2 2
c
a
b) W b a b 1
c
a
c) W b b a 2c
c
Determinar si W es subespacio vectorial de M 3 x1 .
LGEBRA LINEAL
131
ESPACIOS VECTORIALES
5. Determinar si el conjunto W es subespacio vectorial de R 3 .
a)
W ( x, y , z ) e x y 0
b) W ( x, y, z ) y x z
c)
W ( x, y , z ) x z 2
d) W ( x, y, z ) x y 0 2 x z 0
e) W ( x, y, z ) x 2 y z 0
LGEBRA LINEAL
132
ESPACIOS VECTORIALES
6. Determinar si el conjunto W es subespacio vectorial de P2 x
a)
W p( x) ax 2 bx c p(0) p(1) 1
b) W p( x) ax 2
bx c p' (0) p' ' (0) 0
b) W p ( x ) ax 2
bx c b c
c) W p( x) ax 2
bx c p(0) p' (1)
LGEBRA LINEAL
133
ESPACIOS VECTORIALES
7. Sea el espacio vectorial V f : 1,1 R , W V .
Determinar cules de los siguientes conjuntos son subespacios vectoriales de V .
a) W f : 1,1 R f es contnua
b) W f : 1,1 R f es derivable
W f : 1,1 R f ( x)dx 0
1
c)
-1
d) W f : 1,1 R f ( x) f ( x)
e) W f : 1,1 R f (0) 1
2
f) W f : 1,1 R f 12 0
LGEBRA LINEAL
134
ESPACIOS VECTORIALES
COMBINACIONES LINEALES Y CONJUNTOS GENERADORES
1. Dado el espacio vectorial R 2 . Expresar vector u (1 2) como combinacin
lineal de T cuando es posible.
a) T ( 2,1)
b) T (2,1), (1,2)
c) T (3,1), (1, 13 )
LGEBRA LINEAL
135
ESPACIOS VECTORIALES
2. Escribir si es posible el vector u (1,1,4) R 3 como combinacin lineal los
vectores de R 3
a) (1,1,2),((0,0,1)
b) (2,-2,0),(-1,1,2)
c) (3,0,-2),(2,-1,1)
d) (1,1,0),(1,0,1),(0,1,1)
LGEBRA LINEAL
136
ESPACIOS VECTORIALES
3. Determinar si el conjunto de vectores dado genera al espacio vectorial indicado.
a) S (1,1), ( 2,3) . En R 2 .
1 1
c) S 2 , 2 . En M 3x1 .
3 3
d)
S 1 x,3 x 2 , x 2 x 1 . En P2 x .
1 0 1 2 4 1 2 5
e) S , , , . En M 2 x 2 .
1 0 0 0 3 0 6 0
LGEBRA LINEAL
137
ESPACIOS VECTORIALES
4. Hallar la cpsula de S en el espacio vectorial dado.
a) S (1,2,1,2), (0,1,2,3. En R 4 .
b)
S 1 t , 1 t . En P2 t .
2
1
S 2 . En M 3 1 .
x
c)
3
LGEBRA LINEAL
138
ESPACIOS VECTORIALES
5. Para qu valor de el vector (2,2,0) pertenece a la cpsula formada por el
conjunto de vectores B (1,1,1), (3, ,0)?
1 1 1 0 0 1
6. Dado el conjunto de matrices S , ,
0 0 0 1 1 1
a) Calcular S .
b) Encontrar una base para S .
LGEBRA LINEAL
139
ESPACIOS VECTORIALES
1 1
7. Sea el conjunto S 1 , 0 del espacio vectorial M 3x1 .
0 1
a) Hallar S .
1
b) Probar que la matriz F 2 pertenece a S .
3
c) Demostrar que S es subespacio vectorial de M 3x1 .
LGEBRA LINEAL
140
ESPACIOS VECTORIALES
8. En el espacio vectorial indicado determinar el valor de para que el conjunto
de vectores dado sea linealmente independiente y linealmente dependiente.
a) T (1,1,1), (1, 2,0), (4,3 ,4). En R 3 .
1 0 1
b) T 1, 1 , 0 . En M 3x1 .
1 1
c)
S 1 x x 2 , 1 x x 2 , x x 2 . En P2 x .
LGEBRA LINEAL
141
ESPACIOS VECTORIALES
9. Hallar un conjunto linealmente independiente en P2 x que contenga a los
LGEBRA LINEAL
142
ESPACIOS VECTORIALES
11. En el espacio vectorial R 3 demostrar que los vectores 1, a, a 2 , 1, b, b 2 , 1, c, c 2
son linealmente independientes si a b, a c y b c .
LGEBRA LINEAL
143
ESPACIOS VECTORIALES
12. Cules de los siguientes conjuntos de R 3 son linealmente dependientes? Para los
que lo sean expresar uno de los vectores como combinacin lineal de los
restantes (relacin de dependencia).
a) (1,1,0), (3,4,2
b) (1,10), (0,1,1), (1,0,1), (1,2,2)
c) (1,1,0), (0,2,3), (1,2,3), (0,0,0)
LGEBRA LINEAL
144
ESPACIOS VECTORIALES
13. Considerar el espacio vectorial P2 t . Hacer lo mismo que en ejercicio 12.
a) t 2 1, t 2, t 3
b) 2t 2 t, t 2 3, t
c) 2t 2 t 1,3t 2 t 5, t 13
LGEBRA LINEAL
145
ESPACIOS VECTORIALES
14. Sea el espacio vectorial de las funciones continuas de valor real. Hacer lo mismo
que en el ejercicio 12.
a) cos t , sent , e
t
b) t , e , sent
t
LGEBRA LINEAL
146
ESPACIOS VECTORIALES
BASES Y DIMENSION
1. Cules de los siguientes conjuntos forman una base en R 3 ? Expresar el vector
u ( 2,1,1) como una combinacin lineal de los vectores del conjunto que
sea base.
a) (1,1,1), (1,2,3), (0,1,0)
b) (1,0,2), (2,1,3), (2,0,4)
c) (1,1,3), (1,0,1), (1,1,0), (1 1,1)
LGEBRA LINEAL
147
ESPACIOS VECTORIALES
2. Hallar una base de R 3 que incluya a:
a) El vector (1,0,2)
b) Los vectores (1,0,2) , (0,1,3).
LGEBRA LINEAL
148
ESPACIOS VECTORIALES
1 1 0 1
4. Sean las matrices A y B
1 0 1 1
a b
a) Determinar las matrices M , tales que AM MB
c d
b) Demostrar que las matrices M forman un subespacio vectorial de M 2x2
c) Escribir una base de este subespacio vectorial.
d) Determinar la dimensin de este subespacio vectorial.
LGEBRA LINEAL
149
ESPACIOS VECTORIALES
1 1
5. Sea la matriz A
1 1
a b
a) Determinar las matrices M tales que AM O .
c d
b) Demostrar que las matrices M forman un subespacio vectorial de M 2x2
c) Escribir una base de este subespacio vectorial.
d) Determinar la dimensin de este subespacio vectorial.
LGEBRA LINEAL
150
ESPACIOS VECTORIALES
6. Sea W el conjunto de las matrices simtricas de orden 2.
a) Demostrar que W es subespacio vectorial de M 2x 2 .
b) Hallar una base y determinar la dimensin de W .
LGEBRA LINEAL
151
ESPACIOS VECTORIALES
7. Sea el conjunto W del espacio vectorial P2 t
W p (t ) at 2 bt c p (t ) p (1 t )
LGEBRA LINEAL
152
ESPACIOS VECTORIALES
8. Sea el conjunto W del espacio vectorial P2 x
a b c 0
W p ( x ) ax 2 bx c b c 0
2a b c 0
a) Demostrar que W es subespacio vectorial de P2 x .
b) Encontrar una base y la dimensin de W .
LGEBRA LINEAL
153
ESPACIOS VECTORIALES
9. Sea el conjunto W del espacio vectorial M 2x 2
a b a b c 0
W
c d a c d 0
LGEBRA LINEAL
154
ESPACIOS VECTORIALES
10. Dado el subespacio vectorial de P3 x
W p ( x ) ax 3 bx 2 cx d abc
a) Determinar una base B1 de W y su dimensin.
b) El polinomio p( x) x 1 W ?
c) A partir de B1 , completar una base B2 para el espacio vectorial P3 x .
LGEBRA LINEAL
155
ESPACIOS VECTORIALES
11. Sean bases ordenadas de P2 t
B t 2 t 1, t 2,1 , C t 2 , t ,1
a) Hallar p (t ) B si p(t ) t 2t 1
2
1
b) Encontrar p (t ) C si p (t ) B 1
3
LGEBRA LINEAL
156
ESPACIOS VECTORIALES
12. Dados W1 y W 2 los subespacios vectoriales de R 4
a b c 0 a b c d 0
W1 (a, b, c, d ) y W2 (a, b, c, d )
a b d 0 2a c d 0
a) Determinar W1 W2 .
LGEBRA LINEAL
157
ESPACIOS VECTORIALES
13. Dado W1 un subespacio vectorial de R 3 .
W1 (1,2,3), (01,1
a) Hallar W1 explcitamente.
b) Hallar un subespacio vectorial W2 tal que W1 W2 R 3 .
LGEBRA LINEAL
158
ESPACIOS VECTORIALES
14. Sean W1 y W2 subespacios vectoriales de R 2 .
W1 ( x, y ) 2 x 3 y 0
W 2 ( x, y ) 5 x 4 y 0
a) Hallar W1 W2 , W1 W2 y W1 W2 .
b) Establecer si W1 W2 es subespacio vectorial de R 2 .
c) Determinar si R 2 W1 W2 .
LGEBRA LINEAL
159
ESPACIOS VECTORIALES
15. Dados W1 , W2 y W3 subespacios vectoriales de R 3 .
W1 ( x, y , z ) x y z 0
W 2 ( x, y , z ) x z
W3 ( x, y , z ) x 0 y 0
LGEBRA LINEAL
160
ESPACIOS VECTORIALES
16. Dados W1 yW2 subespacios vectoriales de R 3
W1 ( x, y , z ) x y 0
W2 ( x, y , z ) y z 0
a) Calcular W1 W2 , W1 W2 y W1 W2 .
b) Determinar cules de los subconjuntos anteriores son subespacios
vectoriales de R 3 .
c) Comprobar si se verifica que R 3 W1 W2 .
LGEBRA LINEAL
161
ESPACIOS VECTORIALES
17. Dados los sistemas de ecuaciones lineales
x yzw0
x 2 y 4 z 2w 0
2 z y 3 z w 0
x y zw0
2 z 2w 0
LGEBRA LINEAL
162
ESPACIOS VECTORIALES
18. Dados los sistemas de ecuaciones lineales
x y z w 0
a b c 0 x 2z w 0 x y 3z w 0
x 2 y 4 z 4w 0
LGEBRA LINEAL
163
PRODUCTO INTERNO
Captulo 5
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial, un producto interno sobre V ,
es una funcin que asigna a cada par de vectores u, v V , un escalar
(u, v) K y cumple que:
1. u, v V (u, v) (v, u )
2. u V (u , u ) 0 u 0V u 0V
EJEMPLOS
1. Sea ( R n , R,,.) u , v R n
u a1 , a 2 , , a n
v b1 , b2 , , bn
n
(u, v) a1b1 a2b2 anbn ai bi Producto interno usual en Rn
i 1
2. Sea (C n , C ,,.) u , v C n
u z1 , z 2 , , z n
v w1 , w2 , , wn
n
(u, v) z1 w1 z 2 w 2 z n w n z i w i Producto interno usual en C n
i 1
LGEBRA LINEAL
164
PRODUCTO INTERNO
3. Sea M n , R,. A, B M n
4. Sea M n , C ,. A, B M n
7. Sea Pn x , R, ,. p( x), q( x) Pn x
p ( x ) a0 a1x an x n
q ( x ) b0 b1x bn x n
NORMA DE UN VECTOR
Sea el espacio vectorial (V , K ,,)
u V
u (u , u )
Terminologa
u se lee: norma de u .
LGEBRA LINEAL
165
PRODUCTO INTERNO
Observacin. Al referirse a los espacios euclidianos R, R 2 , R 3 , la norma, es un nmero
real que representa la distancia entre el origen y el extremo del vector.
TEOREMAS
Sea (V , K ,,) un espacio vectorial definido con producto interno.
1. Si u 0V , u 0
2. Si u 0V , u 0
u u
3.
(u , v) u v Desigualdad de Cauchy-Schwartz
4.
uv u v Desigualdad triangular
5.
DEMOSTRACIONES
1. Si u 0V , u 0
Si u 0V , (u, u ) 0
Si (u, u ) 0 , (u , u ) 0
Si (u , u ) 0 , u 0
3. u u
u u
( u , u )
2 ( u, u )
2 (u, u )
(u, u )
5. uv u v
uv
2
u v, u v
2
LGEBRA LINEAL
166
PRODUCTO INTERNO
u 2 Re(u, v) v
2 21
u 2 (u, v) v
2 2
u 2u v v
2 2
u v
2
Por lo tanto:
uv u v
TEOREMA 6
Sea (V , K ,,) un espacio vectorial definido con producto interno,
u , v V , u 0V , v 0V K R
DEMOSTRACION
uv u v 2 u v cos
2 2 2
(1)
uv (u v, u v)
2
u 2(u, v) v
2 2
(2)
1
Re( z ) z
Re(u , v ) (u , v ) u v , (Teorema 4)
z z 2 Re( z )
LGEBRA LINEAL
167
PRODUCTO INTERNO
u v 2 u v cos u 2(u, v) v
2 2 2 2
Simplificando:
u v cos (u , v) 2
VECTORES ORTOGONALES
Sea (V , K ,,) un espacio vectorial definido con producto interno, u, v V , u y v son
ortogonales si y solamente s su producto interno es igual a cero, es decir,
(u , v)
cos 0
u v
Observacin.
El vector nulo se considera ortogonal a todo vector v V .
PROYECCIN ORTOGONAL
El vector w es la proyeccin ortogonal de v sobre u si y solamente si (v w, w) 0 .
CLCULO DE w
Segn la figura anterior:
w es paralelo a u , entonces
w u (1)
(v w, w) 0 , pues v w es ortogonal a w .
LGEBRA LINEAL
168
PRODUCTO INTERNO
(v u , u ) 0
(v, u ) (u, u ) 0
(v, u )
(2)
(u , u )
Sustituyendo (2) en (1)
u
w ( v, u ) 2
u
CONJUNTO ORTOGONAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V .
T es un conjunto ortogonal si y solamente s:
u, v T , (u v) (v, u ) 0
Ejemplo
Sea T R 3
T (1,0,0), (0,2,0), (0,0,1) es ortogonal.
TEOREMA 7
Sea (V , K ,,) un espacio vectorial con producto interno, T V
Si T es ortogonal, entonces es linealmente independiente.
DEMOSTRACION
Sea T t1 , t 2 , , t n conjunto ortogonal
1 t1 2 t 2 n t n 0 V
(0 V , t i ) 0 , donde 1 i n
( 1t1 2 t 2 n t n , t i ) 0
i (t i , t i ) 0
i 0
LGEBRA LINEAL
169
PRODUCTO INTERNO
Si i 0 , entonces T es linealmente independiente.
Corolario
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
conjunto ortogonal, entonces se cumple que si T tiene n vectores, T es base ortogonal
de V.
VECTOR UNITARIO
Sea u V . Se dice que u es un vector unitario si su norma es igual a 1.
NORMALIZACIN DE UN VECTOR
Sea u V
u
1
u
CONJUNTO ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , T es
ortogonal, entonces se cumple que: Si u V es unitario, entonces T es ortonormal.
BASE ORTONORMAL
Sea (V , K ,,) un espacio vectorial definido con producto interno, T V , entonces
Si T es conjunto ortonormal y es base de V , entonces T es base ortonormal de V.
Ejemplos
1. Sea el conjunto T R 2
2. Sea el conjunto T R 3
LGEBRA LINEAL
170
PRODUCTO INTERNO
DEMOSTRACION
1. DimW 2
A partir de S s1 , s 2 , se construye una base T t t ,t 2 ortogonal.
Si s1 t1
t 2 1 s1 2 s 2 (1)
(t 2 , s1 ) ( 1 s1 2 s 2 , t1 )
( 1t1 2 s 2 , t1 )
t2 ,t1 1 (t1 , t1 ) 2 ( s 2 , t1 )
0
0 1 (t1 , t1 ) 2 ( s 2 , t1 )
( s 2, t1 )
1 2 (2)
(t1 , t1 )
Sustituyendo (2) en (1)
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
2. DimW 3
Se repite el proceso anterior
A partir de S s1 , s 2 , s3 , se construye una base T t t , t 2 , t 3 ortogonal
t 3 1 t1 2 t 2 3 s 3 (1)
(t 3 , t1 ) ( 1t1 2 t 2 3 s3 , t1 )
LGEBRA LINEAL
171
PRODUCTO INTERNO
0 1 t1 , t1 2 t2 , t1 3 s3 , t1 ,
0
de donde:
( s 3 , t1 )
1 3 (2)
(t1 , t1 )
(t 3 , t 2 ) ( 1t1 2 t 2 3 s3 , t 2 )
0 1 t1 , t2 2 t2 , t2 3 s3 , t2
0
( s3 , t 2 )
2 3 (3)
(t 2 , t 2 )
Sustituyendo (2) y (3) en (1)
(s , t ) (s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 ) (t1, t1 )
PRODUCTO CRUZ EN R3
Sean u, v R 3 tales que u a1 , a 2 , a3 y v (b1 , b2 , b3 ) , el producto cruz entre u y v
se define por:
a2b3 a3b2
uxv a3b1 a1b3
ab a b
1 2 2 1
LGEBRA LINEAL
172
PRODUCTO INTERNO
Ejemplo
Sea el espacio vectorial R 4 . S R 4 . S s1 , s2 , s3 base de R 4 .
Primero se considera t1 s1
(s , t )
t 2 2 s 2 2 1 .t1
(t1 , t1 )
2
t 2 2 (1,1,1,1) (1,1,1,1)
4
1
t 2 2 (1,1,1,1) (1,1,1,1)
2
2 2
2
t 2 2(1,1,1,1) (1,1,1,1) (3,1,1,1)
4
(s , t ) (s , t )
t3 3 s3 3 2 .t2 3 1 .t1
(t2 , t2 ) (t1, t1)
2 2
t 3 3 (1,1,1,1) (3,1,1 1) (1,1,1,1)
12 4
1 1
t 3 3 (1,1,1,1) (3,1,1 1) (1,1,1,1)
6 2
6
2
4
6 1 1
t3 (1,1,1,1) (3,1,1 1) (1,1,1,1)
4 6 2
t 3 (0,1,1,2)
t1 4 t 2 12 2 3 t3 6
1 1 1
T* (1,1,1,1), (3,1,1,1), (0,1,1,2 es base ortonormal.
4 2 3 6
LGEBRA LINEAL
173
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial definido con producto interno
y W un subespacio vectorial de V . Un vector de V es ortogonal al
subespacio vectorial W si es ortogonal a cada uno de los elementos
de W .
Ejemplo
Sea el espacio vectorial R 3 .
a) Hallar el conjunto W de todos los vectores ortogonales a u 5,3 2 .
b) Demostrar W que es subespacio vectorial de V .
c) Hallar una base de W y su dimensin.
Solucin:
a)
W v x, y, z R3 : v, u 0
v, u 5 x 3 y 2 z 0
2
W v x, y, z R3 : x y z
3
5 5
b) i. 0 W
R3
r,0 0
R3
ii. R, v, w W | v w W
u , v w u , v u , w
u , v w u , v u , w
u , v w 0
Por i. y ii. W es subespaio vectorial de R 3 .
c) Clculo de una base de W :
3 2
v y z , y, z
5 5
3 2
v y ,1,0 z ,0,1
5 5
B 3,5,0 , 2,0,5 es base de W
Dim W 2
LGEBRA LINEAL
174
PRODUCTO INTERNO
DEFINICIN
Sean (V , K ,,) un espacio vectorial definido con producto interno
y W un subespacio vectorial de V . El subespacio ortogonal de V
notado por W se define por:
W u V : w W , u, w 0
Ejemplo
Sea el espacio vectorial R 4 . W R 4
W u x, y, z, w R 4 : x y 3z w 0
a) Hallar W .
b) Demostrar que R 4 W W .
Solucin:
a) u y 3 z w , y , z , w
B es base de W
W v x' , y' , z ' , w' R 4 : v, u 0
W se obtiene de : v, u1 0 , v, u2 0 , v, u3 0
De donde
x' y ' 0 y ' x'
3 x' z ' 0 z ' 3 x'
x' w' 0 w' x'
W v x' , y' , z ' , w' R 4 : y' x' , z ' 3x' , w' x`'
tambin: v x ' , x ' ,3 x ' , x ' x ' 1,1,3,1
W 1,1,3,1
b) Se deja como ejercicio.
LGEBRA LINEAL
175
PRODUCTO INTERNO
PROBLEMAS PROPUESTOS
1. Sea el espacio vectorial P1 t , p (t ), q (t ) P1 t , tales que p (t ) a1t a0 y
producto interno en P1 t .
LGEBRA LINEAL
176
PRODUCTO INTERNO
interno en R3 .
LGEBRA LINEAL
177
PRODUCTO INTERNO
3. Sea el espacio vectorial S de las matrices simtricas de orden 2.
a) Demostrar que A, B Tr ( AB ) define un producto interno en S .
1 3 0 8 2 1
b) Sean las matrices A , B , C
3 4 8 0 1 3
Hallar ( A, B ), ( B, C ), ( 4 A 5C , B ), A , B C
LGEBRA LINEAL
178
PRODUCTO INTERNO
4. Sea V un espacio vectorial definido con producto interno, probar que u, v V ,
uv uv 2u 2v
2 2 2 2
LGEBRA LINEAL
179
PRODUCTO INTERNO
6. En el espacio vectorial R 2 , determinar:
a) x , tal que (3,2) y (1, x +2) sean ortogonales.
b) t , tal que u (t ) (1 t ,2t 2) sea unitario, t R .
LGEBRA LINEAL
180
PRODUCTO INTERNO
8. Dada la base B del espacio euclidiano R 3
B (1,01), (0,1,1), (1,1,0)
Utilizar el proceso de Gram-Schmidt para obtener, una base ortonormal.
LGEBRA LINEAL
181
PRODUCTO INTERNO
9. Dada la base B del espacio euclidiano R 3
B (1,01), (0,1,11), (0,0,1)
Utilizar el proceso de Gram-Schmidt para obtener, una base ortonormal.
LGEBRA LINEAL
182
PRODUCTO INTERNO
10. Sea W subespacio vectorial de las funciones reales, tal que
W f : 1,1 R f contnua
S W , un conjunto linealmente independiente, donde S 1, t , t 2 . A partir
1
de S encontrar un conjunto ortonormal de W , si f , g f (t ).g (t ).dt , define
1
un producto interno en el espacio vectorial de las funciones reales en el intervalo
dado.
LGEBRA LINEAL
183
PRODUCTO INTERNO
a) W ( x, y , z ) 2 x y 2 z 0
b) W ( x, y , z ) x 2 y z 0
c) W (1,1,1), (1,2,3)
LGEBRA LINEAL
184
PRODUCTO INTERNO
12. Sea W subespacio vectorial del espacio vectorial R 3
W ( a, b, c ) a b c 0
LGEBRA LINEAL
185
PRODUCTO INTERNO
14. Sean W1 y W2 dos subespacios vectoriales del espacio vectorial M 2 x 2 , R,,
a b a b a 2b c d 0
W1 a b 2c 0 , y W2
c d c d b 3c d 0
a) Calcular W1 W2 , una base y su dimensin.
b) Calcular una base ortogonal para W1 W2 , usando el producto interno
A, B Tr A.B t .
LGEBRA LINEAL
186
PRODUCTO INTERNO
15. Si W p ( x ) P2 x p ( x ) p ( x 1) un subespacio vectorial de P2 x con el
LGEBRA LINEAL
187
PRODUCTO INTERNO
16. Sea la matriz A del espacio vectorial del problema 3.
1 2
A
2 3
Hallar el conjunto complemento ortogonal de A , esto es, A .
LGEBRA LINEAL
188
PRODUCTO INTERNO
LGEBRA LINEAL
189
TRANSFORMACIONES LINEALES
Captulo 6
TRANSFORMACIONES LINEALES
DEFINICIN
Sean V y W dos espacios vectoriales definidos sobre el mismo
campo. Una funcin L de V en W que asigna a cada vector v V ,
un vector L(v) W es una transformacin lineal, si y slo si,
1. L (v i v j ) L (v i ) L (v j )
2. L(vi ) L(vi )
Grficamente:
Notacin
espacio vectorial W .
Terminologa
A las transformaciones lineales suele llamrseles operadores o aplicaciones lineales.
LGEBRA LINEAL
190
TRANSFORMACIONES LINEALES
TEOREMA 1
Sea L : V W una transformacin lineal, entonces se cumple que:
1. L (0 V ) 0 W
DEMOSTRACION
1. L( vi ) L(vi )
0
vi 0V
L (0 V ) 0 W
L(vi ) L(1v j )
L (v i ) L (v j )
NCLEO
Sea L : V W una transformacin lineal, entonces el ncleo de L , notado por N (L) ,
es el subconjunto de V , que contiene todos los elementos v V , tales que sus imgenes
son iguales al vector nulo de W . As:
N ( L) v V | L(v) 0W
TEOREMA 2
Sea L : V W una transformacin lineal, entonces se cumple que:
El ncleo de L es un subespacio vectorial de V .
LGEBRA LINEAL
191
TRANSFORMACIONES LINEALES
DEMOSTRACION
1. 0V N ( L )
L (0 V ) 0 W
0V N ( L )
2. K , vi , v j N ( L) vi v j N (L)
0W
Grficamente:
V W
L
N (L)
IMAGEN
Sea L : V W una transformacin lineal, entonces la imagen de L , notada por Im(L) ,
es el subconjunto de W , que contiene todos los elementos wW , que son imgenes de
vectores v V debidas a la transformacin L . As:
Im(L) w W v V , L(v) w
Se debe destacar que las definiciones de ncleo e imagen son muy importantes en el
estudio de las transformaciones lineales.
LGEBRA LINEAL
192
TRANSFORMACIONES LINEALES
TEOREMA 3
Sea L : V W una transformacin lineal, entonces se cumple que:
La imagen de L es un subespacio vectorial de W .
DEMOSTRACION
1. 0W Im(L)
L (0 V ) 0 W
0W Im(L)
2. K , wi , w j Im(L) wi w j Im(L)
L(vi ) wi (1)
L (v j ) w j
L (v j ) w j (2)
wi w j Im(L)
Grficamente:
LGEBRA LINEAL
193
TRANSFORMACIONES LINEALES
TEOREMA 4
Una transformacin lineal queda totalmente determinada si se conocen
las imgenes de los elementos de la base del espacio de salida.
Sea L : V W una transformacin lineal, dim V n
S n v1 , v 2 , , v n , una base de V tal que vi V
DEMOSTRACION
Si S n es base de V y vi V
vi 1v1 2 v 2 n v n
Aplicando el operador lineal L a los dos miembros
L(vi ) 1 L(v1 ) 2 L(v 2 ) n L(v n )
TEOREMA 5
Sea L : V W una transformacin lineal, dim V n
dim V dim N ( L) dim Im(L)
DEMOSTRACION
Sea S v1 , v 2 , , v k , una base de N (L) , donde: 1 k n
Se puede extender este conjunto hasta una base de V . Asi:
S v1 , v 2 , , v k , v k 1 , , v n
Sus imgenes son:
L(v1 ), L(v2 ), , L(vk ), L(vk 1 ), , L(vn )
0W
T L(v k 1 ), , L(v n )
LGEBRA LINEAL
194
TRANSFORMACIONES LINEALES
1. T genera Im(L)
Sea wi W tal que vi V
L(vi ) wi
vi 1v1 2 v 2 k v k k 1v k 1 n v n
L( k 1v k 1 n v n ) 0W
k 1v k 1 n v n N ( L)
k 1v k 1 n v n 1v1 2 v 2 k v k
1v1 2 v 2 k v k k 1v k 1 n v n 0V
i i 0
T es linealmente independiente.
Por las partes 1. y 2. T es base de Im(L)
dim Im(L) n k
Por lo tanto:
dim V dim N ( L) dim Im(L)
v1 v j L (v i ) L (v j ) ,
L (v i ) L (v j ) v i v j
2. L es sobreyectiva si y slo si L (V ) W
dim Im( L ) dim W
3. L es biyectiva si y slo si L es inyectiva y es sobreyectiva.
LGEBRA LINEAL
195
TRANSFORMACIONES LINEALES
TEOREMA 6
Sea L : V W una transformacin lineal.
L es inyectiva si y slo si N ( L) 0V
DEMOSTRACION
1. Si L es inyectiva, entonces N ( L) 0V
Por contradiccin:
Se supone que
N ( L) 0V
L (v ) L (0 V )
v 0V
N ( L) 0V
2. Si N ( L) 0V , entonces L es inyectiva
Por contradiccin:
Se supone que L no es inyectiva
Sean vi , v j V , vi v j
L (v j ) L (v j ) (2)
L (v j v j ) 0W
v j v j 0V
vj vj
Corolario 2
Sea L : V W una transformacin lineal.
L biyectiva si: 1. dim N ( L) 0
2. dim Im(L) dim(W )
Corolario 3
Sea L : V W una transformacin lineal, dim V dim W . Las siguientes proposiciones
son lgicamente equivalentes:
L es biyectiva L es sobre L es inyectiva dimN ( L) 0 dim Im(L) dim(W )
Grficamente:
IGUALDAD
L i , L j L (V ,W )
Li L j vi V : Li (vi ) L j (vi )
LGEBRA LINEAL
197
TRANSFORMACIONES LINEALES
OPERACIONES CON TRANFORMACIONES LINEALES
SUMA
L i , L j L (V ,W ) ( Li L j )(v) Li (v) L j (v)
TEOREMA 7
L i , L j L (V ,W ) se cumple que:
Li L j L (V ,W )
DEMOSTRACION
Sean Li , L j L (V ,W )
Sea vi V
Li (vi ) wi
L j (vi ) wi,
Considerando que
Li , L j L (V ,W )
wi , wi, W ,
wi wi,
Por lo tanto Li L j L (V ,W ) .
LGEBRA LINEAL
198
TRANSFORMACIONES LINEALES
TEOREMA 8
K, L i L (V ,W ) se cumple que:
Li L (V ,W )
TEOREMA 9
L (V ,W ) definido sobre el campo K , con las operaciones de suma y
producto es un espacio vectorial ( L (V ,W ) , K ,,) .
DEMOSTRACION
Como ejemplo se demuestra el axioma de asociatividad:
Li , L j , Lk L (V ,W ) ( Li L j ) Lk Li ( L j Lk )
( Li L j ) Lk (v) ( Li L j ) Lk (v)
( Li L j )(v) L j (v)
Li (v) ( L j )(v) L j (v)
Li (v) ( Li L j )(v)
Li ( L j Lk )
L j L (V ,W ) , Li L (W , Z ) ( Li oL j )(v) Li ( L j (v))
LGEBRA LINEAL
199
TRANSFORMACIONES LINEALES
Terminologa
Li oL j se lee: Li compuesta L j
TEOREMA 10
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
Li oL j L (V , Z )
DEMOSTRACION
( Li oL j )(v) ( Li oL j )(v)
Li ( L j (v))
Li (w)
z , zZ
Por lo tanto:
Li oL j L (V , Z )
LGEBRA LINEAL
200
TRANSFORMACIONES LINEALES
TEOREMA 11
Li L (V ,W ) , Lm , Lk L (W , Z ) , se cumple que:
TEOREMA 12
Li , L j L (V ,W ) , Lk L (W , Z ) , se cumple que:
Lk o( Li L j ) Lk oLi Lk oL j
TEOREMA 13
K , L j L (V ,W ) , Li L (W , Z ) , se cumple que:
1. 1.
Li oL j Li oL j
2. 2. Li oL j Li o L j
3.
TEOREMA 14
Lk L (V ,W ) , L j L (W , Z ) , Li L ( Z ,U ) , se cumple que:
Li o( L j oLk ) ( Li oL j )oLk
LGEBRA LINEAL
201
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES INVERTIBLES
Sea Li L (V ,W ) , Li es invertible si existe una transformacin L j : W V , tal que:
Li oL j I W y L j oLi I V .
Grficamente:
L j Li 1
Li oL1
i IW
L1
i oLi I V
LGEBRA LINEAL
202
TRANSFORMACIONES LINEALES
TEOREMA 15
Sea L una transformacin lineal invertible de V en W , entonces:
1. v V : L1 ( L(v)) v
2. w W : L ( L1 ( w)) w
DEMOSTRACION
1. ( L1oL)(v) ( L1oL)(v)
L1 ( L(v))
L1 ( w)
w
2. ( LoL1 )( w) ( LoL1 )( w)
L( L1 ( w))
L(v)
w
TEOREMA 16
Sea L L (V ,W ) , si L es invertible, entonces
DEMOSTRACION
P.D. L1 ( L(vi ) L(v j )) L1 (( L(vi )) L1 ( L(v j ))
L(vi ), L(v j ) W
L1 ( L((vi v j ))
L1 ( L((vi )) L1 ( L(v j ))
LGEBRA LINEAL
203
TRANSFORMACIONES LINEALES
v i v j (Teorema 15)
L1 (( L(vi )) L1 ( L(v j ))
TEOREMA 17
Sea la transformacin lineal L L (V ,W ) ,
L es invertible si y solamente s L es biyectiva.
DEMOSTRACION
a) L es inyectiva
Sean vi , v j V
Se supone que:
L (v i ) L (v j )
L1 ( L(v j )) L1 ( L(v j ))
vi v j
L es inyectiva
b) L es sobreyectiva
Sea L L (W ,V ) ,
w W , v V : L1 ( w) v
L( L1 ( w)) L(v)
L (v ) w
L es sobreyectiva
Por a) y b) L es biyectiva
L (v ) w (1)
LGEBRA LINEAL
204
TRANSFORMACIONES LINEALES
w W , v V H ( w) v (2)
De (1)
H ( L(v)) H ( w)
H ( L(v)) v
HoL(v) v
HoL I V (3)
De (2)
L( H ( w)) L(v)
De (1)
L( H ( w)) w
( LoH )( w) w
LoH I W (4)
x1
x
L( X ) AX , donde X 2
x
n
Recprocamente a toda matriz A se le puede asociar con una transformacin lineal
L :V W .
LGEBRA LINEAL
205
TRANSFORMACIONES LINEALES
TEOREMA 18
Sea L una transformacin lineal, dim V n, dim W m .
Bs v1 , v2 , , vn , base ordenada de V
coordenadas L(v j ) de L(v j ) , 1 j n .
Bl
DEMOSTRACION
1. Existencia
Sea v V
v es combinacin lineal de Bs
v 1v1 2 v 2 n v n (1)
1
vBs 2 (2)
n
L(v) W
L(v) es combinacin lineal de Bl
L(v) 1 w1 2 w2 n wm (3)
1
L(v)Bl 2 (4)
m
De (3)
m
L(v) i wi (5)
i 1
LGEBRA LINEAL
206
TRANSFORMACIONES LINEALES
n
L (v ) i v j (6)
j 1
L (v j ) W
L(v j ) a1 j w1 a 2 j w2 a nj wm
a1 j
L(v )j Bl
a2 j
a
mj
m
L(v j ) aij wi (7)
i 1
m n
L(v) aij j wi (8)
i 1 j 1
Igualando (8) y ((5)
m m n
w
i i aij j wi
i 1 i 1 j 1
Se cumple la igualdad anterior si
n
i a ij j
j 1
Desarrollando
i ai1 1 ai 2 2 ain n
Tambin
2 a 21 1 a 22 2 a 2 n n
m a m 1 a m 2 2 a m n
LGEBRA LINEAL
207
TRANSFORMACIONES LINEALES
Escribiendo matricialmente
L(v)Bl A vBs
L(v)Bl Av Bs , donde
2. Unicidad
Por contradiccin
Se supone que A no es nica, entonces
A ' tal que A ' A
L(v)Bl A ' v Bs (1)
L(v)Bl Av Bs (2)
Igualando (1) y (2)
A A'
Lo que contradice la suposicin.
Por lo tanto A es nica.
Imagen de L :
Av w
Ncleo de L :
Av O
LGEBRA LINEAL
208
TRANSFORMACIONES LINEALES
Observaciones
1. Dim Im(L) Rango de L = Rango de A
Rango es el nmero de filas no nulas de una matriz escalonada.
2. DimN ( L) n Rango de A .
( Li oL j )(v)B3 Li oL j BB13vB1
TEOREMA 19
L j L (V ,W ) , Li L (W , Z ) , se cumple que:
L oL
i
B1
j B3
B2
Li B 3 . L j
B1
B2
LGEBRA LINEAL
209
TRANSFORMACIONES LINEALES
DEMOSTRACION
( L oL (v)
i
j B3
( Li oL j (v) B3
= L ( L (v) i j B3
L L (v)
B2
i B3 j B2
(Teorema 18)
L oL v L .L
i
B1
j B3 B1
B2
i B3
B1
j B2
L oL L .L
i
B1
j B3
B2
i B3
B1
j B2
SEMEJANZA DE MATRICES
TEOREMA 20
Sea L : V W una transformacin lineal, dimV n y la dimW m .
B QT1'T . A. PS ' S
DEMOSTRACION
S s1 , s 2 , .s n
S ' s1' , s 2' ,.s n'
T t1 , t 2 , .t n
T ' t1' , t 2' ,.t n'
s S Ps S ' (1)
t T Qt T ' (2)
Si A LT , entonces
S
LGEBRA LINEAL
210
TRANSFORMACIONES LINEALES
L( s)T As S (Teorema 18) (3)
L( s ) t (4)
Sustituyendo (4) en (2)
L( s)T Qt T ' (5)
Igualando (5) y (3)
QL( s )T ' As S (6)
Sustituyendo (1) en (6)
QL( s )T ' APs S ' (7)
LTS
'
' Q 1 AP
Grficamente:
S
A L
vi S
T L(vi ) T
P Q
S'
B L
vi S ' '
T L(vi ) T '
LGEBRA LINEAL
211
TRANSFORMACIONES LINEALES
P y Q son las matrices de cambio de base de S ' a S y de T ' a T respectivamente.
Entonces se pueden considerar:
Adems:
Corolario
Sea L : V V una transformacin lineal y sean S , S ' bases ordenadas de V con matriz
B P S 1' S . A. P S ' S
DEFINICIN
Sean las matrices A, B M n xn , B es semejante a A si existe una
TEOREMA 21
Sean L : V W una transformacin lineal y A, B M mxn . Las
LGEBRA LINEAL
212
TRANSFORMACIONES LINEALES
Observaciones
1. Si B es la matriz asociada a f respecto a la base B2 y A es la matriz asociada a
Resumen
La teora de matrices es una herramienta muy til en muchas reas del conocimiento, ya
que permite trabajar con grandes conjuntos de informacin de una forma cmoda y
activa. Sin embargo, el concepto de matriz consiste en algo ms que una "tabla de
nmeros, de hecho, es la representacin de funciones definidas entre espacios
vectoriales que se conocen como transformaciones lineales. En este sentido, se ilustra en
distintos ejercicios la correspondencia uno a uno existente entre el conjunto de matrices
de orden mxn y el de las transformaciones lineales de V en W , que son espacios
vectoriales de dimensiones n y m respectivamente.
La conexin entre estos conceptos es tan estrecha que las operaciones entre
transformaciones lineales tienen una simetra en trminos de matrices. Otra muestra
ms, de esta relacin, la ofrece el concepto de matriz inversa, que est asociado al de
transformacin lineal inversa.
As pues, los contenidos que se enfatizan en este captulo son:
Transformaciones lineales.
Ncleo e imagen.
Isomorfismos.
Operaciones entre transformaciones lineales.
Matriz asociada a una transformacin lineal.
Matriz asociada a una transformacin lineal compuesta.
Matriz y transformacin lineal inversa.
LGEBRA LINEAL
213
TRANSFORMACIONES LINEALES
PROBLEMAS PROPUESTOS
1. Determinar si la funcin dada es una transformacin lineal
f :RR
x y f ( x)
a) f ( x) x 2
b) f ( x) ax b , si : i) b 0 ii) b 0
c) f ( x) senx
d) f ( x) e x
e) f ( x) x
LGEBRA LINEAL
214
TRANSFORMACIONES LINEALES
2. Determinar si la funcin f es una transformacin lineal
f : R2 R2
a) x, y f x, y x y , x 2 y
f : Mn Mn
b)
A f ( A) At
F :V R
c) b , donde V f a , b R : f es contnua
f F ( f ) f ( x)dx
a
LGEBRA LINEAL
215
TRANSFORMACIONES LINEALES
3. Sea la funcin
f : R4 P1 x
(a, b, c, d) f ( a, b, c, d ) a b d a c d x
LGEBRA LINEAL
216
TRANSFORMACIONES LINEALES
4. Dada la funcin
f : R 2 P1 x
(a, b) f (a, b) (a b) (b 2a) x
a) Demostrar que f es una transformacin lineal.
b) Hallar la imagen de f una base y su dimensin.
c) Encontrar el ncleo de f una base y su dimensin.
d) f es inyectiva, es sobreyectiva?
LGEBRA LINEAL
217
TRANSFORMACIONES LINEALES
5. Sean T : R 3 R 2 una transformacin lineal y B una base de R 3 tales que
B (1,0, 1), ( 2, 1,1), ( 1,1, 1)
LGEBRA LINEAL
218
TRANSFORMACIONES LINEALES
Hallar:
a) f (a bx cx 2 ) explcitamente.
b) Hallar la imagen de f , una base y su dimensin.
c) Encontrar el ncleo de f, una base y su dimensin.
LGEBRA LINEAL
219
TRANSFORMACIONES LINEALES
7. Sea la transformacin lineal
f : P2 x R3
a bx cx 2
f a bx cx 2 a b c, a b c, a b c
b) Calcular f 1 para 0 .
LGEBRA LINEAL
220
TRANSFORMACIONES LINEALES
8. Sea f : R 3 M una transformacin lineal tal que
x 2z 2x y 2z
f ( x, y, z )
2 x y 2 z 3x y ( 1) z
donde M es el espacio vectorial de las matrices simtricas de orden 2x2.
a) Hallar los valores de para los cuales f es biyectiva.
b) Encontrar la inversa de f si 0 .
LGEBRA LINEAL
221
TRANSFORMACIONES LINEALES
9. Dada f : R 3 R 3 , una transformacin lineal invertible tal que
f ( x, y , z ) x 2 y z , y 3 z , x 2 z
y. adems, B1 (1,1,0), (0,1,1), (1,0,1) y B2 (1,1,1), (0,1,1), (0,0,1), bases R 3 .
a) Comprobar que f es invertible
b) Hallar A f BB12 .
1
c) Si f (u )B 2 3 hallar u . Sugerencia: u B1 A 1 f (u )B 2 .
1
LGEBRA LINEAL
222
TRANSFORMACIONES LINEALES
10. Sea la transformacin lineal
f : Ms Ms
a b a b a b a b c
f
c d c d a b c a c
x
1 0 0 1 0 0 1 0 0 1 0 0
B1 , , , B2 , ,
0 0 1 0 0 1 0 1 1 0 0 1
son bases ordenadas del subespacio vectorial M S , R,, .
2 1
b) Encontrar f ( E ) B2 , conociendo que E .
1 0
LGEBRA LINEAL
223
TRANSFORMACIONES LINEALES
11. Sea el conjunto B u1 , u 2 , u 3 base de R 3 donde
b) Encontrar L( x, y, z )
c) L es inyectiva, sobre, biyectiva?
d) A partir del conjunto v 2 , v3 completar una base ortogonal para R 3 .
LGEBRA LINEAL
224
TRANSFORMACIONES LINEALES
12. Dada la transformacin lineal
L: R3 R3
x, y , z L x, y , z x 2 y , x 3 y 5 z ,2 x 3 y z
LGEBRA LINEAL
225
TRANSFORMACIONES LINEALES
13. Dada la transformacin lineal
L: P2 P2
p(x) L(p(x)) p' (x) - 2 p(x)
a) Comprobar que L es invertible
b) Hallar L1
C 1, x, x 2 y B 1 x, x x 2 ,1 x 2 son bases de P2 .
LGEBRA LINEAL
226
TRANSFORMACIONES LINEALES
LGEBRA LINEAL
227
TRANSFORMACIONES LINEALES
15. Sean f L P2 t , R 3 y B1 y B2 bases ordenadas de P2 t , R 3 respectivamente
B1 t t 2 ,1, t 2 y B2 0,1,1, 1,0,1, 1,1,0
1 1 1
A f 1 1 1
B1
B2
1 1 1
a) Calcular explcitamente f L P2 t , R 3 .
b) Encontrar f ( p( x)) de dos maneras: usando la matriz asociada y el
LGEBRA LINEAL
228
TRANSFORMACIONES LINEALES
16. Sean las transformaciones lineales
f : R3 R3
x, y , z f x, y , z x z, y z, x y
g: R3 R3
x, y , z f x, y , z x , x y , x y z
b) Calcular B g CC y C f CC
c) Verificar que A BC
LGEBRA LINEAL
229
TRANSFORMACIONES LINEALES
17. Sea gof : P2 t R 3 , una transformacin lineal tal que
gof ( p(t )) g ( f ( p(t )) g ( p(0), p' (1)) ( p(0), p' (1), p(0) p' (1)) , y las bases
B1 1 t , t , t 2
B2 (1,1), (1,2)
B3 (1,1,0), (01,1), (0,1,0)
LGEBRA LINEAL
230
TRANSFORMACIONES LINEALES
1 11
A f B1
B2
0 1 1
1 1 0
1
c) Encontrar f (u ) de dos maneras. Considerar que u B1 2 .
1
LGEBRA LINEAL
231
TRANSFORMACIONES LINEALES
19. Sea la transformacin lineal
f : M 2x 2 R2
a b a b
f a b c, b c d
c d c d
1 0 0 1 0 0 0 0
B , , , base ordenada de M 2
x
0 1 1 0 1 1 0 1
2
1
1
c) Determinar f (E ) usando a). Si E B .
0
2
LGEBRA LINEAL
232
TRANSFORMACIONES LINEALES
20. Sean las bases del espacio vectorial P2 x
B 1 x, x, x x 2 y S 2,1 x, x 2
a) Hallar la matriz de cambio de base de B a S.
2
b) Calcular p ( x)S si p( x)B 1 y determinar p (x ) .
1
LGEBRA LINEAL
233
TRANSFORMACIONES LINEALES
21. Dadas las transformaciones lineales f : R 2 R 3 y g : R 3 R 2 definidas por
f (u1 , u 2 ) (u1 , u 2 ,0)
g (v1 , v2 , v3 ) (v1 v3 , v2 v3 )
b) Expresar A f CC .
c) Hallar B g CB .
Encontrar E hB .
B
d)
LGEBRA LINEAL
234
TRANSFORMACIONES LINEALES
22. Sean las bases de R 2
B1 (1,0), (0,1) y B 2 (1,3), ( 2,5)
a) Hallar la matriz de cambio de base Q de B1 a B2 .
b) Encontrar la matriz de cambio de base P de B2 a B1 .
c) Verificar que P Q 1 .
f ( x, y , z ) ( 2 y , 3 x y ) .
LGEBRA LINEAL
235
TRANSFORMACIONES LINEALES
c) Verificar que P Q 1 .
f ( x, y , z ) ( 2 y z , x 4 y , 3 x ) .
LGEBRA LINEAL
236
TRANSFORMACIONES LINEALES
24. Dada la transformacin lineal f : R 2 R 2 si se conoce que
f( 1, 1 ) ( 2 ,1 ) y f ( 2,3) (3,1)
a) Calcular f explcitamente.
LGEBRA LINEAL
237
TRANSFORMACIONES LINEALES
25. Dadas la transformacin lineal f y las bases C y S de R 2
f : R2 R2
x, y f x, y x, y
C es base cannica y S (1,1), (1,2
a) Hallar A f CC .
LGEBRA LINEAL
238
TRANSFORMACIONES LINEALES
26. Dada la transformacin lineal
f : R3 R3
, y
x, y , z f x, y , z ( 2 x z , x y z , z )
C la base cannica de R 3
S (1,0,11), (0,1,0), (1,1,0) base ordenada de R 3
a) Hallar A f CC .
LGEBRA LINEAL
239
TRANSFORMACIONES LINEALES
27. Dada la transformacin lineal f : R 3 R 2 donde
2 1 1
A f C
B
3 2 3
B e1 , e2 , e3 es base cannica R 3
C f 1 , f 2 es base cannica R 2
f1 ' f1 f 2
1
2
f 2 ' f1 f 2
1
2
Calcular f CB ''
LGEBRA LINEAL
240
TRANSFORMACIONES LINEALES
28. Dada la transformacin lineal f : R 2 R 2 donde
2 3
A f C
B
1 1
B (1,1), ( 2,3) es base R 3
C e1 , e 2 es base cannica R 2
LGEBRA LINEAL
241
VALORES Y VECTORES PROPIOS
Captulo 7
VALORES Y VECTORES PROPIOS
DEFINICIN
Sean L L (V ,V ) , (V , K ,,) , K
L (v ) v .
v V , v 0V , es vector propio de L asociado con el valor propio
.
Grficamente:
Observaciones
1. 0V no es un vector propio
2. 0 si es un valor propio
LGEBRA LINEAL
242
VALORES Y VECTORES PROPIOS
Notacin
V representa al conjunto de vectores propios de la transformacin lineal L asociados
al valor propio , incluyendo al vector nulo.
V v L(v) v 0V
TEOREMA 1
V es subespacio vectorial de (V , K ,,)
DEMOSTRACION
1. 0 V V
Si cumple por definicin
2. K , u , v V u v V
L(u ) u (1)
L (v ) v (2)
L(u v) L(u ) L(v) (3)
Sustituyendo (1) y (2) en (3)
L(u v) u v
(u v)
u v VK
AX X
LGEBRA LINEAL
243
VALORES Y VECTORES PROPIOS
TEOREMA 2
Sean L L (V ,V ) , (V , K ,,) , A LS y X M nx1 , entonces
S
DEMOSTRACION
1. Si es un valor propio de L , entonces es un valor propio de A
Si es un valor propio de L , L(v) v
L(v)S vS
Av S v S
AX X
es un valor propio de A
2. Si es un valor propio de A , entonces es un valor propio de L .
Seguir el proceso inverso
TEOREMA 3
Si es un valor propio de A , V CS ( I A) X O tambin
V CS ( A I ) X O
DEMOSTRACION
Si es un valor propio de A , entonces
AX X
X AX O
( I A) X O
CS X ( I A) X O (1)
V X (I A) X O 0 nK 1 (2)
Igualando (1) y (2)
LGEBRA LINEAL
244
VALORES Y VECTORES PROPIOS
V CS ( I A) X O
Corolario 1
DimV n Rango ( I A) n Rango ( A I )
Corolario 2
es valor propio de A si y slo si det( I A) 0 det( A I ) 0
TEOREMA 4
Sea A M nxn y sean 1 , 2 , , n valores propios diferentes de A , con
DEMOSTRACION
Se demuestra por induccin
1. Si n 2
v1 , v 2 son vectores propios asociados a los valores propios 1 , 2
1v1 2 v 2 0V (1)
Multiplicando (1) por A
1 Av1 2 Av 2 0V
11v1 2 2 v 2 0V (2)
2 (1 2 )v 2 0V
2 0 , ya que, 1 2 , y
v 2 0V (vector propio)
LGEBRA LINEAL
245
VALORES Y VECTORES PROPIOS
De (1)
1 0
v1 , v 2 es linealmente independiente.
2. nk
Si v1 , v 2 , , v n es LI, entonces v1 , v 2 , , v n , v n 1 es linealmente independiente
11v1 2 2 v 2 n n v n n 1 n 1v n 1 0V (5)
1 n 1v1 2 n 1v 2 n n 1 nv n 1 n 1v n 1 0V (6)
Restando (6) de (5)
1 (1 n 1 )v1 2 ( 2 n 1 )v 2 n ( n n 1 )v n 0V
1 2 n 0
De (4)
n 1 0 , por lo tanto
LGEBRA LINEAL
246
VALORES Y VECTORES PROPIOS
CLCULO DEL POLINOMIO CARACTERSTICO
Si A M 2 x 2 p ( ) 2 tr ( A) det A
Generalizando:
Si
A M nxn p ( ) tr ( A) tr2 ( A)
n 1 n2 n 3
tr3 ( A) 0 det A
n
siendo tri ( A) la suma de todos los menores de orden i que contienen en su diagonal
TEOREMA 5
K es un valor propio de A M nxn si y solo si es raz de la
ecuacin caracterstica de A .
DEMOSTRACION
a) Si K es un valor propio de A M nxn , es raz de la ecuacin
caracterstica de A .
Si K es un valor propio de A , entonces
p( ) det(I A) det( A I ) 0
es raz de la ecuacin caracterstica de A .
b) Se sigue el proceso inverso
MULTIPLICIDAD ALGEBRAICA
Sea A M nxn y p ( ) 1 n1 2 n 2 n nr 0 su ecuacin caracterstica
n1 , n 2 , , n r .
MULTIPLICIDAD GEOMTRICA
DimVi MGi
LGEBRA LINEAL
247
VALORES Y VECTORES PROPIOS
Observacin
MGi MAi
DEFINICIN
Sean A, B M nxn . A es semejante a B si existe una matriz P
DEFINICIN
Sea A M nxn . A es diagonalizable si existe una matriz diagonal D tal
TEOREMA 6
Sean A M nxn una matriz asociada a L y L L (V ,V ) entonces, A es
DEMOSTRACION
a) Si A es diagonalizable, existe una base del espacio vectorial M nx1 ,
formada por vectores propios de A .
Si A es diagonalizable,
D P 1 AP
Multiplicando a los dos miembros de la igualdad anterior por P , se obtiene
LGEBRA LINEAL
248
VALORES Y VECTORES PROPIOS
PD AP
P.D j (1)
A.Pj (2)
b1 j
b2 j
P.D j j
b jj
b
nj
P.D j j Pj
De (3)
A.Pj j Pj
LGEBRA LINEAL
249
VALORES Y VECTORES PROPIOS
b) Si existe una base de M nx1 formada por vectores propios de A , entonces A
es diagonalizable.
Sea S v p1 , v p 2 ,, v pn base de nK 1
v V es combinacin lineal de S
v 1v p1 2 v p 2 n v pn
n (0.v p1 0.v p 2 n v pn )
Reordenando
L(v) (11 0. 2 0. n )v p1 (0.1 2 . 2 0. n )v p 2
(0.1 0. 2 n n )v pn
Escribiendo matricialmente
1 1 0. 2 0. n
L(v)S 0. 1 2 2 0. n
0. 0. .
1 2 n n
1 1
2 2
L(v)S
n n
v S
DL S
S
LGEBRA LINEAL
250
VALORES Y VECTORES PROPIOS
L(v)S Dv S
A es semejante a D , entonces
A es diagonalizable.
Corolario 1
Si An tiene n vectores propios, entonces An es diagonalizable ( MGi MAi )
Corolario 2
Si An es diagonalizable, la matriz diagonal semejante a An tiene en su diagonal los
valores propios de An .
Observacin
Si vi c son las coordenadas del vector vi en la base cannica C , entonces vi s son
AL C
vi C
C L (v )
i C
P 1
D L S
vi S
S L (v )
i S
TEOREMA 7
Todas las races de la ecuacin caracterstica de una matriz real y
simtrica son reales.
LGEBRA LINEAL
251
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Se supone que existen valores propios C de A M ( R ) nxn tales que
AX X
_____ _____
AX .X
____ __ ____
A X . X (1)
Multiplicando (1) por X t
____ __ ____
X tA X X t . X
____ __ ____
( X t A) X . X t X
____ __ ____
( AX t ) X . X t X
____ __ ____
( X ) t X . X t X
____ __ ____
X t X .X t X
__
Lo que contradice la suposicin, entonces
R
TEOREMA 8
Si A M nxn es matriz simtrica, entonces los vectores propios
asociados a valores propios distintos de A son ortogonales.
DEMOSTRACION
Sean X 1 y X 2 vectores propios de A con valores propios 1 y 2 , tales que:
AX 1 1 X 1 (1)
AX 2 2 X 2 (2)
1 ( X 1 , X 2 ) 1 ( X 1 , X 2 )
(1 X 1 , X 2 ) (3)
Sustituyendo (1) en (3)
LGEBRA LINEAL
252
VALORES Y VECTORES PROPIOS
1 ( X 1 , X 2 ) ( AX 1 , X 2 )
( X 1 , AX 2 ) (4)
Sustituyendo (2) en (4)
1 ( X 1 , X 2 ) ( X 1 , 2 X 2 )
1 ( X 1 , X 2 ) 2 ( X 1 , X 2 )
1 ( X 1 , X 2 ) 2 ( X 1 , X 2 ) 0
(1 2 )( X 1 , X 2 ) 0 , donde (1 2 ) 0 (Hiptesis)
(X1, X 2 ) 0
DEFINICION
Una matriz cuadrada A es ortogonal si su matriz inversa es igual a su
TEOREMA 9
Sea A M nxn , A es ortogonal si y slo si las columnas y las filas de A
TEOREMA 10
Si A es una matriz real y simtrica, entonces existe una matriz
ortogonal P , tal que P 1 AP P t AP D . En consecuencia se dice que
la matriz A es ortogonalmente diagonalizable.
LGEBRA LINEAL
253
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Si A es una matriz real y simtrica, existe una base de vectores de M nx1 , (Teorema 6)
existe una base de vectores ortonormales de M nx1 , entonces existe una matriz P
TEOREMA 11
Sea la matriz A M ( R) n .
Si A es simtrica, entonces es diagonalizable.
PROPIEDADES
Sea A M nxn
LGEBRA LINEAL
254
VALORES Y VECTORES PROPIOS
TEOREMA DE CALEY - HAMILTON
TEOREMA 12
Si P( ) y Q( ) son polinomios en la variable escalar , con
coeficientes matriciales cuadrados y si P( ) Q( ).(I A) , entonces
P( A) O.
DEMOSTRACION
P ( ) 0 1 2 2 n n I A
P ( ) 0 A 1 A 2 A2 n An 0 12 2 3 n n 1
Si A
P( A) 0 A 1 A2 2 A3 n An 1 0 A 1 A2 2 A3 nn 1
P ( A) O //
TEOREMA 13
Toda matriz cuadrada satisface su ecuacin caracterstica, es decir, si
P( ) 0 , es la ecuacin caracterstica de A , entonces P ( A) O .
DEMOSTRACION
Considerando que
LGEBRA LINEAL
255
VALORES Y VECTORES PROPIOS
Adems:
det I A I adj I A
. I A
det I A I Q ( ). I A (1)
Si A
P ( A) O // (Teorema 12)
p ( ) n a n 1 n 1 a1 a0 0
p ( ) I n I a n 1n 1I a1I a0 I 0.I
P ( ) n a n 1 n 1 a1 a0 I O
Si A
P ( A) A n a n 1 A n 1 a1 A a0 I O
A 1.P ( A) A n 1 a n 1 A n 2 a1I a0 A 1 O
A1
1
a0
An 1 an 1 A n 2 a1I
Ejemplo
LGEBRA LINEAL
256
VALORES Y VECTORES PROPIOS
Dada la matriz
1 1 4
A 3 2 1
2 1 1
a) Encontrar la ecuacin caracterstica
b) Verificar que P( A) O
c) Hallar A 1
Solucin:
a) p ( ) 3 tr ( A)2 ( P11 P22 P33 ) A 0
p ( ) 3 22 5 6 0
b) P ( A) A3 2 A 2 5 A 6 I O
1 1 4 6 1 1 11 3 22
A 3 2 1 A 7 0 11
2
A 29 4 17
3
2 1 1 3 1 8 16 13 5
11 3 22 6 1 1 1 1 4 1 0 0 0 0 0
P( A) 29 4 17 2 7 0 11 5 3 2 1 6 0 1 0 0 0 0
16 13 5 3 1 8 2 1 1 0 0 1 0 0 0
P( A) O
c) A1
1
6
A2 2 A 5I
1 1 4
A 3 2 1
2 1 1
6 1 1
A 7 0 11
2
3 1 8
6 1 1 2 2 8 5 0 0
1
A 1 7 0 11 6 4 2 0 5 0
6
3 1 8 4 2 2 0 0 5
1 3 7
1
1
A 1 9 13
6
1 3 5
LGEBRA LINEAL
257
VALORES Y VECTORES PROPIOS
FORMAS CUADRTICAS Y CANNICAS
DEFINICION
Sea A M nxn , la funcin:
QA : R n R
x Q A ( x) X t AX
se llama forma cuadrtica asociada a la matriz A a la expresin
Q A ( x) X t A X
En forma desarrollada:
a11 a12 a1n x1
a21 a22 a2n x2
Q A ( x) x1 x2 xn
a
n1 an 2 ann xn
Observacin
Q A ( x ) puede ser representada por muchas matrices, pero solo por una matriz simtrica.
Particular
a b2
A b
2 c
TEOREMA 12
Sea A M nxn , existe una matriz simtrica A1 , tal que
QA ( x) QA1 ( x) , X t A X X t A1 X
DEMOSTRACION
Sea la matriz
LGEBRA LINEAL
258
VALORES Y VECTORES PROPIOS
1 t
A1 A A
2
t
1 t
A1t A A
2
A1t
1 t 1
2
1
A A A At A1 , entonces
2 2
A1 es matriz simtrica.
Sean
1 t
A1 A A (1)
2
X t A1 X X t A1 X (2)
Sustituyendo (1) en (2)
X t A1 X X t .
1
2
A At X
1 t 1
X t A1 X X A X X t At X (3)
2 2
X t AX X t AX t (4) pues es matriz 1x1
Sustituyendo (4) en (3)
1 t 1
X t A1 X X A X X t At X t
2 2
1 t 1
X t A1 X X AX X t AX
2 2
X t A X X t A1 X //.
TEOREMA 13
decir, X t A X Y t DY .
LGEBRA LINEAL
259
VALORES Y VECTORES PROPIOS
DEMOSTRACION
Si A es matriz simtrica, existe una matriz P invertible tal que:
Q A ( x) X t A X (2)
Sustituyendo (1) en (2)
Q A ( x) X t P D P t X (3)
Sea P t X Y , entonces
Y t X tP (4)
Sustituyendo (4) en (3)
Q A ( x ) Y t DY , es decir,
Q A ( x ) Q D ( y ) //
Observacin
D es matriz de los valores propios de A , y los vectores propios de P son ortonormales.
a b
son los valores propios de la matriz asociada A b 2 .
2 c
MATRIZ DE ROTACIN
Sea P una matriz real y ortogonal, entonces
P.P 1 P.Pt 1
2
P . Pt 1 P.P 1 P 1 P 1
LGEBRA LINEAL
260
VALORES Y VECTORES PROPIOS
cos sen
P , donde 0 2 .
sen cos
DEFINICIN
Se llaman invariantes de una curva, a todas las expresiones formadas
por los coeficientes de su ecuacin, que no varan al realizar rotaciones
y traslaciones paralelas de los ejes coordenados.
SECCIONES CNICAS
Sea la curva
X t AX BX a 0
Como A es matriz simtrica es ortogonalmente diagonalizable, por lo tanto
0
P t AP 1
0 2
y
Si X PY , donde Y 1
y2
PY t APY BPY a 0
Y t P t AP Y BPY a 0
1 y12 2 y22 b1 y2 b2 y2 a 0
La ecuacin anterior no tiene trmino de producto cruzado.
LGEBRA LINEAL
261
VALORES Y VECTORES PROPIOS
2. El determinante formado por los coeficientes de los trminos principales
a a12
11 A
a21 a22
1 0 0
0 2 0 12 c (1)
0 0 c
0
1 1 2 (2)
0 2
LGEBRA LINEAL
262
VALORES Y VECTORES PROPIOS
Sus graficas se presentan a continuacin.
Elipse
Hiprbola
Parbola
LGEBRA LINEAL
263
VALORES Y VECTORES PROPIOS
Ejemplo
Dada la forma cuadrtica
2 x1 2 x1 x2 2 x22 9 0
Identificar y expresar en la forma cannica
Solucin:
s4
2 1 0
2 1
A 3 0 es curva de tipo elptico, 1 2 0 27 0
1 2
0 0 9
p ( ) 2 4 3 ( 3)( 1) 0
Los valores propios de A son
1 3 2 1
Con vectores propios asociados
1 1
v1 y v2
1 1
1 1
B , base ortogonal, entonces
1 1
1 1 1 1
T* , base ortonormal
2 1 2 1
1 1 1
P
2 1 1
3 0
D
0 1
P 1 P es matriz de rotacin
Y t DY f 0
3 0 y1
y1 y 2 9
0 1 y 2
3 y12 y22 9
La ecuacin cannica de la elipse es
y12 y22
1
3 9
LGEBRA LINEAL
264
VALORES Y VECTORES PROPIOS
Resumen
Una de las diferentes propiedades de las transformaciones lineales es la de proteger la
estructura de espacio vectorial. En concreto, si f es una transformacin lineal definida
en el espacio vectorial V de dimensin n en s mismo y W es un subespacio vectorial
de V , se verifica que su transformado es de nuevo subespacio vectorial de V . En
ocasiones, se tiene adems que f (W ) W , por lo que en este caso W permanece
invariante por f . Las nociones que permiten determinar los subespacios invariantes por
una transformacin lineal f son los de valores y vectores propios de f o, exactamente,
dada la correspondencia uno a uno existente entre el conjunto M n y el de las
trasformaciones lineales L (V , V ) , de su matriz asociada A .
Una vez mostrados los mtodos analticos de clculo de valores y vectores propios de
una matriz A (o de la transformacin lineal f que representa) se ilustran diversas
propiedades de ambos conceptos, que son de gran utilidad en el estudio de la
diagonalizacin de una matriz A M n . El indicado problema consiste en determinar
LGEBRA LINEAL
265
VALORES Y VECTORES PROPIOS
PROBLEMAS PROPUESTOS
1. Sea u un vector propio de las transformaciones lineales f y g . Mostrar que u es
tambin vector propio de la transformacin lineal a f b g , donde a y b son
escalares arbitrarios.
1 a
3. Dada la matriz A . Calcular los valores de los parmetros a y b para
2 b
que el vector 2,1 sea un vector propio asociado al valor propio 1 5 en la
matriz A . Cul es el otro valor propio en este caso?
LGEBRA LINEAL
266
VALORES Y VECTORES PROPIOS
5. Dada la transformacin lineal
f : R2 R2
x, y f x, y x 2 y ,2 x y
Calcular los valores y vectores propios, una base para cada espacio propio, du
dimensin y una base de vectores propios S tal que f est representada con
respecto a S por una matriz diagonal.
LGEBRA LINEAL
267
VALORES Y VECTORES PROPIOS
6. Probar que si es un valor propio de una matriz A con vector propio asociado
1 4
7. Sea la matriz A . Hallar los valores y vectores propios de A y A 2 .
2 3
LGEBRA LINEAL
268
VALORES Y VECTORES PROPIOS
1 1 1 1 1 1
8. Sea la matriz A a b c con vectores propios 1 , 0 , 1
p q r 1 1 0
Encontrar los valores de a, b, c, p, q, r .
9. Hallar una matriz A M 3x 3 tal que sus valores propios son 1, 2 2 con
LGEBRA LINEAL
269
VALORES Y VECTORES PROPIOS
11. Dada una matriz simtrica A M n con elementos reales, comprobar que si
todos sus valores propios son iguales a cero entonces A es una matriz nula.
LGEBRA LINEAL
270
VALORES Y VECTORES PROPIOS
12. Determinar una matriz de orden tres simtrica tal que
rango A 3I 3 1 .
W x, y, x R 3 : 4 x 3 y 0 es un espacio propio de A .
tr ( A) 7 .
LGEBRA LINEAL
271
VALORES Y VECTORES PROPIOS
13. Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
hallar las matrices D y P , tales que, D P 1 AP .
1 3 3
a) 3 5 3
6 6 4
3 1 1
b) 7 5 1
6 6 2
LGEBRA LINEAL
272
VALORES Y VECTORES PROPIOS
3 1 1
c) 2 2 1
2 2 0
3 2 1
d) 0 2 0
0 0 0
LGEBRA LINEAL
273
VALORES Y VECTORES PROPIOS
14. Para cada uno de los siguientes casos, si es posible, diagonalizar la matriz dada y
1 0 3
a) 0 2 0
3 0 1
1 2 1
b) 2 0 2
1 2 1
LGEBRA LINEAL
274
VALORES Y VECTORES PROPIOS
3 1 1
c) 1 5 1
1 1 3
0 1 1
d) 1 0 1
1 1 0
LGEBRA LINEAL
275
VALORES Y VECTORES PROPIOS
15. Identificar las siguientes curvas y reducir la ecuacin de estas a la forma
cannica
c) x12 x22 2 x1 1 0
LGEBRA LINEAL
276
VALORES Y VECTORES PROPIOS
LGEBRA LINEAL
277
VALORES Y VECTORES PROPIOS
16) Del ejercicio anterior graficar las curvas:
a)
d)
LGEBRA LINEAL
278
VALORES Y VECTORES PROPIOS
f)
LGEBRA LINEAL
SIN INGENIEROS
Se muri un Ingeniero y se fue a las puertas del Cielo. Sabido es que los Ingenieros por
su honestidad siempre van al cielo. San Pedro busc en su archivo, pero ltimamente
andaba un poco desorganizado y no lo encontr en el montn de papeles, as que le dijo:
"Lo lamento, no ests en listas...". De modo que el Ingeniero se fue a la puerta del
infierno y le dieron albergue y alojamiento inmediatamente.
Poco tiempo pas y el Ingeniero se cans de padecer las miserias del infierno, y se puso
a disear y construir mejoras. Con el paso del tiempo, ya tenan ISO 9001, sistema de
monitoreo de cenizas, aire acondicionado, inodoros con drenaje, escaleras elctricas,
equipos electrnicos, redes de telecomunicaciones, programas de mantenimiento
predictivo, sistemas de control visual, sistemas de deteccin de incendios, termostatos
digitales, etc. Y el Ingeniero se hizo de muy buena reputacin.
"QU?, QU?! TIENEN un Ingeniero all?? Eso es un error! Nunca debi haber
llegado ah un Ingeniero. Los ingenieros siempre van al cielo, eso est escrito y resuelto
ya. Me lo mandas inmediatamente!.
Mndamelo o TE DEMANDAR!!...:
Y el Diablo, con la vista nublada por la tremenda carcajada que solt, le contest a
Dios: "Ah S?? ......y por curiosidad... DE DNDE VAS A SACAR UN
ABOGADO?!" si todos estn aqu.
Ofrece este mensaje a tus amigos y amigas para que tengan una idea de lo que es un
ingeniero