Álgebra Lineal Departamento de Matemáticas Universidad de Los Andes Primer Semestre de 2007 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 1 / 50 Texto guı́a: Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 2 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 3 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 4 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 5 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 6 / 50 Álgebra vectorial en espacios vectoriales abstractos Definición Un Espacio Vectorial es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares reales, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 7 / 50 Álgebra vectorial en espacios vectoriales abstractos Definición Un Espacio Vectorial es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares reales, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w 2 Conmutatividad: ~u + ~v = ~v + ~u Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 7 / 50 Álgebra vectorial en espacios vectoriales abstractos Definición Un Espacio Vectorial es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares reales, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w 2 Conmutatividad: ~u + ~v = ~v + ~u 3 Existencia de identidad aditiva: ~u + ~0 = ~u Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 7 / 50 Álgebra vectorial en espacios vectoriales abstractos Definición Un Espacio Vectorial es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares reales, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w 2 Conmutatividad: ~u + ~v = ~v + ~u 3 Existencia de identidad aditiva: ~u + ~0 = ~u 4 Existencia de inverso aditivo: ~u + (−~u ) = ~0 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 7 / 50 Definición (continuación) ~ son elementos de V (llamados vectores) y, si r , s escalares donde ~u , ~v y w en R, tenemos además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 8 / 50 Definición (continuación) ~ son elementos de V (llamados vectores) y, si r , s escalares donde ~u , ~v y w en R, tenemos además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w 2 Distributividad: (r + s) · ~v = r · ~v + s · ~v Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 8 / 50 Definición (continuación) ~ son elementos de V (llamados vectores) y, si r , s escalares donde ~u , ~v y w en R, tenemos además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w 2 Distributividad: (r + s) · ~v = r · ~v + s · ~v 3 Asociatividad: r · (s · ~v ) = (rs) · ~v Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 8 / 50 Definición (continuación) ~ son elementos de V (llamados vectores) y, si r , s escalares donde ~u , ~v y w en R, tenemos además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w 2 Distributividad: (r + s) · ~v = r · ~v + s · ~v 3 Asociatividad: r · (s · ~v ) = (rs) · ~v 4 Existencia de unidad multiplicativa: 1 · ~v = ~v Tenemos por ejemplo... Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 8 / 50 Ejemplo 1 El Espacio Rn El conjunto Rn con la suma y el producto escalar definidos, para ~v = (v1 , . . . , vn ), w ~ = (w1 , . . . , wn ) en Rn y r ∈ R, según: ~v + w ~ = (v1 , . . . , vn ) + (w1 , . . . , wn ) = (v1 + w1 , . . . , vn + wn ), y r · ~v = (rv1 , . . . , rvn ), forma un espacio vectorial. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 9 / 50 Ejemplo 2 Espacios de Matrices El conjunto Mmn (R) de matrices reales con suma de matrices a11 · · · a1n a21 · · · a2n .. .. + . . . . . am1 · · · amn m × n con entradas (o componentes) = Universidad de Los Andes () ··· ··· .. . b1n b2n .. . bm1 · · · bmn b11 b21 .. . ··· ··· .. . a1n + b1n a2n + b2n .. . am1 + bm1 · · · amn + bmn a11 + b11 a21 + b21 .. . Álgebra Lineal Primer Semestre de 2007 10 / 50 y producto de matrices por escalares ra11 ra12 ra21 ra22 rA = . .. .. . ··· ··· .. . ra1n ra2n .. . ram1 ram2 · · · ramn , es un espacio vectorial. Los ejemplos anteriores, con los que ya hemos trabajado anteriormente, no son las únicas estructuras de espacio vectorial que podemos definir sobre vectores y/o matrices, podemos modificar las operaciones para obtener nuevos espacios vectoriales, o definir nuevos espacios... Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 11 / 50 Ejemplo 3 Espacio de polinomios Pn [x] Sea Pn [x] el conjunto de polinomios de grado menor o igual a n, en una variable x, con coeficientes reales. Es decir, un elemento p(x) ∈ Pn [x] es un polinomio de la forma p(x) = a0 + a1 x + a2 x 2 + · · · + an x n , con a0 , . . . , an reales. Si definimos la suma de polinomios p(x) = a0 + a1 x + · · · + an x n , q(x) = b0 + b1 x + · · · + bn x n ∈ Pn [x] y su producto por escalares como p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x 2 + · · · + (an + bn )x n y r · p(x) = ra0 + ra1 x + ra2 x 2 + · · · + ran x n , tenemos un espacio vectorial. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 12 / 50 Ejemplo 4 Espacio de funciones F (R) Sea F (R) el conjunto de funciones continuas f : R → R. Definiendo la suma de dos funciones f , g ∈ F (R) como la función f + g cuyo valor en x ∈ R está dado por (f + g )(x) = f (x) + g (x), y el producto de una función f por un escalar r ∈ R como la función cuyo valor en x ∈ R está dado por (r f )(x) = r (f (x)), tenemos un espacio vectorial. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 13 / 50 Combinaciones lineales, subespacios y bases La gran mayorı́a de los conceptos relativos a la estructura lineal de Rn pueden definirse de forma completamente análoga sobre espacios vectoriales abstractos. Definición Una combinación lineal de n vectores ~v1 , ~v2 , . . . , ~vn , en un espacio vectorial V arbitrario, es un vector que se puede escribir de la forma ~v = r1~v1 + r2~v2 + · · · + rn v~n , donde r1 , r2 , . . . , rn son escalares reales. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 14 / 50 Ası́, por ejemplo, el vector (polinomio) p(x) = 2 − x + 3x 3 ∈ P3 [x] es una combinación de los vectores 1 + x y 1 + x 3 ya que 2 − x + 3x 3 = (−1)(1 + x) + (3)(1 + x 3 ). De igual forma, el vector (matriz) 1 2 A= ∈ M2 (R) 0 1 es una combinación de los vectores 1 2 0 1 Universidad de Los Andes () = (1) 1 0 0 1 1 0 0 1 y Álgebra Lineal + (2) 0 1 0 0 0 1 0 0 ya que . Primer Semestre de 2007 15 / 50 Definición El espacio generado por k vectores ~v1 , ~v2 , . . . , ~vk en un espacio vectorial V es el conjunto Sp (~v1 , ~v2 , . . . , ~vk ) = {r1~v1 + r2~v2 + · · · + rk v~k | r1 , r2 , . . . , rk ∈ R}, de todas las combinaciones lineales de tales vectores. Ejemplo 1 0 La matriz genera todas las matrices diagonales y con 0 1 diagonal idéntica en el espacio M2 (R). Dos vectores (no paralelos) generan un plano en R3 . Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 16 / 50 Definición Un subconjunto V ⊂ W de un espacio vectorial W es llamado subespacio de W si es cerrado bajo suma y multiplicación por escalares, es decir: 1 Si ~v1 , ~v2 ∈ V entonces ~v1 + ~v2 ∈ V . Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 17 / 50 Definición Un subconjunto V ⊂ W de un espacio vectorial W es llamado subespacio de W si es cerrado bajo suma y multiplicación por escalares, es decir: 1 Si ~v1 , ~v2 ∈ V entonces ~v1 + ~v2 ∈ V . 2 Si ~v ∈ V entonces, para cualquier escalar r ∈ R, r~v ∈ V . Al igual que en Rn , cualquier subespacio de un espacio vectorial debe contener necesariamente al vector cero ~0: Si ~v ∈ V entonces, por la propiedad 2, −~v ∈ V y, por la propiedad 1, ~v + (−~v ) = ~0 ∈ V . Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 17 / 50 Ası́, por ejemplo, {p(x) ∈ Pn [x] | p(0) = 1} {p(x) ∈ Pn [x] | p(0) = 0} No es un subespacio vectorial de Pn [x]. Universidad de Los Andes () Es un subespacio vectorial de Pn [x]. Álgebra Lineal Primer Semestre de 2007 18 / 50 Bases para espacios vectoriales Al igual que en los espacios Rn , una base para un espacio es “lo mı́nimo necesario para generar el espacio”: Sea V un espacio vectorial. Un conjunto finito de vectores ~v1 , . . . , ~vk (cuando existe) es llamado base para V si: 1 El conjunto {~v1 , . . . , ~vk } es linealmente independiente. Ejemplo Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 19 / 50 Bases para espacios vectoriales Al igual que en los espacios Rn , una base para un espacio es “lo mı́nimo necesario para generar el espacio”: Sea V un espacio vectorial. Un conjunto finito de vectores ~v1 , . . . , ~vk (cuando existe) es llamado base para V si: 1 El conjunto {~v1 , . . . , ~vk } es linealmente independiente. 2 Sp(~v1 , . . . , ~vk ) = V , es decir, cualquier vector de V puede escribirse como combinación lineal de ~v1 , . . . , ~vk . Ejemplo −3, 1 + x, −1 + x + x Es una base para P2 [x]. Universidad de Los Andes () 2 1 0 0 0 1 1 1 1 , , 1 0 1 1 No es una base para M2 (R). Álgebra Lineal Primer Semestre de 2007 19 / 50 Igual que para Rn , base canónica: 1 0 0 0 Bnm = . . .. .. 0 0 cada espacio vectorial de dimensión finita tiene una ··· ··· ··· ··· 0 0 .. . , 0 0 1 ··· 0 0 ··· .. .. . . ··· 0 0 ··· 0 0 .. . ,··· 0 , 0 0 ··· 0 0 ··· .. .. . . ··· 0 0 ··· 0 0 .. . 1 para los espacios de matrices. BPn [x] = 1, x, x 2 , . . . , x n , para los espacios de polinomios. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 20 / 50 Bases y Dimensión Teorema Sea V un espacio vectorial cualquiera. Un subconjunto {~v1 , . . . , ~vk } de V es una base del espacio si cualquier vector ~v ∈ V se puede escribir en forma única como combinación lineal de ~v1 , . . . , ~vk , es decir si existen escalares únicos r1 , . . . , rk tales que ~v = r1~v1 + · · · rk ~vk . Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 21 / 50 Dimensión El número de elementos de cualquier base para un espacio vectorial es el mismo cuando es finito, y es llamado la dimensión del espacio vectorial. Cuando no existe un conjunto finito de vectores linealmente independientes que generen a V decimos que tal espacio es de dimensión infinita. Por ejemplo: 1 Rn es un espacio vectorial de dimensión n 2 Mn m(R) es un espacio vectorial de dimensión nm 3 Pn [x] es un espacio vectorial de dimensión n + 1 4 F (R) es un espacio vectorial de dimensión infinita. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 22 / 50 Por ejemplo, sea Dn = {A ∈ Mn (R) | Aij = 0 si i matrices diagonales n × n. El conjunto Dn es un Mn (R), y si A ∈ Dn , entonces a11 0 · · · 0 0 a22 · · · 0 A= . .. .. .. . ··· . 0 luego 1 0 ··· 0 0 ··· .. .. . . ··· 0 0 ··· 0 0 .. . , 0 0 0 0 ··· 0 1 ··· .. .. . . ··· 0 0 ··· ··· 0 0 .. . , ann ,··· 0 6= j} el conjunto de subespacio vectorial de , 0 0 ··· 0 0 ··· .. .. . . ··· 0 0 ··· 0 0 .. . 1 es una base para Dn , y dim Dn = n. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 23 / 50 Cómo darle coordenadas a vectores ... Sea V un espacio vectorial de dimensión n arbitrario (matrices, polinomios, ...), podemos dar una representación de los vectores de V como vectores de Rn con respecto a una base ordenada de V . Si, por ejemplo, consideramos la base canónica para P2 [x], Bo = 1, x, x 2 y el polinomio p(x) = 1 + 2x + 3x 2 , tenemos que p(x) = (1)(1) + (2)(x) + (3)(x 2 ). Si tomamos en lugar de la base anterior la base B = −3, 1 + x, −1 + x + x 2 para P2 [x], existen tres escalares únicos que nos permiten escribir a p(x) en términos de tal base: 5 p(x) = (− )(−3) + (−1)(1 + x) + (3)(−1 + x + x 2 ). 3 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 24 / 50 Tenemos entonces dos representaciones diferentes para el polinomio p(x) = 1 + 2x + 3x 2 ∈ P2 [x]: [p(x)]Bo 1 = 2 3 − 53 = −1 3 [p(x)]Bo respecto a la base canónica Bo . respecto a la base B. Definición Dado un vector ~v ∈ V en un espacio vectorial de dimensión finita y una base BV = {~v1 , ~v2 , . . . , ~vn } de tal forma que ~v = α1~v1 + α2~v2 + · · · αn~vn , para α1 , α2 , . . . αn ∈ R únicos. Entonces decimos que el vector ~v en coordenadas respecto a BV es el vector de Rn dado por: α1 α2 [~v ]BV = . . .. αn Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 25 / 50 Cómo calcular los coeficientes cuando V = Rn Si ~x ∈ Rn y tenemos cualquier base Bn = {~v1 , ~v2 , . . . , ~vn } de Rn , para encontrar [~x ]Bn podemos proceder en dos pasos: 1 Escribir los vectores de la base ordenada en una matriz aumentada ~v1 ~v2 · · · ~vn ~x . 2 Usar reducción de Gauss-Jordan hasta obtener la la izquierda la matriz identidad, entonces a la derecha quedará el vector que buscamos: I [~x ]Bn . Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 26 / 50 Transformaciones Lineales entre espacios vectoriales Dados dos espacios vectoriales (V , +, ·) y (W , ⊕, ), cada uno con sus operaciones lineales, una transformación lineal permite transferir la estructura lineal de uno en el otro: Definición Una aplicación T :V →W entre espacios vectoriales (V , +, ·) y (W , ⊕, ) es llamada transformación lineal si preserva la estructura lineal (suma y producto por escalar): 1 Si ~x , ~y ∈ V , entonces T (~x + ~y ) = T (~x ) ⊕ T (~y ). 2 Si ~x ∈ V y α ∈ R, entonces T (α · ~x ) = α T (~x ). Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 27 / 50 Igual que en el caso de Rn , una transformación lineal toma combinaciones lineales α1 · ~x1 + α2 · ~x2 + · · · +αk · ~xk de vectores en V y las lleva a transformaciones lineales de vectores en W : T (α1 ·~x1 +α2 ·~x2 +· · ·+αk ·~xk ) = α1 T (~x1 )⊕α2 T (~x2 )⊕· · ·⊕αk T (~xk ). En particular, la imagen del cero ~0V ∈ V bajo la transformación lineal debe ser el cero ~0W ∈ W : T (~0V ) = ~0W . De ahora en adelante, cuando no indiquemos explı́citamente la operación en un espacio vectorial (de vectores columna, matrices, polinomios o funciones) asumiremos que las operaciones son las usuales, i.e. las definidas por componentes. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 28 / 50 Ejemplo La aplicación T : R3 → M2 (R) definida por x x +y y T = −z z −y y +z , es una transformación lineal. La aplicación T : P2 [x] → R2 definida por a0 + a1 + 1 T a0 + a1 x + a2 x 2 = , a0 − a2 no es una transformación lineal. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 29 / 50 La matriz asociada a una transformación En el capı́tulo anterior vimos como podemos asociar a una transformación lineal T : Rn → Rk una matriz k × n. Ahora, si tenemos una transformación entre dos espacios vectoriales abstractos de dimensión finita (dim V = n y dim W = k) T :V →W podemos hacer la misma operación con respecto a un par de bases fijas BV y BW , para V y W respectivamente, de la forma siguiente: Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 30 / 50 1 Tomamos la base BV = {~v1 , ~v2 , . . . , ~vn } de V y aplicamos la transformación a cada uno de sus vectores, obteniendo {T (~v1 ), T (~v2 ), . . . , T (~vn )} ⊂ W . 2 Escribimos cada vector en {T (~v1 ), T (~v2 ), . . . , T (~vn )} como vector de coordenadas respecto a la base BW : {[T (~v1 )]BW , [T (~v2 )]BW , . . . , [T (~vn )]BW } ⊂ Rk . 3 Usamos cada uno de estos vectores como vector columna de la matriz de transformación (respecto a BV y BW ): | | | AT = [T (~v1 )]BW [T (~v2 )]BW · · · [T (~vn )]BW , | | | obteniendo una matriz k × n. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 31 / 50 Teorema Sea T : V → W una transformación lineal entre dos espacios vectoriales abstractos de dimensión finita (dim V = n y dim W = k) y sean BV y BW bases para V y W , respectivamente. Entonces, si AT es la matriz de transformación (respecto a BV y BW ) y ~x ∈ V entonces [T (~x )]BW = AT [~x ]BV . Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 32 / 50 Ejemplo Tomemos la transformación lineal T : P2 [x] → M2 (R) definida por a0 + a1 a2 2 T a0 + a1 x + a2 x = . a0 − a1 a2 Entonces, si tomamos como base para P2 [x] BP = −3, 1 + x, −1 + x + x 2 tal base se transforma como −3 0 2 0 T (−3) = , T (1 + x) = , −3 0 0 0 T −1 + x + x Universidad de Los Andes () 2 = Álgebra Lineal 0 1 −2 1 . Primer Semestre de 2007 33 / 50 Ejemplo (continuación) Si tomamos ahora como base para M2 (R) la base canónica Bo , en términos de tal base: −3 2 0 0 [T (1 + x)]Bo = [T (−3)]Bo = −3 , 0 , 0 0 [T −1 + x + x 2 ]Bo 0 1 = −2 . 1 Ası́, la matriz de la transformación respecto a BP y Bo es −3 2 0 0 0 1 AT = −3 0 −2 . 0 0 1 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 34 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 35 / 50 Números complejos La ecuación x2 + 1 = 0 no tiene solución en los números reales R. Es decir, no existe un número real r tal que r 2 = −1. Sin embargo, hay conjuntos en los que la ecuación anterior si tiene solución. Por ejemplo, si multiplicamos la matriz 0 −1 i= por ella misma obtenemos 1 0 2 i = 0 −1 1 0 0 −1 1 0 = −1 0 0 −1 = −I , luego la ecuación M 2 + I = O si tiene solución en M2 (R). Vamos a definir un conjunto de números, llamados “complejos”, que es (en algún sentido) el conjunto “más pequeño” en el que todas las ecuaciones polinomiales tienen solución. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 36 / 50 El plano complejo Definición Un número complejo es una expresión de la forma a+ib donde a, b ∈ R y el sı́mbolo i denota una √ solución a la ecuación 2 x + 1 = 0. Es costumbre escribir i = −1. Denotaremos por C el conjunto de números complejos y los representaremos en um plano de la siguiente forma: Si z = a + i b ∈ C, llamaremos a a la parte real de z, Re(z), y a b su parte imaginaria, Im(z). Poniendo Re(z) en el eje de las x e Im(z) en el eje de las y podemos representar a z como un vector en el plano. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 37 / 50 Operaciones con números complejos El conjunto de números complejos es un campo algebraico, es decir que sabemos no solamente sumar y restar números complejos, sino que también tenemos una forma de multiplicarlos y dividirlos, con propiedades similares a las de los números reales: 1 Suma: Sean z = a + ib, w = c + id ∈ C, entonces z + w = (a + c) + i(b + d). 2 Multiplicación: Sean z = a + ib, w = c + id ∈ C, entonces zw = (ac − bd) + i(cb + ad). 3 Conjugación: Si z = a + ib ∈ C, su conjugado es el número complejo z̄ = a − ib. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 38 / 50 Graficamente podemos ver el efecto de las operaciones en el plano complejo de la forma siguiente: Suma (y resta) Universidad de Los Andes () Conjugación Álgebra Lineal Primer Semestre de 2007 39 / 50 Para entender gráficamente la multiplicación de números complejos vamos a introducir una nueva representación de z ∈ C llamada representación polar. Definición Dado z = a + ib ∈ C, la norma o magnitud de z es el tamaño del vector z en el plano complejo: p | z |= a2 + b 2 . El argumento de z es el ángulo θ que hace el vector z con el eje real en el plano complejo. Si tomamos tal ángulo en el intervalo −π ≤ θ ≤ π lo llamamos argumento principal. Ası́, z = r (cosθ + i senθ). Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 40 / 50 Ejemplo √ Tomemos el número z = −1 + i 3 ∈ C, entonces su norma y su argumento principal son | z |= √ 1+3=2 y Arg (z) = − 5π . 6 √ Ahora observemos que z 2 = −2 − i2 3, luego | z 2 |= 4 y π Arg (z 2 ) = −2 5π 6 = 3 , luego el efecto de la multiplicación es el de rotar y alargar el vector: Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 41 / 50 Lo anterior resulta mucho más claro si escribimos z = r (cosθ + i senθ) y observamos que z n = r n (cos(nθ) + i sen(nθ)). De forma similar, el efecto de la división puede representarse graficamente de la siguiente forma: Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 42 / 50 Espacios vectoriales sobre el campo complejo Definición Un Espacio Vectorial sobre C es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares complejos, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 43 / 50 Espacios vectoriales sobre el campo complejo Definición Un Espacio Vectorial sobre C es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares complejos, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w 2 Conmutatividad: ~u + ~v = ~v + ~u Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 43 / 50 Espacios vectoriales sobre el campo complejo Definición Un Espacio Vectorial sobre C es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares complejos, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w 2 Conmutatividad: ~u + ~v = ~v + ~u 3 Existencia de identidad aditiva: ~u + ~0 = ~u Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 43 / 50 Espacios vectoriales sobre el campo complejo Definición Un Espacio Vectorial sobre C es una tripla (V , +, ·) donde V es un conjunto, + una forma de sumar y · una forma de multiplicar elementos de V por escalares complejos, satisfaciendo las siguientes condiciones: 1 Asociatividad: ~ = ~u + (~v + w ~) (~u + ~v ) + w 2 Conmutatividad: ~u + ~v = ~v + ~u 3 Existencia de identidad aditiva: ~u + ~0 = ~u 4 Existencia de inverso aditivo: ~u + (−~u ) = ~0 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 43 / 50 Definición (continuación) ~ son elementos de V y, si r , s escalares en C, tenemos donde ~u , ~v y w además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 44 / 50 Definición (continuación) ~ son elementos de V y, si r , s escalares en C, tenemos donde ~u , ~v y w además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w 2 Distributividad: (r + s) · ~v = r · ~v + s · ~v Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 44 / 50 Definición (continuación) ~ son elementos de V y, si r , s escalares en C, tenemos donde ~u , ~v y w además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w 2 Distributividad: (r + s) · ~v = r · ~v + s · ~v 3 Asociatividad: r · (s · ~v ) = (rs) · ~v Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 44 / 50 Definición (continuación) ~ son elementos de V y, si r , s escalares en C, tenemos donde ~u , ~v y w además 1 Distribitividad: ~ ) = r · ~v + r · w ~ r · (~v + w 2 Distributividad: (r + s) · ~v = r · ~v + s · ~v 3 Asociatividad: r · (s · ~v ) = (rs) · ~v 4 Existencia de unidad multiplicativa: 1 · ~v = ~v Tenemos por ejemplo... Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 44 / 50 Ejemplos El Espacio Cn El conjunto Cn = {~z = (z1 , . . . , zn ) | z1 , . . . , zn ∈ C} con la suma y el ~ = (w1 , . . . , wn ) en Cn producto escalar definidos, para ~z = (z1 , . . . , zn ), w y r ∈ C, según: ~z + w ~ = (z1 , . . . , zn ) + (w1 , . . . , wn ) = (z1 + w1 , . . . , zn + wn ), y r · ~z = (rz1 , . . . , rzn ), forma un espacio vectorial. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 45 / 50 Ejemplos Espacios de Matrices El conjunto Mmn (C) de matrices m × n con entradas (o componentes) reales con suma de matrices y multiplicación por escalares usuales es un espacio vectorial sobre C. Espacio de polinomios Pn [x] Sea Pn [x] el conjunto de polinomios de grado menor o igual a n, en una variable x, con coeficientes complejos. Es decir, un elemento p(x) ∈ Pn [x] es un polinomio de la forma p(x) = a0 + a1 x + a2 x 2 + · · · + an x n , con a0 , . . . , an ∈ C. Si definimos la suma de polinomios y su producto por escalares de la forma usual tenemos un espacio vectorial sobre C. Todos los conceptos anteriormente definidos para espacios vectoriales sobre R (subespacios, bases, etc.) se definen de forma idéntica para espacios vectoriales sobre C. Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 46 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 47 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 48 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 49 / 50 Contenidos 1 Geometrı́a en Rn , matrices y sistemas de ecuaciones lineales 2 Dimensión, rango y transformaciones lineales 3 Espacios vectoriales Espacios Vectoriales Conceptos bsicos en espacios vectoriales Vectores en coordenadas Transformaciones lineales 4 Números complejos y espacios vectoriales complejos El campo complejo Espacios vectoriales sobre el campo complejo 5 Determinantes 6 Valores y vectores propios 7 Ortogonalidad 8 Cambio de base Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 50 / 50