Álgebra Lineal - Universidad de los Andes

Anuncio
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
Descargar