Álgebra II.

525148
DIM - CFM
26 de junio de 2020
Prof.: Gajardo, Jara, Thiele

Transformaciones lineales y producto interno

Definición 1 Una función T : Km → Kn se dice lineal si y solo si ∀u, v ∈ Km , ∀α ∈ K,

cumple:

1. T (u + v) = T (u) + T (v).
2. T (αv) = αT (v).

Teorema 1 Una función T : Km → Kn es lineal si y solo si existe una matriz M ∈ Mn×m (K)
fija tal que su fórmula está dada por:
T (v) = M v
para todo v ∈ Km .

Observación 1 Para encontrar la matriz M basta evaluar T en la base canónica C = {e1 , e2 , .., em }
de Km , las columnas de M serán las imágenes de los vectores canónicos a través de T .
 
| | |
T (ei ) = M ei = M·i ⇒ M =  T (e1 ) T (e2 ) · · · T (em )  = T (C)
| | |

Teorema 2 Para especificar completamente una transformación lineal T : Km → Kn basta

conocer su imagen en una base B = {u1 , . . . , um } cualquiera de Km .

 
| | |
Demostración. Definiendo B =  u1 u2 ··· um , tenemos que:
| | |

T (B) = M B ⇒ M = (T (B))B −1
Definición 2 Dada T : Km → Kn lineal, se definen los subespacios:

Ker(T ) = {v ∈ Km | T (v) = Θn }, n(T ) = dim(Ker(T )

Im(T ) = {T (v) | v ∈ Km },
= {w ∈ Kn | (∃v ∈ Km ) T (v) = w} r(T ) = dim(Im(T )).

Observación 2 Si {u1 , . . . , um } es base de Km , entonces

Im(T ) = h{T (u1 ), .., T (um )}i = espacio columna de M.

Observación 3

Ker(T ) = {x ∈ Km |M x = Θn } = conjunto solución de M x = Θ

Observación 4 Dada T : Km → Kn lineal, se cumple la siguiente equivalencia.

T es sobreyectiva ⇔ Im(T ) = Kn ⇔ r(T ) = n

Teorema 3 Dada T : Km → Kn lineal, se cumple la siguiente equivalencia.

T es inyectiva ⇔ n(T ) = 0

Teorema 4 (nucleo-imagen) Dada T : Km → Kn lineal, se cumple:

n(T ) + r(T ) = m = dimensión del espacio de partida

 Vectores y valores propios

Definición 3 Un vector v 6= Θ es vector propio de M ∈ Mn×n si y solo si

v es paralelo a M v

∃λ ∈ K, M v = λv,
tal λ es un valor propio de M .
Propiedad 1

λ es valor propio de M ⇔ Ker(M − λIn ) 6= {Θ} ⇔ det(M − λIn ) = 0

pM (x) = det(M − xIn ) = polinomio caracterı́stico de M , es un polinomio de grado n.

σ(M ) =raı́ces de pM (x) = conjunto de valores propios de M .

Si λ es valor propio de M , entonces:

Ker(M − λIn ) = Sλ (M ) = subespacio propio de M asociado a λ

rλ = multiplicidad algebraica = multiplicidad de λ como raı́z de pM (x).

gλ = dim(Sλ (M )) = multiplicidad geométrica de λ.

Teorema 5 ∀λ ∈ σ(M )
1 ≤ gλ ≤ rλ

Observación 5 X X
|σ(M )| ≤ gλ ≤ rλ ≤ n
λ∈σ(M ) λ∈σ(M )

Propiedad 2

M es invertible ⇔ Ker(M − 0In ) = {Θ} ⇔ 0 6∈ σ(M )

Definición 4 M se dice diagonalizable si existe D diagonal y P invertible tq. M = P DP −1 .

Propiedad 3 Si M = P DP −1 , entonces:

M k = P DP −1 P DP −1 . . . P DP −1 = P Dk P −1
Si M es invertible: M −1 = (P DP −1 )−1 = P D−1 P −1 .

Teorema 6 Son equivalentes:

M ∈ Mn×n (K) es diagonalizable

Existe una base de Kn formada solo por vectores propios de M .
X
gλ = n
λ∈σ(M )

pM (x) se factoriza en factores lineales en K y ∀λ ∈ σ(M ), gλ = rλ

Propiedad 4 Si v1 , .., vk son vectores propios asociados a valores propios distintos λ1 , λ2 , . . . , λk ,
entonces {v1 , . . . , vk } es l. i. Es más, la unión de las bases de los subespacios propios es l.i.

Cuando M es diagonalizable se cumple:

MP = PD

Donde P es la matriz que tiene los vectores de la base de vectores propios, y D tiene en la
diagonal a los valores propios en el mismo orden y repetidos según su multiplicidad.

Teorema 7 No podemos demostrar aquı́ pero se cumple:

en R, si M = M > , entonces M es diagonalizable, con vp en R y P −1 = P > ,

> >
en C, si M = M , entonces M es diagonalizable, con vp en R y P −1 = P .
 Producto interno en K = RoC

Definición 5 Un producto interno es una operacion h ; i entre vectores que cumple:

1. (∀u, v, w ∈ V )(∀λ ∈ K) 2. (∀u, v ∈ V ) hu; vi = hv; ui

a) hλu; vi = λhu; vi 3. (∀u ∈ V ) hu; ui ≥ 0

b) hu + v; wi = hu; wi + hv; wi 4. (∀u ∈ V ) [hu; ui = 0 ⇔ u = Θ]

Cualquier operación que cumpla estas propiedades cumplirá también la teorı́a que desarrolla-
remos.

Observación 6 En Kn todos los productos internos tienen la forma:

hx; yi = x> M y
>
donde M = M y σ(M ) ⊂ R+ , y se obtiene de Mij = hei ; ej i.
 Norma

Definición 6 Dado un espacio vectorial sobre K, con K = R o C, decimos que la función

k k : V → R+ ∪ {0} es una norma si satisface las siguientes propiedades.

1. (∀λ ∈ K)(∀u ∈ V ) kλuk = |λ| kuk 3. (∀u ∈ V ) kuk ≥ 0

2. (∀u, v ∈ V ) ku + vk ≤ kuk + kvk 4. (∀u ∈ V ) [kuk = 0 ⇔ u = Θ]

Cualquier operación que cumpla estas propiedades servirá como noción de tamaño, pero la
teorı́a que desarrollaremos solo se cumplirá para las normas que provienen de un producto
interno.

Definición 7 Dado un producto interior h ; i, se define la norma inducida por éste por:
p
kuk = hu; ui.
para cada v ∈ Kn .
Propiedad 5 Desigualdad de Cauchy-Schwarz:

∀u, v ∈ Kn , |hu; vi| ≤ kuk kvk

Definición 8
hu; vi
cos(∠uv ) = ∈ [−1, 1]
kuk kvk

Definición 9 Dado un producto interior h ; i y su norma inducida k k, decimos que:

1. u y v son ortogonales si hu; vi = 0 y entonces denotamos u⊥v,

2. el conjunto {u1 , .., uk } es ortogonal si (∀i 6= j) ui ⊥uj y (∀i ∈ {1, .., k}) ui 6= Θ,
3. el conjunto {u1 , .., uk } es ortonormal si es ortogonal y (∀i ∈ {1, .., k}) kuk = 1.

Estas 3 nociones son relativas al p.i. usado, no son nociones absolutas.

Propiedad 6 Si {u1 , .., uk } es ortogonal, entonces

es l.i.,
es base de U = h{u1 , .., uk }i,
k
X hu; ui i
para todo u ∈ U, u = ui ,
i=1
kui k2

k
X hv; ui ihw; ui i
hv; wi = ,
i=1
kui k2

k
X |hu; ui i|2
kuk2 = .
i=1
kui k2
 Proyecciones

Definición 10 Dado un p.i. y su norma inducida, y dado un s.e.v U , se define u = P royU (v)
como el único vector que cumple:

∀w ∈ U, ||v − u|| ≤ ||v − w||,

Teorema 8 Si U es generado por un conjunto ortogonal {u1 , .., uk }, entonces:

k
X hv, ui i
1. P royU (v) = ui
i=1
kui k2

2. U ⊥ (v − P royU (v))
 Método de Gram-Schmidt

Propiedad 7 Dado un conjunto l.i. {v1 , .., vk } en V , definimos el conjunto {u1 , .., uk }, por
recurrencia, como sigue.

u1 = v1
ui+1 = vi+1 − P royh{u1 ,..,ui }i (vi+1 )
i
X hvi+1 , uj i
= vi+1 − uj
j=1
kuj k2

Resulta que para cada i ∈ {1, .., k}, {u1 , .., ui } es ortogonal y genera el mismo espacio que
{v1 , .., vi }.

Corolario 1 Todo espacio de dimensión finita tiene alguna base ortonormal.

En R3 se tienen las siguientes fórmulas
 ha − p; ui
dist(a, Lp,u ) = ka − p − uk
hu; ui

dist(a, Πp,u,v ) = ka − p − P royh{u,v}i (a − p)k

= kP royh{u×v}i (a − p)k
ha − p; u × vi
= k (u × v)k
hu × v; u × vi
|ha − p; u × vi|
=
ku × vk

Donde,

u×v = (u2 v3 − u3 v2 , −(u1 v3 − u3 v1 ), u1 v2 − u2 v1 )

(u × v)⊥u ∧ (u × v)⊥v