Algebra II: Resumen Terico

Diego Martn Nieto Cid

7 de julio de 2009

ndice
1. Espacios vectoriales
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.

Subespacios . . . . . . . .
Combinacin Lineal . . .
Independencia Lineal . . .
Base . . . . . . . . . . . .
Coordenadas . . . . . . .
Matriz de cambio de base

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

2. Wronskiano
3. Producto interno
3.1.
3.2.
3.3.
3.4.
3.5.
3.6.

Denicin . . . . . . . . . .
Desigualdad de Schwarz . .
Desigualdad triangular . . .
Teorema de Pitgoras . . .
Igualdad del paralelogramo
Propiedades varias . . . . .

2
2
2
2
2
2
3

3
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

3
3
3
3
3
4
4

4. Proyeccin ortogonal

5. Cuadrados minimos

4.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Matriz de proyeccin . . . . . . . . . . . . . . . . . . . . . . . . .
5.1. Regresin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6. Transformaciones lineales
6.1.
6.2.
6.3.
6.4.

Denicin . . . . . . . . . . . . . . . . .
Teorema de las transformaciones lineales
Clasicacin . . . . . . . . . . . . . . . .
Matriz de la transformacin . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

7.1. Lineales de primer orden . . . . . . . . . . . . . . .

7.1.1. Generales . . . . . . . . . . . . . . . . . . .
7.1.2. A coecientes constantes . . . . . . . . . . .
7.1.3. Principio de superposicin . . . . . . . . . .
7.1.4. Problemas a valores iniciales . . . . . . . .
7.1.5. Sistemas de ecuaciones . . . . . . . . . . . .
7.2. Lineales de segundo orden a coecientes constantes
7.2.1. Solucin homogenea . . . . . . . . . . . . .
7.2.2. Solucin particular . . . . . . . . . . . . . .
7.2.3. Problemas a valores iniciales . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

7. Ecuaciones diferenciales

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

5
5
5
6

6
6
7
7
7

7
7
8
8
8
9
10
10
10
11

8. Autovectores y Autovalores

11

9. Diagonalizacin

11

9.1. Semejanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9.2. Aplicacin a transformaciones lineales . . . . . . . . . . . . . . .
1

12
12

[Link] unitarias y ortogonales

12

[Link] simtricas y hermticas

13

[Link] espectral

13

[Link] cuadrticas

13

13.1. Clasicacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2. Optimizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

[Link] en valores singulares (DVS)

14.1. DVS Reducida . . . . . . . . . .
14.2. Observaciones . . . . . . . . . . .
14.3. Pseudo inversa de Moore-Penrose
14.4. Propiedades . . . . . . . . . . . .

[Link] de la prctica

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

13
14

15

15
15
15
16

16

1. Espacios vectoriales
1.1. Subespacios
Sea un espacio vectorial y , es subespacio si y slo si

0
+ ,
;

1.2. Combinacin Lineal

Sea el conjunto {1 , . . . , } y , es combinacin lineal de
{1 , . . . , } si existen 1 , . . . , tales que = 1 1 + . . . + .

1.3. Independencia Lineal

El conjunto {1 , . . . , } es linealmente independiente si y slo si

= 0 = 0

=1

1.4. Base
El conjunto {1 , . . . , } es una base de si y slo si

{1 , . . . , } genera .
{1 , . . . , } es linealmente independiente.
Adems () = .

1.5. Coordenadas
Sea = {1 , . . . , } una base de y se denomina coordenadas al

conjunto {1 , . . . , } / =
.
=1

Se dene la siguiente funcin:

:

() = ...

Propiedades:

() = 0 = 0
( + ) = () + ()
() = ()
{1 , . . . , } L.I. { (1 ), . . . , ( )} L.I.
3

1.6. Matriz de cambio de base

Sean = {1 , . . . , } y = {1 , . . . , } bases de .

[
]
= (1 ) . . . ( )
cambio de base a
[
]
1
cambio de base a
= (1 ) . . . ( ) = [ ]

2. Wronskiano
Sean 1 , 2 1

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

Si 0 / (1 , 2 , 0 ) = 0 = {1 , 2 } L.I.

3. Producto interno
3.1. Denicin
Sea un espacio vectorial, , : es producto interno si

, = ,
+ , = , + ,
, 0

, = 0 = 0

Sea un espacio vectorial, , : es producto interno si

, = ,
+ , = , + ,
, 0

, = 0 = 0

3.2. Desigualdad de Schwarz

, P.I. = ,

3.3. Desigualdad triangular

+ +

3.4. Teorema de Pitgoras

2

= + = + +

3.5. Igualdad del paralelogramo

(
)
2
2
2
2
+ = 2 +

3.6. Propiedades varias

producto cannico en
producto cannico en
2

= ,
(, ) = ( distancia de x a y )
, = 0
/ cos() =

( ngulo subtendido entre x e y )

{1 , . . . , } es un conjunto ortogonal si ,

{1 , . . . , } es un conjunto ortonormal si es ortogonal y , = 1

Si {1 , . . . , } es un conjunto ortogonal = es L.I.

Sea = {1 , . . . , } base de , , y , es P.I. entonces

donde =

1 , 1
..
.

, = () ()

. . . 1 ,

..
..
simtrica en , hermtica en y
.
.

, 1 . . .
denida positiva.

4. Proyeccin ortogonal
Complemento ortogonal: Sea , el complemento ortogonal, , es el
conjunto
= { / , = 0 }

es subespacio.
Si = entonces = {0 }

4.1. Denicin
Sea un espacio vectorial con P.I., , y .

.
=

Si = = es nico.

(, ) (, )
Sea = {1 , . . . , } una base ortogonal de .

,
=
donde =

,
=1

= 0

Si = =
Si entonces = +

4.2. Gram-Schmidt
Sea y = {1 , . . . , } base de = = {1 , . . . , } base
ortogonal de donde:

1 = 1
= 1 ; 1 = {1 , . . . , 1 } ; 2

4.3. Matriz de proyeccin

Una matriz de proyeccin verica
1. =
2. 2 =
3. = ( )
Sea con el P.I. cannico y = 1 , . . . , base ortonormal de .
Si = [1 . . . ] entonces = proyecta sobre .

5. Cuadrados minimos
Sea .
Si () entonces = es compatible.
Si
/ () es posible encontrar 0 / 0 = () .
La solucin del sistema = por cuadrados mnimos cumple

Ecuaciones normales

Observaciones:
6

 () = ( )
( ) = ()
Si () = entonces # = ( )1 , denominada pseudo-inversa
de , es tal que

# =
# = matriz de proyeccin

5.1. Regresin lineal

Dado el conjunto de puntos {(1 , 1 ), . . . , ( , )} la recta que mejor ajusta
a los puntos es

= +
donde

]

=1
=1
=

=1

=1

=1

6. Transformaciones lineales
6.1. Denicin
Sean y espacios vectoriales. Una funcin : es una transformacin lineal si para 1 , 2 y se verican

(1 + 2 ) = (1 ) + (2 )
(1 ) = (1 )
Observaciones:

(0 ) = 0

..

Sean : y : , la composicin : es una

transformacin lineal.
subespacio de

( ) = { / () = 0 }

( ) = { / = () para algn }
Propiedades:

{ (1 ), . . . , ( )} L.I = {1 , . . . , } L.I.
( ( )) + (( )) = ()

subespacio de

6.2. Teorema de las transformaciones lineales

Sea un espacio vectorial, = {1 , . . . , } base de y dado el conjunto
{1 , . . . , } , ! T.L. : / ( ) = .

6.3. Clasicacin
Monomorsmo: inyectiva; 1 = 2 = (1 ) = (2 )
Epimorsmo: sobreyectiva; ( ) =
Isomorsmo: biyectiva
Propiedades:

es monomorsmo ( ) = {0 }
es monomorsmo = () ()
es epimorsmo = () ()
es isomorsmo = () = ()
es isomorsmo = 1 : T.L.
es isomorsmo y {1 , . . . , } base de = { (1 ), . . . , ( )} base
de

6.4. Matriz de la transformacin

Sean = {1 , . . . , } base de y = {1 , . . . , } base de .

[ ] =

( (1 ))

. . . ( (1 ))

( ()) = [ ] ()
Observaciones:
([ ] ) = (( ))
Las columnas de [ ] son las coordenadas de los generadores de ( ).
[
]
1
Si es isomorsmo = 1 = [ ]

7. Ecuaciones diferenciales
7.1. Lineales de primer orden
7.1.1. Generales
+ () = ()

Si () = 0, la ecuain es homogenea.
8

1
(), ()

Todas las soluciones de la ecuacin se pueden escribir = + donde

es una solucin de la ecuacin e son las soluciones de la ecuacin homogenea.

= () ()
= ()
= () + () ()
siendo

() = ()

() = () ()

7.1.2. A coecientes constantes

Mtodo de los coecientes indeterminados ( slo si () = () )
Si = :

= +1

donde (+1 ) = ( ) + 1.
Si = :

= ()

donde (+1 ) = ( ).
Luego reemplazando en la ecuacin diferencial se obtienen los coecicentes de +1 o .

7.1.3. Principio de superposicin

1
1

/ 1 + 1 = 1 ()
/ 2 + 2 = 2 ()
Sumando se obtiene:

(1 + 2 ) + (1 + 2 ) = 1 () + 2 ()
Entonces 1 + 2 es solucin de + = 1 () + 2 ().

7.1.4. Problemas a valores iniciales

{

+ ()
(0 )

= ()
= 0

1. Se obtiene .
2. Reemplazando por 0 resulta (0 ) = 0 , de donde se obtiene el valor
de .

7.1.5. Sistemas de ecuaciones

El sistema de ecuaciones diferenciales

1 =
1

=1

..
.

=1

puede interpretarse matricialmente como

=
donde

11
..
= .
1

..
.

1
..
.

1
..
= .

= ...

Si es diagonalizable, = con

1
0

..
=

.
0

[
]
= 1
Sea = 1 , = 1 :

= 1 = 1 1 =
quedando el sistema en :

=
..
.

1 1

que tiene solucin inmediata

1 1

..
=

.


y = .
10

7.2. Lineales de segundo orden a coecientes constantes

+ + = ()

7.2.1. Solucin homogenea

() = 2 + +

polinomio caractrstico de la ecuacin

Sean 1 y 1 las raices de ().

Si 1 = 2

1 , 2
{
}
= 1 , 2

Si 1 = 2

1 , 2
}
{
= 1 , 1

Si 1 = 2
1 = +
2 =

1 , 2

{
}
= 1 , 2
Empleando una combinacin lineal adecuada de estos generadores es posible obtener la siguiente solucion:
{
}
= cos , sen

7.2.2. Solucin particular

Coecientes indeterminados( () = )

= ()

si 1 = 2 =
( )
( ) + 1 si 1 = =
2 2 = = 1
donde (()) =

( ) + 3 si 1 = 2 =
Mtodo de variacin de las constantes

= 1 1 + 2 2
= 1 ()1 + 2 ()2
{

1 1 + 2 2
1 1 + 2 2

=
0
= ()

Resolviendo el sistema por regla de cramer:

()2 ()
1 =
(1 , 2 )
()1 ()
2 =
(1 , 2 )
De donde se obtienen 1 y 2 por integracin de sus respectivas derivadas.
11

7.2.3. Problemas a valores iniciales

+ +
(0 )

(0 )

=
=
=

()
0
1

1. = + 1 1 + 2 2
2. Reemplazando por 0 resulta (0 ) = 0 y (0 ) = 1 , de donde se
obtiene el valor de 1 y 2 .

8. Autovectores y Autovalores
= 0, es autovector de si / = Y se dice
que es el autovalor de asociado al autovector .
Polinomio Caracterstico: () = ( )
tiene grado y sus races son los autovalores de .
= (): autoespacio de asociado a (generado por autovectores
asociados a )
Multiplicidad algebraica: (m.a.) multiplicidad de como raiz de
Multiplicidad geomtrica: (m.g.) dimensin de
Observaciones:
Si = 0 es autovalor de es singular.
Si es trianguar superior o inferior o diagonal Los elementos de la
diagonal son los autovalores de .

..
=
Si = { , } ..
Sea : y :

() =
() =

Si es autovalor de asociado a () es autovalor de () asociado
a .

() = () autovalores de = autovalores de . Adems, si

es autovalor de de m.g. es autovalor de de m.g. .

9. Diagonalizacin
es diagonalizable = 1 base de formada por autovectores de Siendo:
[
]
= 1
1

1
..
= . 1

12

9.1. Semejanza
es semejante a , y se lo nota , si y solo si tal que = 1 .
Sean , , semejantes y , , semejantes, entonces:
() = ()
( , ) = ( , )
= (1 ) = (1 )
L.I. 1 1 L.I.
(relacin transitiva)
Si diagonalizable . (donde es la matriz diagonal de autovalores.)

9.2. Aplicacin a transformaciones lineales

= 0 es autovector de la transformacin : , si ()
=
1

= {1 } base de autovectores [ ] = ...

es autovector de asociado a () es autovector de [ ] asociado

a para cualquier base .
Observaciones:
[ ] [ ]
es diagonalizable si existe base de autovectores de .

10. Matrices unitarias y ortogonales

( Con producto interno cannico. )

es unitaria si 1 = =
1

es ortogonal si =

sus columnas
son una BON

Si es ortognal es unitaria.
Propiedades:

( ) = 1
, , unitarias , unitaria.
, unitaria (, ) = ( , ).
Se dice que onserva el producto interno" conserva norma y ngulo.
Si , autovalor de , unitaria = 1.
Si = {1 } BON de y = {1 } BON de ,
unitaria.

13

11. Matrices simtricas y hermticas

es simtrica si =
es hermtica si = =
es simtrica es hermtica.
Propiedades:
, hermtica

Si es autovalor de , hermtica
Si es hermtica y = autovalores de
Si es invariante por es invariante por .

12. Teorema espectral

es simtrica si y solo si ortogonal tal que = .
es hermtica si y solo si unitaria tal que = .

13. Formas cuadrticas

() = con simtrica
Las formas cuadrticas ms sencillas resultan cuando es diagonal:
Elipses:

2
2

Hiprboles:

2
2

2
2

=1

2
2

=1

Si no es diagonal resultan elipses o hiprboles rotadas respecto de los ejes

cartesianos: 21 + 21 2 + 22
Empleando el siguiente cambio de variable se logra obtener una expresin
sencilla respecto de los ejes apropiados:

=
= =
Sea = , = :

= =

Faltan 3 grcos

13.1. Clasicacin
() = simtrica
Denida positiva si: > 0 = 0
Denida negativa si: < 0 = 0
Semi-denida positiva si: > 0 0
14

Semi-denida negativa si: < 0 0

Indenida si: 1 , 2 tal que 1 1 > 0 y 2 2 < 0

() denida positiva > 0, con autovalores de .

13.2. Optimizacin
() = con restriccin 2 = 1
()
2 = 1

()
2 = 1

()
=
2 = 1
()
=
2 = 1

() = = (autovector)
() = = (autovector)

Si la restriccin es 2 = , expresando como 2 con =

resulta:

= 2

siendo

2 2

Si la restriccin es = 1:
(si fuera = = 1 =

= con = ...

Sea = 1 1 con 1 = ... = = 1 1 = 1

Al introducirse la variable : = 1 , la restriccin se convierte, en z, a

2 = 1. Ya que:
= 1

= 11

= 1 11 =
Sustituyendo en la forma cuadrtica se reduce el problema a la restriccin
2 = 1:

() =

siendo = 11 11 = 11 .

15

() =

14. Descomposicin en valores singulares (DVS)

Propiedad: si es simtrica y semi-denida positiva.

Se llama valor singular de a = , siendo autovalor de .

Si , () = y tal que = , donde

1
0

..
..

.
.

,
=

0
0
con 1 2 > 0: valores singulares de .

, ortogonal

= [1 +1 ]

con =
{1 } y {+1 } tal que {1 } es BON de y
autovector de asociado a .

, ortogonal

= [1 ]

14.1. DVS Reducida

=
con

= [1 ]

= . . .

= [1 ]

14.2. Observaciones
{1 } BON ()
{+1 } BON ()
{1 } BON ()

{+1 } BON [()]

14.3. Pseudo inversa de Moore-Penrose

Sea = , se dene = o = donde
[ 1
]

=
0
0
16

14.4. Propiedades
= Matriz de proyeccin sobre ()
=
= Matriz de proyeccin sobre ()
=
=
( ) =
=
, () = = # (# = ( )1 )
, no singular = 1
Relacin con mnimos cuadrados:

= incompleto =
= ()
es la matriz de proyeccin =
=
= es solucin del problema de cuadrados mnimos de menor
norma y todas las soluciones se escriben
= + , con ().

15. Observaciones de la prctica

=

Householder (ver gura 1). =

Sea la matriz de proyeccin sobre , es matriz de

proyeccin sobre .

, () = , < 0 es autovalor de m.g. .

Sea autovalor de , es autovalor de .
Sea autovalor de y , es autovalor de .
Sea autovalor de , 1 es autovalor de 1
Sea autovalor de , + es autovalor de + .
Sea autovalor de , es autovalor de .
Si posee autovalores distintos entonces es diagonalizable.
Si 2 = y (), = .
Sea () = con y ortogonal. Si es invariante por ,
() = y ( ) = .
17

Figura 1: Matriz de Householder.

= (, ), con hermtica, dene un productoo interno

es denida positiva.

, () = .
tiene los mismos valores singulares que .

18