UNIVERSIDAD NACIONAL DE SAN AGUSTIN

DE AREQUIPA

FACULTAD DE CIENCIAS NATURALES Y FORMALES

ESCUELA PROFESIONAL DE MATEMÁTICAS

TRABAJO DEL CURSO DE ÁLGEBRA LINEAL Y

MULTILINEAL

Trabajo presentado por presentado por:

Amador Jesus Ccopa Cama

Jaime Wilber Saya Cahuana

Mily Derly Gallegos Huallpa

Sol Dayana Fernández Morales

Luis Alejandro Málaga Allca

Arequipa - Perú

2020
 i

ı́ndice

Teorema 1 1

Problema 2

Teorema 3 4

Teorema 4 11
 ii

Observación:

El alumno Héctor Richard Picha Maque no se presentó durante la realización del

presente trabajo y por lo tanto no fue considerado.

 1

Teorema 1

Una matriz es ortogonal si y solo si sus columnas son vectores ortonormales.

Demostración:

Sea A = [aij ] ∈ Mn×n una matriz ortogonal si y solo si A−1 = At .

Definimos vj = a·j ; j = 1, 2, ..., n de modo que A = [v1 , v2 , ..., vn ] de ahı́ que

 
v
 1
 
 v2 
−1
A = 
 
 .. 
.
 
vn

Luego

A−1 A = I si y solo si

    
v1 < v1 , v1 > < v1 , v2 > . . . < v1 , vn > 1 0 ... 0
     
     
 v2   < v2 , v1 > < v2 , v2 > . . . < v2 , vn > 
 0 1 . . . 0

 .  [v1 , v2 , ..., vn ] =  =
   
. .. .. ... ..   ..
 .. . . .. 
.

 . . .  . . . .
     
vn < vn , v1 > < vn , v2 > . . . < vn , vn > 0 0 ... 1

Si y solo si


 1, i = j

< vi , vj >=
 0, i 6= j


Si y solo si {vj : j = 1, 2, ..., n} es un conjunto ortonormal.


 2

Problema

El hecho de que T ∈ L(V ) sea auto-adjunto u ortogonal no depende de la base

ortonormal escogida.

Demostración:

Sean α y β bases ortnormales, vamos a suponer que [T ]α es auto-adjunto, esto quiere

decir que es simétrico queremos mostrar que [T ]β es simétrico, esto es: ([T ]β )t = [T ]β .

T puede expresarse como:

[T ]β = ([I]βα )−1 [T ]α [I]βα

Como [I]βα matriz cambio de base es simétrica se cumple que:

([I]βα )−1 = ([I]βα )t

Como α y β son ortonormales por el siguiente teorema tenemos:

Teorema:

Sea (V, <, >) y α, β bases ortonormales de V entonces [I]βα es una matriz ortogonal,

esto es:

([I]βα )t = ([I]βα )−1

Usando este teorema tenemos:

([T ]β ) = ([I]βα )t [T ]α ([I]βα ) (1)

Calculamos la traspuesta

([T ]β )t = (([I]βα )t [T ]α ([I]βα ))t

([T ]β )t = [I]βα ([T ]α )t ([I]βα )t

([T ]β )t = ([I]βα )t ([T ]α )t [I]βα

 3

Como [T ]α es simétrico se cumple [T ]α = ([T ]α )t

([T ]β )t = ([I]βα )t [T ]α [I]βα

Por (1) tenemos que:

([T ]β )t = [T ]β

∴ se muestra que [T ]β es simétrico.


 4

Teorema 3

Sea T : V → V un operador lineal auto adjunto, entonces existe una base

ortonormal de auto-vectores de T .

Demostración:

Para la demostración del teorema demostraremos 3 resultados antes:

[1] T El operador lineal auto-adjunto tiene auto-valores reales .

[2] El espacio generado por v auto-vector es invariante por medio de la aplicación del

operador auto-adjunto T .

[3] Para el operador auto-adjunto existe una base ortonormal de auto-valores de T .

Cada uno de ellos cuenta con una serie de items que se describen dentro de su

demostración.

[1] T El operador lineal auto-adjunto tiene auto-valores reales .

Sea V un espacio vectorial real de dimensión n, T : V → V un operador

auto-adjunto, si α es una base ortonormal de V .

[T ]α es una matriz simétrica [T ]α = ([T ]α )t .

Definamos la transformación lineal

TA : Cn → Cn

     
x x x
 1  1  1
     
 x2   x2   x2 
 .  → TA  .  = A  . 
     
. . .
. . .
     
xn xn xn

Con xi ∈ C y el producto interno canónico.

Si:

v = (x1 , x2 , . . . , xn ) ∈ Cn

w = (y1 , y2 , . . . , yn ) ∈ Cn

< v, w >= x1 ȳ1 + x2 ȳ2 + · · · + xn ȳn

 5

[1.A] TA siempre tiene auto-valores

Como TA = A los auto-valores de TA son los mismos de A.

Tenemos el polinomio caracterı́stico

P (λ) = det(A − λI), con λ ∈ C auto-valor. Este P (λ) será un polinomio de grado

n y en los complejos siempre habrá solución. De aquı́ TA siempre tendrá autovalores

en C.

[1.B] < TA v, w >=< v, TA w >, ∀v, w ∈ Cn

Como TA : Cn → Cn

Por un teorema que dice:

Sea V un espacio vectorial con <, > y T ∈ L(V ), entonces que T sea auto-adjunto

implica que: < T v, w >=< v, T w >, ∀v, w ∈ V .

Aplicando el teorema:

Cn es un espacio vectorial con <, > y TA ∈ L(Cn ) ⇒ TA es auto-adjunto y cumple

que:

< TA v, w >=< v, TA w >, ∀v, w ∈ Cn

[1.C] Los auto-valores de TA siempre son reales

Mostraremos que los auto-valores λ del punto anterior son necesariamente reales,

para TA ∈ L(Cn ).

TA es también un operador auto-adjunto en Cn espacio vectorial complejo.

Ası́, para v, w ∈ Cn

< TA v, w >=< v, TA w >

Como λ es valor propio asociado a TA se tiene:

TA v = λv

< TA v, v >=< v, TA v >

Como TA v = λv reemplazamos:

< λv, v >=< v, λv >

Por definición del producto interno sobre el espacio vectorial complejo

< λv, v >= λ < v, v > y < v, λv >= λ̄ < v, v >

 6

Igualando tenemos que:

λ < v, v >= λ̄ < v, v >

(λ − λ̄) < v, v >= 0

Para que sean iguales y como v 6= 0 ⇒< v, v >6= 0

λ = λ̄ como λ ∈ C

Esto significa que λ ∈ R ya que λ = λ̄

Con esto demostramos que los auto-valores de TA son valores reales siempre λ ∈ R.

[1.D] Los auto-valores de T y TA son los mismos.

[1.E] Un operador lineal auto-adjunto tiene auto-valores y son reales

Como T y TA tienen los mismos auto-valores decimos que T tiene auto-valores y

son reales.

Con esto demostramos la existencia de auto-valores para T un operador

auto-adjunto.

[2] El espacio generado por v auto-vector es invariante por medio de la aplicación del

operador auto-adjunto T .

[2.A] [v] es espacio generado por v es invariante por T .

T ∈ L(V ), V espacio vectorial real de dimensión n, T operador lineal auto-adjunto

y v ∈ V un auto-vector de T asociado al auto-valor λ. [v] es un espacio generado por

v el cual es invariante por T .

Esto significa que si tomamos un w ∈ [v] ⇒ T w ∈ [v], [v] = {w ∈ V, w ∼ v}.

En efecto, si w ∈ [v]

∃α ∈ R tal que w = αv

Aplicando el operador auto-adjunto T .

T (w) = T (αv) (Por linealidad de T )

T (w) = αT (v) (Como v es auto-vector T v = λv)

T (w) = αλv

T (w) = (αλ)v ∈ [v], (α, λ) ∈ R

Entonces T w ∈ [v]
 7

[2.B] [v]⊥ complemento ortogonal de [v] es invariante por T .

Esto significa que si tomamos un w ∈ [v]⊥ ⇒ T w ∈ [v]⊥

[v]⊥ = {w ∈ V /w es ortogonal a los vectores de [v]}

[v]⊥ = {w ∈ V / < w, v >= 0}

Como T es un operador auto-adjunto < T w, v >=< v, T w >

Ası́:

< T w, v >=< w, T v > y como T v = λv

< T w, v >=< w, λv > (Por propiedad del producto interno)

< T w, v >= λ < w, v >= λ0 = 0 (Ya que w ∈ [v]⊥ )

< T w, v >= 0 ⇒ T w ∈ [v]⊥ ([v]⊥ es un subespacio de V )

[2.C] T induce un operador T1 : [v]⊥ → [v]⊥ entonces T1 es auto-adjunto.

Con lo visto en [2.B] T induce un operador lineal

T1 = [v]⊥ → [v]⊥

w → T1 w

Mostraremos que T1 es un operador auto-adjunto, como v es un vector propio.

v
Sea β = { ||v|| , v2 , . . . , vn } una base ortonormal de V .

Entonces β = {v2 , . . . , vn } es una base de [v]⊥

Como T es operador auto-adjunto y no depende de la base ortonormal

[T ]β es matriz simétrica

 
a 0 ... 0
 11 
 
 0 a22 . . . a2n 
[T ]β = 
 
 .. .. .. . 
 . . . .. 
 
0 an2 . . . ann

[T ]β = ([T ]β )t

Entonces
 8

 
 a22 . . . a2n 
 . .
. . ...  también será una matriz simétrica, lo que significa que T1

[T1 ]β1 =  ..
 
 
an2 . . . ann
es un operador auto-adjunto.

[2.D] Todo auto-vector w de T1 con auto-valor δ también es auto-vector de T con el

mismo auto-valor δ.

Ya que T1 : [v]⊥ → [v]⊥

En efecto, como w ∈ [v]⊥ ⇒ T w ∈ [v]⊥ y T1 w ∈ [v]⊥

T w = T1 w y como w es auto-vector de T1 asociado a δ su auto-valor, se tiene que

T1 w = δw

Entonces T w = T1 w = δw ⇒ T w = δw lo que indica que δ es auto-valor de T y w

su auto-vector asociado.

[3] Para el operador auto-adjunto existe una base ortonormal de auto-valores de T .

[3.A] Para {v1 , v2 , . . . , vn } auto-vectores es un conjunto ortogonal de T operador

auto-adjunto.

Si λ1 , λ2 , . . . , λn son valores propios distintos de T : V → V y sea v1 , v2 , . . . , vn

vectores propios correspondientes a los valores propios.

Para que β = {v1 , v2 , . . . , vn } sea una conjunto ortogonal.

Debemos demostrar que para i 6= j

< vi , vj >= 0; i, j = 1, 2, . . . , n

Como vi es vector propio asociado a λi se tiene T vi = λi vi , de la misma forma

T vj = λj vj

Como T es operador auto-adjunto cumple:

< T vi , vj >=< vi , T vj >

Sustituyendo T vi = λi vi y T vj = λj vj

< λi vi , vj >=< vi , λj vj > (Por propiedad de producto interno)

λi < vi , vj >= λj < vi , vj >

(λi − λj ) < vi , vj >= 0

 9

Como λi 6= λj valores propios distintos ⇒ λi − λj 6= 0

Lo que implica que < vi , vj >= 0, ∀i 6= j

Es decir β es un conjunto ortogonal y esta se puede normalizar.

Usando el siguiente teorema: Sea {v1 , v2 , . . . , vn }, vi 6= 0 dos a dos ortogonales,

< vi , vj >= 0, i 6= j ⇒ {v1 , v2 , . . . , vn } es linealmente independiente.

Como β es un conjunto ortogonal dos a dos, por el teorema tenemos que β es

linealmente independiente, y si un conjunto linealmente independiente coincide con la

dimensión del espacio, este pasarı́a a ser una base.

[3.B] Con los resultados anteriores demostrados, procederemos a realizar la

demostración del teorema:

Sea T : V → V un operador lineal auto adjunto, entonces existe una base

ortonormal de auto-vectores de T .

Demostración:

Por el resultado en [1] tenemos que T operador auto-adjunto cuenta con

auto-valores siempre reales λ y su auto-vector asociado v de T . Ası́ T v = λv, con

este resultado demostramos que existe un conjunto formado de auto-vectores de T

auto-adjunto.

Por el resultado [2] tenemos que para el espacio generado por v (auto-vector),

[v] y [v]⊥ son invariantes por T , donde [v]⊥ es el complemento ortogonal de [v] y es

subespacio de V .

Para la demostración del teorema de que el conjunto de auto-vectores sea una base

ortonormal de T , se realiza por inducción matemática sobre la dim(V ) = n < ∞.

Primero: Para dim(V ) = 1

Para dim(V ) = 1, con λ auto-valor de T y v el único auto-vector de T con v 6= 0.

v
Sea un = ||v||
, ası́ {un } es una base ortonormal de V y un es un auto-vector de T .

Segundo: Para dim(V ) = n − 1

Supongamos que se tienen n − 1 auto-vectores que forman una base ortonormal de

V tal que eso son los auto-vectores de T .

Tercero: Para dim(V ) = n

 10

v
Con la definición de que un = ||v||
, v auto-vector de T y usando los resultados [2.A]

y [2.B] tenemos que el espacio generado por un , esto es, [un ] y [un ]⊥ son invariantes

por T operador auto-adjunto, ya que v es autovector de T .

Es claro ver que [un ] y [un ]⊥ (Complemento ortogonal de [un ]) son subespacios de

V , además V = [un ] ⊕ [un ]⊥ .

Por definición tenemos que dim([un ]) = 1 y con esto:

din(V ) = dim([un ]) + dim([un ]⊥ )

din([un ]⊥ ) = din(V ) − dim([un ])

dim([un ]⊥ ) = n − 1

Por el resultado de [2.C] tenemos que T induce un operador T1 : [un ]⊥ ⇒ [un ]⊥ con

T1 auto-adjunto.

Usando la hipótesis de inducción, tenemos que si la dim([un ]⊥ ) = n − 1, existe una

base ortonormal {u1 , u2 , . . . , un−1 } ⊂ [un ]⊥ formada por auto-vectores de T1 , por el

resultado [2.D] los auto-vectores de T1 también son auto-vectores de T asociados a los

mismos auto-valores.

Se demostró en [3.A] que {u1 , u2 , . . . , un−1 } auto-vectores de T auto-adjunto forman

un conjunto ortogonal de T y por lo tanto son linealmente independientes, y como son

n − 1 términos y la dimensión de [un ]⊥ es n − 1, entonces forman una base ortogonal

vi
y dado ui = ||vi ||
con vi autovector asociado a λi , entonces {u1 , u2 , . . . , un−1 } es base

ortonormal de [un ]⊥ que consiste en auto-vectores de T .

Adicionalmente tenemos que V = [un ] ⊕ [un ]⊥ , ası́ {u1 , u2 , . . . , un−1 } ⊂ V es una

base ortonormal de V que consiste en auto-vectores de T .


 11

Teorema 4

Sea T : V → V un operador lineal en el espacio vectorial V con producto interno

<, >. Entonces son equivalentes:

a) T es ortogonal

b) Si {v1 , v2 , ..., vn } es base ortonormal de V ⇒ {T v1 , T v2 , ..., T vn } es una base

ortonormal.

c) < T u, T v >=< u, v > (T preserva producto interno)

d) ||T u|| = ||u|| (T preserva norma)

Demostración:

Para demostrar que son equivalentes, mostraremos lo siguiente:

(a ⇒ b)

T es ortogonal ⇒ Si α = {v1 , v2 , ..., vn } es base ortonormal de V entonces

{T v1 , T v2 , ..., T vn } es base ortonormal de V .

De aquı́ usando el problema: Sea T ∈ L(V ) ortogonal no depende de la base

ortonormal escogida.

Ası́, [T ]α es una matriz ortogonal

Sea  
a11 a12 . . . a1n
 
 
 a21 a22 . . . a2n 
[T ]α = 
 
 .. .. . .
.
.. 
 . . . 

 
an1 an2 . . . ann

Donde:

     
a11 a12 a1n
     
     
 a21   a22   a2n 
[T v1 ]α =   , [T v2 ]α =   , . . . , [T vn ]α =  
     
 ..   ..   .. 
 .   .   . 
     
an1 an2 ann

Veamos [T vi ]α : α = {v1 , v2 , ..., vn }

 12

T v1 = a11 v1 + a21 v2 + · · · + an1 vn

T v2 = a12 v1 + a22 v2 + · · · + an2 vn

..
.

T vj = a1j v1 + a2j v2 + · · · + anj vn

Entonces:

n
X
T vj = aij vi (2)
i=1

Por otro lado, para demostrar que {T v1 , T v2 , ..., T vn } sea una base ortonormal de

V debemos demostrar los siguiente:


 1, j = k

< T vj , T vk >= δjk =
 0, j 6= k


Al ser [T ]α una matriz ortogonal, se tiene:

[T ]α ([T ]α )t = I

([T ]α )t [T ]α = I

Usando la matriz definida para [T ]α tenemos:

([T ]α )t [T ]α = I
 13

 
a11 a21 . . . an1
    
 
 a12 a22 . . . an2  a11 a12 . . . a1k . . . a1n 1 0 ... 0
    
 .. .. .. ..  
    
 . . . .  a21 a22 . . . a2k . . . a2n 
 0
 1 ... 0
 =
 
 .. .. . ..   ..
 .. . . .. 
. . . .. . . .

 a1j a2j . . . anj  
  . . .  . . . .

 .    
 .. .. .. .. 

 . . .  an1 an2 . . . ank . . . ann 0 0 ... 1
 
an1 an2 . . . ann

Haciendo las operaciones de fila por columna e igualando a la matriz identidad se

tiene:

a211 + a221 + . . . a2n1 = 1

a11 a12 + a21 a22 + . . . a2n an2 = 0

La j-ésima fila con la k-ésima columna, con j 6= k.

a1j a1k + a2j a2k + · · · + anj ank = 0 (3)

Veamos < T vj , T vk > y usando (2) tenemos:

n
X n
X
< T vj , T vk >=< aij vi , aik vi >
i=1 i=1

Como el producto interno es lineal se sigue que:

n
X
< T vj , T vk >= aij aik < vi , vi >
i=1

Además como α es base ortonormal, es decir para i 6= k < vj , vk >= 0 y también

< vi , vi >= 1 , tenemos:

n
X
< T vj , T vk >= aij aik
i=1

< T vj , T vk >= a1j a1k + a2j a2k + · · · + anj ank (4)

 14

Comparando (4) con (3) resulta que:

Si j 6= k entonces < T vj , T vk >= 0 (Dos a dos ortogonales)

Si j = k entonces ni=1 a2ij = a21j + a22j + · · · + a2nj = 1 ⇒ ||T vj || = 1 (Normalizado)

P

Ası́ < T vj , T vk >= δjk

De aquı́ {T v1 , T v2 , ..., T vn } es una base ortonormal.

 15

(b ⇒ c)

Se tiene que α = {v1 , v2 , ..., vn } y β = {T v1 , T v2 , ..., T vn }, ambas bases ortonormales

⇒ < T u, T v >=< u, v >.

Sea u, v ∈ V
 
x1
 
 
 x2 
u = x1 v1 + x2 v2 + · · · + xn vn ⇒ [u]α =  
 
 .. 
.
 
xn
 
y
 1
 
 y2 
v = y1 v1 + y2 v2 + · · · + yn vn ⇒ [v]α =  
 
 .. 
.
 
yn
Por un teorema que dice: Sea V un espacio vectorial con <, > y α = {u1 , u2 , ..., un }
   
x1 y
   1
   
 x2   y2 
base ortonormal, v, w ∈ V [v]α =  , [w]α =   ⇒ < v, w >= ni=1 xi yi
    P
 ..   .. 
. .
   
xn yn

Usando este teorema para el u, v ∈ V que definimos:

n
X
< u, v >= xi yi (5)
i=1

Por otro lado aplicamos T : V → V a u, v ∈ V

T u = T (x1 v1 + x2 v2 + · · · + xn vn ) (Por linealidad de T )

T u = x1 T v1 + x2 T v2 + · · · + xn T vn

T v = T (y1 v1 + y2 v2 + · · · + yn vn ) (Por linealidad de T )

T v = y1 T v1 + y2 T v2 + · · · + yn T vn
 16

   
x1 y
   1
   
 x2   y2 
Ası́: [T u]β =   y [T v]β =  
   
..  .. 
. .
   
xn yn

Usando el mismo teorema desde que β = {T v1 , T v2 , . . . , T vn } es base ortonormal.

n
X
< T u, T v >= xi yi (6)
i=1

Comparando (5) y (6) tenemos:

< T u, T v >=< u, v >

 17

(c ⇒ d)

< T u, T v >=< u, v > ⇒ ||T u|| = ||u||

Como T preserva el producto interno para cualquier u, v ∈ V , en particular para u.

< T u, T u >=< u, u > (7)

Por definición de norma de un vector

√
||T u|| = < T u, T u >

||T u||2 =< T u, T u >

√
||u|| = < u, u >

||u||2 =< u, u >

Reemplazando en (7) por definición de norma:

||T u||2 = ||u||2 ⇒ ||T u|| = ||u||

 18

(d ⇒ a)

||T u|| = ||u|| ⇒ T es ortogonal

Debemos mostrar que:

T tT = I

TTt = I

Primero

Mostraremos que ||T u|| = ||u|| ⇒ < T u, T v >=< u, v >.

Como T conserva la norma, en particular para u, v ∈ V , entonces u − v ∈ V por

ser V espacio vectorial.

||T (u − v)|| = ||u − v||

||T (u − v)||2 = ||u − v||2

||T (u − v)||2 = ||T u − T v||2

||T (u − v)||2 =< T u − T v, T u − T v >

||T (u − v)||2 =< T u, T u > − < T u, T v > − < T v, T u > + < T v, T v >

||T (u − v)||2 = ||T u||2 − 2 < T u, T v > +||T v||2

Como T preserva la norma, ||T (u)||2 = ||u||2 y ||T (v)||2 = ||v||2 . Reemplazamos:

||T (u − v)||2 = ||u||2 − 2 < T u, T v > +||v||2 (8)

Por otro lado,

||u − v||2 =< u − v, u − v >

||u − v||2 =< u, u > −2 < u, v > + < v, v >

||u − v||2 = ||u||2 − 2 < u, v > +||v||2 (9)

Igualando (8) con (9)

||T (u − v)||2 = ||u − v||2

||u||2 − 2 < T u, T v > +||v||2 = ||u||2 − 2 < u, v > +||v||2

−2 < T u, T v >= −2 < u, v >

 19

< T u, T v >=< u, v >

De aquı́ T preserva el producto interno.

Segundo

Con esto:

< T u, T v >= (T u)t (T v) (Por propiedad de transpuesta)

< T u, T v >= ut T t T v (10)

También:

< u, v >= ut v (11)

Como < T u, T v >=< u, v > y comparando (10) con (11)

ut T t T v = ut v

Para que sea una igualdad, necesariamente debe ser que T t T = I

Y como <, > es conmutativa en un espacio vectorial real. También se tendrá:

T T t = I, ası́ T T t = T t T = I

El cual es definición de T ortogonal.

Queda demostrado que a,b,c y d son equivalentes.