53

ALGEBRA LINEAL

Karla Elena Nieto Villavicencio

Evaluacin
20 % Examen
20 % Participaciones
30 % Tareas
30 % Asistencia

Unidad I

Espacios vectoriales y transformaciones lineales

Unidad II

Matrices, determinantes, valores y vectores propios

Unidad III

Polinomios y ecuaciones

Unidad IV

Transformaciones regidas en R2
 53

Matrices

Una matriz es un arreglo rectangular de datos que sirve para almacenar nmeros y datos, se utiliza para
almacenamiento, presentacin y manipulacin de datos.

Ejemplo: consumo de energa en USA

Petrleo Carbn Petrleo Hidroelctric Nuclear

Gas Gas o
Importaci Geotrmico
E= n y sinttico
6.5 2.8 3.0 0.2 0.5 Norte
3.2 1.1 0.5 0.5 0.2 Sur
3.4 2.0 1.1 0.1 0.4 Oeste
medio
5.5 1.5 3.3 0.6 0.2 Oeste

Zona de donde se consume Norte Oeste E=RxC

Sur E=4 x 5
Oeste medio

Ejemplo. Tipo de automvil

Tamao Compactos Subcompac

Mediano tos
6.5 2.8 3.0 Norte
E= 3.2 1.1 0.5 Oeste
medio
3.4 2.0 1.1 Sur
5.5 1.5 3.3 Oeste

N=4 x 3

Una matriz es un arreglo de m renglones y n columnas de nmero o datos en este caso se llaman

matrices de tamao mxn .

Los componentes de la matriz se enumeran de la siguiente manera:

a11 a12 a13 a1 n

a21 a22 a12 a2 n

am 1 a2 m a3 m amn

El componente general
aij es el que corresponde a la columna j y rengln i ( amxn .
Una matriz se denota con letras maysculas.
 53

Ejemplo de 3 x2

9 1
A= 8 4
0 6
Donde:
a22=4

a32=6

a31=0

Ejemplo:

32 50 N Consumo de
A= 8 20 E energa
S 2010
10 10
S
N
E
8 0 S Consumo de
A= 10 30 S energa
20 10 2011

Suma de Matrices

Sea A A=( aij ) B=( b ij ) , dos matrices del mismo tamao mxn . La suma de A B se denota

como A +B y es igual a A

A + B=( aij + bij )

Propiedades de la suma de matrices

1. Si A , B son matrices mxn entonces A + B=B+ A ser conmutativa.

A= 8 1 B= 5 3
3 2 1 9

A + B=B+ A

8+5 1+3 13 4 5+8 3+1 13 4

31 2+ 9 2 7 1+3 92 2 7
 53

2. Si A , B , C son matrices de mxn , entonces ( A + B ) +C=A + ( B+C )

C=3 0
24

( A +B ) +C=13 4 + 3 0 =16 4
2 7 2 4 4 11

A +(B+C )=8 1 + 5+3 3+ 0 =16 4

3 2 1+2 7+ 4 4 11

3. Existe la matriz neutro aditivo para el conjunto de matrices mxn ; es la matriz cuyos

componentes
aij =0 i, j

4. Cada matriz A de tamao mxn , tiene inverso aditivo A , que satisface: A + (A )=0

A= 8 1 A=8 1
3 2 3 2

A + (A )= 0 0
0 0

Multiplicacin por un escalar de matriz

Sea A una matriz de mxn y un nmero real (llamado escalar), la multiplicacin A de

tamao mxn se define:

A=a ij

Ejemplo:

=9

A=7 1 23 100

A=7(9) 1(9) 23 ( 9 ) 100 ( 9 )=63 9 207 900

Ejemplo:
Petrleo Carbn Petrleo Hidroelctric Nuclear
Gas Gas o
Importaci Geotrmico
E= n y sinttico
6.5 2.8 3.0 0.2 0.5 Norte
3.2 1.1 0.5 0.5 0.2 Sur
3.4 2.0 1.1 0.1 0.4 Oeste
medio
5.5 1.5 3.3 0.6 0.2 Oeste
 53

5 E= 5 periodos con el mismo comportamiento

Propiedades de la multiplicacin por escalar

1. Sea A ,B matrices de mxn y , dos escalares, ( A + B )=A+ B

2. ( + ) A=A + A

3. ( A )= (A )

4. 1 A= A

Ejemplo: ( A+ B ) =A +B

6 13 4 5 6 7
A=74 26 0 B=50 60 70
9 2 3 9 19 29

11 19 3 110 190 30 6 13 4 5 6 7
( A+ B ) =10 74 86 70 =740 860 700=10 74 26 0 +10 50 60 70 =
9 21 32 90 210 320 9 2 3 9 19 29

60 130 40 50 60 70 110 190 30

740 260 0 + 500 600 700=740 860 700
90 20 30 90 190 290 90 210 320

Naturales

= {1,2,3, }

Cerrada
Conmutativa
Suma Asociativa
neutro aditivo

inverso aditivo
Cerrada
Asociativa
Multiplicacin Conmutativa
neutro
multiplicativo

Enteros
={ ,3,2,1,0,1,2,3, }

Racionales
 53

= {ab|a ,b son enteros b 0}

Reales
R= {unin de los nmeros racionales e irracionales }

Irracionales
Un nmero es irracional si su expresin decimal no es peridica; es decir, es infinita
{ 2 , , e }
Suma Cerrada Conmutativa Asociativa neutro neutro aditivo

Multiplicacin Cerrada Conmutativa Asociativa neutro inverso

multiplicativo multiplicativo

Definicin:
Campo es un conjunto C con dos operaciones llamadas suma y multiplicacin que cumplen con las
propiedades:
- Cerradura
- Conmutatividad
- Asociacin
- neutro
- Distributiva
- inverso

,$,
Ejemplo: C={ ,, @ }

Suma

$ @
$ @
$ $ @
@ $
@ $
 53

@ @ $

Multiplicacin

$ @

$ $ @
@ $
$ @

@ @ $

Del ejemplo anterior:

La suma y la multiplicacin son cerradas y conmutativas.

Asociatividad (suma)

@+ j




@+
Asocitatividad (multiplicacin)
$



$ ( )=$

La suma y la multiplicacin son asociativas

- neutro para la suma: &

- neutro multiplicativo: $

- neutro aditivo

Ejemplo

$ @
Inverso $ @
Aditivo @ @
 53

Inverso $ @
Multiplicativo $ @

Distributiva

@ ( + )=
@ ( ) +@ ( ) =+=@

Construccin del campo

C={ 0,1,2,3,4 } , trabaja con el coeficiente de construccin del campo N primo 5

Suma
0 1 2 3 4
0 0 1 2 3 4

1 1 2 3 4 0

2 2 3 4 0 1

3 3 4 0 1 2

4 4 0 1 2 3

Multiplicacin
0 1 2 3 4
0 0 0 0 0 0

1 0 1 2 3 4

2 0 2 4 1 3

3 0 3 1 4 2

4 0 4 3 2 1

Espacios Vectoriales

Espacio vectorial v sobre el campo c

Campo C

+, . v ,+

Sus elementos Conjunto con

se llaman escalares suma
 53

v multiplicacin por escalar

Definicin de ev: un ev sobre el campo C , es un conjunto v en una operacin de suma que

satisface lo siguiente:

1) Cerradura: si
v1 y v2 v , v1 + v2 v

2) Conmutativa: si
v 1 + v 2=v 2 + v1 v 1 , v 2 v

3) Asociativa: ( v1 + v 2 )+ v 3=v 1+ ( v 2 + v3 ) v 1 , v 2 , v 3 v

4) neutro aditivo en v llamado cero que satisface: v +0=v v v

5) Cada elemento v v tiene inverso aditivo, denotado por v , el cual satisface: v + (v ) =0

y debe tener una operacin llamada multiplicacin por escalar que satisfaga lo siguiente:
6) Si v , v v

7) Si , c v v

8) Si
c v1 , v2 v
Distributiva por escalar
9) Si , c ,vv

Asociativo (v )= ( v)

10) 1 v=v v v neutro implicativo

Espacio Vectorial

R reales Matriz mxn

(+, ) +

Producto Escalar

Ejemplo:
v ={ polinomiio de grado n }=Pn
Con la suma de polinomios y la multiplicacin por escalar con los nmeros reales, se forma un EV:
P 1 P2 P3 P n

Ejemplo de EV:

R2= plano={ ( x , y )|x , y R }

Si ( x1 , y1 ) y ( x 2 , y 2 ) R2
 53

x
( 1+ x 2 , y 1 + y 2)
Suma:
( x 1 , y 1 ) + ( x 2 , y 2 ) =

Multiplicacin por escalar: R ,(x , y ) R 2

( x , y ) =( x ,y)

Propiedades de la suma

1. La suma es cerrada, de acuerdo a como se define

2. ( x 1 , y 1 ) + ( x 2 , y 2 ) =( x 2 , y 2 ) + ( x 1 , y 1 ) conmutativa

3. [ ( x 1 , y 1 ) + ( x 2 , y 2 ) ]+ ( x3 , y 3 )=( x 1 , y 1) + [ ( x 2 , y 2 ) +( x 3 , y 3 ) ] asociativa

4. neutro para la suma ( 0,0 ) que satisface ( x , y ) + ( 0,0 ) =(x , y )

5. ( x , y ) inverso aditivo (x , y )( x , y ) + (x , y )=( 0,0 )

Propiedades de la multiplicacin

6. ( x , y ) =( x , y ) R2

( x 1 , y 1 ) + ( x 2 , y 2 ) = ( x 1 , y 1 ) + ( x2 , y 2 )
7.

8. ( + ) ( x , y )= ( x , y ) + (x , y )

9. ( ) ( x , y )=a [ ( x , y ) ]

10. 1 ( x , y )=( x , y )

El EV R3 o tridimensional

R3= { ( x , y , z )|x , y , z R }
2
R = {( x , y , ) }
3
R ={ ( x , y , z ) }

Rn= {( x 1 , x 2 , , x n ) } cada componente es un nmero real

Ejemplo: egresos de un pas

E={( E 1 , E2 , E 3 , E32 )} donde
Ei : Estado de la Repblica i

Ejercicio: muestre que el siguiente conjunto de matrices es un EV sobre el campo de los reales, con la
suma y la multiplicacin por escalar
 53

{ |
v = 0 0 a es un real
a 0 }

Solucin para la suma:

0 0 +0 0 = 0 0
1. a 0 b 0 a+b 0 este resultado est en v la suma es cerrada

0 0 + 0 0 =0 0 + 0 0
2. a 0 b 0 b 0 a 0 la suma es conmutativa

3. ([ 0a 00)+( 0b 00)]+(0c 00)=(0a 00)+[( 0b 00)+(0c 00)] la suma es asociativa

4. (0a 00)+( 00 00)=(0a 00) neutro aditivo

5. Cada matriz (0a 00) tiene inverso en v : (a0 00)

6. ( )(
a 0 a 0 )
0 0 = 0 0 est en v la multiplicacin por escalar cerrada

7. [( ) ( ) ] ( ) ( )
0 0 + 0 0 = 0 0 + 0 0
a 0 b 0 a 0 b 0

8. ( ) ( ) ( )
( + ) 0 0 = 0 0 + 0 0
a 0 a 0 a 0

9. ( )
a 0 [ ( )]
0 0 = 0 0
a 0

10. 1 (0a 00)=(0a 00) es un espacio vectorial (EV)

 53

Ejemplo

{( )}
v = 0 0 a es un real ?
a 1

1. (0a 01)+( 0b 01)=( a+b0 02) la suma no es cerrada

2. (0a 01)+( 0b 01)=(b0 01)+(0a 01) la suma s es conmutativa

3. [( ) ( ) ] ( ) ( ) [ ( ) ( ) ]
0 0 + 0 0 + 0 0=0 0 + 0 0+ 0 0
a 1 b 1 c 1 a 1 b 1 c 1 asociativa

4. (0a 01)+( 00 00)=(0a 01) neutro aditivo

5. La matriz (0a 01) no tiene su inverso en v dado que (a0 10 ) no pertenece a v

6. ( )(
0 0= 0 0
a 1 a 1 )

7. [( ) ( ) ] ( ) ( )
0 0 + 0 0 = 0 0 + 0 0
a 1 b 1 a 1 b 1

8. ( ) ( ) ( )
( + ) 0 0 = 0 0 + 0 0
a 1 a 1 a 1

9. ( )
a 1 [ ( )]
0 0 = 0 0
a 1

10. 1 (0a 01)=(0a 01) NO es un espacio vectorial

 53

Ejemplo: de una operacin definida en un conjunto y que satisface propiedades similares a las de la suma.
S=R{ 1 }

Con la siguiente operacin si a , b son reales ab=a+bab

1. 54=5+ 45 ( 4 ) =11

36=3+6 3 ( 6 )=21

2. ab=ba conmutativa

3. ( ab )c=( a+ bab )c=a+ bab+c( a+ bab ) c

( ab )c=a( bc ) asociativa

4. a en S

a?=a+?a?=a=? ( 1a )=0 ?=0 ( 1a )=0, pero 1a 0 porque 1 S =0

neutro aditivo
5. a en S
a=a
a=a+ a =0

( 1a )=a
a
= es el inverso de a 0 1
1a

Verificando a=3
3 3 3
= = =
13 2 2

3 ( 32 )=3+( 32 )3( 32 )=0

Propiedades de un espacio vectorial v sobre un campo c

1. Si u,v son elementos de v y si u+ v=u , entonces v =0

2. Si u+ v=u+w , entonces v =w

Demostracin 1 Demostracin 2

H 0 :u+ v=u H 'o : u+v =u+w

u+u+ v=u+ u ( u )+ (u +v )=u+(u+w)

 53

(u+ u ) +v =0 (u+ u ) +v =(u+u )+ w

Por propiedades del neutro para la suma v =w

Espacio Vectorial

c ,+ , v ,+, neutro aditivo

( )
a b
c d Propiedad: vector v V =0

0 ( 1,8,5 )=( 0,0,0 )

5 ( 0,0,0 )=( 0,0,0 )

Ejemplo:

2
v =R

w={ ( a , b )|3 ab=0 }

1. El neutro de v ( 0,0) est en w

2. Sea ( a1 , b1 ) y ( a2 , b2 ) en w

( a1 , b1 ) w 3 a1 b1=0
( a2 , b2 ) w 3 a2 b2=0
( a1 , b1 ) + ( a2 , b 2) =( a 1+ a2 ,b 1+ b2 )=3 ( a1+ a2 ) ( b1 +b 2)
3 a1 +3 a2b1b 2

3 a 1b1 3 a 2b2
+ s es cerrada en w
0 0

3. R (a , b) w
3 ab
( a , b )= ( a , b )=3 ( a )b= 0=0 ( a , b ) w s es un espacio vectorial
0

v R3

w={ ( x , y , z )|x =2 y , z=3 y }

3
1. (x , y , z) el neutro de R est en w?
 53

Si y=0 ( 0,0,0 ) w

2. Sea ( 2 y 1 , y 1 ,3 y 1 ) ( 2 y 2 , y 23 y 2 )=[ 2 ( y 1 + y 2 ) , y 1 + y 2 ,3 ( y 1 + y 2 ) ]

3. Sea R ( 2 y , y ,3 y ) w w es un espacio vectorial

Sea V un espacio vectorial, tiene dos subespacios vectoriales

1) { 0 }=w subespacio trivial

2) V es un espacio de si mismo (subespacio impropio)

Subespacios triviales en R2

1) Subespacios triviales en R2
2) Reales que pasan por el origen
3) El mismo R2

Subespacios vectoriales en R3
1)
2)
3) Planos que pasan por el origen
4) El mismo R3

Combinacin Lineal

Sea
v1 , v2 , v3 , vn vectores de un espacio vectorial v , se dice que es combinatoria lineal de

v 1 v 2 , v 3 , , v n si existen escalares 1 , 2 , 3 , , n tal que v =1 v 1 ,2 v 2,

4
Ejemplo en R

v 1= (1,2,3,4 )

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

v 3= ( 3,4,10,13 )

Existen escalares
1 y 2 ( 3,4,10,13 )=1 ( 1,2,3,4 )+2 ( 0,2,1,1 ) ?

v 3 es combinatoria lineal de v 1 y v 2 ?

Solucin (usando los escalares para realizar el sistema de ecuaciones)

 53

3=1 +0 Si
1=3
Sistema de
4=2 122 Ecuaciones 13=4 ( 3 ) +2 2=1
Lineales de
10=3 1 +2 4x4 1 y 2
Sustituir en

13=4 1+2 las dems ecuaciones

para comprobar

( 3,4,10,13 )=3 ( 1,2,3,4 )+1 ( 0,2,1,1 )=( 3,6,9,12 )+ ( 0,2,1,1 )= (3,4,10,13 ) v 3 s es combinacin lineal de
v1 y v2

Subespacios vectoriales

Sea V un espacio vectorial sobre los reales y w un subespacio (subconjunto) diferente del vaco de
V , w se llama subespacio vectorial de V si w satisface todas las propiedades del espacio

vectorial con la suma y la multiplicacin por escalar de V.

Teorema: Sea w un subconjunto de un espacio vectorial v , w 0 , entonces w es un subespacio

vectorial de v si:

1)
w1 , w2 w se tiene
w 1+ w2 w

2) Si es real y w W , entonces w W

Una condicin equivalente a w0 es que W neutro aditivio del espacio vectorial de v

Ejemplo

v ={ matriz de 2 x 2 }=M 2 x 2

{( )}
w= a 0 , a , b son reales ?
0 b

Mostrar que w es un subespacio vectorial de v

1) El neutro de ( )
v , 0 0 W
0 0

2) Sean ( ) (
a1 0
0 b1 y
a2 0
0 b2
W
)
( a1 0
0 b1
+ 2
)( )(
a 0
0 b2
a +a
= 1 2
0
0
b1 +b2
W
)
 53

3) Sea un real y (a0 0b) W

a 0 = a 0 W
( )( )
0 b 0 b

W s es un subespacio vectorial de v

2
V =R ={ ( a , b ) } a , b son reales ?

w={ ( x ,0 )| x 0 }

1) El neutro de v ( 0,0 ) W

2) Sea ( x1 , 0) y ( x2 , 0) W
( x 1 , 0 ) + ( x2 , 0 ) =( x 1+ x 2 , 0 ) W
( x 1+ x 2 0 ) W

3) Si < 0 y ( x , 0 ) W ( x 0 )

( x , 0 )=( x ,0) pero x <0 W W no es subespacio vectorial de v

v : R3

3
1) El neutro de R ( 0,0,0 ) N

2) Sea (
x1 , y1 , z1 y ( x 2 , y 2 , z 2 ) W
3 x1 4 x 1 +2 z 1=0

3 x2 4 x 2 +2 z 2=0

( x 1 , y 1 , z 1 ) +( x 2 , y 2 , z2 ) =( x 1+ x 2 , y 1+ y 2 , z1 + z 2 )=3 x 1 +3 x2 4 y 14 y 2 +2 z1 +2 z 2 W

3) Sea un nmero real y ( x , y , z ) W

3 x4 y+ 2 z=0

( x , y , z )=( x , y , z )=3 x4 y +2 z=0 ( x , y , z ) W W s es subespacio vectorial

del v

Espacio Vectorial
 53

Sea
v1 , v2 , , vn vectores del espacio vectorial V, al conjunto de datos de las combinaciones de
v 1 , v 2 , , v n se les denota como:

gen { v 1 , v 2 , , v n } < v1 , v 2 , , v n >

uv v =1 v 1 +2 v 2+ +n v n escalar 1 , 2 , , n

A los
v 1 , , v n se les llama conjunto de generadores del espacio gen { v 1 , v 2 , , v n }

Proposicin: Sean
v1 , , vn vectores del espacio vectorial,
gen { v 1 , , v n }=( v V :1 v 1 ++n v n ) es
un subespacio vectorial

Demostracin:

0=0 v 1 +..+0 v n 0 gen { v 1 , , v n }
i) Como

ii) Sean
v =1 v 1 ++n v n y
w= 1 v 1+ + n v n v + w=( 1 1 ) v1 + + ( n n ) v n v +w es una

combinacin lineal de
v 1 , v 2 , , v n v +w gen { v 1 , , v n } ?

iii) Sea
v =1 v 1 +2 v 2++n v n en gen { v 1 , v 2 , , v n } y un escalar

v= 1 v 1 ++ n v n v gen { v 1 , , v n } ?

Ejemplo

Espacios generados

v:R
2
v 1= (2,3 ) v 2=( 0,0 ) gen { v1 } ={ v=1 v 1}

Ejemplo

v : R2 v 1=( 1,0 ) v 2= (1,1 ) gen { v 1 , v 2 }= {v=3 v 1=v 2= ( 3,1 ) } R2

Sea ( x , y ) , R 2 ?

Si escalares 1 , 2 tales que x+ y=1 ( 1,0 ) +2 ( 1,1 )

x=1+2

y=0x 2 y=1 2=y , =x+ y

1 (1,0 )+ 2 (1,1)

( x+ y )( 1,0 ) + ( y ) (1,1 )=( x , y )

Verificando numricamente tenemos:
( x , y )=( 7,3 )
 53

Determine si el conjunto dado de vectores genera el espacio vectorial

1) 1() () ()
V =R , v 1= 1 , v 2= 2 , v 3= 2
1 2

2) () () ()
v 1= 1 , v 2= 2 , v 3= 5
1 2 5

() ( ) ()
1 1 5
3) En R3 v 1= 2 , v 2= 2 , v 3 = 2 ,
3 3 3

4) En
P2 v 1=1x v 2=3x 2

Solucin

1) Sea ( xy ) R ,
2
escalares
1 , 2 y 3 tales que ( xy )= (11)+ (21)+ (22)
1 2 3

x=1+ 22 +23

y =1 +2 +3

x y=2

Sustituyendo en x

x=1+ 2 ( x y ) +2 3

1 +2 x2 y +23

x +2 y=1 +23 se le puede dar valor arbitrario a una de las incgnitas

2 yxc
1=c 3=
2

Comprobacin

2 y xz 2
( xy )=0( 11)+( x ()
y) 2 +
1 2 2 ()
( y=c+ x y+ 2 y x+ c ) ( y )
x=c+2 x2 yxc = x
 53

Numricamente ( xy )=( 83)=2(11)+5(21)+(2) (22)

1=2

2=x y=83=5

2 yx c 2 ( 3 )82 610
3= = = =2
2 2 2

2) () () ()
v 1= 1 , v 2= 2 , v 3= 5
1 2 5

Sea ( xy ) R ,,
2
escalares 1 , 2 y 3 tales que

( xy )= (11)+ (22)+ (55)

1 2 3

x=1+ 22 +53

y=1 +22 +5 3

x y=0, escalares

() ( ) ()
1 1 5
3) En
R 3 : v 1= 2 , v 2= 2 , v 3= 2
3 3 3

()
x
3
Sea y R , escalares 1 , 2 y 3 tales que
z

() () ( ) ()
x 1 1 5
y =1 2 + 2 2 +3 2
z 3 3 3

x=12+5 3

y=2 1+2 2+ 23

z=3 1+3 2 +3 3
 53

1 1 5
2 2 2
3 3 3 =( 6+306 ) + (306+ 16 )=0, escalares
1 1 5
2 2 2

Solucin 2

a0 + ai x +a2 x =0 p2 , escalares 1 , 2 tales que

2
Sea

a0 + a1 x +a2 x 2=1 ( 1x ) +a2 ( 3x2 )

a0 =1 +3 2 a0 =1 +3 2

a1 x=x 1 a1=1
2 2
a2 x =x 1 a2=2

1=a1 a0 =a13 a2

2=a2 escalares que generen el espacio vectorial de

p2

a0=a1 3 a2

escalares
1 , 2 , 3 tales que

0 0 ( ) ( ) (
v 1= 2 1 , v 2= 0 0 , v 3= 3 1 , v 4 = 0 0
2 1 0 0 3 1 ) ( )

0 0 ( ) ( ) (
M 2 x 2=1 2 1 ,+2 0 0 +3 3 1 + 4 0 0
2 1 0 0 3 1 ) ( )
2 1 1 0 + 3 3 3 + 0 0 = 2 1 +3 3 13 x y
( 0 0
+ 0 )(
22 2 0 )(
0 34 4 )( )(
22 +3 4 2+ 4 z w )( )
x33 z34
x=2 1 +3 3 1 = 2=
2 2
y=13 3= y+ 1 4=w2

z=2 2 +3 4
 53

w=2+ 4

Dependencia e Independencia Lineal

Sea
v 1 , v 2 , v n vectores de un espacio vectorial V, se dice que
v1 , , vn son linealmente

independientes si escalares 1 , , n no todos 0 tales que 1 v1 +2 v 2+ +n v n=0

v1 , v2 , , vn son linealmente independientes si los nicos escalares que satisfacen

1 v1 +2 v 2+ +n v n=0 son todos cero;
1 , .. ,n=0

Ejemplo

(20 10) ,(02 01),(30 10) ,(03 01)

3 b+ a a2b
1 = ,2=3 dc , 3= , 4=c2 d
5 5

Suponiendo
a , b , c ,d =0 1=2=3=4 =0 , las matrices son linealmente independiente (LI)

Ejemplo

(13 24) (2
6 8 )
4 ,
son LI?

Como un vector es mltiplo del otro ser LD; pero, si 1=2,2=1, son LI

Proposicin: sean vw vectores de un espacio vectorial V , v w mltiplos escalares uno del

otro son LD

i)
v 1 w u= w , udw=c , son mltiplos escalares uno del otro?

Es decir que vw son LD porque al menos un escalar es 0

ii) vw son LD, escalares

1 , 2 0 tales que 1 v1 +2 v 2=0 supongamos

1 0 despejando a v , se tiene:

2 w
v= v es mltiplo escalar de w
1

Ejemplo
 53

v =p 2 , es LI?

x , x2 2 x ,3 x +5 x 2

p2=a 0+ a1 x +a 2 x 2=0

a0 + a1 x +a2 x 2=1 (x ) +2 ( x2 +2 x ) +3 ( 3 x +5 x2 ) =0

a0 =0

a x =1 x2 x+ 33 x=0 12 2+ 33=0

a2 x 2=2 x 2+5 3 x2=0 2 +5 3 =0

1=c 1 BC 2=5 3 2=5 c

12 (5 3 ) +3 3=0 1 +13 3 =0

1 +10 3 +3 3=0 3=c s son LI

Proposicin I: cualquier conjunto de vectores

v1 , v2 , , vn de un espacio vectorial que contenga a cero

es LI; por ejemplo, si

v r =0 , se consideran escalares 1 , .. ,k iguales a cero excepto
r=0,
tiene:

1 v1 +2 v 2+ +r v r + +k v k =0

0 v 1 +0 v2 ++ r ( 0 )+ +0 v n=0

v1 , v2 , , v k son LD

Ejemplo numrico

{ ( 1,1,1 ) , ( 1,4,0 ) , ( 0,0,0 ) , (3,1,5 ) }

Proposicin II:
1 , 2 , , k =0 algn
i 0 ; si v1 , v2 , , vn es un conjunto LD, al agregarle

cualquier otro vector

v k +1 , el conjunto que se obtendr ser tambin LD.

NOTA: Se agrega una matriz cualquiera:

(13 10 ) ,(30 30) ,(01 00)

LD

(
3 0 0 0) (
3 1 1 +1 3 3 + 0 0 0 = 0 0
1 0 0 0 ) ( )( )
 53

Proposicin III: si
v1 , v2 , , vn es un conjunto LI en un espacio vectorial, cualquier subconjunto
de este conjunto, es LI

Ejemplo

En V R3 , v 1=( 1,1,1 ) , v 2=( 1,2,0, ) , v 3=( 1,0,0 ) 1 ( 1,1,1 )+2 ( 1,2,0 ) +3 ( 1,0,0 )= ( 0,0,0 )

1+2 +3=0 1=0

1+2=0 2=0 v 1 , v 2 v 3 son LI

1=0 3=0

Si tenemos
v 1= (1,1,1 ) , v 2= (1,1,0 ) 1 ( 1,1,1 ) +2 ( 1,1,0 )=( 0,0,0 )

1+2=0 2=0

1=0 v 1 v 2 son LI

Para qu valor de sern LI los siguientes vectores?

( )( )( )
1 2 3
,
2 1 ,
3 4 4

Dado el sistema de ecuaciones lineales homogneo

x 1+ x 2 +7 x 3x 4=0 1) Escribe las soluciones en trminos de uno o ms

2 x 1 +3 x 28 x 3+ x 4 =0 2) Vectores LI

() ( ) ( ) ()
1 2 3 0
1 2 +2 1 +3 = 0
3 4 4 0

( ) ()
1 2 3 0
1+2 2+ 33=0 2 1 = 0
3 4 4 0

212 +3 =0

3 1 + 4 2+2 3=0
 53

2( 1 +2 2+3 3)

212 +3

5 26 3 +3

(6+ ) 3

(3 ) 1 +22 +3 3

3 1 + 4 2+ 4 3

2 25 3

6+ = 0 =( 25 ) ( 122 ) =25122=13+ 2 13 =
(5
2 5 0 )() 2

1)
x 1x 2+ 47x 4=0 x 4=x 1x 2 +7 x3 2 x 1 +3 x2 8 x3 + ( x 1x 2 +7 x 3 ) 3 x1 +2 x 2x 3=0

13 x 2
x 3=2 x 2x 3 , x 4=x 1x 2+ 7 ( 2 x 2 +3 x 1) x 4=22 x 1+ 13 x 2=0 x 1=
22
13 c
x 1= x1x 2 +7 x 3=x 4
22

x 3=2 c+ 3 ( 1322 c ) x =2c ( 3922 c )= 522c

3

2)
2 x 1 +3 x 28 x 3+ x 4 =0

Base: sea V un espacio vectorial, una base v es un conjunto de vectores

v 1 , , v n tales que:

i)
v 1 , v 2 , , v n genera a v

NOTA: cualquier v V es combinacin lineal de

v1 , v2 , , vn

ii)
v 1 , v 2 , , v n es LI

Ejemplo

V R3
v 1= (1,1,1 )

v 2= (1,1,0 )

v 3= ( 1,0,0 )
 53

Son
v 1 , v 2 v 3 LI?

( x , y , z ) =1 ( 1,1,0 ) +2 ( 1,1,0 ) +3 ( 1,0,0 )

x=1+2 +3 2= y 2 3=x y

y=1 +2 v1 , v2 v3 generan a R3
z=1 {v 1 , v 2 , v 3 } es base de R3

Ejemplo

3
v R otra base es la cannica

{ ( 1,0,0 ) , ( 0,1,0 ) , ( 0,0,1 ) } son LI

cumplen i)
cumplen ii)

Ejemplo

V R2

v 1= (3,12 )

v 2= (1,4 )

Forman
v 1 y v 2 una base en R2 ?

Son LD no forman base en R

3

Ejemplo

2
v R
v 1= (1,1 )

v 2= (1,0 )

v 3= ( 3,4 )

i)
( x , y )=1 (1,1 ) +2 ( 1,0 ) +3 ( 3,4 )

x=1+2 +3 3

y=1+ 4 3

Operando sistema
 53

1=4 3 y

Ahora decimos que

3=c

y=4 c y +2 +3 c

x=7 c y +2

2=x+ y7 c Hay una infinidad de soluciones

14 c+ y v 1 , v 2 , v 3 s generan a R2

ii) LI
0=1 +2+ 33

0=1 +4 3
Resolviendo el sistema
1=4 3

0=4 3 +2+3 3

2=7 3 damos valor arbitrario a 3=c

suponiendo c=1 tenemos :

4 (1,1 ) + (7 )( 1,0 ) +1 ( 3,4 ) =0

0=0 v 1 , v 2 , v 3 son LD

Teorema: 2 bases cualesquiera de un EV V tienen el mismo nmero de elementos

Ejemplo

3
VR

{ ( 1,1,1 ) , ( 1,1,0 ) , ( 1,0,0 ) } es base de R3

{ ( 1,0,0 ) , ( 0,1,0 ) , ( 0,0,1 ) } es base de R3

Ambas bases tenan tres elementos

Dimensin: Sea V un espacio vectorial, la dimensin de V , se define como el nmero de elementos

de cualquiera de sus bases. Si un espacio vectorial V , tiene una base con una igualdad de elementos,

se dice que V tiene dimensin infinita.

Es decir:
 53

V = { polinomio de cualquier grado }

Base (V )={ 1, x , x 2 , x 3 , x 4 , x5 } es dimensin infinita

Ejemplo

{ }
V =M 2 x 2= a b
c d

{( ) ( ) ( ) ( )}
Base (V )= 1 0 , 0 1 , 0 0 , 0 0
0 0 0 0 1 0 0 1 Dimensin
M 2 x 2=4

NOTA:
V =M mxn Dim ( M mxn )=mxn

Ejemplo

V = p3 ={( p ( x ) : P ( x ) polinomio de grado 3 }

Base ( V ) ={ 1, x , x2 , x3 }
2 3
a0 + a1 x +a2 x + a3 x dimensin=4

Regla General para los polinomios

V =Pn { p ( x ) : P ( x ) polinomio grado n } Dim ( Pn )=n+1

Teorema: Si w es un subespacio vectorial V , Dim ( w ) Dim ( V )

Ejemplo

{( )| } {( ) ( ) ( )}
V =M 2 x 2 ; w= a b a , b , c R , Base ( w1 )= 1 0 , 0 1 , 0 0 Dim ( w1 )=3
c d 0 1 0 0 1 0

{( )| } {(
w 2= 0 a a , b R Base ( w2 )= 0 1 , 0 0 Dim w 2 =2
a 0 1 0 0 1 ) ( )} ( )

w 1 w 2= {( )| }
0 a a R Dim w w =1
a 0
( 1 2)

Nuevo subespacio

Base ( w1 w 2 )= {(0 1
1 0 )} NOTA: al intersectar subespacios, obtenemos otro subespacio
 53

Proposicin I: Si
w1, w2 son subespacios vectoriales del espacio vectorial V , entonces w 1 w 2 es
subespacio vectorial

Demostracin:

i)
w 1 w 2 subespacio, 0 w 1 0 w2 0 w1 w 2

ii) Sean
v 1 v 2 w1 w2 , v 1 v 2 w1 w 1 es subespacio , v 1 +v 2 w1

Tambin
v 1 v 2 w2 w2 es subespacio , , v 1+ v 2 w1 w 2

iii) Sea
v R , v w 1 w2 v w 1 v w 2

Como
w 1 es subespacio , v w1

Como
w 2 es subespacio , v w2

v w1 w2

Ejemplo

Encontrar una base para el conjunto solucin de los siguientes sistemas de ecuaciones lineales

x 12 x 2 + x 3=0

2 x 23 x 2 + x 3=0

x + x 2=0

x 1=x 2 proponemos x 1=c

x 12 x 2+ x 3=0, x 3=x1 +2 x 2=c+ 2c c , {( x 1 , x 2 , x 3 ) ( c , c , c )|c R } , c ( 1,1,1 ) Base= { (1,1,1 ) }

Dim ( subespacio de solucin )=1

Ejercicio

Encontrar una base para los siguientes subespacios

w={( x 1 , x 2 , x3 , x 4 , x 5 ) , a1a3 a4 =0 } , w es subespacio de R5

x 2=x 3+ x 4 ; damos valores arbitrarios a x 3=c x 4=d

Como
x 2 x 5 no tienen restricciones se les asignan

Valores arbitrarios,
x 2=a x 5=b
 53

w={( x 1 , x 2 , x3 , x 4 , x 5 ) }=( c +d , a , c , d , b )|a , b , c R }=( c , 0,0, )+ ( d , 00, d , 0 )+ ( 0, a , 0,00 ) }

Ejemplo

v R3

B={( v 1=( 1,1,0 ) , v 2= ( 2,0,1 ) , v 3 =( 2,2,1 ) }

v 1 , v 2 >2+0+0=2 0 v 1 v 2 no son ortogonales

2 ( 1 ) +0 ( 1 ) +1 ( 0 )
w1= (1,1,0 ) , w 2=( 2,0,1 )=
( ( 1 )2+ ( 1 ) 2 + ( 0 )2 ) (1,1,0 )

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

( v2 , w 2 )
w 2=v 2 2
( w1 )
|w1|
2
|w 1|

2 ( 1 ) +2 ( 1 ) +1 ( 0 ) 2 ( 1 ) +2 (1 ) +1 ( 1 )
w 3=( 2,2,1 )
2
( 1,1,0 )
(
12 +12 +12
(1,1,1 )
)
v 3w 1 v 3w2
w 3=v 3 2 ( w 1) 2 ( w2 )
|w1| |w2|
9
w 3=( 2,2,1 ) ( 1,1,0 )
2
1
3 () {
( 1,1,1 ) = ( 1,1,0 ) , ( 1,1,1 ) ,
1 1 1
3
, ,
3 3 (
s es base ortogonal )}
NOA: ( 1,1,0 ) |( 1,1,0 )|= 12+12 +0= 2 ; ahora, si queremos normalizar el vector o hacerlo ortogonal,

1
slo multiplicamos el vector por el inverso de su normal para este caso 2 y tenemos

1
2
( 1,1,0 )=
1 1
(
,
2 2
,0 ) |( 1 1
,
2 2
,0 = )| ( ) ( ) 1 2 1 2
2
+
2
+ 0= 1

Si lo realizamos sin utilizar el inverso de su normal, tenemos que no es ortogonal en ninguna de sus 3
vectores, tomando a
v 3 tenemos:
 53

1 1 4 6 6
+ + = =
9 9 9 9 3
( 1 1 2
, ,
3 3 3
1 1 2
, , =
3 3 3 ) |( )| ( ) ( ) ( )
1 2 1 2 2 2
3
+
3
+
3
=

|v| es la longitud del vector o la distancia del vector o la distancia del origen al punto de coordenadas
(x, y)

( 5,3 )=u

1 2 3 4
5
Ejercicio

Sea ={ ( 3,0,4 ) , (1,0,7 ) , ( 2,9,11 ) } una base en R3 , aplicar el proceso de Gram-Schimidt para encontrar una
base ortogonal

|w 1|= 9+16=5
w 1=( 3,0,4 )

( w1 , v 2 ) ( 3,0,4 ) (1,0,7 )
w 2=v 2 2
( w1 )=(1,0,1 ) (3,0,4 )=(4,0,3 )
|w1| 25

v
( 3 , w1 ) v 3 , w2
|w 1|
2 ( w 1 )
w2 ( | | )(
2
w 2)

w3 =v 3

|w 2|= 16+9=5

w 3=( 2,9,11 ) ( ( 2,9,1125) ( 3,0,4) ( 3,0,4 ))( ( 2,9,1125) (4,0,3 ) (4,0,3 ))= ( 0,9,0 ) = {( 3,0,4 ) ,( 4,0,3) ,( 0,9,6 ) } es ortogonal
Base Normal: tomando el ejercicio anterior |w 3|= 02 +9 2+02=4, entonces tenemos que uno entre la

normal del mismo

{ ( 13 ( 3,0,4 ) , 13 (4,0,3 ) , 19 ( 0,9,0) } {( 35 ,0, 45 ) ,( 45 ,0, 35 ) , ( 0,1,0) }

Ejercicio

Encontrar una base para el siguiente subespacio

 53

w=( x 1 , x 2 , x 3 , x 4 , x 5 ) x 2=x 3=x 4 , x1 + x 5=0, w es subespacio de R 5

x=x 3=x 4 =c , w={( x 1 , x 2 , x 3 , x 4 , x 5 ) , (b ,c , c , b )|b , c R } Base ( w )={ (1,0,0,0,1 ) , ( 0,1,1,0 ) } Dim ( w ) =w

Base Ortonormal: Sea

={( v 1 , v 2 , , v k ) } una base del espacio vectorial V , se llama base

ortonormal del espacio vectorial, si adems de ser ortogonal cada vector de ella tiene norma o longitud 1.

v 1 , v 2 =0 producto punto de vectores multiplicaciones

Ejemplo

{ (1,0,0,0,1 )( 0,1,1,1,0 ) } es una base ortogonal de w

1 ( 0 ) +0 ( 1 ) +0 ( 1 ) +0 ( 1 ) +1 ( 0 )=0

( x 1 x 2 , , . x n )=|( x 1 x2 , , . x n )|= x1 ++ x n
2 2
Norma o longitud de

Ejemplo

|(1,0,0,0,1 )( 0,1,1,1,0 )|= (1 )2 +12= 2 1 { (1,0,0,0,1 ) ( 0,1,1,1,0 ) } no es una base ortonormal

Proceso o Mtodo de Gram-Schimindt

Sea
={ v 1 , v 2 , , v k ) cualquier base de un espacio vectorial, se construye otra base

=( w1 , w2 , , wk ) ortogonal del EV de la siguiente forma:

w 1=v 1

( v 2 , w2 )
w 2=v 2
(| | )
w1
2 ( w1 )

( v3 , w 1)
w 3=v 3
( | | ) (| | )
w1
2 ( w1 )
v 3 , w2
w2
2 ( w2 )

Transformaciones Lineales

Sean V W dos campos vectoriales sobre los reales, una transformacin lineal de V en W , es

una funcin T : vw que satisface:

i)
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 ) v 1 v 2 V

ii) T ( v )=T ( v ) v V todo escalares

 53

V W
+, +,

v 1 ( 1,2 ) T ( v 1) (2,1,1 )

v 2 (3,0 ) T ( v 2 ) ( 0,3,3 )

v 1+ v 2=( 2,2 ) T ( v 1) + T ( v 2 ) =T ( v 1+ v 2 )=(2,4,2)

Ejemplo

T : R2 R 3
T ( x , y ) =( y , x + y ,x )

T ( 1,2 ) =(2,1,1 )

T (3,0 )=( 0,3,3 )

T ( ( 1,2 )+ (3,0 ) ) =T (2,2 )= (2,4,2 )

T ( 1,2 ) +T (3,0 ) =( 2,1,1 )+ ( 0,3.3 )= (2,2,2 )

Ejemplo

Demostrar que T es lineal

i) Sean ( x 1 , y 1 ) ( x 2 , y 2 ) R2
T [ ( x 1 , y 1 ) + ( x 2 , y 2) ]=T ( x 1 + x 2 , y 1 + y 2 )=[ ( y 1+ y 2) ( x 1 + x 2 )+ ( y 1+ y 2 )( x 1 + x 2) ]=T ( x 1 , x 2 ) +T ( y 1 , y 2 )=( y 1 x 1+ y1

2 2
ii) Sea R ( x , y ) R

T [ ( x , y ) ] =T ( x , y )=( y , x + y , x ) , T ( x , y )= ( y , x + y ,x )=( y , x + y , x )

Ejemplo

T : R2 R2 ; T ( x , y ) =( 0, y 2)

i) T [ ( x , y ) + ( x 2 , y 2) ]=T ( x 1 + x 2 , y 1 + y 2 )=( 0, ( y 1+ y 2 )2)

T ( x 1 , y 1 ) +T ( x2 , y 2 )=( 0, y 21 ) + ( 0, y 22) =( 0, y 21 + y 22 )
 53

ii) no cumple

Ejemplo

3 3 3 4
T : R R ={ ( 1,1,1 ) , ( 1,1,0 ) , ( 1,0,0 ) } ; T : R R
Encontrar la transformacin
lineal que cumpla con esto
T ( 1,1,1 )=( 2,4,6,8 )

T ( 1,1,0 )= (1,7,5,6 )

T ( 1,0,0 )= ( 0,8,0,5 )

Sea ( x , y , z ) R3 , entonces ( x , y , z ) es combinacin lineal de los elementos de la base:

( x , y , z )=z ( 1,1,1 )+ ( yz )( 1,1,0 ) + ( x y ) ( 1,0,0 )

T ( x , y , z )=T [ z ( 1,1,1 ) + ( yz ) ( 1,1,0 ) + ( x y ) ( 1.0.0 ) ] =Tz ( 1,1,1 ) +T ( yz ) ( 1,1,0 ) +T ( ( x y ) ( 1,0,0 ) )=zT ( 1,1,1 ) +T ( z y ) (

Temorema: Sea
v1 , v2 , vn una base de un espacio vecotiral
V w1 , w 2 , , w n vectores de otro
2 2
espacio vectorial W , entonces existe una nica transformacin T : R R tal que.

T ( v 1) =w 1 , T ( w2 )=w2 , ,T v n=wn

Ejemplo

2 2
Existe una transformacin T : R R tal que

T ( 1,0 )= (3,5 )

T ( 3,0 )=(2,1)

( 3 ( 1,0 ) ]=3 T ( 1,0 ) =3 ( 3,5 )=( 9,15 ) T no es lineal

( 2,1 ) =T ( 3,0 )=T

Ejercicio

T : P2 P1 ; T ( a 0 , a1 x , a 2 x 2 )=a1 x +a 2 x

T ( 53 x+ 4 x 2 )=3 x+ 4 x 2

Demostrar que T es lineal

i) [ ]
T ( ao + a1 x +a2 x 2) ( b0 +b 1 x +b2 x2 ) =T [ ( a0 + bo ) + ( a1+ b1 ) x+ ( a2 +b2 ) x 2 ]=( a1+ b1 ) + ( a2+ b2 )
 53

ii) [ 2
] 2
T ( a 0+ a1 x +a 2 x ) =T ( a0 + a1 x + a2 x ) =a 1+ a2 x

T ( a0 +a 1 x +a2 x 2) = ( a1 +a2 x )= a1 +a 2 x

Suma de Transformaciones

Sean T : v w U : v w dos transformaciones lineales de v en w , la suma de ellas

T +u : w tambin es transformacin lineal y se define coo:

T +U ( v )=T ( v )+ U ( v ) v V

Ejemplo

T : R2 R 3
T ( x , y ) =( x+3 y , 0,2 x4 y )

U ( x , y )=( x y , 2 x , 3 x 2 y ) ( T +U ) ( x , y )=T ( x , y ) +U ( x , y )=( x +3 y ,0,2 x4 ) + ( x y , 2 x .3 x 2 y ) =2 x +2 y ,2 x

Numricamente

T ( 3,7 ) =( x+3 y , 0,2 x 4 y ) =( 24,0,22 )

U ( 3,7 )=( 9,6,23 )

Demostrar ue T +U es una transformacin lineal si tanto T coo U son lineales

H 0 :T es lineal

T ( u+ v )=T ( u ) +T ( v )

T ( v )=T ( v )
u es lineal

U ( u+v ) =U (u )+ U (v )

U ( v ) =T (v )

i)
T +U ( u+ v )=T ( u+ v ) +U ( u+v ) =T ( u ) +T ( v )+ U (u )+ U ( v )=[ T ( u )+U ( u ) ]+ [ T ( v ) +U ( v ) ] = (T + v ) ( u ) + ( T + U ) ( v )

ii) T +U ( v )=T ( v ) +U ( v )= T ( v ) +U ( v )= [ T ( u ) +U ( v ) ]= ( T +U ) ( v ) la suma es lineal

Ejemplo

T : P3 P2 T ( a0 +a1 x+ a2 x 2 +a3 x 3 )=a1+ 2 a2 x +3 a3 x 2

 53

U :P 3 P2 U ( a 0+ a1 x +a 2 x 2+ a3 x3 ) =a 2a0 x 2

( T +U ) ( a0 +a1 x+ a2 x 2 +a 3 x 3 )=a1 +2 a2 x +3 a3 x 2+ ( a2 xa 0 x 2 )

T ( 54 x +8 x 25 x 3 )=4 x+ 16 x 15 x 2

U ( 54 x +8 x 25 x 3 ) =8 x5 x2

T +U ( 54 x+8 x 25 x 3 )= (4+16 x15 x 2 ) + ( 8 x5 x 2) =4+ 24 x20 x 2

Ejemplo

T : M 2x 2 M 2x 2

Sea

(
A= 8 13
2 11 )
T ( B )= AB , es T lineal?

(82 1311 )(ac bd)=( 82 a+13 c

a+11 c ) (
8 b+13 d T 0 2 = 13 29
2b+ 11 d 1 1 11 15 )( )
(
T 7 5 = 4 144
4 8 30 98 )( )
( )(
T 7 3 = 17 115 =T 0 2 +T 7 5
3 7 119 85 1 1 4 8 ) ( ) ( )
Composicin: Sea T :U V y adems L:V W dos transformaciones lineales, a composicin de
T , L (denotada
U L T es la transformacin
por V W lineal L T : W W tal que:

T L
U T(V) L[T(U)

Ejemplo

T : R2 R 4 T ( x , y ) =( y ,x , 0, x+ y )
4
L: R R
3
L ( x 1 , x 2 , x3 , x 4 )=(x 2 ,x 1 , x 2)

L T : R2 R3
 53

( L T )( x , y ) =L [ T ( x , y ) ] =L ( y ,x , 0, x+ y ) =(x , y , x )

Numricamente

T ( 4,6 )=( 6,4,0,10 )

T ( 4,6 )=(6,4,6 )
L T =L

Ejemplo

T : M 2 x 2 P3

( )
T a b =c+bx+d x 2 +a x 3
c d

L=P3 R 4

L ( a0 +a 1 x +a2 x 2+ a3 x 3 ) =( a1 , a2 , a3 , a4 )

c d c d ( ) ( ( ))
L T =M 2 x 2 P 3 , entonces L T a b =L T a b =L ( c +bx +d x2 +a x 3 ) =( b , d , a , c )

Numricamente

( )
T 3 2 =7+2 x +x 2+3 x 2
7 1

L T =( 2,1.3,7 )

L: R 2 R 3 una transformacin lineal tal que:

T ( 1,0 )= (1,2,3 ) , HalleT ( 2,4 ) , T ( 3,7 )

T ( 0,1 )= (4,0,5 )

{ ( 1,0 ) , ( 0,1 ) } es base de R2

( 2,4 ) =( 2,0 ) + ( 0,4 )=2 (1,0 )+ 4 ( 0,1 )

T ( 2,4 ) =T ( 2 ( 1,0 )+ 4 ( 0,1 )) =T [ 2 ( 1,0 ) ] +T ( 4 ( 0,1 ) ) T es lineal

2T ( 1,0 )+ 4 T ( 0,1 )=2 ( 1,2,3 )+ 4 (4,0.5 )=( 2,4,6 ) + (16,0,20 )=(14,4,26 )

T (3,7 )=T (3 ( 1,0 ) +7 ( 0,1 ) ) =T (3 ( 1,0 ) ) +T ( 7 ( 0,1 ) ) T es lineal

( 3,6,9 ) + (28,0,35 )=(25,6,44 )

 53

Multiplicacin de Matrices

Sea
A=( aij ) una matriz
mxn B=( b ij ) una matriz nxp , la multiplicacin de AB es la matriz que

se denota como C=AB de tamao mxp tal que:

a
( i1 , ai 2 , ,a ) ( b1 j , b2 j , , bnj )
producto punto
C ij =

rengln ide A columna j de B

( )( )(
a11 a 1n a11 a1 p a11 b11 + a12 b21 ++ a1 n b n 1 a11 b12 +a12 b22+ +a1 n bn 2 a11 b1 p +a 12 b2 p ++
AB = a 21 a21 = a21+ b11 +a 22 b21 ++ a2 n b n 1
am 1 amn an 1 anp am1 +b11 + am 2 b21 + +a mn b n1 am 1 b1 p+ am 2 b2 p +

Ejercicio

(
A= 3 1 0 , B= 3 1 0
1 1 2 1 1 2 ) ( )
Calcular A B y B A

)( )(
5 1
1 1 2(
A B= 3 1 0 1 4 =
2 3
3 ( 5 )+ (1 ) ( 1 ) + ( 0 ) ( 2 ) 3 (1 ) + (1 ) ( 4 )+ 0 (3 )
1 ( 5 )+1 ( 1 ) +2 ( 2 ) 1 (1 ) +1 ( 4 ) +2 ( 3 )
= 14 7
10 9 )( )

( )( )( )
5 1 14 6 2
B A= 1 4 3 1 0 = 7 3 8
1 1 2
2 3 9 1 6

NOTA: la multiplicacin de matrices no es conmutativa A B B A

La multiplicacin de matrices es asociativa?

( )
C= 5 1 ( A B ) C=A (B C)
1 4

)( )(
5 1
tenemos que : ( A B ) C= 14 7
10 9 (1 4 =
2 3
77 14
41 46 )

)( )(
26 1
(
por otro lado : A ( B C )= 3 1 0
1 1 2 ) [( )(
3 1 0 5 1 = 3 1 0
1 1 2 1 4 1 1 2 )] ( 1 7 =
7 14
)
77 14 s es asociativa
41 46
 53

Ahora A + ( B+C )=AB+ AC

(
A= 8 1
4 2 )
(
B= 1 5 3
0 6 4 )
(
C= 3 2 1
5 0 9 )
(
A ( B+C )= 8 1
4 2 )[(10 )( )] (
5 3 + 3 2 1 = 8 1 2 6 1 = 21 42 3
6 4 5 0 9 4 2 5 6 5 18 12 6 )( )( )
[( )( )] [( )(
AB+ AC = 8 1 1 5 3 + 8 1 3 2 1 = 8 34 28 + 29 8 25 = 21 42 3
4 2 0 6 4 4 2 5 0 9 4 8 20 22 4 26 18 12 6 )] ( )( )( )
Ahora ( B+ C ) A=BA+CA

()
3
A= 2
3

(
B= 1 5 3
0 6 4 )
(
C= 3 2 1
5 0 9 )

)]( ) ( )( ) (
3 3
[(
( B+ C ) A= 1 5 3 + 3 2 1
0 6 4 5 0 9 )( 2 =
3
2 6 1
5 6 5
2 =
3
21
12 )
BA +CA=
[( 1 5 3
0 6 4
3
2 +
3
)(
3 2 1
5 0 9
3
)] [(
2 =
3
16
0
+
5
=
21
12 12 )( )] ( ) ( ) (
, s se cumple )

Decodificar con el siguiente cdigo T : A3 A 6 , T =( x , y , z )=( x , y , z , x+ 2, y z , x+ y )

A :T ( 0,0,0) A=(0,0,0) A=(0,0,0)

C :T (1,0,0) C=(1,0,0) S=( 1,0,1 ) sobra

E :T ( 0,1,0) E=(0,1,0) T =(0,1,1)

 53

I : T (0,0,1) I =( 0,0,1) M =( 1,1,0)

M :T (1,1,0) M=(1,1,0)

T :T ( 0,1,1 ) T =(0,1,1)

S :T ( 1,0,1 ) S=(1,0,1)

O:T (1,1,1) O=(1,1,1)

Transformaciones

A= ( 0,0,0,0,0,0 ) A,A

C=( 1,0,0,1,0,1 ) A ,S

E= ( 0,1,0,0,1,1 ) E,I

I =( 0,0,1,1,1,0 ) I ,W

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

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

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

O=( 1,1,1,2+2+2 ) O

Sistema de Ecuaciones Lineales mxn

Un sistema de ecuaciones lineales mxn , consta de m ecuaciones con cada ecuacin teniendo n
incgnitas de la siguiente forma:

a11 x 1+ a12 x 2 ++ a1 n x n=b 1

a21 x 1 +a 22 x2 + + a2 n xn =b2

am 1 x 1+ am 2 x 2 ++ amn x n=bm

Los trminos
aij son los coeficientes del sistema y los trminos
b j son los trminos independientes.

x 1 , x 2 , , x n son n incgnitas

Un sistema tiene 2 matrices que se le asocian:

 53

a11 a12 a 1 n
a
A= 21

( a22 a 2 n

a m 1 am 2 amn
)
Y la aumentada:
a11
a12
a1 n b1

a21 a 22 a2 n b2

am 1 am 2
amn bm


A=

Ejemplo

3 x1 4 x 2 + x 3=1

x 1+ x 22 x 3=8

Matriz Asociada (
A= 3 4 1
1 1 2 )
Matriz Aumentada A= (31 4 1 1
)
1 2 8

a11 a12 a 1n x 1 b1

(
)( ) ( )
a21 a22 a 2n x 2

a m1 am 2 amn x n
b
= 2

bm

x1 b1

Si
() ()
x
x = 2 , B=

xn
b2

bm
, A x =B

Ejemplo

()(
x1
( 3 4 1
x =
1 1 2 2
x3
1
8 ) )
 53

Consideremos el sistema
a11 x 1+ a12 x 2=b 1
3
a21 x 1 +a 22 x2 =b2

Una solucin del sistema de ecuaciones lineales que no afectan al conjunto de soluciones del sistema

1. Intercambiar 2 ecuaciones no afecta al conjunto de soluciones

2. Multiplicar de una ecuacin por una constante diferente de cero
3.
k 0 k a 11 x 1 +k a 12 x 2=k b1 4
a21 x 1 +a 22 x2 =b2

Sea ( s1 , s 2) soluciones de 3 como

a11 s1 +a 12 s 2=b 1

Se multiplica por
k k a11 s 1 +k a22 s 2=kb ( s 1 , s2 ) es solucin de 4

k a11 s1 +k a 12 s 2=b 1

a21 s 1+ a22 s2=b2

Como k 0, se divide a la primer ecuacin entre k

a11 s1 +a 12 s 2=b 1 ( s 1 , s2 ) es solucin del sistema

4. Sumarle a una ecuacin un mltiplo diferente de cero de otra ecuacin

a11 x 1+ a12 x 2

a21 x 1 +a 22 x2 =b2

k 0 si multiplicamos la ecuacin por k

k a21 x1 +k a 22 x 2=k b2

y la sumamos a la primer ecuacin

a11 x 1+ k a21 x 1 +a12 x2 +k a22 x 2=b1 + k b 2

el nuevo sistemaque se obtiene

( a11 + k a21 ) x1 + ( a12+ k a21 ) x 2=b 1+ k b2

a21 x 1 +a 22 x2 =b2

entonces sea ( s 1 , s2 ) una solucin de 3 ,

a11 s1 +a 12 s 2=b 1

a21 s 1+ a22 s2=b2

Sustituyendo ( s1 , s 2) en la primer ecuacin de 4

 53

( a n+ a21 ) s1 +( a12+ k a22 ) s1 =b1

a11 s1 +k a 21 s 1 +a21 s 1+ k a22 s2=a11 s 1+ a12 s2 + k ( a21 s1 +a 22 s 2 )=b1+ k b2

Inversamente si ( s1 , s 2) es solucin , entonces

( a11 + ka21 ) s 1+ ( a12 +k a22 ) s 1=b 1+ k b2
a21 s 2+a22 s2=b2

Por igualdad se obtiene

a11 s 1+k a21 s 1+ a12 s2 +k a 22 s 2=b 1+ k b2

a11 s1 +a 12 s 2+ k ( a21 s 1+ a22 s2 ) =b1 +k b 2

sustituyendo b 2

a11 s1 +a 12 s 2+ k b2=b1 +k b2 , a 11 s 1+ a12 s2=b1 satisface el sistema 3

Mtodo de Gauss para resolver sistemas de ecuaciones

Se considera a matriz aumentado del sistema y se le aplican algunas de las operaciones siguientes:
i) Intercambio de 2 renglones
ii) Multiplicacin de un rengln por una constante diferente de cero
iii) Suma de un rengln con un mltiplo diferente de cero de otro rengln y entonces
transformar la matriz a otra con la siguientes caractersticas:
1) El primer coeficiente diferente de cero del 1er rengln es 1
2) El primero coeficiente diferente de cero de cada rengln est ms a la derecha del
primer coeficiente diferente de cero del rengln anterior
3) Las componentes estarn abajo del primer elemento diferente de cero de algn rengln
Ejemplo

Resolver el sistema
2 x 13 x 2 +2 x 3=0

x 1+ x 2 + x 2=3

3 x1 x2 3 x 3=4

( ) ( ) ( ) ( )
2 3 2 0 1 1 1 2 R 1( 2) + R 2 1 1 1 2 1 1 1 2
CAMBIAR R 2 POR R 1 R 1( 3) + R 1 R 2 ( 1 ) +R 2
1 1 1 2 2 3 2 0 0 5 0 4 0 5 0 4
3 1 3 4 3 1 3 4 3 4 6 2 3 4 6 2

( )
4 1 1 2

( ) ( )
1 1 1 2 0 1 1 2 R(
1

R 3 ( 1) + R 2 R 2 ( 4 ) +R 3 3 )+R
0 1 6 2 x + x + x =2, x 6 x =2, x = 1
0 1 6 2 0 1 6 2 1 2 3 2 3 3
1 5
3 4 6 2 3 4 30 6 0 0 1
5
 53

x 2=2+6 ( 15 )= 45 ( s , s , s )=( 75 , 54 , 15 )
1 2 3

4 1 7
x 1=2 + =
5 5 5

NOTA: verificar en el sistema

Dos matrices se llaman semejantes si una se obtiene de la otra aplicando alguna de las 3 operaciones
elementales.

Dos sistemas de ecuaciones lineales se dicen equivalente si tienen el mismo conjunto solucin.

Ejemplo

x 1+3 x 2=2

2 x 15 x 2=2

1 3 2 1 3 2 1 3 2

( ) ( ) ( )
R ( 2)
R ( 5 ) +3 R 2 R ( 11 )
2 5 2 1 R (3 )+4 R 0 1 2 0 1 2
5 x 14 x 2=12 +3 R
5 4 12 0 1 22 0 0 22
3 9 6 0 0 0 0 0 0

3 x 19 x 2=6

x 2=2, x 1 +3 x 2=2 x 1+3 ( 2 )=2, x 1=4, ( s 1 , s2 )= (4,2 )

Ejemplo

x+ y2 z=1
2 x yz3 w=4
x+ 2 y 3 z + w=3
2 x + y 3 z +w=0

( ) ( ) ( )
1 1 2 0 1 ( 1) +3 R 1 1 2 0 1 1 1 2 0 1
R (2) +2 R
0 3 3 3 6 2 R ( 3 )
1
2 1 1 3 4 ( 2)+ 4 R 0 1 1 1 2 2renglones diferentes de ce
1 2 3 1 3 0 1 1 1 2 0 1 1 1 2
2 1 3 1 0 0 1 1 1 2 0 1 1 1 2

z=b , w=c , entonces

x=1 y +2 b , y=2+b=c

x=1( 2+bc ) +2 b x=2+b +c

Solucin general del sistema

 53

( x , y , z , w )=( s1 , s 2 , s 3 , s 4 )= (1+b+ c , 2+bc , b , c ) b , c R

Numricamente

b=7, c=2 x=1+ b+c=1+7+2=8, y=7, z=7, w=2

Sustituyendo
x+ y2 z=1
1+b +c +2+bc2 c=1

1+7+ 2+ 2+ 722 (7 )=1

8+714=1
1=1

Ejemplo

x+ yw=0
x+ z w=1
x + y2 z +w=3

( )( )( )
1 1 0 1 0 1 1 0 1 0 1 1 0 1 0
tenemos 1 0 1 1 1 0 1 1 0 1 0 1 1 0 1 , no tiene solucin por lacontradiccio
1 1 2 1 3 0 2 2 0 3 0 0 0 0 1

El rango de una matriz escalonada es el nmero de renglones diferentes de cero de dicha matriz.
Se comparan los rangos de la matriz escalonada y asociada al sistema y de la matriz escalonada
acumulada al sistema; si los rangos son diferentes, el sistema no tiene solucin.

En el ejemplo anterior, el rango de la matriz asociada es 2 y el rango de la m aumentada es 3.

Ejemplo

Resolver el sistema
2 x + y + z +w=0 Un sistema de ecuaciones se llama
homogneo cuando cada una de las
x y+ z2 w=0 ecuaciones est igualada a 0, siempre
tiene solucin (nica o infinita)
4 x +3 yz w=0

( )( )( )( )(
2 1 1 1 0 1 1 1 2 02 1 1 1 2 0 1 1 1 2 0 1 1 3 2
1 1 1 2 0 1 1 1 1 0 0 1 3 3 0 0 1 3 3 0 0 1 3 3
4 3 1 1 0 4 3 1 1 0 0 1 3 9 0 0 1 3 9 0 0 1 3 9 0

Rango=3, 43=1
 53

Incgnitas=4

x+ yz +2 w=0
y3 z3 w=0, 6 w=0 w=0

Slo se dan valores a z=c ya que w=0 , y se sustituye en la 2a ecuacin, y =3, x=2 c

Comprobacin:

2 x + y + z +w=0 4 x +3 yz w=0

2 (2 c ) +3 c+ c+ 0=0 4 (2 c ) +3 ( 3 c ) c0=0

4 c + 4 c +0=0 8 c+ 9 cc0=0
0=0 0=0

x yz +2 w=0

2 c3 c +2 ( 0 )=0
0=0

Ejercicio

3 x+2 y + z=5
2 x +3 y + z=1
2 x + y +3 z=1

)( )(
2 1 5
1

( )( )( )(
3 2 1 5 3 2 1 5 1 2/3 1/3 5 /3 1 2/3 1 /3 5/3 1 2/3 1/3 5
3 3 3
2 3 1 1 2 3 1 1 2 3 1 1 0 5/3 1/3 7/ 3 0 1 1
2 3 1 1
2 1 3 11 2 1 3 11 0 2 2 10 0 1 1 5 0 5/3 1/3
2 1 3 11

Ejercicio

2 x 1+ x2 +6 x 3=18 x 1=4

5 x1 +8 x 3=16 x 2=7

1
3 x1 +2 x 320 x3 =3 x 3=
2

Ejercicio
 53

Dividir 180 en 3 partes de modo que la mitad de la primera, el tercio de la segundo y el cuarto de la
tercera sean 3 nmeros iguales x , y , z , cul es valor de cada variable?

x y z x y y z
= = = ,3 x=2 y adems como = , 3 y=3 z
2 3 4 2 3 3 4

)( )(
1 1 1 180

)( )( )(
1 1 180 1 1 1 1 180 1 1 1 1

(
1 1 1 180 1 1 1 1 80 3
3 3 0 1 108 3
3 2 0 0 1 1 108 0 5 3 540 0 1 108 5 1 1 1
5 5 5
0 4 3 0 0 4 3 0 25
0 0 1 80 0 4 3 0 0 0 432 0 0 1 8
5

x+ y+ z=180
40+ 60+ 80=180
180=180

Ejercicio

3 obreros trabajan en una obra, el primero y el segundo podran hacerlo en 8 das; el primero y el tercero
en 9 das; el segundo y el tercero en 10, cunto tiempo tardaran cada uno para hacerlo solos?

Sean x , y , z los tiemposindividuales por obra terminada

x+ y=8
x+ z =9
y +z=10

7
x=
2
9
y=
2
11
z=
2

Problema de Trnsito

20 60 70
0 0 0
x6 x7
800 200
GF x1 x2 x3
60 400 Morelos
0 x4 x5
 53

Cantidad de vehculos por hora que entran y salen 16 :0017 : 00 hrs

Objetivo: minimizar el paso de vehculos en Morelos entre Rayn y Sor Juana de tal forma que no haya
congestionamiento en las 6 esquinas del diagrama

Esquina llegan 400+ x 4

600+ x 2 400+ x 4 =600+ x 2

B : x 2 + x 5=100+ x 4 x 1x 4=200

C :300+ 400=x 3 + x 5 x 2x 4 + x 5=100

D: 800+ x 1=x 2+ x 7 x 3+ x 5=700

E :600+ x 6=x 2+ x7 x 1x 6=100

F : x 7+ x3 =200+700 x 2+ x 6 + x 4 =600

x 3+ x 7 =900

Matriz Identidad

La matriz identidad nxn es la siguiente:

( )
1 0
I= 0 1
0 0 1

La componente ij de la matriz es:

{
I ij = 1 si i= j
0 sii j

I es el neutro multiplicativo en el conjunto de matrices nxn

Es decir, si A es matriz de nxn , entonces AI =IA= A

Ejemplo

( ) ( )( )
3 0 1 3 0 1 1 0 0
A= 2 4 1 , AI = 2 4 1 0 1 0 = A
5 1 6 5 1 6 0 0 1

Matriz Inversa
 53

Sea A una matriz nxn , otra matriz nxn denotada por A

1
es la matriz inversa de A , si
satisface:
A A1 =I

A1 A=I

( )
A= a b , A 1= d b
c d c a ( )
Ejemplo

( )
A= 5 3
3 2

A1= 2 3
3 5 ( )
( )(
A A1 = 5 3 2 3 = 1 0
3 2 3 5 0 1 )( )
(
A1 A= 2 3 5 3 = 1 0
3 5 3 2 0 1 )( ) ( )
Ejemplo

Encontrar la matriz inversa de A

8/3

7/3 1 11 /3 /3
2 11 /3

( )( )
2 4 6 1 0 0
A= 4 5 6 0 1 0 =(1 )
3 1 1 0 0 1

1 1 1
Hallar A de A , B de B , AB y ( AB )

( )
2 1 1
A= 1 1 1
1 2 3

( )
3 1 1
B= 1 1 1
4 2 3
 53

)( )(
1/2 0 0

(
2 1 1 1 0 0
1 1
1 2 3 0 0 1 | )(
1 1/2 1/2 1/2 0 0

0 5/2 5/2 1 /3 0 1
1 1/2 1/ 2
1 0 1 0 = 0 1/2 3/2 1 /2 1 0 = 0 1
0 1
3
1
| 0
1 2 /13 0 | 0 =
2
5
0 1
0 0
3
|
1 1/2 1/ 2 1/ 2
1
4 17 /150

1 2

( )
1
5 5

( )
.2 1 .4
1 4 3
A = .8 1 .6 = 1
5 5
.6 1 .2
3 1
1
5 5

( )
1 1
6 6 3
1 7 5 2
B =
6 6 3
1 1 1
3 3 3

2 11

( )
1
10 3 30
A B1 = 1 4 5
21 3 6
2 1 2
5 5 15

Determinante

( )
2 1 4
0 1 5 =2 [ ( 1 ) (4 ) ( 3 )( 5 ) ] 1 [ 0 ( 4 )6 (5 ) ]
6 3 4

a11 a12
Sea
A=
( a 21 a22 ) , el detA | A| se define como el nmero real siguiente:

detA =a11 a22a12 a 21

( )
a11 a12 a13
Si
a a
( ( a a
)) a
( a
A= a 21 a22 a 23 se define como det A=a11 det 22 23 a 12 det 21 23 +a 13 det 21 22
a 31 a32 a33
a32 a33 a31 a33 a 31 a32) ( )
Ejemplo
 53

( )
5 0 1
A= 2 0 4 =0
3 0 1

Propiedades de los Determinantes

1. Si una matriz A tiene un rengln de ceros o una columna de ceros, entonces detA =0

2. Si la matriz B se obtiene de A , el multiplicar un rengln o columna de A por un escalar

c 0, entonces el detB=c ( detA ) :

( )
2 1 4
B= 0 2 10 det B=(92 )(2 )=184
rengln 2 por (2 ) tomado de la matriz A
6 3 4

3. Si B obtiene de la matriz A intercambiando 2 de sus renglones o dos de sus columnas,

entonces detB=detA

( )
2 1 4
B= 6 3 4 , det B=2 ( 15+ 4 )1 (30+ 0 ) +4 ( 60 )=92
0 1 5

Ejemplo

Calcular del A

( )( )
1 3 1 3 3 1
A= 1 4 2 5 4 2
2 0 1 0 0 1

det A= 3 (
3 =3
5 4 )
Calcular det A

( )( )( )( )
1 3 5 6 1 8 5 6 1 8 4 6 1 8 4 8
A= 2 4 0 3 2 6 0 3 2 6 0 3 2 6 18 7
1 5 4 2 1 0 4 2 1 0 0 2 1 0 0 0
4 02 7 4 20 2 7 4 20 34 7 4 20 34 15

( )
0 4 0
30 18 29 Recordando los s ignos tenemos :
48 34 53

(
(4 ) 30 29 =792
48 53 )
 53

( )
3 11 0
det 1 1 1 1 =44
4 2 3 2
1 5 2 4

( )
22 11
14 5 12
(
1 det 4 3 5 det
22 5 14
3
46
3
) 3
17
3
=44

Definicin

( )
a11 a1 n
1+1 1+2 1+ n
det =(1 ) a11 det M 11 + (1 ) a12 det M 12++ (1 ) det M 1 n
a n1 anm

Donde
M ij es la matriz menor correspondiente a ala componente aij , que se obtiene eliminando el

rengln i la columna j

Con el determinante se puede encontrar por cualquier rengln de acuerdo al rengln i simo, la
definicin es
A= (1 )1+i ai 1 det M 1 j + (1 )i+2 ai 2 det M 2 j+ + (1 )1 +n a det M
det

Matriz Transpuesta de A , denotada por A t , es la matriz obtenida de A , al considerar las

columnas de A como renglones de At

( ) ( )
3 1 1 3 6 5
t t
A= 6 0 1 A = 1 0 9 A ( aij ) aij =a ji
5 9 2 1 1 2

t
det A=44 det A =44

Propiedad: det A=det A t

Ejemplo

( )
8 23 10
B= 5 4 3 =2det
30 0 2
142 23
40 4
=2976 ( )
 53

B
det

Propiedad: A
( A B )=det
det

( )( )( )
3 1 1 8 23 10 1 65 31
det ( A B )= 6 0 1 5 4 3 = 18 138 58 =131,944
5 9 2 30 0 2 145 79 81

det A=44 det B=2976 44 ( 2976 ) =130,944

t
A
1
det =1 det ( At )=
det A



A
I =1=det
Propiedad:
( A A t ) =det
I =1 det
1 0 0
( )
0 1 0 =det
0 0 1
A A t=I det

Matrices Espaciales

Matriz Diagonal: matriz A de tamao nxn tal que aij =0 sii j

Ejemplo

( )
8 0 0 0
0 3 0 0
A= =det A=8 (3 ) ( 1 )( 5 )=120
0 0 1 0
0 0 0 5

El determinante de una matriz diagonal es igual al producto de los elementos de su diagonal

Matrices Triangulares Superiores

( )
2 4 3
A= 0 1 5 aij =0 sii> j
0 0 6

El determinante de una matriz triangular superior es igual al producto de los elementos de su diagonal
 53

A x =B

Si el sistema nxn tiene solucin y A tiene inversa

1
A :
1 1
A ( A x )= A B
A
(1 A) x =Ix=x = A1 B

Ejemplo

Resolver el sistema de ecuaciones

3 x+2 y + z=0
2 x +3 y + z=1
2 x + y +3 z=11

( )( ) ( )
3 2 1 x 5
2 3 1 y = 1
2 1 3 z 11

( ) () (
1 8 5 1
)( ) ( ) ( ) ( )
x 1 8 5 1 5 1 24 x 2
A1= 4 7 1 y = 4 7 1 1 = 24 y = 2
12 12 12
4 1 5 z 4 1 5 11 36 z 3

Factorizacin en Irreducibles en C [ x]

5 4 3
x 3 x +4 x 4 x4=[ x( 1+i ) ][ x( 1+i ) ][ x( 1+i ) ] [ x ( 1+i ) ] ( x+1 )

Teorema Fundamental del lgebra

Sea f ( x ) en C [ x ] de grado mayor que uno, entonces f ( x ) tiene al menos una raz en C

a ( x )=( x1 ) b ( x ) con grado [ b ( x ) ] < grado [ a ( x ) ] se aplica el teorema a b ( x ). Hasta obtener un

factor de grado 1

Un polinomio de grado n en C , tiene n races en C , aunque Q [ x ] a+ b es una raz de f (x)

con a Q b Q

Ejemplo

Factorizar 2 x 4 x 317 x 2+ 15 x9=0 sabiendo que 1 2 es raz

 53

211715 9

22 2 53 26 +9 29

212 2123 29+ 9 2 0

2+2 2 3+3 299 2

239 0

3 9+72 3
2 x 23 x9=0 x= x 1= , x 2=3
4 2

Factorizacin en R[x]

2 x 4 x 317 x 2+ 15+ 9= x ( 32 ) ( x+ 3) [ x ( 1+ 2) ][ x( 1 2) ]
Factorizacin en Q [x]

2 x 4 x 317 x 2+ 15+ 9= x ( 32 ) ( x+ 3) ( x 2 x1)=x (1 2) x( 1 2) x+ (1)

2 2

x 2x 2 xx + 2 x 1=x 22 x1

Ejemplo

Factorizar el polinomio x 416 x 28 x1=0

Cuando no tienen trmino cbico:

x 4=16 x 2 +8 x+ 1

x 4=( 4 x +1 )2

x 2= ( 4 x +1 )

1
x=4 x+1 3 x=1 x=
3
1
x=4 x1 5 x=1 x=
5

Factorizar el polinomio en R [ x ] C [ x ] : x 42 x 3 +6 x 22 x +5 sabiendo que i es una raz

6 5 4 3 2
Factorizar en Q [x] R [x] el polinomio: x x 8 x +2 x +21 x 9 x54 sabiendo que 2+ i es
una raz
Determine cules son los polinomios son irreducibles en el campo que se da:
 53

9
i) En
Q [ x ] x 22 x +4 x +5 x 28 x 2
4
2 2
ii) En R [ x ] x 8 x +8 x 2 x+ 4

iii) En C [ x ] x 22 x + 4 x+ 7 xi

2
Transformaciones de R ( PLANO CARTESIANO )

Ejemplo

T 1 ( x , y )=(2 x , 3 y ) T 1 ( 3,8 )=(6,24 ) ; T 1 ( 0,1 ) =( 0,3 )

T 2 ( x , y )= (3 x + y ,2 x ) T 2 (5,4 )=(11,10 ) ; T 2 (5 , 23 )=(3 5+ 23 ,2 5)

T 3 ( x , y )= ( 0, x ) T 3 ( 4,1 ) =( 0,4 ) ; T 3 ( 0,3 ) =( 0,0 ) ; T 3 ( 4,5 )=( 0,4 )

T 3 no es inyectiva porque ( 4,1 ) ( 4,5 ) ; pero de ambas el resultado es( 0,4)

Ejemplo

T 1 , inyectiva?

Demostracin

Sean ( x , y ) . ( x ' , y ' ) R2

Suponemos T 1 ( x , y )=T 1 ( x' , y' )

(2 x ,3 y )= (2 x ' , 3 y ' )

2 x =2 x ' x=x '

3 y=3 y ' y= y' ( x , y )=( x ' , y ' ) T 1 es inyectiva

Ejemplo
 53

T 2 , inyectiva?

Demostracin
Sean ( x , y ) , ( x' , y ' ) R 2

Suponemos T 2 ( x , y )=T 2 ( x' , y ' )

( 3 x+ y ,2 x ) =( 3 x' + y ' ,2 x )
'
2 x=2 x

( x , y )=( x ' , y ' ) T 2 es inyectiva

T es sobreinyectiva si la imagen de T es todo el plano R2 ; es decir, si para cada pareja ( a , b ) R2 se

puede encontrar otra pareja ( x , y ) R2 tal que T ( x , y ) =( a , b )

Ejemplo

T 3 ( x , y )=(0, x)

La imagen de
T 3 son los puntos del eje y nicamente T 3 no es sobreyectiva

Ejemplo

T 1 , sobreyectiva?

Demostracin
T 1 ( x , y )=(2 x , 3 y )=( a , b )
 53

2 x=a
3 y=b

a b
Despejando a
x , y se tiene que x= , y=
2 3

T 2 ( x , y )=T 2 ( a2 , b3 )=( a , b)
3
3 x+ y =a y=a+ b
2
b
2 x=b x=
2

T 2 es sobreyectiva porue para cualquier ( a , b ) R2 , la pareja ( b2 , a+ 32 b) R tal que :

2

T2 ( b2 , a+ 32 b)=( a ,b )
T2 ( b2 , a+ 32 b)=[3 ( b2 )+a+ 32 b ,2( b2 )]=( a , b)
Definicin Una transformacin que es inyectiva y sobreyectiva se llama transformacin no sinular ;

estas transformaciones tienen la propiedad de tener inversa T

x y
T 1 es no singular y su inversa T ( x , y )= ,
2 3 ( )
T =[ T 1 ( x , y ) ]=T (2 x , 3 y )=( x , y )

T 1 ( p )= p +(1,3)

Si
p=( x , y ) T 1 ( x , y )=( x , y ) + ( 1,3 )=( x+1, y +3 )

Si ( 0,0 )= (1,3 )

Si ( 3,2 )=( 4,5 )

Si (3,8 )=(2,11 )
Traslada cada uno de los puntosuna unidad en x , 3 en y
 53

Ejemplo: 2 iv) del Grossman

T 4 ( x , y )=( x ' , y ' )

x ' =|x|

y'= y

T 4 ( x , y )=(|x|, y )

i) Sea ( x , y ) , si x> 0,T ( x , y )=( x , y )

ii) Si x< 0,T ( x , y )=(x , y )

La mitad del plano que corresponde al eje x positivo queda igual, la mitad del plano que corresponde al eje
x negativo

Ejemplo
T 5 ( x , y )=x ( 2,0 ) + y ( 0,2 )=( 2 x , 0 ) + ( 0,2 y )=( 2 x ,2 y )
La transformacin agranda al punto; lo estira con una razn de 2 unidades

Ejemplo

T 6 ( x , y ) =( x , x ) Si T 6 ( 2,3 )=( 2,2 ) , Si T 6 (4,2 )=(4,4 )

La transformacin
manda a un punto a

la , x= y en el
x= y
punto que tiene el
mismo valor de su
 53

T 1 ( x , y ) =( y , x )

La transformacin es una rotacin de 90

T 1 ( 1,0 )=( 0,1 )

T 1 ( 0,1 )=(1,0 )

T 1 ( 2,2 )=(2,2)

Transformaciones Rgidas

Definicin Una transformacin de R2 se llama Rgida si preserva distancias esto es si p , q

estn en el plano:
| p q |=|T ( p )T (q )|

Transformaciones Rgidas
- Traslaciones
- Rotaciones
- Reflexiones

Una traslacion es de la forma T ( p )= p + q donde q es fija

Ejemplo

T ( p )= p +(2,3)

T ( q )=(2,3)

El plano se traslada 2 unidades a la derecha y 2 unidades hacia arriba

Proposicin: una traslacin es una transformacin rgida y es no singular

Demostracin
 53

Sea la traslacin T ( p )= p + s ; s fijo

Tenemos 2 puntos p , q en el plano:

|T ( p )T ( q )|=|( p + s ) ( q + s )|, sustituyendo aT ( p ) ,T ( q ) | p q| es rgida

T ( p )= p + s es no singular, pues su inverda es T ( p ) = p s

Comprobacin:

T [T ( p ) ]=T [( p + s ) ]=( p +s )s = p

Ejercicio

Determine las traslaciones T que transforma el punto

Po ( x 0 , y 0 ) en el punto Q0 ( x1 , y 1)

Dar la regla general de la traslacin T (x , y) que concluya en:

T ( P0 ) =Q0

T ( P0 ) =P0 + ( Q0P0 ) =Q 0

T ( x , y ) =( x , y ) +Q0P0 =( x , y ) + ( x 1x 0 , y 1 y 0 )

T ( x , y ) =( x , y ) + (23,36 )

( x , y ) + (5,3 )

P0
Q0

Definicin Una rotacin U ( x , y ) es una transformacin de la forma:

U ( x , y )=xu+ y u1 donde u=( u1 ,u 2) es un vector unitario ( de norma 1 ) u1 =(u 2 , u1 ) es el ortogonal de u .

Ejemplo

1
U ( x , y )= (2 x3 y , 3 x 2 y ) ; determinar el vector U de estarotacin
13
 53

1 1 1 1 1
U ( x , y )= [ (2 x ,3 x ) + (3 y ,2 y ) ] = [ x (2,3 ) + y (3,2 ) ] =x (2,3 ) + y (3,2 ) u= (2,3 )
13 13 13 13 13
1 1
|u|= a2 +b2 |u|= 4 +9= 13
13 13
1

Proposicin: Una rotacin U es una transformacin rgida, es no singular, U es una rotacin

NOTA: propiedad de producto punto

2 2
Si p=( x , y ) p p=( x , y ) ( x , y )=x 2 + y 2=| p| | p|= x 2+ y 2 p p=| p|

(2,3)
u

i) Sean ( x , y ) , ( x' , y ' ) R 2

P . D|u ( x , y )u ( x ' , y ' )|=|( x , y ) ( x ' , y ' )|

2 2
P . D|u ( x , y )u ( x ' , y ' )| =|( x , y )( x' , y ' )|
2 2
|u ( x , y )u ( x ' , y ' )| =|( xu+ y u1 ) ( x' u+ y ' u1 )|
( xx ' ) u+ ( y y ' ) u1
2 2 2
( xx ' ) u [ ( xx ' ) u+ ( y y ' ) u1 ] =( xx ' ) u u+ ( xx ' ) ( y y ' ) u u1 + ( y y ' ) u 1 u+ ( y y ' ) u1 u1= ( xx ' ) + ( y y ' ) =|( x , y

Ejercicio

Determna la rotacin que transforma ( 2,4 ) en ( 4,2 )

 53

(2,4)

(4,2)

Encontrar U tal que :U ( 2,4 ) =2u+ 4 u' = ( 4,2 ) 2 ( u 1 , u2 ) + 4 (u2 ,u1 ) =( 4,2 )

2u 14 u 2=4

4 u 1+ 2u2=2

4 (2 u14 u2=2) 2 ( 2u1 4 u 2=4 )

2( 4 u1 +2 u2=2) 4 ( 4 u1 +2 u2=2 )

8 u116 u2 =16 4 u 18 u2=8

8u 14 u 2=4 16 u1 +8 u2=8

20 u2 =12 20 u1=16

3 4
u2= u1=
5 5

|u|=
16 9
+ =1
25 25

u ( x , y ) =xu+ y u1

Verificacin:
u ( 2,4 )=2 ( 45 , 35 )+ 4( 5,43 , 45 )=( 4,2)
U es unarotacin

Demostracin

u ( x , y )=xu+ y u1 con|u|=1

u ( u1 ,u 2) u1= (u 2 , u1 )

Planteado para encontrar la inversa:

U ( x , y )=x ( u1 ,u2 ) + y (u2 ,u 1 )=( x u1 y u2 , x u 2+ y u1 ) =( a , b )

 53

u1=( x u1 y u2=a )

u2=( x u2 + y u 1=b )

x u21 y u1 u2=au 1
2
x u2 + y u1 u 2=b u2
2
u1 +u 2=a u1 +b u2
2
x u =a u1
1 2 2 1 2 a u1 + b u2
x ( u1 ,u 2) =( au + bu ) x=
x u22 =b u2

u2 ( x u1 y u2 =a )

u1 ( x u2 + y u1=b )

x u1 u2 y u22=au 2

x u1 u 2 y u 21=b u1

y ( u 21+u 22) =au 2b u1 y=b u1a u2

u ( a , b )=( x , y )=( a u1 +b u2 , b u1au 2)

Cambiamos el nombre de las variables en U , en lugar de a , x y en lugar de b , y

U ( x , y ) =( u1 x +u2 y ,u1 yu 2 x )

Verificacin: U es lainversa de U

U ( u ( x , y ) ) =U ( u1 x+u 2 y , u1 y u2 x ) =( u1 ( x u1 y u2 ) +u 2 ( x u2+ y u 1) , u1 ( x u2 + y u1 )u 2 ( x u1 y u2 ) ) =( x u 21+ x u22 , y u21 + y

U es unarotacin

U ( x , y ) =( u1 x +u2 y ,u1 y +u2 x ) =( u1 x ,u2 y ) + ( u2 y , u1 y )=x ( u1 ,u2 ) + y ( u2 ,u 1 ) ( u1 ,u2 ) es unitario
L
( u2 ,u 1 ) =( u2 , u1 )

Ejemplo
 53

1
Determinar la rotacin que transforma a
( 1,0 ) en ( 1,1 )
2

1
Encontrar
u ( x , y ) tal que u ( 1,0 )= ( 1,1 )
2

1 1
u ( 1,0 )= ( 1,1 )=1 ( u1 ,u2 ) + 0 ( u2 , u1 )= ( 1,1 )
2 2

u=( u1 , u2 ) =
( 12 , 12 ) u ( x , y )=x ( 12 , 12 )+ y ( 12 , 12 )=( x2 , x2 )+( 2y , y2 )=( x 2y , x+ 2y )= 12 ( x y , x + y )
1 1 1 2
Verificacin:
u ( , =
2 2 2 ) ( )
2
, 0 =( 1,0 )

Determine U( x , y)

U ( x , y ) =x
( 12 , 12 )+ y ( 12 , 12 )=( x2 , x 2 )+( y2 , y2 )= 12 ( x+ y , yx )
Grficamente

Teorema: Propiedades de la Rotacin U

a) u ( a ) u ( b ) =a b

a u ( b )=u ( a ) b

b)

c) u ( a ) =( u ( a ) )

Demostracin
 53

( b 1 , b2 ) con u ( x , y )=x ( u1 ,u 2 )+ y ( u2 , u1 ) tal que|( u1 , u2 )|=1

a =( a1 , a2 ) b=
Sea

(b 1 ( u1 , u2 ) +b 2 (u2 ,u1 ) )=a1 b 1 (u 21+u 22) +a2 b2 (u21 +u22 )=a1 b1 +a 2 b 2=a b
a)
a b=a 1 b1 +a 2 b 2=( a 1 ( u1 , u2 ) +a 2 (u2 ,u1 ) )

( u ( b ) ) u ( a )=u ( u ( b ) ) = a u ( b ) u es inversa de U , como u

b) ( a )u ya que es rotacin, satisface
u ( a ) b=u

a) si cumple , satisface

c) u ( a )=a1 ( u 1 , u2 ) +a 2 (u2 ,u 1 )=( a1 u1 a2 u 2 , a 1 u2 +a2 u1 ) ( u ( a ) ) =(a1 u2a 2 u1 , a1 u 1a2 u2 )

Comparando con:

u ( a ) =u (a2 , a1 )=a2 ( u1 ,u 2 )+ a1 (u 2 , u1 )= (a1 u 2a2 u1 ,a 1 u1a2 u 2)

u ( a1 )=( u ( a ) )

Ejercicio

Determinar la rotacin alrededor del origen que transforma al eje x en la recta y= {t ( 1,3 ) }

1
u ( x , y )=xy + y u ,|u|=1

u ( 1,0 )=t ( 1,3 )=( t , 3 t )

1
|( 1,0 )|=11= t 2 +9 t 2= 10t 2= 10 t t =
10

u= (1,0 )=( 110 , 310 )

u= (1,0 )=
( 110 , 310 )
1
Primer caso: si
t=
10

u ( 1,0 )= ( 110 , 310 ) (u ,u )+ 0 (u , u ) u=( 110 , 310 ) u =( 310 , 110 )

1 2 2 1
1
 53

Demostracin

T ( x , y ) =x a + y b

|a |=|b |=1

a b=0

x 2 , y 2( x1 , y 1)
x 2 , y 2( x1 , y 1)



2
|T ( x , y ) T ( x , y )| =
' '

|T ( x ' , y ' )T ( x , y )|=

2 2
T ( x 2 , y 2 ) T ( x 1 , y 1 ) ( T ( x 2 , y 2) T ( x 1 , y 1 ) ) =( x 2x 1 ) + ( y 2 y 1 )

Definicin Una reflexin respecto a la recta L que pasa por el origen es una transformacin de la
forma:

V ( x , y )=xu y u donde |u|=1

V (1,0 )=1 u0 u =u el punto medio del segmento que una a i con u est sobre la recta

i+ u
L:
2

Ejemplo

Encontrar la recta de reflexin de la transformacin

V ( x , y )=x ( 213 , 313 ) y ( 313 , 213 )
u= ( 213 , 313 )
|u|=
13
13
=1
 53

V (1,0 )= ( 213 , 313 )= 113 (2,3)

L debe tener direccin i+ u=( 1,0 ) + ( 213 , 313 )=(1+ 213 , 313 )
Checando si ( 2,3 ) se traslada a otro punto

V ( 2,3 )=2
( 213 , 313 )3( 313 , 213 )=( 1313 ,0)= (13 , 0)
El punto medio entre los puntos ( 23 ) ( 13 ,0 ) es:

( 2,3 ) +( 13 ,)0

=
2 ( 2+ 13 3
2
,
2 )
Ejemplo

Determine la reflexin que enva al punto ( 1,3 ) en (3,1 )

V (1,3 )=1 ( u1 ,u2 ) 3 (u 2 , u1 ) =(3,1 )

u1 +3 u2=3

3 u1 +u2 =1

Ejemplo

Determine la reflexin que enva al punto ( 1,3 ) en (3,1 )

V (1,3 )=1 ( u1 ,u2 ) 3 (u 2 , u1 ) =(3,1 )

( u1 +3 u2 ,u 23 u1 )=(3,1 )
 53

3
u1 +3 u2=3, u1=
5
4
3 u1 +u2 =1,u 2=
5

V ( x , y )=x ( 35 , 45 ) y ( 45 , 35 )=( 3 x54 y , 4 x5+3 y )

Teorema: Sea V una reflexin, V es una transformacin rgida, es no singular V =V

Demostracin
Sea V ( x , y )=xu y u con|u|=1
2 2
|V ( x 2 y 2 )V ( x 1 , y 1 )| =|( x 2 u y 2 u )( x 1 u y 1 u )| =[ ( x 2 u y 2 u )( x1 u y 1 u ) ( x2 u y 2 u ) ( x 1 u y 1 u )] =x 22 u u

Prueba que V es la inversa de ella misma

Demostracin
V ( x , y )=x ( u1 , u2 ) y ( u2 , u1 )=( x u1 + y u 2 , x u 2 y u 1 )

V ( V ( x , y ) )=V ( x u1 + y u2 , x u2 y u1 )=( x u1 + y u2 )( u1 , u2 ) ( x u 2 y u 1) (u2 , u1 )=( x u21 + y u2 u1 + x u22 y u1 u 2 , x u1 u2 + y u 22

Como|u|=1, u21 +u22=1

Ejercicio 11c)
2x
L1 :2 x3 y=0, y =
3

{
L2 : x =2t
y=3 t

Si x=3 y=2 p ( 3,2 ) L1

Aplicando una rotacin A ( 3,2 )

u ( 3,2 )=( 2 t , 3 t ) Sea |(3,2)|=|32 +22|= 9+ 4= 13

u ( 3,2 )=(2,3) |(2 t , 3 t)|= 13

4 t 2+ 9 t2 =13 t 2= 13= 13t t= 1

Obteniendo la regla general
u ( 3,2 )=3 ( u1 ,u 2 )+ 2 ( u2 , u1 )=( 2,3 )=( 3 u1 ,3 u2 ) + ( 2 u2 ,u 1)

3 u1u2=2 2 ( 3 u 12u 2=2 ) 6 ( u 14 u 2=4 )

 53

3 u2+ 2u 1=3 3 ( 2u 1+ 3u 2=3 ) 6 u1 9 u2=9

13 u2 =5

5 12
u2= u1=
13 13

u ( x , y ) =x ( 1213 , 135 )+ y( 513 , 1213 ) (2,3)

Ejercicio 13c)

Determnese la reflexin respecto a la recta L que pasa por el origen cuando:

d) Es la recta de pendiente -1
L: ( x ,x ) : x R y=mx +b

{
L= x=t
y=t si m=1 y=x

Para la reflexin:

V ( x , y )=xu y u ( 1,0 )+ ( u1 ,u2 ) =( x ,x ) valor de x

1+u1=x u1=x 1

u2=x

Sustituimos
V (1,0 )=1 ( u1 ,u2 ) =( x1,x )

|( 1,0 )|=1= ( x1 )2+ (x )2= x 22 x+1+ x 2= 2 x2 2 x +1=2 x 22 x=2 x ( x1 )

x=0 x=1

Si
x=0, u1=1,u 2=0

V ( x , y )=x (1,0 ) y ( 0,1 )

Si
x=1,u 1=0, u2=1

V ( x , y )=x ( 0,1 ) y (1,0 )

Checarlo ( 0,1 ) en ( 12 , 23 )
U ( x , y )=x ( 12 , 23 )+ y ( 2 3 , 12 )=( a ,b )
 53

( 2x y 23 )=a 3 ( x2 y2 3 =a) x 3 3 y
2
+ = 3 a
2

x 3 y
2
+ =b
2 ( x 2 3 + 2y =b) x 3 y
2
+ =b
2

y 2 y=b 3 a

y=
b 3 a x y 3
2

2 2
=a =a+
x
2 2
3 b 3 a
2 (
=a+
4 2 )
b 33 a b 3 a x a+b 3
=
2 4
x=
a+ b 3
2

u ( a ,b )= ( a+ b2 3 , b2 3 a x2 )=( a2 , 32 a )+( b 23 , b2 )=a( 12 , 23 )+b( 23 , 12 )

Secciones 6.1 y 6.2 Grossman

Definicin Valor propio: Sea A una matriz nxn , un nmero, se dice valor propio de
A , si un vector V Rn ,V 0 tal que :

Av =v

Ejemplo

A tiene dos valores propios:

1=1, 2=2

(
A= 10 18
6 11 )
El vector correspondiente ()
A , 1 es 2 =v
1

(
Av = 10 18 2 = 2
6 11 1 1 )( ) ( )
Para 2 () (
2=2: v= 3 Av= 10 18 3 = 6 =2 3
6 11 2 4 2 )( ) ( ) ( )
1=1 2=2 son valores propios

Los vectores que satisfacen la condicin anterior se llaman vectores propios de A

Propio = Eligen valores = Caractersticas

 53

Av =v
Av v=0 Esto es un sistema de ecuaciones homogneo con solucin
v 0 det ( AI )=0
Av Iv=0

( AI ) v=0

det ( AI ) es un polinomio de grado n en la variable . Dicho polinomio se llama polinomio

caracterstico de A

det ( AI )=0 es la ecuacin caracterstica

Las races o soluciones el polinomio caracterstico son los diferentes valores propios de
A : 1 , 2 , 3 , , k

Luego se sustituye cada uno de los valores

i en ( AI ) v=0 obtenidos en el sistema

El cual, al darle solucin, nos da todos los vectores propios asociados a

i

Ejemplo

Encontrar los valores propios y vectores propios asociados de:

A= 4 2
3 3( )
( ) ( )( )( )(
AI= 4 2 1 0 = 4 2 0 = 4
3 3 0 1 3 3 0 3 3 )
2 =( 4 ) ( 3 )6=127 + 26= 27 +6 polinomio c

2
7 +6=0 ecuacin caracterstica
( 6 )( 1 ) =0 1=6, 2=1 valores propios de la matriz

Para
1 sustituir AI :

(23 23)( xy )=(00)

(
1 2 2
2 3 3 ) (13 13 ) (10 10 ) x y=0, x= y =a

Solucin General:

{ ( x , y ) : ( x , x ) } vectores asociados 1 =6
 53

Verificando Av =v

(34 32)(55)=(3030)=6(55)
(34 32)( xx )=(66 xx)=6( xx )
Para
2=1

(33 22)( xy)=(00)

Para x=a
3 a
2 y=3 a y=
2

Solucin General:

{( x , y ) : y =32 a , x=a}={( x , y )=(a , 32a )}={a (1, 32 )} {a ( 2,3 ) }

Verificando:

Si a=6 6 ( 2,3 )=( 12,18 )

(34 32)(18 ) (18) (18)

12 = 12 =1 12

(34 32)(32aa)=(32 aa)=1(32 aa)

Ejemplo

Encontrar los valores propios y vectores propios asociados de la matriz

( )
1 1 4
A= 3 2 1
2 1 1

( )
1 1 4
AI= 3 2 1
2 1 1
 53

( ) ( ) ( ) ( )
1 1 4 3 0 3 1 0 1 1 0 0
det 3 2 1 =det 3 2 1 =3 det 3 2 1 =3 det 3 2 4 =( 3
2 1 1 2 1 1 2 1 1 2 1 3

Hallar sus vectores propios

( )( )
1 1 4 0 1 4
Para
1=1 ; sustituir en AI : 3 2 1 = 3 1 1
2 1 1 2 1 2

( )( ) ( )
0 1 4 x 0 y + 4 z=0
3 1 1 y = 0 3 x+ y 0
2 1 2 z 0 2 x + y 2=0

( )( )( )( )
0 1 4 0 1 4 0 1 4 0 1 4 x =x 3
3 1 1 3 0 3 1 0 1 1 0 1 1
x 2=4 x 3
2 1 2 2 0 2 2 0 2 0 0 0

Solucin General:

{( x 1 , x 2 , x 3 ) : (x3 , 4 x 3 , x3 ) }

Verificando:

Av =v si x 3=1

( )( ) ( )
1 1 4 1 1
3 2 1 4 = 4 vector propio 1=v 1
2 1 1 1 1

Para
2=2

( )( )( )( )( )
3 1 4 3 1 4 3 1 4 1 1 0 1 1 0
3 4 1 15 0 15 1 0 1 1 0 1 1 0 1 x 2=x1 ; x 3=x1
2 1 1 5 0 5 5 0 5 5 0 5 0 0 0

Solucin General:

{( x 1 ,x 1 ,x 1 ) }

Verificando: Av =v
 53

() ()
1 1
V 2= 1 E2= 1
1 1

Para
3=3

)( ) ( )
2 1 4 x1 0 2 1 0
( 2 1 4 x3 0 0 0 0
x =x
3 1 1 x2 = 0 Aplicando Operaciones 1 0 1 3 1
x 2=2 x 1 ( )
V-

() ()
1 1
V 3= 2 E 3= 2
1 1

Definicin Espacio propio: Sea A una matriz nxn , un valor propio de A ,

E = { v Rn : Av=v } se le llama al espacio propio de A asociado a

Proposicin:
E es m subespacio vectorial de Rn

Demostracin:
i) 0 E porque A0 =0=
0

ii) Sean
v 1 , v 2 vectores propios asociados a , entonces :

A v 1= v 1 , A v 2= v 2= A ( v 1 , v 2) = A v 1 + A v2 =x v1 + v 2=x ( v1 , v 2 ) v 1+ v 2 vector propio

iii) Sea v vector propio , c=esclar

Av =v=A ( cv )=cAv =c ( v )= ( cv ) cv es un vector propio E x es un subespacio vectorial

A la dimensin del subespacio vectorial

E , se le llama la multiplicidad geomtrica de

Continuacin del ejercicio anterior:

1=3, 2=2, 3=1
Calcular los vectores propios

Para
1=3

( )( ) ( )
2 1 4 x 0 2 x y + 4 z=0
3 1 1 y = 0 3 x yz=0
2 1 4 z 0 2 x + y4 z=0
 53

( )( )( )( )( )
2 1 4 2 1 4 5 0 5 1 0 1 1 0 1
3 1 1 3 1 1 3 1 1 3 1 1 0 1 2
2 1 4 0 0 0 0 0 0 0 0 0 0 0 0

xz=0
y2 z=0 dando un valor arbitrario a z=a

E3= { ( x , y , z )=( a ,2 a , a ) :a R }

a=( 1,2,1 ) es subespacio vectorial de R3

Base de
E3 es { ( 1,2,1 ) } dim de E3=1 multiplicador geomtrica de ( 1=3 ) =1

( )
1 1 4
Para
A= 3 2 1 Polinomio caracterstico p ( )=( 3 )( +2 ) ( 1 ) , 1=3, 2=2, 3=1
2 1 1

Ejemplo

( )
3 2 4
B= 2 0 2 encontrar sus vectores propios y la multiplicidad geomtrica de cada valor propio
4 2 3

( )
3 2 4
1)
BI= 2 2
4 2 3

2)

( ) ( )( )( )
3 2 4 3 2 4 3 2 4 3 10 4
det ( BI )=det 2
4
2
2 3
det 2
0
2
2+2 1
2
0
2 = 2
2 1 0
4
0
2 =(1 ) det
1
(3

(1 ) ( 1+ )( 8 ) ( +1 ) valores propios 1=1, 2=8

Vectores Propios Asociados a

1=1

( )( )( )
3 2 4 4 2 4 2 1 2
B( ) I = 2 2 = 2 1 2 0 0 0 2 x + y +2=0 y=2 x 2 z ; sea x=a =b
4 2 3 4 2 4 0 0 0

Solucin General:
 53

{( x , y , z )|( a ,2 a2b ,b )|a , b R }=E1 ( a ,2 b2 a , b )=( a ,2 a , 0 ) + ( 0,2 b , b )=a ( 1,2,0 )+ b ( 0,2,1 ) Base de
es 2

Es linealmente independiente?
R=C 1 ( 1,2,0 ) +C2 ( 0,2,1 )=( 0,0,0 )

C1 +0=0

2 C 12C 2=0 s son linealmente independientes

C2 =0

Definicin Sea A de 7 x7 con polinomio caracterstico: p ( ) =(1 ) ( 8 )( +5 )2 ( 1 ) ( + 4 )

Valores propios:
1=8 Multiplicidad geomtrica 1
2=5 2
3=1 3
4=4 4

Teorema: Sea A una matriz nxn con valores propios diferentes

1 , 2 , , m vectores propios

asociados respectivamente a cada valor propio, entonces

v 1 , v 2 , , v m son linealmente independientes

Ejemplo

( )
3 2 4
B= 2 0 2 valores propios 1=1, 2=8
4 2 3

E1= {( 1,2,0 ) , ( 0,2,1 ) }

Vectores propios asociados a

2=8

( )( )( )( )
5 2 4 5 2 4 5 2 4 0 2 1
B8 I = 2 8 2 18 0 18 0 0 0 0 0 0
4 2 5 9 0 9 9 0 9 1 0 1

a
xz=0 si damos valor arbitrario a z =a , entonces y= E8 ={ ( x , y , z ) =( 2a ,a , 2 a ) =a ( 2,1,2 ) }
2
2 yz=0

Aplicando el teorema:
 53

Como
1=1 2=8, los vectores propios ( 1,2,0 ) , ( 2,1,2 ) asociados respectivamente a 1 8
son linealmente independientes

Verificacin:

C1 ( 1,2,0 ) +C 2 ( 2,1,2 ) =( 0,0,0 )

C1 +2 C2 =0

2 C 1+C 2=0 son linealmenteindependientes

C 2=0, C1 =0

Ejemplo

( )
5 5 9
A= 8 9 18 Encontrar valores propios de A y determinar su multiplicidad algebrica y geomtrica
2 3 7

( ) ( ) ( )
5 5 9 5 5 9 5 5 9
AI= 8 9 18 det ( AI ) =det 8 9 18 = ( 1 ) det 2 1 0 =(1 )
2 3 7 2 3 7 2 3 7

Valores propios: =1 con multiplicidad algebraica 3

( )( )( )( )
4 5 9 0 1 3 2 3 6 2 0 3
A 1 I = 8 10 18 = 0 2 6 = 0 1 3 = 0 1 3
2 3 6 2 3 6 0 0 0 0 0 0

2 x=3 z
y=3 z

Solucin General:

{( x , y , z )= ( 32a ,3 a , a)|a R }, z=a {valor arbitrario } multipliidad geomtrica (1) =1

Definicin Sean A B matrices de nxn , se dice que A B son matrices semejantes, si una matriz
nxn invertible C tal que :
1
B=C AC CB= AC

Ejemplo
 53

A= 2 1(
0 1 ) (
B= 4 2
5 3 )
A B son semejantes porque existe C=
2 1 tal que B=C1 AC
1 1 ( )
( )
C1= 1 1 , entonces C1 AC = 1 1 2 1
1 2 ( )( )( )(
2 1 = 4 2 , entonces s son semejantes
1 2 0 1 1 1 5 3 )
Definicin
Diagonalizacin: Sea A una matriz nxn , se diceue A es diagonizable si A es semejante a una matriz diagonal D ;
es decir , existe una matriz invertible C , tal que :

Ejemplo

A= 4 2
3 3( )
(43 )
2 =(4 ) ( 3 )6=( 124 3 + 26 )= ( 27 +6 ) =0, entonces ( 6 ) ( 1 )=0 =6, =1 va lo
3
( AI ) = 4
3 3 (
2 =det
)
Para (
=6 2 2 x = 0
3 3 y 0 )( ) ( ) 2 x +2 y =0
3 x3 y=0
x= y

{ ( x , y )|( x , y ) } x ( 1,1 )

2 y
Para =1 ( )( ) ( )
3 2 x =0
3 2 y 0
3 x+2 y=0
3 x+2 y=0
x=
3
, valor arbitrario y=a

Solucin General:

{ |(
(x , y )
2a
3
,a a
2
3 )} ( )
, 1 si a=3, entonces ( 2,3 ) 1

Ejemplo

A= 4 2
3 3( )
=1, =6, C= 2 1
3 1 ( )
 53

1 1 1 1 1 1
C1= (
5 3 2 ) ( )( )( )( ) (
C1 AC= 1 1 2 1 4 2 4 2 = 1 1 2 6 = 5 0 = 1 0 =D A es dig
5 3 2 3 1 3 3 3 3 5 3 2 3 6 5 0 30 0 6 )( ) ( )( )
Teorema: Una matriz A nxn es diagonizable tiene n vectores propios linealmente
independientes

C es una matriz cuyas columnas son vectores propios linealmente independientes

D es una matriz iagonal cuyas componentes en la diagonal son vectores propios de A

Ejemplo

( )
3 2 4
A= 2 0 2
4 2 3

Diagonalizar A

1=1, 2=8

E1= { a (1,2,0 ) +b ( 0,2,1 ) }

E8= { a ( 2,1,2 ) }

( ) ( )
2 1 0 1 2 1 2
C= 1 2 2 ; C1= 5 2 4
9
2 0 1 4 2 5

(
1 2 1 2 3 2 4 2 1
)( )( ) ( )( ) ( )(
0 1 16 8 16 2 1 0 1 72 0 0 8
1
D=C AC = 5 2 4 2 0 2 1 2 2 = 5 2 4 1 2 2 = 0 9 0=0
9 9 9
4 2 5 4 2 3 2 0 5 4 2 5 2 0 1 0 0 9 0

Proposicin: Una matriz A nxn es diagonalizable si para cada uno de sus valores propios , la

multiplicidad algebraica ( )= multiplicidad geomtrica ( )

Ejemplo:

( )
5 5 9
B= 8 9 18 Valor propio =1
2 3 7

Multiplicidad Alg 3

Multiplicidad Geo 1 son diferente s , entonces B no es digonizable

 53

Definicin
Una matriz A de tamao nxn , se dice simtrica si aij =a ji i , j
Ejemplo:

( )
8 1 4 2
A= 1 5 2 4
2 4 1 6

Proposicin: Una matriz A de tamao nxn se dice ortogonal si es invertible y A1= A t

Ejemplo:

1 1 1

( )( )
2 6 3
2 6 3 2 6 3

( ) ( )[ (
3 2 6 2 3 3 2 6 2 3 3 2 3 2
1 1 1 3 = 1 1 1
= 2 6 T
A= A A =
6
3 2 6 2 3
6
3 2 6 2 3
6
6 6
2 6 3 2 6 3
0 26 2 3 0 26 2 3 2 3 2 3
2 1 2 6 3
0 0
6 3 6 3

Proposicin: Una matriz de nxn es diagonizable ortogonalmente sus columnas forman una base

ortonormal de Rn

Definicin Una matriz A e nxn es diagonizable ortogonalmente A es simtrica

Ejemplo:

( ) ( )
5 4 2 5 4 2
A= 4 5 2 AI = 4 5 2
2 2 2 2 2 2

( ) ( ) ( ) (
5 4 2 5 4 2 5 4 2 5 4 10
det ( AI )=det 4 5 2 =det 0 1 22 = ( 1 ) 0 1 2 = ( 1 ) det 0 1 0
2 2 2 2 2 2 2 2 2 2 2 6

Encontrando los valores propios para =1

( )( )
4 4 2 2 2 1
AI= 4 4 2 0 0 0 2 x+ 2 y + z=0
2 2 1 0 0 0

Sean x=a , y=b , entonces z=2 a2 b

Solucin General:

{ ( x , y , z )=( a , b ,2 a2 b )=a (1,0,2 ) +b ( 0,1,2 ) } son linealmente independientes