Professional Documents
Culture Documents
MATRICES
Es un arreglo rectangular de nmeros ordenandos en filas y columnas, que
presenta la siguiente estructura:
( )
Los aijson los elementos de la matriz;las m-n uplas horizontales son las filas, y
las m-n uplas verticales son las columnas.
El orden de la matriz esta dado por el nmero de filas y columnas (matriz de
orden mxn)
A= [aij]mxn
Donde: i= 1, 2,3,, m
j=1, 2,3,, n
Observacin:
Los elementos de una matriz no necesariamente son nmeros, tambin pueden
ser funciones.
La matriz no tiene valor numrico, no se le puede identificar con un nmero.
Igualdad de matrices
Dos matrices Ay B son iguales si y solo si son idnticas, es decir si son del
mismo orden y sus respectivos elementos son iguales.
Matrices y sistemas de ecuaciones lineales
Dado el siguiente sistema de m ecuaciones lineales
Donde los son los coeficientes, los son las variables o incgnitas y los
son los trminos independientes o constantes
+ + + =
+ + + =
+ + + =
Matricialmente se presenta
( ) ( ) = ( )
AX=B
Dnde:
A: es la matriz de los coeficientes
X: es la matriz de las incgnitas
B: es la matriz de los trminos independientes
Matrices equivalentes
Se dice que una matriz A=[ ] es equivalente por filas a una matriz
Operaciones elementales
Se llaman operaciones elementales o transformaciones elementales por filas
sobre una matriz A:
[1 ]: intercambiar la fila i-sima y la fila j- sima
[2 ]: multiplicar la fila i-sima por un escalar k (k0)
[3 ]: reemplazar la fila i-sima por k veces la fila j- sima ms la fila i-sima
+
Matriz escalonada
Se dice que una matriz se encuentra en su forma escalonada si el nmero de
ceros anteriores a la primera componente distinta de cero de una fila crece fila
por fila.
A los nmeros diferentes de cero que se encuentran solos en una columna se
les llaman elementos distinguidos.
Matriz ampliada
Es aquella matriz que se forma con los coeficientes y los trminos
independientes de un sistema de ecuaciones lineales.
Se denota: [A: b]
El siguiente diagrama resulta til para resolver un sistema de ecuaciones
lineales.
Inicio
AX= b
[A:b]
el sistema es
r(A):r(Ab)
incompatible
no existe sistema
solucin compatible =
existe
r:n solucin
nica
existe
infinitas
soluciones
n-r = k
k: numero de
parametros
hallar las
soluciones
fin
Ejemplo: resolver
x1- 2x2+ x3- x4- x5= -6
2x1+ 2x2- x3- x5= -4
4x1- 3x2+ x3- 2x4- 3x5= -16
3x1- 6x2+ 3x3- 3x4- 3x5= -18
Solucin:
1 2 1 1 1 6 1 0 1 1 1 6
2 2 1 0 1 4 0 0 3 2 1 8
( )( )
4 3 1 2 3 16 0 1 0 0 0 0
3 6 3 3 3 18 0 0 0 0 0 0
3 0 0 1 2 10
0 1 0 0 0 0
( )r(A) = 3 , r(AB) = 3 ,
0 0 3 2 1 8
0 0 0 0 0 0
soluciones 5 3 = 2
3x1- x4-2 x5= -10
x2= 0
-3 x3+ 2x4+ x5= 8
x4 = a
x5= b
2 + 10
1 =
3
x2= 0
2+ 8
3 = ; ayb
3
Ejemplo:
Resolver:
x1+ x2- x3+ x4= 0
3x1- x2+ 2x3+ 3x4= 7
x1+ 2x2- 2x3- x4= -1
3x3+ x4= 9
Solucin:
1 1 1 1 0 1 0 0 0 1
3 1 2 3 7 0 1 0 0 2
( )( )
1 2 2 1 1 0 0 1 0 3
0 0 3 1 9 0 0 0 1 0
r(A) = r(AB) = 4 = n x1= 1 x2= 2 x3=3 x4 = 0
Ejemplo:
Para que valores de x el rango de la matriz es menor que 4.
1 0
0 1
( )
1 0
0 1
Solucin:
1 0 0 1 0 1
0 1 0 0 1 2 0 0 1 2
( )x 0 ( )( )
1 0 0 1 0 0 2 1 0 0 2 + 1 2 + 1
0 1 1 0 0 1 1 0 0 1 1 0
1 0 0 1
0 1 1 0
( )
0 0 1 2
0 0 0 1 2
Observacin:
Se dice que un sistema es homogneo cuando los trminos independientes son
ceros, es decir:
11 1 + 12 2 + + 1 = 0
1 1 + 2 2 + + = 0
El sistema tiene por lo menos una solucin (llamada solucin trivial)
1 = 2 = = = 0 , por lo cual es consistente o compatible.
Una condicin necesaria y suficiente para que un sistema de ecuaciones
lineales tenga mas de una solucin es que r(A) =r(Ab) = k <n , donde n es el
numero de incgnitas, en este caso el sistema posee soluciones no triviales.
Ejemplo
Resolver
CLASES DE MATRICES
Matriz cuadrada
Se presenta cuando el nmero de filas es igual al nmero de columnas, se
denota Anxn ,
Matriz nula
Es una matriz en la cual todos sus elementos son ceros.
Ejemplo:
0 0
0=( )
0 0
Matriz diagonal
Es una matriz cuadrada en la cual los elementos fuera de la diagonal principal
son ceros. Ejemplo:
3 0 0
(0 2 0 )
0 0 5
Matriz escalar
Es una matriz diagonal en al cual los elementos de la diagonal principal son
iguales.
Ejemplo:
7 0 0
(0 7 0 )
0 0 7
Matriz identidad
Es una matriz escalar donde los elementos de la diagonal principal es el 1.
Ejemplo:
1 0 0
(0 1 0 )
0 0 1
Notacin: ,
Transpuesta de una matriz
La transpuesta de una matriz Amxn es la matriz construida a partir de A ubicando
la i-sima fila de A en la i-sima columna de la matriz transpuesta.
Notacin: At
Si A=[ ] At =[ ] = [ ]
Matriz simtrica
Se presenta cuando A= At
La matriz debe ser cuadrada, los elementos de la diagonal principal permanecen
fijos al efectuar la transposicin.
Matriz nilpotente
Es aquella matriz tal que si existe algn p entonces Ap = 0( 0 matriz nula)
Se dice que el grado de nilpotencia es p.
Matrizidempotente
Se dice que una matriz cuadrada A es idempotente siA2= A.
Matriz involutiva
Se dice que una matriz cuadrada A es involutiva si A2 = I.
Propiedades
Sean A y B dos matrices y c un escalar tal que con A y B se puedan hacer
operaciones, entonces:
1) tr(A+B) = tr(A) + tr(B)
2) tr(AB) = tr(BA)
3) tr(c A) = ctr(A)
4) tr(At) = tr(A)
5) (A+B)t = At + Bt
6) (c A)t = c At
7) (AB)t = BtAt
8) (At)t = A
9) Si A es cuadrada entonces + es simtrica y es anti
simtrica
10)Toda matriz cuadrada A se puede expresar como la suma
de una matriz simtrica y anti simtrica.
OPERACIONES CON MATRICES
Dadas las matrices A y B del mismo orden se tiene:
A+B = B +A
k(A+B) =kA+kB ; k es un escalar
A-B = A+ (-B)
Producto de matrices
A=[ ]
B=[ ]
EntoncesAB=C = [ ]
Propiedades
1) A(BC) = (AB)C
2) (A+B)C =AC + BC
3) A(B+C) = AB + AC
4) No siempre: AB = BA (no conmutan)
5) 0.A = 0
6) AB = 0 no implica A= 0 B = 0
7) Si AB=AC no implica B=C
(A: I) O: E (I: B)
Entonces; B=A-1
Siendo: I la matriz identidad, B es la matriz inversa.
Ejemplo:
1 0 2
A = (2 1 3)
4 1 8
Solucin:
2 21
1 0 2 1 0 0 1 0 2 1 0 0
(2 1 3 0 1 0) (0 1 1 2 1 0)
4
4 1 8 0 0 1 0 3 1 1 0 4 0 1
1 0 0 11 2 2
(0 1 0 4 0 1)
0 0 1 6 1 1
11 2 2
-1
A = ( 4 0 1)
6 1 1
1 0 2 11 2 2 1 0 0
Obs: (2 1 3) ( 4 0 1) = (0 1 0)
4 1 8 6 1 1 0 0 1
Ejemplo:
Encuentre le matriz inversa de A, si existe.
1 2 3 0
2 4 3 2
A=( )
3 2 1 3
6 8 7 5
Solucin:
1 2 3 0 1 0 0 0 6 0 0 5 3 0 5 2
2 4 3 2 0 1 0 0 0 12 0 7 15 0 11 8
( )( )
3 2 1 3 0 0 1 0 0 0 3 2 3 0 1 1
6 8 7 5 0 0 0 1 0 0 0 0 1 1 1 1
matriz inversa
Ejemplo:
Halle la inversa de la matriz A de orden n
Donde:
=0 si i=j ; =1 si ij
Adicin:
Multiplicacin:
Notacin
a; b / a , b
z z (x;y),x,y
Ejemplo:
3 Re(z)
z (3; 4)
4 Im(z)
Propiedades
Sea z1 ;z2
c) Re(i z) Im(z)
d) Im(iz) Re(z)
Sea R' 0 un subconjunto de C, formado por los pares ordenados cuya segunda
componente es cero: R' (a,b) / b 0 .
f: R'
Consideremos la funcin:
x (x , 0)
Como existe una funcin biyectiva f : R' que conserva las operaciones
de adicin y multiplicacin, diremos que y R ' son isomorfos.Esto significa
que operar con (a,0) lleva a resultados anlogos a los obtenidos al operar
con x, por este motivo podemos escribir:
a (a , 0) a
Forma binomica de un nmero complejo
La unidad imaginaria
Entonces z (a,b) (a,0) (0,b) como: (0,b) (b,0) (0,1) , podemos escribir:
Proposicin
i1 i i5 i i9 i
i2 1 i6 1 i10 1
i3 i i7 i i11 i
i4 1 i8 1 i12 1
in (i i2 i3 i4 ) in (0) . n
1) i i2 i3 i4 0 , entonces
in1 in 2 in3 in 4 0
La suma de cuatro potencias enteras consecutivas de la unidad imaginaria
es cero.
Corolario
n n
3) i(4k a) ia , a,kenteros, n
Definiciones
NmeroReal: a : z (a,0) a a 0i
Imaginario Puro: b
z (0;b) (b;0).(0;1) bi
Im
Z
Re
Conjugado de un complejo:
Re
= (a; b)
La conjugacin nos permite calcular fcilmente el inverso de un complejo
z x yi 0 en forma binomica
1 1 1 x yi
z x yi x yi x yi
x yi 1 x y
i
x2 y2 z x2 y2 x2 y2
Complejos iguales:sea z1 y z2
z1 z2 Im(z
Re(z1) Re(z2 )
1) Im(z2 )
Z a2 b2 , a,b
Ejemplo:
Z = 4 + 3i Z 42 32 25 5
Sustraccin:
Multiplicacin:
a bi (a bi)(c di) ac bd bc ad
Divisin: i
c di (c di)(c di) c 2 d2 c 2 d2
n
n
Potencia: (a bi) Cnkank (bi)k ,
k 1
Radicacin: n x yi a bi x yi (a bi)n ,
la radicacin se vuelve complicada
Argumento de un nmero complejo no nulo
Re(z) Im(z)
cos , sen
z z
Re(z) Im(z)
argz / cos ,sen
z z
Propiedades
1) arg(z) 2 argz
arg z , 0 arg z
2) arg( z)
arg z , arg z 2
1
3) arg( ) 2 argz
z
Im
b (a; b)
Afijo de z
r=|z|
a Re
De la figura:
a r cos , a r cos
b 2 2
arctg , , r a b ,
a
r = mdulo de complejo Z
= argumento principal del complejo Z
Como z a ib , entonces:
Ejemplo: Si n = 2
Si z cos isen
z1 cos isen
1
a)
z
b) z z1 2cos
c) (z z1)n 2n cosn
zn cos(n) isen(n) y
d) z n cos(n) isen(n)
zn z n 2cos(n)
Ejemplo:
Si n = 6 (z z1)6 26 cos6 ;
1 3 15 5
cos6 cos 6 cos 4 cos 2
32 16 32 16
Notacin fasorial
z r(cos isen ) z r
Notacin cientfica
Operaciones:
Sea: Z1 r1Cis1 , Z2 r2Cis2
Entonces:
Z1 r1
Z1Z2 r1r2Cis 1 2 Cis 1 2
Z2 r2
Propiedades:
1. Cis 1
2. Cis 1 .Cis 2 Cis 1 2
cos 1 2 isen 1 2
Cis 1
3. Cis 1 2
Cis 2
cos 1 2 isen 1 2
4. Cis cos isen
5. Cis n Cis n cos n isen n ;
n
6. Cis 1 Cis 2 1 2 2k, k
Forma exponencial de un nmero complejo
Formula de Euler
ei cos isen ,
Propiedades
1) ei(0) 1
2) : ei 0
3) : ei 1
4) ei( 2k) ei , k
5) ei 1 ei 2 1 2 2k , k
6) : (ei ) ei
7) 1, 2 : ei 1ei 2 ei(1 2 )
8) n , : (ei )n ein
2k
i( 1 )
d) n z1 n r1 e n ,
k 0 , 1, 2 , 3 , ... , (n 1)
Ejemplo: Sea Z = 1 i
Z r 1 1 , entonces r 2
2 2
Im El argumento
2
1 4
7
Re 4
1 Z=1i
7 i
Z 1 i 2e 4
2k
i( )
n 1 e n , k 0,1,2,3,.....,(n 1)
2 2k
i i
k
Si hacemos w e n , entonces w e n , las n races forman el conjunto
Gn w k ,k 0,1,2,3,...,(n 1)
1,w ,w 2 ,w 3 ,...,wn 1
w se denomina raz ensima de la unidad.De la forma exponencial de las races
ensima de la unidad vemos que estn en el crculo de radio uno centrado en el
2
origen y estn uniformemente espaciadas sobre el cada radianes. Cuando
n
n = 2 estas races son 1, cuando n 3 las races corresponden a puntos
situados en los vrtices de un polgono regular de n lados, este polgono est
inscrito en el circulo de radio uno centrado en el origen y tiene un vrtice en
el punto correspondiente a la raz z 1 (k 0) ; adems el eje real es eje de
simetra de dicho polgono regular.
Ejemplo: Calcular 6 1
Solucin:
G6 wk ,k 0,1,2,3,4,5
G6 1,w,w ,w ,w ,w / w ei(2 /6)
2 3 4 5
G6 1,ei( /3) ,ei(2 /3) ,ei( ) ,ei(4 /3) ,ei(5 /3)
1 3 1 3 1 3 1 3
G6 1, i , i , 1, i , i
2 2 2 2 2 2 2 2
Nota:
a) La suma de las races ensimas de la unidad es cero.
2k
i( )
3 1 e 3 , k 0,1,2
Si k 0 R1 1
Si k 1 R2 w ei(2 /3) i
1 3
2 2
Si k 2 R3 w 2 ei(4 /3) i
1 3
2 2
Propiedades
a) w3 1 , w 4 w , w3 1 , w3 a wa
b) 1 w w 2 0
c) w 4 w 2 1 0
2
d) w w
La exponencial compleja
Si z a bi ez ea (cosb isenb)
Propiedades
1) z : ez 0
2) z : (ez ) ez
3) z1 , z2 : ez1.ez2 ez1 z2
4) ez 1 z 2k i ; k
5) z : e z eRe(z)
6) arg(ez ) Im(z) 2k , k
7) ez 2k i ez ,k
8) z1 , z2 : ez1 ez2 z1 z2 2k i
i
e w 2i w ln2 2ki , k
2
Solucin:
z r x 2 y2 r x 2 y2 r 2
z z0 r (x x0 )2 (y y0 )2 r
(x x0 )2 (y y0 )2 r 2
Ejemplo: Determine la grfica del conjunto A i z / iz 1 i 1
Solucin:
iz 1 i 1 i (x iy) 1 i 1
Sea
1 y i(x 1) 1 (x 1)2 (y 1)2 1.. (1)
z1 i z i (x iy) x i(y 1) ,
x1 y1 x i(y 1)
Entonces x x1
y y1 1
, en la relacin (1),
El polinomio complejo
Teorema
Teorema
Nota
PROPIEDADES
Sean A y B matrices con elementos complejos y z un nmero complejo.
1. (A + B)* = A* + B* transpuesta conjugada de una matriz
2. (zA)* = traspuesta conjugada de un mltiplo escalar
3. (AB)* = B*A* traspuesta conjugada de un producto
4. (A*)* = A traspuesta conjugada de una traspuesta conjugada
Matriz Ortogonal
Es aquella matriz cuadrada donde se cumple: (A-1 = At)
Ejemplo:
1 0 0
A = (5 4 0 )
2 8 7
Es una matriz ortogonal?
1 5 2
At
= (0 4 8)
0 0 7
1 0 0 1 0 0 1 0 0 1 0 0
(5 4 0 0 1 0)(0 4 0 5 1 0 )
2 8 7 0 0 1 0 0 7 8 2 1
1 0 0 1 0 0
5 1
(0 1 0 4 4 0 )
0 0 1 17 27 1
7
1 0 0
5 1
A-1 = ( 4 4 0 )
8 2
7 1
7 7
A no es ortogonal
Matriz normal:
Una matriz es normal si conmuta con su transpuesta. Las matrices simtricas,
anti simtricas u ortogonales son necesariamente normales.
A.At = At.A
Ejemplo: Hallar todas las matrices de orden 4x4 que sean conmutables con la
matriz A:
0 1 0 0
A = (0 0 1 0)
0 0 0 1
0 0 0 0
Solucin: AB = BA
0 1 0 0 0 1 0 0
(0 0 1 0) (
)=(
) (0 0 1 0)
0 0 0 1 0 0 0 1
0 0 0 0 0 0 0 0
0
) = (0
( )
0
0 0 0 0 0
Luego:
B = (0 )
0 0
0 0 0
Ejemplo: Dadas las matrices
A = [aij] = [| |]12x12 y
B = [bij] = [ i+j ]3x12
Hallar los elementos de C69 y C96 de C = ABAt = [cij]
Ejemplo: Sea A = [aij] una matriz triangular superior de orden n tal que a ij = 1, si
ij
De A3 = [bij] hallar el elemento bij si:
a) i = 3 ; j = n
b) i = n ; j = 3
c) i = 3 ; j = 3
DETERMINANTES
x=
y=
det (A) = detA = || = | | = ad-bc
el sistema tendr solucin si || 0
Definicin
El determinante viene a ser una funcin que aplicada a una matriz cuadrada da
un nico valor numrico.
11 12 1
21 22 2
=( )
1 2
Definicin
Sea una matriz cuadrada de orden 2x2
11 12
A = ( )
21 22
Definicin:
Sea una matriz cuadrada de orden 3x3
11 12 13
A = (21 22 23 )
31 32 33
MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn
11 12 1 1
21 22 2 2
A=
1 2
( 2 )
Sea Mij la submatriz cuadrada de orden n-1 que resulta de eliminar la fila i y la
columna j de la matriz A.
Entonces:
1) | | se llama menor complementario del elemento aijde A.
2) El cofactor del elemento aij que se simboliza por Aij se define por:
+ |
= () |
|| = =( )
|| = =( )
3 6 9
Ejemplo: A = (0 2 1)
3 1 2
Si elegimos la 1rafila:
|| = 3=1(1 1 ) = (11 11 ) + (12 12 ) + (13 13 )
2 1 0 1 0 2
= 3| | + 6(-1)| | + (- 9)| | = 87
1 2 3 2 3 1
MATRIZ DE COFACTORES
Sea A una matriz cuadrada de orden nxn y Aij es el cofactor de aij entonces la
matriz:
11 12 1
Cofact A = ( )
1 2
6) |()|= ||1
7) adj (xA) = x-1adj (A)
TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo
(|| 0).
PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.
TEOREMA:
A (adj A) = det A (In)
COLORARIO:
Si A es una matriz no singular de orden n entonces:
1 1
A-1 = adj(A). || = (cofact (A))t . || ; || 0
Observacin:
1. Si una matriz tiene inversa entonces esta es nica.
2. Si B es una matriz inversa de A entonces tambin se puede decir que A es la
matriz inversa de B.
3. No siempre una matriz cuadrada tiene inversa.
4. Se dice que una matriz cuadrada A es singular si y solo si su determinante es
cero.
5. Si una fila o columna de una matriz A se le suma el mltiplo de otra fila o
columna, entonces el valor del determinante no vara.
6. Si los elementos de una fila o columna cualquiera constan de dos trminos, el
determinante puede expresarse como la suma de otros dos determinantes.
7. El determinante de una matriz triangular superior o inferior es igual al producto
de los elementos de la diagonal principal.
8. det(A + B) det(A) + det(B)
En general el determinante de una matriz triangular superior o inferior es igual al
producto de los elementos de la diagonal principal.
9. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al producto de
los determinantes de las matrices siempre y cuando las matrices sea
cuadradas del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices
1 2 3
1 0 3
1. 1 2 0
[1 2 3 0]
( )
xj = ()
Ejemplo: Sea
1 1
11 1
2
X=( ) ; A=( ) ; B = ( 2)
1
11 1,1 1 1,+1 1
21 2,1 2 2,+1 2
Aj =
1,1 1,1 1 1,+1 1,
( 1 ,1 ,+1 )
Usando propiedades:
AX = B
A-1 AX = A-1B
I X = A-1 B
X = A-1 B
()
X= ||
( )( )
() ()
X= A-1 B= ||
= ||
= ||
( )
= ||
=
Xi= ||
PROBLEMAS
1. Indique si las siguientes proposiciones son verdaderas o falsas, fundamente su
+ =
+ =
+ = 4 puntos
= ( 4 puntos
)
8 4 4
Cofactores de (5 7 1 ) . Determine los elementos de la matriz
1 1 5
Ejemplo 1:
Resolver utilizando la regla de Cramer el siguiente sistema de ecuaciones
lineales:
x1 + 3x2 + 3x3 = -2
2x1 + 2x2 + 3x3 = -5
x1+ 2x2 + 3x3 = 6
Ejemplo 2:
Sea: (m + 1)x + y + z = 2-m
x+(m + 1)y + z = -2
x + y + (m + 1)z= m
Halle m para que el sistema tenga solucin nica
Solucin:
+1 1 1 +3 1 1
|| = | 1 +1 1 | = | + 3 + 1 1 |=
1 1 +1 +3 1 +1
1 1 1 0 1 1
( + 3) |1 + 1 1 | = ( + 3) | + 1 1 |
1 1 +1 0 1 +1
=
1 1
( + 3)() | | = ( + 3)()() 0
1 +1
Para m=0
++ =2
+ + = 2
++ =0
1 1 12 1 1 10
(1 1 12) (0 0 01)
1 1 10 0 0 00
r(A)=1 r(Aa)=2
Solucin
Para m=3
2 1 1 5 3 0 30
(1 2 1 2) ( 0 3 31)
1 1 23 0 0 00
r(A)=2 = r(Aa) < 3 depende de un parmetro
Conclusin:
1 Para que tenga solucin nica: m 0 3
2 Solucin: m= 0
3 Ms de una solucin: m = -3
Ejemplo 3:
Realice un anlisis de la compatibilidad del sistema para todos los valores de a
y b si:
+ + = 1
+ + =
+ + = 1
Solucin:
Analizando para la existencia de una solucin:
1
1 1 1
|1 1| = | |=| |+| |
1
1
= ( 1)2 ( + 2) 0
0 1 2
PROBLEMAS
1. Halle el rango de la matriz A para todos los valores de a y b.
2 +
= ( 0 0 )
0 0
+ 0 0 +
+1 1 1 +3 1 1
det() = | 1 +1 1 | = | + 3 + 1 1 |
1 1 +1 +3 1 +1
1 1 1 0 1 1
= ( + 3) |1 + 1 1 | = ( + 3) | + 1 1 |
1 1 +1 0 1 +1
1 1
= ( + 3) | | = ( + 3)2 0
1 +1
El sistema tiene solucin si y solo si ( + 3)2 0 3
Si = 0 tenemos el sistema ++ =2
+ + = 2
+ + = 0
Si = 3 tenemos el sistema 2 + + = 5
2 + = 2
+ 2 = 3
Trabajando con la matriz ampliada (dndole una forma escalonada)
2 1 1 5 1 2 1 2
= | 1 2 1 2| (1 2 ) |2 1 1 5|
1 1 23 1 1 23
1 2 1 2 1 2 12
(2 + 21 ; 3 1 ) |0 3 3 1 | (3 + 2 ) |0 3 3 1 |
0 3 31 0 0 00
1 1 2 1 2 1 0 1 8 3
( 2 ) |0 1 1 13| (1 + 22 ) |0 1 11 3|
3
0 0 0 0 0 0 0 0
( ) = () = 2 < 3 ( )
1 8
Depende de un parmetro la solucin es = , = 3 , = 3 ,
ESPACIOS VECTORIALES
Un espacio vectorial sobre un cuerpo (en los reales o complejos) es un
conjunto V sobre el cual se define:
(Un espacio vectorial es un conjunto V de elementos llamados vectores, cuyas
operaciones de adicin y multiplicacin por un escalar se encuentran definidas
en dicho conjunto (u,v, w son vectores y c, d son escalares reales o complejos).V
es un conjunto no vacio.)
Axiomas de cerradura:
1 u+ v existe y es un elemento de V (V cerrado bajo la adicin, ley de la
cerradura o clausura)
2 c.u es un elemento de V (V es cerrado bajo la multiplicacin por un escalar).
Axiomas de adicin:
3 u + v= v + u (propiedad conmutativa)
4 u + (v + w) = (u + v) + w (propiedad asociativa)
5Existe un elemento de V denominado vector cero o vector nulo tal que: u + 0
= u (0 es el elemento nulo o neutro)
6Para todo elemento de V existe un elemento llamado el negativo de u tal que:
u + (-u) = 0
Axiomas de la multiplicacin por un escalar:
7 c (u + v) = cu + cv
8 (c + d) u= cu + du
9 c (du)= (cd) u
10 1.u=u
Nota:
Un espacio vectorial es el conjunto V de elementos llamados vectores, cuyas
operaciones de adicin y multiplicacin por un escalar se encuentran definidas
en l y satisfacen los axiomas mencionados donde u, v y w son vectores de V,
c, d son escalares.
Ejemplo:
Dado el conjunto A definido por:
(x1,y1) + (x2,y2) = (x1 + x2 + 1; y1 + y2 +1)
(x;y)= ( + 1; +y -1)
Verifique si dicho conjunto se puede considerar como un espacio vectorial.
Solucin:
Axiomas de la cerradura
Sea:
u=(x1;y1)
v=(x2;y2)
1 u+ v= (x1 + x2 + 1; y1 + y2 +1) =( z1;z2) A
Ejemplo
Dado el conjunto A definido por =
{(, 2 ) 1 , 2 }
Donde (1 , 2 ) + (1 , 2 ) = (|1 + 1 |, 2 )
Ejemplo:
1) Sea V={0} satisface los 10 axiomas, es un espacio vectorial, se le conoce
como ESPACIO VECTORIAL TRIVIAL
2) Sea V={(; )/ = 2 + 1, }
(x1,y1)+(x2,y2)=(x1+x2,y1+y2)
=(x1+x2;2x1+1+2x2+1) = (x1+x2;2(x1+x2)+2)
No es un espacio vectorial, no cumple con el Axioma de la cerradura.
PROPIEDADES:
Si V es un espacio vectorial, entonces:
1 0.u=0
2 (-1).u=-u u
SUBESPACIOS VECTORIALES
Se llama subespacio vectorial de un espacio vectorial V a cualquier subconjunto
no vacio SV que es un espacio vectorial con las mismas operaciones definidas
sobre V
Si V es un espacio vectorial y SV, S
S es un subespacio vectorial de V { + , , }
{ , , }
TEOREMA:
Sea U un Subespacio de un espacio Vectorial V, U tiene como elemento al
vector cero de V.
PROPIEDADES
1 {} es linealmente dependiente si y solo si = 0
2 0
3 {, } es linealmente dependiente u = v ( 0)
4 Si A es L.I. y BA B es linealmente independiente
5 A linealmente dependiente y A B B es linealmente dependiente.
6 A linealmente dependiente v A que es combinacin lineal de A.
OBSERVACIN
1. El conjunto {1, 2 , 3 , , } se llama conjunto dependiente o independiente
segn sean los vectores LD LI
2. Se define al conjunto vaci como independiente
3. Si dos de los vectores {1, 2 , 3 , , } son iguales entonces los vectores son
dependientes
4. Dos vectores 1 y 2 son dependientes si y solo s uno de ellos es mltiplo
escalar del otro.
5. Todo vector no nulo de un espacio vectorial constituye un conjunto LI
6. El vector nulo de cualquier espacio vectorial constituye un conjunto LD
7. Un conjunto finito y no vacio de vectores es LD si y solo si algn vector es
combinacin lineal de los dems
8. Un conjunto finito y ordenado de vectores al que no pertenece el vector nulo
es LD si y solo si algn vector es combinacin lineal de los precedentes
DEFINICION
Los elementos del conjunto = { = 1,2, . . , } si son linealmente
independientes determinan una base.
Es decir el conjunto es una base
Ejemplo:
Indique si el conjunto de vectores {2 1, + 2, 3 + 3 , 2 + 3 } es LI
SOLUCION
(2t 1) + (t + cos2t) + (3 + 3 ) + (2 + 3 ) = 0
(2 + ) + 2( + ) + 3 ( + ) + ( + 3) = 0
2 + = 0
+ =0
+ =0
3 = 0
2 1 000 1 0 000
(0 1 010) (0 1 000)
0 0 110 0 0 100
1 0 300 0 0 010
= 0, = 0, = 0, = 0
Es un conjunto L.I.
Ejemplo:
Sea V=3 , luego 1 es un subespacio?
2
W1= {(, , ) + 5 + = 0; , , }
3
Solucin:
El nico punto que satisface es (0, 0, 0) W 1 es un subespacio de 3
Ejemplo:
W2={(, , )/ 2 + 3 0} ?
Solucin:
Con un contraejemplo:
u W 2
Para 1
(1) (3 , 2 , 0) (4) 3 (0) 0 (F)
W2 no es un subespacio
Lema:
Si V es un espacio vectorial y A v1 , v2 , , vn est contenido en V, entonces:
L(A) 1 ivi, i K es un subespacio vectorial de V que se llama subespacio
generado por A. El conjunto A se llama Sistema de Generadores de L(A).
Ejemplo:
Si V R3 y A v1 (1,0,1) , v2 (1,1,1), entonces:
L(A) v v1v2 ; , Rv (,,) ; , R
Las ecuaciones:
X
Y
Z
Se llaman ecuaciones paramtricas de L(A)
Proposicin:
Sea V un espacio vectorial y v1, v2, , vn V, si vm es una combinacin lineal
de v1, v2, , vm-1 entonces L(v1, v2, , vm) L(v1, v2, , vm-1)
3 1 -8 2 1 0 8 0 -19 -3 4 0
2 -2 -3 -7 2 0 0 -8 7 -25 4 0
1 11 -12 34 -5 0 0 0 0 0 0 0
1 -5 2 16 3 0 0 0 0 0 0 0
4+3+19
Sea: x3 a x1
8
425+7
x4 b x2
8
x5 c
4+3+19 425+7
(x1 , x2 , x3 , x4 , x5) ( , , a , b , c)
8 8
Definicin
Se dice que un espacio vectorial V tiene dimensin finita n o es n-dimensional
denotado: dimV n, si existen vectores linealmente independientes e1, e2, , en
que generan a V , el conjunto e1, e2, , en se llama base de V y tiene como
dimensin n.
OBSERVACIONES
1. El origen es un subespacio de 3 , la dimension de este subespacio es cero
2. Los subespacios de una dimensin de 3 son rectas que pasan por el origen.
3. Los subespacios de dos dimensiones de 3 son planos que pasan por el
origen.
Definicin.- Si un espacio vectorial V tiene una base que consta de n vectores
entonces la dimensin de V es n, que se denota por dim(V).
PROBLEMAS RESUELTOS
0 0 0 1 0 0 1 0
1. Para qu valor de a o valores el conjunto: ( ),( ),( )
0 1 0 0 0 0
es linealmente dependiente y no forma una base.
Solucin:
0 0 0 1 0 0 1 0 0 0 0
( ) + ( ) + ( )( )
0 1 0 0 0 0 0 0 0
u + v + w 0
Es L.I. si 0
a 0
a + + 0
+ a + a 0
0 0 0 0 1 0 0
( 1 1 0) (0 1 0 0) ,a0
1 0 01 0
Para a1:
1 01 0 1 01 0
(0 10 0) (0 10 0)
1 01 0 0 00 0
+ 0 , 0
Para a -1:
1 01 0
(0 1 0 0)
0 00 0
- 0 , 0
Para a -1, 0,1 es un conjunto L.D.
Solucin:
x(1+a,1,1,1) + y(1,1+a,1,1) + z(1,1,1+a,1) + w(1,1,1,1+a) 0
x(1+a) + y + z + w 0
x + y(1+a) + z + w 0
x + y + z(1+a) + w 0
x + y + z + w(1+a) 0
1+a 1 1 1 1 0 0 0
1 1+a 1 1 0 1 0 0, a -4 , a 0
1 1 1+a 1 0 0 1 0
1 1 1 1+a 0 0 0 1
x y z w 0
Para a -4 a 0 (1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1) es una base, dim4. Es
la base cannica usual.
1 1 1 1 0 1 0 1 0 0
2 -1 2 -1 0 0 1 0 1 0
4 1 4 1 0 0 0 0 0 0
x+z0
y+t0
(x , -t , -x , t) x(1,0,-1,0) + t(0,-1,0,1)
(1,0,-1,0) , (0,-1,0,1)
En T:
(a+b+2c,b+c,-a+b,3b+3c) a(1,0,-1,0) + b(1,1,1,3) + c(2,1,0,3)
(1,0,-1,0) , (1,1,1,3) , (2,1,0,3)
S + T:
1 0 -1 0 1 0 0 2
0 -1 0 1 0 1 0 -1
1 0 -1 0 0 0 1 2
1 1 1 3 0 0 0 0
2 1 0 3 0 0 0 0
SUMA DIRECTA
La suma de V1 y V2 subespacios de V se llama suma directa si V 1 V2 0, en
este caso se dice que dicha suma es directa y se denota V 1V2, tanto V1 como
V2 se llaman sumandos directos.
Ejemplo:
En R3 sea U el plano xy y W el eje z, luego:
U (a, b, 0) / a, b R
W (0, 0, c) / c R
Verificar si U y W determinan una suma directa
SOLUCION
Cualquier vector (a, b, c) R3 se puede escribir como la suma de un vector u
y un vector w, es decir:
(a, b, c) (a,b,0) + (0,0,c)
SOLUCION
Formamos una combinacin lineal e igualamos a cero.
aP(X)+bQ(X)+cR(X)=0x3+0x2+0x+0a(x3-3x2-5x+1)+b(-x3-x2+5x+2)+c(-x3-
7x2+4x)=0x3+0x2+0x+0(a-b-c)x3+(-3a-b-7c)x2+(-5a+5b+4c)x+(a+2b)=
0x3+0x2+0x+0
Comparando:
a-b-c=0 -3a-b-7c=0
-5a+5b+4c=0
a+2b+0c=0
1 1 1 0 1 0 0 0
3 1 7 0 0 1 0 0
5 5
4 0 0 0 1 0
1 0 0
2 0 0 0 0
SOLUCION
P:{(s;t;-s-t)} P:{s(1;0;-1)+t(0;1;-1)}
a(1;3;2)+b(1;0;-1)+c(0;1;-1)=(0;0;0) (a+b;3a+c;2a-b-c)=(0;0;0)
Comparando
1 1 0 0 1 0 0 0
3 0 1 0 0 1 0 0 , comor(A)=r(Ab)=n=3 el sistema es
2 1 1 0 0 0 1 0
compatible, solucin nica.
La base es B={(1;3;2),(1;0;-1),(0;1;-1)}
1 0 1 1 1 1 0 0 1 0 1 1 1 0 1 1
i) B={ ; ; ; } 2i) B={ ; ; ; }
0 0 0 0 1 0 0 1 0 1 1 0 1 0 0 1
SOLUCION
a) Si el conjunto es LI
b) Si el conjunto genera A2x2
Demostracin de a)
1 0 1 1 1 1 0 0 0 0
a +b +c +d =
0 0 0 0 1 0 0 1 0 0
a b c b c 0 0
= , por comparacin:
c d 0 0
Demostracin de b)
1 0 1 1 1 1 0 0 m n
a +b +c +d =
0 0 0 0 1 0 0 1 p q
a b c b c m n
= ; por comparacin:
c d p q
1 10 m 1 0 0
1 0 m n
0 10 n 0 1 0
1 0 n p
0 , comor(A)=r(Ab)=n=4 el sistema es
00 p 0 0 1
1 0 p
0 1 q 0 0 0 q
0 0 1
compatible, solucin nica.
1 0 1 1 1 0 1 1
2i) B={ ; ; ; }, utilizando un procedimiento anlogo al
0 1 1 0 1 0 0 1
anterior.
Demostracin de a)
1 0 1 1 1 1 0 0 0 0
a +b +c +d =
0 0 0 0 1 0 0 1 0 0
a b c d b d 0 0
= , por comparacin:
bc a d 0 0
Demostracin de b)
1 0 1 1 1 1 0 0 m n
a +b +c +d =
0 0 0 0 1 0 0 1 p q
a b c d b d m n
= , por comparacin:
bc a d p q
1 1 1 1 m 1 0 0 0 m / 2 n p / 2 q / 2
0 1 0 1 n 0 1 0 0 m/2 p/2 q/2
0 1 1 0 p 0 0 1 0 m / 2 n p / 2 q / 2 comor(A)=r(Ab)=n=4
1 0 0 1 q 0 0 0 1 m / 2 n p / 2 q / 2
el sistema es compatible, solucin nica.
SOLUCION
a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)
1 1 1 0 0 1 0 0 0 0
3 2 1 0 0 0 1 0 0 0
1 1 , luego m=n=p=0 y q=1
0 0 0 0 0 1 0 0
1 0 0 0 1
0 1 0 0 1
Si dim=1 La base solo tiene un elemento. Todas las bases del espacio
vectorial deben ser equivalentes( es decir, multiplicados por un escalar)
x y x y
U={ tal que x-y+z-t=0}; V={ , tal que x=, y=-, z=, t=-}; W{
z t z t
1 0 1 1
; }
0 1 1 1
SOLUCION
x y
En el conjunto U notamos: t=x-y+z, reemplazamos U={ }
z x y z
x y 1 0 0 1 0 0
separamos segn nos convenga: =x +y +z
z x y z 0 1 0 1 1 1
1 0 0 1 0 0
Una base de U es { ; ; }; dim(U)= 3
0 1 0 1 1 1
En el conjunto V notamos: v={ } separamos segn nos convenga:
1 1 0 0
= +
0 0 1 1
1 1 0 0
Una base de V es { ; }; dim(V)= 2
0 0 1 1
1 0 1 1 0 0 a b b 0 0
a +b = =
0 1 1 1 0 0 b a b 0 0
1 0 1 1 m n a b b m n
a +b = =
0 1 1 1 p q b a b p q
1 1 m 1 0 mn
0 1 n 0 1 n
; luego r(A)r(Ab); el sistema es
0 1 p 0 0 pn
1 1 q 0 0 (m q) / 2 n
incompatible
SOLUCION
ST={(0;0;z)}, notamos
(0;0;z)=z(0;0;1)
Para S+T
SOL:
Para que S sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a S.
u+v=(u1+v1;u2+v2) pertenece a S
ku no pertenece a S
S no es un subespacio vectorial.
Para que T sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a T.
u=(u;eu) y v=(v;ev)
T no es un subespacio vectorial.
Para que W sea un subespacio vectorial debe ser cerrada sobre la suma y
la multiplicacin escalar. Sean u y v que pertenecen a W.
u=(u1;u2;-u12-u22) y v=(v1;v2;-v12-v22)
W no es un subespacio vectorial.
5 0 0
8. Sea A= 1 5 0 , para qu valores de X existe un escalar a tal que
0 1 5
AX=aX. Donde X es una matriz columna.
SOLUCION
(A-aI)X=0
5 a 0 0
A-aI= 1 5a 0 , formando la mtriz ampliada
0 5 a
1
5 a 0 0 0 1 0 0 0
1 5a 0 0 1 5 a 0 0 ;
0
1 5 a 0 0 1 5 a 0
si a5
1 0 0 0
0 1 0 0 , esto genera una solucin trivial.
0 0 1 0
Si a=5
1 0 0 0
1 0 0 0 , este sistema tiene infinitas soluciones.
0 1 0 0
0 0
X 0 si a=5; X= 0 si a5
m 0
1 a b
B) Averiguar si la matriz A= a 1 c es no singular.
b c 1
SOL:
a c
A) Sea W={ M2x2 tal que a,b,c R}; separamos la matriz
c b
convenientemente
a c 1 0 0 0 0 1
=a +b +c
c b 0 0 0 1 1 0
1 0 0 0 0 1
Adems se prueba que { ; ; } son LI
0 0 0 1 1 0
1 0 0 0 0 1
una base de W es { ; ; }; dim(W)= 3
0 0 0 1 1 0
B) A es singular si det(A)=0
A es no singular.
0 1/ 2 1/ 2
10. Resolver el sistema XTB=XT; donde B= 1 / 3 1 / 3 1 / 3 .
1 / 4 0 3 / 4
SOLUCION
(XTB)T= (XT)T
BTX=X (BT-I)X=0
1 1/ 3 1/ 4
BT-I= 1 / 2 2 / 3 0 , formando la matriz ampliada
1 / 2 1 / 3 1 / 4
1 1/ 3 1/ 4 0 1 4 / 3 0 0
1 / 2 2 / 3 0 0 0 1 1 / 4 0 resolviendo el sistema.
1 / 2 1 / 3 1 / 4 0 0 0
0 0
(4 / 3)t
X= t , donde t es un parmetro lo cual no indica que hay infinitas
4t
soluciones.
11.-Dados los subespacios vectoriales en R3. U={(x;y;z) R3 tal que x+y=0}
y
SOLUCION
a+b=(0;-2;2) no pertenece a UW
iii)U+W: a U y b W m(1;-1;0)+n(0;0;1)+p(1;0;0)+q(0;1;1)=0
1 0 1 0 0 1 0 1 1 0
1 0 0 1 0 0 1 0 0 0 el sistema presenta solucin nica ,
0 1 0 1 0 0 0 1 0 0
entonces las vectores son LI
SOLUCION
SOLUCION
Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)
1 0 a a 0
1 0 1 0 0
0 ; por lo menos uno debe ser dependiente det(A)=0
1 a a 0
0 0
1 0 1
0 1 0 0 a a
Det(A)= 1 a a - 1 a a =-(1-a)-a(1-a)-a2=-1+2a=0
1 0 1 1 0 1
a=1/2
Problemas Resueltos
() = + + , () = + + , () = +
0 = 1 ( 3 3 2 + 5 + 1) + 2 ( 3 2 + 6 + 2) + 3 ( 3 7 2 + 4)
0 = 3 (1 + 2 + 3 ) 2 (31 + 2 + 73 ) + (51 + 62 + 43 ) + (1 + 22 )
Igualando coeficientes
1 + 2 + 3 = 0
31 + 2 + 73 = 0
51 + 62 + 43 = 0
1 + 22 = 0
1 1 1 0 0 0 0 0
3 1 7 0 0 0 2 0
(5 6 4 0) (0 1 1 0)
1 2 0 0 1 2 0 0
23 = 0
2 + 3 = 0
1 + 22 = 0
=> 3 = 0 2 = 0 1 = 0
(, , ) = (, 3, 2) = (1,3,2) {(1,3,2)}
(, , ) = ( , , ) = (1,1,0) + (1,0,1)
{(1,1,0), (1,0,1)}
i) B = {( ),( ),( ),( )}
0 0 1 0 1 1 1 1 0 1
( ) = 1 ( ) + 2 ( ) + 3 ( ) + 4 ( )
0 0 0 0 0 0 1 0 0 0
1 + 2 + 3 = 0
2 + 3 = 0
3 = 0
4 = 0
=> 1= 2 = 3 = 4 = 0 , 1
2i) B= {( ),( ),( ),( )}
0 0 1 0 1 1 1 0 1 1
( ) = 1 ( ) + 2 ( ) + 3 ( ) + 4 ( )
0 0 0 1 0 0 1 0 0 1
1 2 + 3 + 4 = 0
2 + 3 = 0
2 + 3 = 0
1 + 4 = 0
1 1 1 1 0 0 0 1 0 0
0 1 0 1 0 1 0 1 0 0
(0 1 1 0 0 ) ( 0 1 1 0 0 )
1 0 0 1 0 1 0 0 1 0
3 = 0
3 = 1 = 0
2 + 3 = 0
1 + 4 = 0
=> 1 = 2 = 3 = 4 = 0 , 2
de
= (1,1, 1,1) + (1,1,0, 1) + (1, 2,1,1)
= ( + + ; + 2; + ; + + )
5. Sean los subespacios del espacio vectorial de las matrices cuadradas de orden 2
U={( ) + = }
V={( ) = , = , = , = }
W={( ),( )} .Calcular la base y dimensin de U,V ,W ,UW,U+W
Solucin
1 1 1 0 1 0
= ( )+( )+( )
0 0 1 0 0 1
1 1 1 0 1 0
= {( ),( ),( )} => dim() = 3
0 0 1 0 0 1
1 1 0 0
= ( )+( )
0 0 1 1
1 1 0 0
= {( ),( )} => dim() = 2
0 0 1 1
:
1 0 2 1
= {( ),( )} => dim() = 2
0 1 1 0
1 1 1 0 1 1 1 1 2 1
( ) = 1 ( ) + 2 ( ) + 3 ( ) = 1 ( ) + 2 ( )
0 0 1 0 0 1 0 1 1 0
= 1 2 + 3 = 1 + 22
= 1 = 2
= 2 = 2
= 3 = 1
1 1
=> = {( )} ; dim( ) = 1
1 1
+ :
1 1 1 0 1 1 1 1 2 1 0 0
( )+( )+( )+( )+( )=( )
0 0 1 0 0 1 0 1 1 0 0 0
+ + + 2 +
+ =( )
+
1 0 0 1 0 0 0 0
=> + = {( ),( ),( ),( )} => dim( + ) = 4
0 0 0 0 1 0 0 1
S={(, , + ) } , T= {(, , ) = , = }
Solucin
= 1 = 0
= 21 = 0
= 1 + 2 = 1
+ :
1 2 1 1 2 0
+ = (0 0 1) = (0 0 1)
0 0 1 0 0 0
S={(, ) , } de ; T={(, ) + = } de ,
W= {(, , ) + + = } de
, / + () = 0
= (3,3)
=> (3,3) + () = 0
() = (3, 3) => 2
! 0 / 0 + = ,
= (, )
0 + (, ) = (, )
0 = (0, 0) => 2
, ,
= {, , ( 2 + 2 )}
= 2(, , ( 2 + 2 )) = (2, 2, (2 2 + 2 2 ))
= (2, 2, (2 2 + 2 2 ))
(, , (2 + 2 ))
=> 2
8. Sea A =( ) para que valores de X existe un escalar a tal que AX=Ax donde X es
= ()
5 0 0
(1 5 0 ) ( ) = ( )
0 1 5
5
( + 5) = ( )
+ 5
5 = (1)
+ 5 = (2)
+ 5 = (3)
(1) = 5 (4)
(4) (2)
+ 5 = 5 => = 0
(4) (3)
+ 5 = 5 => = 0
0
= {(0) / }
9. A) Determine una base y la dimensin para el conjunto W, definido por las matrices
Simtricas de orden 2.
={( ) / , , , }
1 0 0 1 0 0
= ( )+ ( )+( )
0 0 1 0 0 1
1 0 0 1 0 0 0 0
( )+ ( )+( )= ( )
0 0 1 0 0 1 0 0
= = = 0 => . .
1 0 0 1 0 0
{( ); ( );( )}
0 0 1 0 0 1
=> () = 3
B) Averige si la matriz A= [ ] es no singular
1
|| = | 1
1 | = 1 | |+| | + () | |
1 1 1
1
|| = 1(1 + 2 ) + ( + ) ( )
|| = 1 + 2 + 2 + + 2
|| = 1 + 2 + 2 + 2 > 0
|| > 0 =>
= {(, , ) + = } , = { (, , ) = }
1 1 0 0 1 0
0 0 1) (0 0 1)
(1 0 1 0
0 0
0 1 1 0 0 1
=>
= {(1,1,1)} 1.
0 =>
Para que U,V,W sean LD deben formar una combinacin lineal y tener una solucin no trivial.
+ + = 0
+ = 0
+ = 0
= 0
2 + + = 0
1 0 0
0 1 0
(1 0 1 0)
2 1 1 0
1 0 0
0 1 0
(0 1 0)
0 1 0 0
= 1
1 1 0 0 1 1 0 0
0 1 1 0 0 1 1 0
(0 1 1 0) (0 0 0 0)
0 0 0 0 0 0 0 0
= ; = ; = => . .
= {(, , , ) + = , = }
= {(, , , ) = , = + }
=> 2
= (, , , ) = ( , , , ) = (, , 0, ) + (, 0, , )
=> 2
1 1 0 0 1 1 0 0
0 0 1 1 ) (0 1 0 1
( 1 0 0 1 2 0 0)
0 1 2 1 1 0
= (, , ) = 1 (1,1,0,0) + 2 (0,0,1,1) = 1 (1,2,0, 1) + 2 (1,0,2,1)
1 = 1 2 ; 1 = 21 ; 2 = 22 ; 2 = 2 1 => 1 = 2
PRODUCTO INTERNO
1. + , = , + ,
2. , = ,
3. , 0, ; , = 0 = 0
, , ,
Un espacio vectorial necesita de una mtrica, el producto interno garantiza una mtrica en
un espacio vectorial, el smbolo , se lee producto interno entre los vectores x e y.
Todo producto interno de un espacio vectorial real asigna a cada par de vectores un nico
escalar real.
(, ) = 31 1 + 21 2 + 62 2 + 22 1
Donde x = (1 , 1 ); y = (1 , 2 )
Solucin: Para que sea un producto interno se deben cumplir los axiomas:
i) , = ,
, = 31 1 + 21 2 + 62 2 + 22 1
, = 31 1 + 21 2 + 62 2 + 22 1
Se cumple:
ii) + , = , + , , , ,
(1 , 2 ) + (1 , 2 ), (1 , 1 )
= (1 , 2 ), (1 , 2 ) + (1 , 2 ), (1 , 2 )
= , + ,
iii) , = , , , ,
(1 , 2 ), (1 , 2 ) + (1 , 2 ), (1 , 2 )
31 1 + 21 + 62 2 + 22 1
(31 1 + 21 + 62 2 + 22 1 ) = ,
iv) , 0 ; , = 0 = 0
, = 31 2 + 21 2 + 62 2 + 22 1 = 31 2 + 41 2 + 62 2 = (1 2 + 42 2 )
= (21 2 + 41 2 + 22 2 ) = (1 2 + 42 2 ) + 2(1 + 1 )2 0
v) , = 0 = 0 (1 2 + 42 2 ) + 2(1 + 1 )2 = 0;
1 = 0 2 = 0
= (0,0)
es un producto interno
Ejemplo
Indique si la expresin sobre 3, (, , ) = 1 1 + 22 2 + 33 3
es un producto interno , donde = (1 , 2 , 3 ) es un vector de 3
Ejemplo
Indique si la siguiente relacin es un producto interno en 2 , donde = (1 , 2 )
, (1 , 2 ) y , = 1 2 + 1 2 + 1 1 + 2 2
DEFINICIN.-C espacio vectorial con producto interno se llama espacio unitario,
mientras R espacio vectorial se llama espacio euclideo o espacio euclidiano.
1 2
Ejemplo: Sea (2 , +, , . ) =( )
2 5
La funcin , 2 , = ?
PRUEBA:
1. , =
, =
( ) = =
Entonces:
, = ,
1
, = (1 2 )12 ( 1 2) ( 1 ) = (1 22 21 + 52 )12 ( )
2 5 22 2 21 2 21
= (1 22 )1 + (21 + 52 )2 = 1 1 22 1 21 2 + 52 2 (1)
1
, = (1 2 )12 ( 1 2) ( 1 ) = (1 22 21 + 52 )12 ( )
2 5 22 2 21 2 21
= (1 22 )1 + (21 + 52 )2 = 1 1 22 1 21 2 + 52 2 (2)
2. + , = ( + ) = ( + ) = +
= , + ,
3. , = ( ) = = ,
4. , 0 = (1 2 ) ( 1 2) ( 1 )
2 5 2
= 1 2 21 2 21 2 + 52 2 = 1 2 41 2 + 52 2 = (1 22 )2 + 2 2 0
, = 0 = 0
(1 22 )2 + 2 2 = 0 1 = 0 2 = 0
NORMA DE UN VECTOR
La norma de un vector v que pertenece a un espacio vectorial V se define:
|| = = ,
OBSERVACION
, = ( )
3. En el espacio vectorial :
, = (1, 2 , , ), (1 , 2 , , )
= 1 1 + +
4. En el espacio vectorial :
, = 1 1 + 2 2 + +
5. En el espacio vectorial de los polinomios de grado
, = (1 )(1 ) + (2 )(2 ) + + ( )( )
PROPIEDAD
|| = ||||
,
cos =
||||
= (, )
PROPIEDADES
. 0
. = 0 = 0
. = ||
. + + ( )
. |, | ( )
. + 2 + 2 = 22 + 22 ( )
OBSERVACION
. En todo espacio con producto interno, el producto interno de cualquier vector y el vector
nulo es 0 , 0 = 0, = 0
+ 2 = 2 + 2 ( )
ORTOGONALIDAD
Sea V un espacio con producto interno, sean u y v vectores del espacio vectorial V,
se dice que u y v son ortogonales si el producto interno de estos vectores es cero
(, = 0 ).
, = 0
Ejemplo:
2 3
Sean las funciones reales continuas () = 2
() = , definidas en el intervalo
2
[1 , 1 ], dichas funciones son ortogonales:
1
2 3 2 3 3 2 1
, = = | =0
2 2 1 2 2 2 2 1
{1 , 2 , , } , = 0
PROPOSICION
3 4
(1, 0, 0). (0, , ) = 0
5 5
3 4 4 3
(0, , ) . (0, , ) = 0
5 5 5 5
4 3
(1, 0, 0). (0, , ) = 0
5 5
Es un conjunto ortogonal
TEOREMA
= , 1 1 + , 2 2 + + ,
3 4 4 3
{(1, 0, 0), (0, , ) , (0, , )}
5 5 5 5
Solucin:
3 4 3 4
(7, 5, 10) = (7, 5, 10), (1, 0, 0)(1, 0, 0) + (7, 5, 10), (0, , ) (0, , )
5 5 5 5
4 3 4 3
+ (7, 5, 10), (0, , ) (0, , )
5 5 5 5
3 4 4 3
= 7(1, 0, 0) + 5 (0, , ) + (10) (0, , )
5 5 5 5
,
=
PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT
Para tener una base ortonormal, se normaliza cada uno de los vectores 1 , , :
1 = 1
2 = 2 1 2
3 = 3 1 3 2 3
= 1 1
Ejemplo:
Dado el conjunto {(1, 2, 0, 3), (4, 0, 5, 8), (8, 1, 5, 6)} es L.I. en 4 , los vectores forman una
base para el subespacio de 3 dimensiones de 4 . Construir una base ortonormal.
Solucin:
Sean 1 = (1, 2, 0, 3), 2 = (4, 0, 5, 8), 3 = (8, 1, 5, 6)
Aplicando GRAM-SCHMIDT
1 = 1 = (1, 2, 0, 3)
= (4, 1, 0, 2)
1 2 3 2 4 5 2 4 1 2
{( , , 0, ),( , , , ),( , , 0, ) }
14 14 14 7 7 7 7 21 21 21
= { / , = 0 }
OBSERVACION
Las series de FOURIER {1, cos , sin , cos 2 , sin 2 , , cos , sin } es un conjunto
ortogonal con respecto al producto usual definido en [0 , 2].
Ejemplo:
Solucin:
Se necesita una base ortonormal a , cualquier vector de se puede expresar como
(, , ) = (1,0,0) + (0,1,1)
1 1
1 = (1,0,0) , 2 = (0, , )
2 2
= = , 1 1 + , 2 2
1 1 1 1
= (3, 2, 6), (1, 0, 0)(1, 0, 0) + (3, 2, 6), (0, , ) (0, , )
2 2 2 2
8 1 1
= (3, 0, 0) + (0, , ) = (3, 4, 4)
2 2 2
Luego:
Ejemplo: Sea , = 1 1 + 32 2 + 53 3
= (1 , 2 , 3 )
= (1 , 2 , 3 )
1 1 1 3 5 5 4 35 1 2
= (3, 0, 0) ( , , ) + ( , , ) = ( , , )
3 3 3 4 9 9 9 12 12 3
5 5 4 35 1 2
{(1, 1, 1), ( , , ) , ( , , )}
9 9 9 12 12 3
PRODUCTO INTERNO
Sea V un espacio vectorial, un producto interno o producto escalar sobre V es
una aplicacin ,:V. V C que verifica:
1. au + bv, w au, w + bv, w
2. u, vv, u
3. u, u0, u V, u, u 0 u 0
Un espacio vectorial necesita de una mtrica, el producto interno, llamado
tambin producto escalar, garantiza una mtrica en un espacio vectorial.
El smbolo < , > se lee producto interno entre los vectores x e y. Para que
la aplicacin se llame producto interno, entonces deber cumplir los siguientes
axiomas:
i. < , >=< , > , ,
ii. < + , >=< , > + < , > , , ,
iii. < , >= < , > , ,
iv. < , > 0, < , >= 0 = 0
Todo producto interno en un espacio vectorial real asigna a cada par de vectores
un nico escalar real.
ESPACIO EUCLIDIANO
Es todo espacio vectorial real con producto interno, la adjuncin de un producto
interno permite establecer una mtrica en l, los conceptos de: distancia, mdulo
de un vector, ortogonalidad y ngulo entre dos vectores; son nociones que
dependen de un producto interno que se establezca en un espacio vectorial.
Ejemplo:
Se define sobre 2:
(, ) = 31 1 + 21 2 + 62 2 + 22 1
Donde: = (1 , 2 ); = (1 , 2 ) Indique si es un producto interno.
Solucin:
Para que se llamado producto interno, entonces deber cumplir los 4
axiomas.
i) < , >=< , > , ,
.< (1 , 2 ), (1 , 2 ) >= 31 1 + 21 2 + 62 2 + 22 1 = 31 1 + 21 2 +
62 2 + 22 1
.< (1 , 2 ), (1 , 2 ) >= 31 1 + 21 2 + 62 2 + 22 1
Ejemplo:
En ( , + , , ) se define:
< , >:
< , > =
1 1
2 2
Donde: = ( ) , = ( ). Indique si es un producto interno.
Solucin:
1
2
i) < , >= = (1 2 ) ( ) = =1 = =1 =
1
2
(1 2 ) ( ) =< , >
ii) < + , >= ( + ) = ( + ) = + =< , > +< , >
iii) < , >= () = = < , >
iv) < , >= = =1 2 0
PROPIEDAD
En todo espacio con producto interno, el producto interno de cualquier vector y
el vector nulo es cero.
< 0, >=< , 0 >= 0
Definicin
La norma de todo vector v que pertenece a V es un nmero real no negativo:
= || = < , >
En el espacio Euclidiano Rn representa la longitud del segmento de extremo O
y = (1 , 2 , , ) en general la distancia entre dos puntos P y Q.
ORTOGONALIDAD
Sea (, +, , ) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales s y slo s su producto interno es nulo.
ORTOGONALIDAD
Sea (V, +, R, .) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales s y slo s su producto interno es nulo.
Ejemplo:
Sea el conjunto de funciones reales continuas sobre el intervalo [1,1]
1
, =
1
2 3
Es una funcin definida en dicho espacio. Indique si los polinomios y son
2 2
ortogonales.
Solucin:
Realicemos el producto interno:
2 3 1 2 3 3 2 1
, =1 = |1 =0
2 2 2 2 4
PROPIEDADES
1.- Desigualdad de Schawrs
En todo espacio vectorial euclidiano se cumple que el valor absoluto del producto
interno es menor o igual que el producto d los mdulos de dichos vectores.
|< , >| = ||||
2.- Desigualdad triangular
En todo espacio con producto interno, el modulo de la suma de dos vectores
cualquiera es menor o igual que la suma de sus mdulos.
| + | || + ||
3.- ngulo entre dos vectores
Sean x e y dos vectores no nulos en un espacio con producto interno. De la
desigualad de Schawrs:
|< , >| ||||
|||| < , > ||||
< , >
1 1
||||
Para 0
< , >
=
||||
< , >= ||||
Proposicin:
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es
linealmente independiente.
Demostracin:
Sea {1 , , } un conjunto ortogonal tal que 0 = 1,2, , y sea la
combinacin lineal: =1 = 0
Entonces para cada = 1, 2 consideramos:
, =< 0, >= 0
=1
Luego
, = 0
=1
Definicin:
Un conjunto de vectores en un espacio vectorial V se dice que es un conjunto
ortogonal si cada par de vectores es ortogonal.
Se dice que es un conjunto ortonormal si es ortogonal y cada vector es unitario.
Ejemplo:
3 4 4 3
Un conjunto ortonormal es: {(1,0,0), (0, 5 , 5) , (0, 5 , 5)} debido a que:
3 4 4 3
(1,0,0), (0, , ) (0, , ) son vectores unitarios
5 5 5 5
TEOREMA:
Un conjunto ortogonal de vectores diferentes del vector nulo en un espacio
vectorial V es L.I. en consecuencia determinan una base.
DEFINICIN
Una base que es un conjunto ortogonal se dice que es una base ortogonal. Una
base que es un conjunto ortonormal, se dice que es una base ortonormal.
Observacin
Hay muchas bases para un espacio vectorial, la base que se utilice depende del
problema en consideracin, se recomienda utilizar la base ms conveniente, a
menudo la base ms adecuada es un conjunto ortogonal o un conjunto
ortonormal.
(, ) = | |,
vemos que = , con ,
O sea // de donde
= = ( , ), siendo = (, )
En la ecuacin cartesiana reemplazando : ( ) + ( ) + = 0
+ +
=
2 + 2
+ +
(, ) = | 2 (, )|
+ 2
| + + |
(, ) =
2 + 2
TEOREMA
Sea {1 , , n } una base ortonormal, sea un vector en , el vector se puede
expresar como una C.L de los vectores de las base de la manera siguiente:
= (. 1 )1 + (. 2 )2 + + (. )
Es decir = , 1 1 + , 2 2 + + ,
Ejemplo:
Dado el vector = (7, 5,10) se puede trabajar como C.L de los vectores:1 =
Definicin
La proyeccin de un vector sobre un vector 0, denotada por se
define:
.
=
Ejemplo:
El conjunto {(1,2,0,3), (4,0,5,8), (8,1,5,6)} es L.I en R4 , los vectores forman una
base para el subespacio de 3 dimensiones de 4 . Construya una base
ortonormal para .
Solucin:
Sean 1 = (1,2,0,3) , 2 = (4,0,5,8) , 3 = (8,1,5,6), aplicando Gram-Schmidt para
construir un conjunto ortogonal.
Sea: 1 = 1 = (1,2,0,3)
2 . 1
2 = 2 1 2 = (4,0,5,8)
1 1 1
(4,0,5,8). (1,2,0,3)
2 = (4,0,5,8) (1,2,0,3) = (2, 4,5,2)
(1,2,0,3). (1,2,0,3)
3 = 3 1 3 2 3
(8,1,5,6). (1,2,0,3) (8,1,5,6). (2, 4,5,2)
3 = (8,1,5,6) (1,2,0,3) (2, 4,5,2)
(1,2,0,3). (1,2,0,3) (2, 4,5,2). (2, 4,5,2)
3 = (8,1,5,6) (2,4,0,6) (2, 4,5,2) = (4,1,0, 2)
El conjunto ortogonal {(1,2,0,3), (2, 4,5,2), (4,1,0, 2)} es una base ortogonal
para .
1 2 3 2 4 5 2 4 1 2
{( , , 0, ) , (7 , , 7 , 7) , ( , , 0, )} es una base ortonormal de .
14 14 14 7 21 21 21
LEMA:
Un conjunto ortonormal{1 , , n } es L.I y cualquier vector "" que pertenece a
, es tal que el vector = , 1 1 , 2 2 , es ortogonal
a cada uno de los .
OBSERVACION
Las bases ortonormales desempean un papel importante en las espacios con
producto interno, en el lema anterior se muestra que siempre existe una base
ortonormal.
Ejemplo
Se define el producto interno , = (1 1 + 32 2 + 53 3 )ortonormalice por
Gram-Schmidt la base {(1,1, 1), (1,1,0), (1,0,0)}
Para = (1 , 2 , 3 ), = (1 , 2 , 3 )
Solucin
Sea 1 = (1,0,0) , 2 = (1,1,0) , 3 = (1,1, 1)
Hacemos 1 = 1 = (1,0,0)
(1,0,0), (1,1,0)
2 = 2 1 2 = (1,1,0) (1,0,0) =
(1,0,0), (1,0,0)
(1)(1) + 3(0)(1) + 5(0)(0)
2 = (1,1,0) ( ) (1,0,0) = (0,1,0)
(1)(1) + 3(0)(0) + 5(0)(0)
3 , 1 3 , 2
3 = 3 1 3 2 3 = 3 1
1 , 1 2 , 2 2
(1)(1) + 3(1)(0) + 5(1)(0)
3 = (1,1, 1) ( ) (1,0,0)
(1)(1) + 3(1)(0) + 5(1)(0)
(1)(0) + 3(1)(1) + 5(1)(0)
( ) (0,1,0)
(0)(0) + 3(1)(1) + 5(0)(0)
3 = (1,1, 1) + (1,0,0) (0,1,0) = (0,0, 1)
La base ortonormal es {(1,0,0), (0,1,0), (0,0, 1)}
TEOREMA
Sea {1 , , n } una base arbitraria con producto interno "" entonces existe una
base ortonormal {1 , , n } de "" talque la matriz de transicin de {i } a {i } es
triangular para = 1, . , . Se cumple:
= 1 1 + 2 2 + +
Prueba:
Consideremos 1 = 1 entonces {1 } es ortonormal, luego consideramos
1
un 2 = 2 2 , 1 1 , 2 = 2 2 es ortogonal a 1 , entonces {1 , 2 } es
2
ortogonal.
Por el lema 2 es ortogonal a 1 , entonces {1 , 2 } es un conjunto ortogonal.
3 = 3 3 , 1 1 3 , 2 2 , tal que3 = 3 , nuevamente por el lema 3
3
Ejemplo:
Sea {1 = (1,1,1) , 2 = (0,1,1) , 3 = (0,0,1)} una base de R3 , encuentre una
base
Ortonormal utilizando el proceso de ortogonalizacin de Gram Schmidt.
Solucin:
(1,1,1) 1 1 1
Sea 1 = 1 = =( , , )
1 3 3 3 3
2 1 1 1 2 1 1
Hacemos: 2 = 2 2 , 1 1 = (0,1,1) ( , , ) = ( 3 , 3 , 3)
3 3 3 3
2 1 1
2 = 2 = ( , , ), luego 3 = 3 3 , 1 1 3 , 2 2
2 6 6 6
1 1 1 1 1 2 1 1 1 1 1 1
3 = (0,0,1) ( , , ) ( , , ) = (0, , 2) , 3 = 3 = (0, , )
3 3 3 3 6 6 6 6 2 3 2 2
1 1 1 2 1 1 1 1
La base ortonormal es {1 = ( , , ) , 2 = ( , , ) 3 = (0, , )}.
3 3 3 6 6 6 2 2
TEOREMA:
Sea un subespacio de Rn , cada vector en Rn se puede expresar de forma
nica de la siguiente manera:
= +
Donde se encuentra en W y es ortogonal a W, los vectores
son:
= =
Ejemplo:
Considere el vector = (3,2,6) en R3 , sea el subespacio de R3 que consta de
todos los vectores (, , ). Descomponga en la suma de un vector que se
encuentra en y un vector ortogonal a .
Solucin:
Se requiere una base ortonormal para , cualquier vector de se pueda
expresar de la siguiente manera: (, , ) = (1,0,0) + (0,1,1) .
El conjunto {(1,0,0), (0,1,1)} genera a W, es L.I formara una base para .Los
vectores (1,0,0) y (0,1,1) son ortogonales, busquemos una base ortonormal
{1 , 2 }
1 1
Para , donde 1 = (1,0,0) 2 = (0, , ), = = , 1 1 +
2 2
1 1 1 1
, 2 2 = (3,2,6), (1,0,0)(1,0,0) + (3,2,6), (0, , ) (0, , )=
2 2 2 2
Ejemplo:
Dado los vectores: = (2, 1,2) , = (1,2,1) = (2,3,3). Determine un
vector de R3 que es la proyeccin ortogonal de sobre el plano generado por
.
Solucin
1 22 1 0 1
( )( )
2 11 0 1 0
Sea = {(1,0,1), (0,1,0)} donde 1 = (0,1,0) , 2 = (1,0,1); 1 , 2 = 0 , H es
,1 ,2 1 1 1
ortogonal. = | 1 + 2 = 3(0,1,0) + (1,0,1) = ( , 3, ).
1 ,1 | |2 ,2 | 2 2 2
Otro mtodo:
Sea = (2, 1,2) , = (1,2,1) vectores que pertenecen a H entonces =
(5,0,5) = 1 .
(2,3,3)(5,0,5) 1 1
= 1 = (2,3,3) (5,0,5) = ( , 3, )
(5,0,5)(5,0,5) 2 2
OBS:
Sea una espacio euclideo y un subespacio vectorial de . Se llama
ortogonal de en al conjunto de todos los vectores de ortogonales a
cualquier vector de .
= { , = 0, }
PROPIEDADES:
1) Si es ortogonal a todos lo elementos de una base de , entonces
.
2) Si .
COMPLEMENTO ORTOGONAL
Sea un subespacio de un espacio vectorial , cuando los elementos de un
subespacio vectorial son ortogonales a , se dice que dicho subespacio es un
complemento ortogonal .Se denota como y se denomina complemento
ortogonal porque la suma de las dimensiones de es igual a la dimensin
del espacio vectorial .
Ejemplo
Dado el subespacio vectorial = {( ) , } su complemento
ortogonal con respecto al producto interno , = ( ) , en el espacio
vectorial de las matrices cuadradas de orden dos es igual al subespacio cuyos
vectores son ortogonales a cualquier base de , entonces tomando una base
1 1 0 0
arbitraria = {( ),( )} y aplicando las condiciones de ortogonalidad
1 0 0 1
con un vector genrico del espacio vectorial, tenemos
+ +
(1 1) , ( ) = 0 = ( ) =0 =+ =+
1 0
0 0
(0 0) , ( ) = 0 = ( )=0=+0
0 1
+
Tendremos el complemento ortogonal = {( ) , }
0
OBSERVACION
En un espacio vectorial lineal complejo, un producto interno , es un nmero
complejo que satisface los mismos axiomas que los del producto interno real
excepto el de la simetra que se reemplaza por la relacin , =
, (simetra
hermitiana)
Ejemplo
Sea el espacio vectorial de las matrices cuadradas de orden dos con elementos
complejos y el producto interno definido por
, = 11
11 + 12
12 + 21
21 + 22
22
2 2
Calcular la distancia entre los vectores ( ) ( )
1+ 1 5 5
Solucin
2 2 2 2+
Sea ( )( ) = ( )
1+ 1 5 5 4 + 1 6
2 2+ 2 2+ 2 2+
Luego ( ) = ( ),( ) =
4 + 1 6 4 + 1 6 4 + 1 6
+ (2 + )(2
(2)(2)
+ ) + (4 + )(4
+ ) + (1 6)(1 6) =
4 + (4 + 1) + (16 + 1) + (1 + 36) = 63
Ejemplo
2 1+ 3 4 2 +
Dados los vectores ( ) ( ) , se define el producto
0 3 1 2 0
interno , = ( ) .Determine el ngulo entre dichos vectores
Solucin
0 3 4 1 + 2
3 4 2 +
, = (( 2 3 ) ( )) = ( 12 8 7 + 2 )
2 0
1 1 3 + 5 4 4 1 + 4
= 7 + 7
0
2 1+
Tambin: , = (( 2 3 ) ( )) =
0 3 1
1 1
1 2 1
( 2 13 2 + 5 ) = 17
1+ 2 5 3
3 2
3 4 2 +
, = (( 4 0 )( ))
2 0
2
13 12 8 3
= ( 12 16 8 + 4 ) = 35
8 + 3 8 4 6
(7 + 7)
= ( ) = 73,320
1735
SOLUCION
Tambin:
De (1) y (2)
+ ; = <x,z> + <y,z>
, = 0 u = 0
La norma de u = 1,2
= , = 18 = 32
PROBLEMA 2
SOLUCIN
a) (x,y,t,z) Si t = x + y + z ( x , y , x + y + z , z) = x( 1,0,1,0) +
y(0,1,1,0) + z(0,0,1,1)
{ ( 1,0,1,0) ; (0,1,1,0) ; (0,0,1,1) } el conjunto LI y por lo tanto una
base del subespacio W
Si consideramos V1 = ( 1,0,1,0) , V2 = (0,1,1,0) y V3 = (0,0,1,1)
1 = V1 = (1, 0, 1,0)
< , >
2 = V2 - 12 = (0,1,1,0) - |<2 ,1 >| 1
1 1
<(0,1,1,0),( 1,0,1,0)> 1
2 =(0,1,1,0) - .( 1,0,1,0) = (0,1,1,0) - 2(1,0,1,0)
12 +02 +12 +02
1 1
2 = (- 2, 1,2,0)
<(0,0,1,1),( 1,0,1,0)>
3 =V3 - 13 - 23 = (0, 0, 1,1) - (1, 0, 1,0) -
12 +02 +12 +02
1 1
<(0,0,1,1),( ,1, ,0)> 1 1
2 2
1 1 (- 2, 1,2,0)
( )2 +12 +( )2 +02
2 2
1
1 2 1 1 1 1 1 1 1
3 = (0, 0, 1,1) - 2(1, 0, 1,0) - 3 (- 2, 1,2,0) = (- 2, 0,2 ,1) - 3(- 2, 1,2,0)
2
1 1 1
3 = (-3,- 3, 3,1)
PROBLEMA 3
SOLUCION
Sea:
u1=v1= (1,1,1)
<(1,0,0),(1,1,1)> 1 8 1 1
u2=(1,0,0) |<(1,1,1),(1,1,1)>| (1,1,1)= (1,0,0) 9(1,1,1)=( 9, ,9)
9
8 1 1
(1,1,0),( , , ) 8 1 1 (1,1,0),(1,1,1)
9 9 9
u3=(1,-1,0) 8 1 1 8 1 1 (9 , , ) |(1,1,1),(1,1,1)| (1,1,1)
|( , , ),( , , )| 9 9
9 9 9 9 9 9
11 8 1 1 2 5 3
u3=(1,-1,0) 8 ( 9, , 9 )+9 (1,1,1)=(0, 8 ,8)
9
8 1 1 5 3
{(1,1,1), ( 9, , 9 ), (0, 8 ,8)} Es un conjunto ortogonal
9
8 1 1 8 3 5
(1,1,1), ( , , )=9 - 9 -9 = 0
9 9 9
5 3 15 15
(1,1,1), (0, , 8) =- + =0
8 8 8
8 1 1 5 3 15 15
( , , ), (0, , 8) = 72 - 72 = 0
9 9 9 8
Luego:
|1 | = 1 , 1 =3
2
|2 | = 2 , 2 = 2
3
15
|3 | = 3 , 3 =
8
La base ortonormal
1 1 1 4 1 1 5 2 3 2
{(3 , 3 , 3), ( 32, , ), (0, , 4 15)}
62 62 4 15
PROBLEMA 4
SOLUCION
1 2 +1) 1 2 +1) 2 +1)
< , > = 1 ((2+1)) ( dt = 1(2( + 1)( dt
1 2 +1) 2 +1)
= 1(3( + ( )dt
PROBLEMA 5
U1={(a,b,c)/a+b+c=0}
U2={(a,b,c)/a=c}
U3={(0,0,c)/c R3}
Probar que R3=U1+U2=U2+U3=U1+U3 e indicar en qu caso la suma es directa.
SOLUCION
En U1 a + b + c = o a = -b c
(a,b,c ) = (-b -c,b,c) = b(-1,1,0) + c(-1,0,1)
{(-1,1,0); (-1,0,1)}
Luego (-1,1,0) + (-1,0,1) = (0,0,0)
= = 0 ; es un conjunto LI entonces es una base de U1
En U2 a=c
(a,b,c ) =(a,b,a)= a(1,0,1) + b(0,1,0)
{(1,0,1) ;(0,1,0)}
Luego (1,0,1) + (0,1,0)= (0,0,0)
= = 0 ; es un conjunto LI entonces es una base de U2
En U3
(0,0,c ) = c(0,0,1)
{(0,0,1) } ; es una base de U3
En U1+U2
U1 U2 V U1 V U2 V
V= m(-1,1,0) + n(-1,0,1)= p(1,0,1) + q(0,1,0)= (a,b,c )
-m-n=p; m=q; n=p q=m= -2p
V=(a,b,c)= (p, -2p, p) = p(1,-2,1)
U1 U2 ={(1,-2,1)} ; (NO HAY SUMA DIRECTA DE U1 U2 )
1 1 0 1 0 0 1 0 0
1 0 1 0 0 2 0 1 0
( )( )( )
1 0 1 1 0 1 0 0 1
0 1 0 0 1 0 0 0 0
En U2+U3
U2 U3 V U2 V U3 V
V= k(1,0,1) + g(0,1,0)= f(0,0,1)= (a,b,c )
K=0 ; g=0 ; k=f=0 k=g=f=0
V=(a,b,c)=(0,0,0)
U2 U3 = 0; (SI HAY SUMA DIRECTA DE U2 U3)
1 0 1 1 0 0
(0 1 0) (0 1 0) {(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U2+U3)
0 0 1 0 0 1
En U1+U3
U1 U3 V U1 V U3 V
V= (-1,1,0) + s(-1,0,1)= d(0,0,1)= (a,b,c )
- -s = 0 ; = 0 ; s = d = s = d = 0
V=(a,b,c)=(0,0,0)
U1 U3 = 0; (SI HAY SUMA DIRECTA DE U1 U3)
1 1 0 1 1 0 0 1 0 1 0 0
(1 0 1) (1 0 0) (1 0 0) (0 1 0)
0 0 1 0 0 1 0 0 1 0 0 1
PROBLEMA 6
Dado L = { t(1,-1,2) / t IR }
SOLUCION
(x,y,z) pertenece a L y P
Dado que P es un plano tiene dimensin 2
(x,y,z) = (1,-1,2) = (a,b,c) + (m,n,p) Si L y P hacen una suma directa
entonces (x,y,z) = 0
1=a+m (a,b,c) ; (1-a ; -1-b ; 2 - c)
-1 = b + n
2=c+p
PROBLEMA 7
SOLUCION
=0
b++c=0
=0
a + = 0
PROBLEMA 8
SOLUCION
11 213 13 14
21 22 23 24
( )11 + 22 + 33 + 44 = 0
31 32 33 34
41 42 43 44
(22 + 33 + 44 ) 213 13 14 0 2 1 0
21 22 23 24 0 0 0 0
( )= 13 ( )+
31 32 33 34 0 0 0 0
41 42 43 44 0 0 0 0
0 0 0 1 0 0 0 0 1 0 0 0
0 0 0 0 1 0 0 0 0 1 0 0
14 ( )+ 21 ( )+22 ( )+
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0
23 ( )+ 24 ( )+31 ( )+
0 0 0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
32 ( )+ 33 ( )+ 34 ( )+
0 1 0 0 0 0 1 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
41 ( )+42 ( )+43 ( )+
0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 1 0
1 0 0 0
0 0 0 0
44 ( )
0 0 0 0
0 0 0 1
0 2 1 0 0 0 0 1 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
{( );( );( );( );
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0
( );( );( );( );
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
( );( );( );( );
0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 0
( ) ;( )}
0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 1
PROBLEMA 9
Los polinomios 1; x-1; x2-3x+1; forman una base de P2, de ser cierto, exprese
el polinomio 2x2-5x+6 como una C.L. de los vectores de dicho base?
SOLUCION
+ ( 1) + (x2-3x+1)=0
x2 + x( 3)+( + )=0
=0
+ =0
Como es una base expresar el polinomio 2x2-5x+6 como una C.L. de los
vectores de dicha base.
2x2-5x+6 = (c)x2+(b-3c)x+(a-b+c)
a-b+c =6
b-3c =-5
c=2
1 1 1 6 1 1 0 4 1 0 0 5
(0 1 3 5) (0 1 0 1) ( 0 1 0 1)
0 0 1 2 0 0 1 2 0 0 1 2
a=5, b=1, c=2 2x2-5x+6 = 5(1)+1( x-1)+ 2( x2-3x+1)
PROBLEMA 10
a + a + x = 0
b + b + y = 0 Si = = 0 Necesariamente = 0
c + c + z = 0
d +d + t = 0 Entonces es V
0 + a + x = 0
0 + b + y = 0 Si = = 0 No necesariamente = 0
0 + c + z = 0 Entonces es LD
0 +d + t = 0 Por lo tanto es V
d) + 3 + 2 + = 0
Entonces es V
3 3
e) (x,y,2y) = x(1,0,0) + y(0,1,2)
3
Tiene una base {(1,0,0) ; (0,1,2) }
3
(1,0,0) + (0,1,2) = 0 = = 0 es LI
Por lo tanto es un subespacio vectorial.
11 1 0 0 0 0 0
f) ( 22 )= 11 (0 0 0) + 22 (0 1 0) +
33 0 0 0 0 0 0
0 0 0 0 1 0 0 0 1 0 0 0
33 (0 0 0) + (1 0 0) + (0 0 0) + (0 0 1)
0 0 1 0 0 0 1 0 0 0 1 0
Tiene base:
1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0
{(0 0 0) ; (0 1 0) ; (0 0 0) ; (1 0 0) ; (0 0 0 ) ; (0 0 1)}
0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0
Y es LI Por lo tanto es un subespacio vectorial.
PROBLEMAS PROPUESTOS
1 3 0 3
2. Dadas las matrices = () y =( ), indique si las
3 6 1 0
siguientes expresiones corresponden a un producto interno , =
; , =
TRANSFORMACIONES LINEALES
TRANSFORMACION LINEAL ENTRE DOS ESPACIOSVECTORIALES
SOBRE UN MISMO CUERPO
Sean (, +, , ) (, +, , )dos espacios vectoriales sobre un mismo cuerpo
.La funcin : es una transformacin lineal u homomorfismo si y solo
si:
1) La imagen de la suma de dos vectores cualesquiera de es igual a la suma
de sus imgenes en es decir:
( + ) = () + ()
2) La imagen del producto de cualquier escalar por todo vector de es igual al
producto del escalar por la imagen de dicho vector:
() = ()
Ejemplo:
Sean los espacios vectoriales ( 3 , +, , . ) ( 2 , +, , ) . La funcin: 3 2
definida por (1 , 2 , 3 ) = (1 3 , 2 3 ) indique si es una transformacin
lineal.
Solucin
1)[(1 , 2 , 3 ) + (1 , 2 , 3 )] = (1 + 1 , 2 + 2 , 3 + 3 ) = (1 + 1 3 3 , 2 + 2 3
3 )
(1 , 2 , 3 ) + (1 , 2 , 3 ) = (1 3 , 2 3 ) + (1 3 , 2 3 )
= (1 + 1 3 3 , 2 + 2 3 3 )
2) ((1 , 2 , 3 )) = (1 , 2 , 3 ) = (1 3 , 2 3 ) = (1 3 , 2 3 ) =
(1 , 2 , 3 )
Se comprueba las dos condiciones por los tanto si una transformacin lineal.
Observacin: Una aplicacin, funcin o transformacin lineal es un conjunto de
operaciones que se realizan sobre un elemento de un subespacio vectorial, para
transformarlo en un elemento de otro subespacio, en las transformaciones
lineales se preservan las operaciones de suma de vectores y producto de un
escalar por un vector. El termino funcin lineal es usado incorrectamente en el
anlisis matemtico y en la geometra para designar una recta o en general una
variedad lineal.
Ejemplo:
Supongamos que : 2 3 es una transformacin lineal que verifica (1,0) =
(1,2,3), (0,1) = (0, 1,2). Halle la imagen de (2, 3)
Solucin:
(2, 3) = ((2,0) + (0, 3)) = (2,0) + (0, 3) = (2(1,0)) + (3(0,1))
(2, 3) = 2(1,0) 3(0,1) = 2(1,2,3) + (3)(0, 1,2) = (2,7,0)
() = ()
()
()
+ (+) = () + ()
() = ()
Ejemplo 1:
Solucin:
i) [(1 , 2 , 3 ) + (1 , 2 , 3 )] = (1 +1 , 2 +2 , 3 +3 ) = (1 1 3 3 , 2 2
3 3 )
(1 , 2 , 3 ) + (1 , 2 , 3 ) = (1 3 , 2 3 ) + (1 3 , 2 3 )
= (1 + 1 3 3 , 2 + 2 3 3 ) .
ii) ((1 , 2 , 3 ) = (1 , 2 , 3 ) = (1 3 , 2 3 ) =
(1 3 , 2 3 ) = (1 , 2 , 3 ) . .
Ejemplo 2:
Supongamos que : 2 3 es una transformacin lineal que verifica (1, 0) =
(1, 2, 3) (0, 1) = (0, 1, 2), halle la imagen de (2, 3).
Solucin:
(2, 3) = ((2, 0) + (0, 3)) = (2, 0) + (0, 3) = (2(1, 0)) + (3(0, 1)) =
2(1, 0) + (3)(0,1) = 2(1, 2, 3) + (3)(0, 1, 2) = (2, 7, 0)
Ejemplo3:
Determine una transformacin lineal o aplicacin lineal generado por 3 4 , si las
imgenes estn dadas por (1,2,0, 4) (2,0, 1, 3)
Solucin
Sea (, , ) = (1 + 2 + 3 ) = (1 ) + (2 ) + (3 ) = (1,2,0, 4) +
(2,0, 1, 3) + (0,0,0,0) = ( + 2, 2, , 4 3)
Luego (, , ) = ( + 2 , 2, , 4 3)
Ejemplo 4:
Sea : una transformacin lineal, denotemos mediante 0 Y 0 a los vectores nulos
en V y W respectivamente.
I) del vector nulo del primer espacio por toda transformacin lineal
es el vector nulo del segundo espacio.
(0 ) = (0) = 0() = 0
II) La imagen del opuesto de todo vector del primer espacio es igual al opuesto de
su imagen.
() = ((1)) = (1)() = ()
V W
() 0
El ncleo de toda transformacin lineal es la preimagen del vector nulo del segundo
espacio.
() () = 0
Ejemplo:
Solucin:
() = {(1 , 2 , 3 ) 3 / (1 , 2 , 3 ) = (0, 0)}
(1 , 2 , 3 ) () (1 , 2 , 3 ) = (0, 0) (1 3 , 2 3 ) = (0, 0)
(1 = 3 2 = 3 ) 1 = 2 = 3 = () = {(1, 1, 1) / },el ncleo de f es el
conjunto de todos los mltiplos escalares del vector (1, 1, 1) .
Ejemplo
() = {() / }
PROPIEDAD
La imagen de toda T.L. entre dos espacios vectoriales es un subespacio del codominio.
Ejemplo:
+ 0
Sea : 2 22 definida por (, ) = ( )
0 +
Solucin:
+++ 0
[(, ) + (, )] = [( + , + )] = ( )
0 +++
+ 0 + 0
( )+( ) = (, ) + (, )
0 + 0 +
Tambin:
+ 0 + 0
( (, )) = ( , ) = ( ) = ( ) = (, )
0 + 0 +
Hallando su ncleo:
() = {(1 , 2 ) 2 / (1 , 2 ) 22 }
0 0 + 2 0
(1 , 2 ) () (1 , 2 ) = ( ) ( 1 ) 1 + 2 = 0 1
0 0 0 1 + 2
= 2
La imagen:
() = { 22 / (1 , 2 ) }
=( ) () (1 , 2 ) 2 / (1 , 2 )
+ 2 0
( 1 )=( ) 1 + 2 = = = = 0
0 1 + 2
0
() = ( )
0
1 0
La matriz ( ) es un sistema de generadores de la (), constituye una base de
0 1
dimensin 1.
TEOREMA:
Sea V un espacio vectorial de dimensin finita, entonces la dimensin de est dada por:
() = () + ()
Observacin
() = (() )
() = (() )
() + () = ()
Ejemplos
Solucin
1 0 1 0 1 0
Luego (1 1) (1 1) (0 1) , la imagen de es generada por {(1,0), (0,1)}
1 1 0 0 0 0
2. Ejemplo
Solucin
Calculando la imagen (1 , 2 ) = (1 + 2 , 1 2 , 1 + 22 ) =
1 1 1 2 0 3 2 0 3
( ) ( ) ( ) , luego la imagen es generada por los
1 1 2 1 1 2 0 2 1
vectores que forman la base {(2,0,3), (0, 2,1)} de dimensin dos.
PROBLEMAS
1 4 4 5
5 1 3 0
1) = (
5 5
( 3 3) ( 5 )=I
1 0
5 5 3 5
4 1 4 5
1 3 5 0
3) =(
5 5
( 1) ( 3 5 )=I
1 3 5 5 0 5
3 1 0 4
[T]B2=( ) [T]B1=( ) por lo tanto
1 7 3 5
4 1 4
3 1 1 0 4
( ) =( 3
1 ) ( ) ( 5
3
5
3)
1 7 1 3 5
3 5 5
4
3 1 1
4 43
( ) = (3/5)( 1) (6 1)
1 7 1 3
3 1 3 1
( ) =( )
1 7 1 7
1 0 1 0 1 0
0 2 0 2 0 2
B= 0 0 B2= 0 0 0 0
0 0 0 0 0 0
( 0 0 n) ( 0 0 n) ( 0 0 n)
(1)2 0
0 (2)2
B2= 0 0
0 0
( 0 0 ( n)2 )
(1)+1 0
0 (2)+1
por induccin Bn+1= 0 0
0 0
( 0 0 ( n)+1 )
(1) 0 1 0
0 (2) 0 2
Bn B1= 0 0 0 0 =
0 0 0 0
( 0 0 ( n) ) ( 0 0 n)
(1)+1 0 (1) 0
0 (2)+1 0 (2)
Bn B1= 0 0 Bk= 0 0
0 0 0 0
( 0 0 ( n)+1 ) ( 0 0 ( n) )
por lo tanto queda demostrado por induccin que Bk es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K
1 1 1 1 1
0 1 1 1 1
3. Es posible diagonalizar la matriz A= 0 0 1 1 1
0 0 0 0 1
(0 0 0 0 1)
Solucin:
1 1 1 1 1 1 0 0 0 0
0 1 1 1 1 0 1 0 0 0
P(x)=/ 0 0 1 1 1 - 0 0 1 0 0 /
0 0 0 0 1 0 0 0 1 0
(0 0 0 0 1 ) (0 0 0 0 1)
1 1 1 1 1
0 1 1 1 1
P(x)=/ 0 0 1 1 1 / P(x)=(1--)4 (-) = 0
0 0 0 1
( 0 0 0 0 1 )
Sea V(1)=< (, , , , ) 3 = >
( ) ( )
1 1 1 1 1
0 1 1 1 1
0 0 1 1 1 =
0 0 0 0 1
(0 0 0 0 1) ( ) ( )
p+q+r+s+t=0
q+r+s+t=0
r+s+t=0
t=s
t=0
resolviendo nos sale que
q=0, r=0, s=0, t=0 como no aparece p entonces es un definido con un parmetro
a)
F(-1,1,3)=(6,-4,16) (-1)F(1,0,0) +(1)F(0,1,0) + (3)F(0,0,1) =(6,-4,16) .(1)
F(-2,1,1)=(-2,-5,1) (-2)F(1,0,0) +(1)F(0,1,0) + (1)F(0,0,1) =(-2,-5,1) .(2)
F(3,2,-1)=(1,14,-12) (3)F(1,0,0) +(2)F(0,1,0) + (-1)F(0,0,1) =(1,14,12) ..(3)
2 1 3
A=(3 2 1)
1 4 7
b)
2 1 3 0
A=(3 2 1) () = (0)
1 4 7 0
2 1 3 0 1 0 0 0
(3 2 1) () = (0) (0 1 )
0 ( ) = (0)
1 4 7 0 0 0 1 0
(1 ) = 11 1 + 12 2 + + 1
(2 ) = 21 1 + 22 2 + + 2
( ) = 1 1 + 2 2 + +
Ejemplo 1:
(1) = 0 = 0 + 0 + 0 2 + 0 3
() = 1 = 1 + 0 + 0 2 + 0 3
( 2 ) = 2 = 0 + 2 + 0 2 + 0 3
( 3 ) = 3 2 = 0 + 0 + 3 2 + 0 3
0 1 0 0
[] = (0 0 2 0
)
0 0 0 3
0 0 0 0
Ejemplo 2:
Solucin
Tenemos:
TEOREMA
[] [] = [() ]
Ejemplo 3:
= (5 , 7) = 7(1 , 1) + 2(1,0) = 71 + 22
[] = (7)
2
17
[() ] = ( )
11
TEOREMA
[ + ] = [] + [] [] = []
TEOREMA
Ejemplo
(1 ) = 1 1 + 2 2 (1 ) = 1 1 + 2 2
(2 ) = 1 1 + 2 2 (2 ) = 1 1 + 2 2
1 1
[] = ( 1 ) [] = ( 1 )
2 2 2 2
( + )(1 ) = (1 ) + (1 ) = 1 1 + 2 2 + 1 1 + 2 2
( + )(2 ) = (2 ) + (2 ) = 1 1 + 2 2 + 1 1 + 2 2
1 + 1 1 + 1 1 1
[ + ] = ( )=( 1 )+( 1 )
2 + 2 2 + 2 2 2 2 2
= [] + []
Tambin para
()1 = (1 ) = (1 1 + 2 2 ) = 1 1 + 2 2
()2 = (2 ) = (1 1 + 2 2 ) = 1 1 + 2 2
1 1
[] = ( 1 ) = ( 1 ) = []
2 2 2 2
CAMBIO DE BASE
Definicin.- Sea {1 , 2 , , } una base de V y sea {1 , 2 , , } otra base, supongamos
que:
= + + +
= + + +
= + + +
Ejemplo
Sean las bases {1 = (1, 0), 2 = (0, 1)} y {1 = (1 , 1), 2 = (1 , 0)} luego
1 = (1 , 1) = (1 , 0) + (0 , 1) = 1 + 2
2 = (1 , 0) = 1(1 , 0) + 0(0 , 1) = 1 + 02
1 1
=( )
1 0
1 = (1, 0) = 0(1 , 1) + (1)(1 , 0) = 01 2
0 1
1 = = ( )
1 1
1 1 0 1 1 0
= ( )( )=( )=
1 0 1 1 0 1
TEOREMA
[] = []
Es decir:
[] = 1 []
TEOREMA
[] = []
SIMILARIDAD
Supongamos que A y B son matrices cuadradas para los cuales existe una matriz invertible
P tal que: = 1 , entonces se dice que B es similar a o que se obtiene de A por una
transformacin de similaridad. La similaridad de matrices es una relacin de equivalencia.
TEOREMA
Dos matrices A y B representan el mismo operador lineal T si y solo si son similares la una
a la otra. Todos los representantes matriciales del operador lineal T forman una clase de
equivalencia de matrices similares.
Ejemplo
Solucin
Sea un vector( , ) tal que se forma la combinacin lineal: ( , ) = (3 , 1) + (1 , 1)
= 3 + =
2
+ 3
=+ =
2
Expresando (,) como una combinacin lineal de (3,1) (1,1) , tenemos
+ 3
( ,) = +3 = (3 ,1) + (1 ,1)
(
2
(3 ,1)+
2
(1 ,1)) 2 2
+ 3
( ,) = (2 , 4) + (0 , 2) = ( , 3 + 5)
2 2
(7 ,4) = (3 , 11)
VALOR PROPIO
Todo vector que satisface esta relacin se llama vector propio de T perteneciente al valor
propio .
Demostracin
TEOREMA
POLINOMIO CARACTERISTICO
11 12 1
21 22 2
=( )
1 2
() = ( )( ) ( ),
2
Ejemplo
1 4
Sea la matriz = ( )
2 3
Solucin:
1 3 0
= (2 2 1)
4 0 2
1 3 0
() = ( ) = | 2 2 1 | = 3 2 + 2 + 4
4 0 +2
Ejemplo
3 1 1
Dada la matriz = (2 2 1) determine el polinomio caracterstico y los valores
2 2 0
propios de
Solucin
3 1 1 1 0 0 3 1 1
() = |(2 2 1) (0 1 0)| = | 2 2 1| = (2 )(2 )(1
2 2 0 0 0 1 2 2
) = 0 Entonces los valores propios son = 2 , = 2 , = 1
() = + + + +
TEOREMA
Sean dos polinomios sobre un cuerpo , y sea A una matriz cuadrada de orden ,
sobre , entonces:
i) ( + )() = () + ()
ii) (. )() = (). ()
iii) ()() = ()
OBSERVACION
1. Los vectores propios de las transformaciones lineales son vectores que no se ven
afectados por la transformacin.
2. El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores propios del mismo
valor propio, adems del vector nulo que no es un vector propio.
4. La multiplicidad geomtrica de un valor propio es la dimensin del espacio propio
asociado.
1 2
Ejemplo: Hallar los vectores propios de la matriz = ( )
3 2
SOLUCION:
( ) = 0
1 2
( ) = 0
3 2
1 2
| |=0
3 2
2 3 4 = 0
1 = 1 , 2 = 4
2 2 1
Para 1 = 1 | || | = 0
3 3 2
21 + 22 = 0
31 + 32 = 0
1 + 2 = 0 1 = 2
1 1 1
Vector propio: ( ) = ( ) ( )
2 1 1
Para 2 = 4
3 2 1
| || | = 0
3 2 2
31 + 22 = 0
31 22 = 0
31 = 22
1 2 2
( ) = ( ) ( )
2 3 3
TEOREMA DE CAYLEY-HAMILTON
1 2
Ejemplo: =( )
3 2
() = 2 3 4
1 2 2 1 2 1 0 7 6 3 2 4 0 0 0
() = ( ) 3( )4( )=( )( )( )=( )
3 2 3 2 0 1 9 10 9 6 0 4 0 0
TEOREMA
DIAGONALIZACION
1
2
=
( )
(1 ) = 1 1
(2 ) = 2 2
( ) =
OBSERVACION
Qu es diagonalizar?
Para estudiar una matriz, suele ser conveniente expresarla de la forma ms sencilla posible.
Para estudiar una matriz suele ser conveniente expresarla lo ms sencilla posible ,
diagonalizar una matriz es precisamente escribirla de manera simple encontrando una
matriz invertible y una diagonal ( si es posible) tal que = 1 , la matriz se
denomina matriz de paso .
MATRIZ DIAGONALIZABLE
:
FORMAS CUADRATICAS O CUADRICAS
OBSERVACION
Ejemplo:() = 2 2 + 6 + 2
() = ( )12 (2 3) ( ) = (2 + 3 3 + )12 () = 2 2 + 6 + 2
3 1 21 21
Ejemplo:() = 2 + 2 + 2 + 2 5 + 6
9
1 1
2
() = ( ) 1 1 2 ( )
9
2 1
( 2 )
Ejemplo:() = 3 2 2 + 2 + 2 5 2 + + +
1 1
3 0 0
2 2
1
1 0 0 0
2
1
() = ( ) 0 1 0 0
2
1
0 0 0 1 ()
2
1
(0 0 0
2
5)
Una forma cuadrtica P se dice que se encuentra en su forma diagonal si en ella no aparece
ningn trmino mixto:
1 1
= 11 1 2 + 22 2 2 + + 2 =
() = () () = = ,
() = 11 1 2 + 22 2 2 + + 2
En muchos casos los elementos de la matriz diagonal en la diagonal principal son los
valores propios de A.
1 2 1 2
=( ) , considere = ( )
2 5 0 1
Solucin:
) (1 2
() = ( )( )
2 5
1 2
=( )
2 5
=
1 2 1
() = ( ) ( )
0 1 2
2 ) ( 1 0) (1 2) (1 2 1
() = () () = (1 ) ( )
2 1 2 5 0 1 2
2 ) (1 2) (1 2 1
= (1 ) ( )
0 1 0 1 2
1
() = (1 2 )12 (1 0
) ( ) = (1 2 )12 ( 1 ) 2 2
0 1 22 2 2 21 = 1 + 2
OBS:
1 2
=( )
2 5
1 2
det( ) = det ( ) = 0 2 6 + 1 = 0
2 5
Solucin:
3 1 0 0
1 3 0 0
=( )
0 0 9 2
0 0 2 6
3 1 0 0
| | = | 1 3 0 0
|=0
0 0 9 2
0 0 2 6
3 0 0 1 0 0
= (3 ) | 0 9 2 | |0 9 2 |
0 2 6 0 2 6
1 = 2 , 2 = 4 , 3 = 5 , 4 = 10
Para 1 = 2
1 1 0 0 1 1 0 0
1 1 0 0 0 0 1 0
| || |
0 0 7 2 0 0 0 1
0 0 2 4 0 0 0 0
1 + 2 = 0
3 = 0 (1 2 3 4 ) = (1 1 0 0)
4 = 0
Para 2 = 4
1 1 0 0 1 1 0 0
1 1 0 0 0 0 0 0
| || |
0 0 5 2 0 0 1 0
0 0 2 2 0 0 0 1
(1 2 3 4 ) = (1 1 0 0)
Para 3 = 5 (0 0 1 2)
Para 4 = 10 (0 0 2 1)
1 1 1
1 = = (1, 1, 0, 0) = ( , , 0, 0)
1 2 2
1 1 1 1
2 = 2 1 , 1 1 = (1, 1, 0, 0) (1, 1, 0, 0) , ( , , 0, 0) ( , , 0, 0)
2 2 2 2
= (1, 1, 0, 0)
2 1 1
2 =
=( , , 0, 0)
2 2 2
3 = 3 [3 , 1 1 + 3 , 2 2 ]
= (0, 0, 1, 2)
1 1 1 1
[(0, 0, 1, 2) , ( , , 0, 0) ( , , 0, 0)
2 2 2 2
1 1 1 1
+ (0, 0, 1, 2) , ( , , 0, 0) ( , , 0, 0)] = (0, 0, 1, 2)
2 2 2 2
3 1 2
3 =
= (0, 0, , )
3 5 5
4 = 4 [4 , 1 1 + 4 , 2 2 + 4 , 3 3 ]
4 = (0, 0, 2, 1)
1 1 1 1
[(0, 0, 2, 1) , ( , , 0, 0) ( , , 0, 0)
2 2 2 2
1 1 1 1
+ (0, 0, 2, 1) , ( ,
, 0, 0) ( , , 0, 0)
2 2 2 2
1 2 1 2
+ (0, 0, 2, 1) , (0, 0, , ) (0, 0, , )] = (0, 0, 2, 1)
5 5 5 5
4 2 1
4 =
= (0, 0, , )
4 5 5
1 1
0 0
2 2
1 1
0 0
= 2 2
1 2
0 0
5 5
2 1
0 0
[ 5 5 ]
Luego:
1 1 1 1
0 0 0 0
2 2 2 2
1 1 3 1 0 0 1 1
0 0 0 0
2 2 1 3 0 0
= = ( ) 2 2
1 2 0 0 9 2 1 2
0 0 0 0
5 5 0 0 2 6 5 5
2 1 2 1
0 0 0 0
( 5 5) ( 5 5 )
2 0 0 0
0 4 0 0
=( )
0 0 5 0
0 0 0 10
2 0 0 0 1
4 ) (0 4 0 0 2
() = () = = (1 2 3 ) ( )
0 0 5 0 3
0 0 0 10 4
= 212 + 422 + 532 + 1042
Forma diagonalizada
NOTAS COMPLEMENTARIAS
Superficies
Definicin.
Dada la ecuacin (, , ) = 0 en las variables , , ; la grfica de esta ecuacin en
el espacio tridimensional (3 ) es el conjunto de todos los puntos (, , ) cuyas
coordenadas satisfacen la ecuacin; a dicha grafica se denomina superficie.
Ejemplo.
El plano, la esfera, etc.
Nota.
Existen ecuaciones tales como
a) 2 + ( 2)2 + 2 + 8 = 0, (, , ) 3
b) ( + 2)2 + 9( + 1)2 + 5( 1)2 = 0, ! punto.
Esfera.
Definicin.
Una esfera es el conjunto de todos los puntos del espacio que equidistan de un punto
fijo llamado centro. La distancia de cualquier punto al centro es llamado radio.
Sea (, , ) cualquier punto de la esfera (0 , 0 , 0 ) y radio > 0, luego la
distancia
(, ) = ; > 0 2 (, ) = 2 ; (0 , 0 , 0 )
( 0 )2 + ( 0 )2 + ( 0 )2 = 2 ()
La ecuacin () es de la forma
2 + 2 + 2 + + + + = 0
Se dice que una superficie es simtrica con respecto a una recta si el simtrico da cada
punto, respecto a la recta , es tambin un punto de la superficie.
Se dice que una superficie es simtrica con respecto a una recta si el simtrico de cada
punto, respecto a la recta , es tambin un punto de la superficie.
Ejemplo 1.
Discutir y graficar la ecuacin 9 2 + 4 2 12 = 0.
Solucin.
I. INTERSECCION CON LOS EJES.
i) Con el eje .
Haciendo = = 0 en la ecuacin se obtiene 9 2 = 0 = 0.
La superficie intercepta al eje en el origen de coordenadas.
Al estudiar las otras intersecciones se comprueba que el origen es el nico punto
de interseccin.
ii) Al plano .
Haciendo = en la ecuacin de la superficie se obtiene 9 2 12 +
4 2 = 0.
Esta ecuacin representa a una parbola .
iii) Al plano .
Haciendo = en la ecuacin se tiene 4 2 12 + 9 2 = 0.
Esta ecuacin representa a una parbola .
IV. EXTENSION.
De III (iii) se obtiene .
De III (ii) se obtiene .
De III (i) se obtiene [0; +.
V. SIMETRIAS.
La superficie es simtrica con respecto al plano , al plano y al eje .
VI. GRFICA.
La grfica de esta
ecuacin se denomina
paraboloide elptico.
Ejemplo 2.
Discutir y graficar la superficie cuya ecuacin es 2 4 + 2 = 0.
Solucin
I. INTERSECCION CON LOS EJES.
i) Con el eje .
Haciendo = = 0 en la ecuacin se obtiene 0 = 0, esto significa que
todo punto del eje satisface la ecuacin de la superficie, es decir, la
interseccin de la superficie con el eje es el eje .
ii) Al plano .
Haciendo = en la ecuacin de la superficie se obtiene 2 = 4 2 ,
es una recta .
iii) Al plano .
Haciendo = en la ecuacin se tiene 2 4 + 2 = 0, es una parbola
.
IV. EXTENSION
(De III iii)
(De III ii)
; 2] (De III i)
V. SIMETRIAS
Existe simetra con respecto al plano .
VI. GRFICA
La grfica de esta ecuacin se denomina cilindro parablico.
Superficies cuadrticas
Una superficie cudrica o simplemente cudrica o cuadrtica es la grfica de una ecuacin
de segundo grado en las variables , , .
Elipsoide.
Su ecuacin es de la forma:
2 2 2
+ + =1
2 2 2
Donde, y son nmeros positivos.
[; ]
[; ]
[; ]
Si 2 = 2 = 2 , es una esfera.
Si 2 = 2 (o 2 = 2 , o 2 = 2 ) es un elipsoide de revolucin o esferoide.
Un esferoide cuyo tercer nmero es mayor que los dos nmeros iguales, se llama
esferoide alargado (la elipse que la genera gira alrededor de su eje mayor). Si el tercer
nmero es menor que los dos nmeros iguales, se llama esferoide achatado (la elipse
que la genera gira alrededor de su eje menor).
Las secciones transversales al plano o el plano son hiprbolas. (En los planos
= , = son dos rectas que se cortan).
Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
Esta superficie es simtrica con respecto a los ejes coordenados, a los planos
coordenados y al origen.
El centro de esta superficie es el origen de coordenadas. Si su centro es (0 , 0 , 0 ),
su ecuacin es de la forma:
( 0 )2 ( 0 )2 ( 0 )2
+ =1
2 2 2
Observacin
Las tres superficies cudricas (elipsoide, hiperboloide de una hoja e hiperboloide de
dos hojas) tambin se denominan cudricas centrales. En general cualquier ecuacin
de la forma:
( 0 )2 ( 0 )2 ( 0 )2
=1
2 2 2
Donde, y son positivos, representa a una cudrica central con centro en
(0 , 0 , 0 ).
Paraboloide hiperblico.
Su ecuacin es de la forma
2 2 2 2 2 2
= (o = , o = )
2 2 2 2 2 2
Donde, y son nmeros positivos y 0.
En la figura de abajo se muestra la grfica de
2 2
=
2 2
Con > 0.
Las secciones transversales al plano son hiprbolas (En el plano = 0 son dos
rectas que se cortan). Las secciones transversales al plano y al plano son
parbolas.
Esta superficie es simtrica con respecto al eje , al plano y al plano .
El origen de coordenadas es el punto de silla (de montar) de esta superficie. Si el punto
de silla es (0 , 0 , 0 ), su ecuacin es de la forma:
( 0 )2 ( 0 )2
+= ( 0 )
2 2
Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
El origen de coordenadas es el vrtice de esta superficie. Si el vrtice es (0 , 0 , 0 ),
la ecuacin es de la forma:
( 0 )2 ( 0 )2 ( 0 )2
+ =
2 2 2
PROBLEMAS
Solucin:
7 2 0
( ) (2 6 0) () + 6 (1 1 2) () - 19 =0
2
0 0 5
7 2 0
(2 6 0)
0 0 5
7 2 0
| 2 6 0 | = ( 5)(2 13 + 38)=0
0 0 5
1317 13+17
1 =5 , 2 = , 3 =
2 2
Para 1 =5:
2 2 0 0
(2 1 0) ()=(0)
0 0 0 0
0
x=y=0 , z=t 1 =(0)
1
1317
Para 2 = :
2
1+17
2 0
2 0
1+17
2 0 ()=(0)
2
3+17
0
( 0 0 2 )
0
x=y=z=0 2 =(0)
0
13+17
Para 3 = :
2
117
2 0
2 0
117
2 0
( )=(0)
2
317
0
( 0 0 2 )
0
x=y=z=0 3 =(0)
0
Entonces:
0 0 0
()=(0 0 0) ( )
1 0 0
Luego:
5 0 0
1317
(
) 0
2
0 ( ) + 6(1 1 2) () - 19/2 = 0
13+17
(0 0 2 )
5 0 0
1317
(
) 0
2
0 ( ) + 6(2 0 0) ( ) - 19/2 = 0
13+17
(0 0 2 )
1317 13+17
52 + 2 + 2 + 12x - 9.5 = 0
2 2
1317 13+17
5( + 1.2)2 + 2 + 2 - 16.7= 0
2 2
+ 1.2=x
1317 13+17
52 + 2 + 2 - 16.7= 0
2 2
Haciendo x constante:
1317 13+17
2 + 2 - 16.7 + = 0
2 2
Haciendo y constante:
13+17
52 + 2 - 16.7 + = 0
2
Haciendo z constante:
1317
52 + 2 + =0
2
Entonces en conjunto formaran un esferoide o un elipsoide de revolucin.
2 1 0 9
() = (1 2 1) () , (0) = (10)
0 1 2 11
Solucin:
2 1 0
Sea A= (1 2 1)
0 1 2
Luego hallamos los valores y vectores propios de A:
2 1 0
| 1 2 1 | = 0 ( 2)(2 4 + 2)=0
0 1 2
Para 1 =2:
0 1 0 0 1
(1 0 1) ()=(0) y=0, -x-z=0 1 =( 0 )
0 1 0 0 1
Para 2 =2-2:
2 1 0 0 1
(1 2 1) ()=(0) x=z, y=2 2 =(2)
0 1 2 0 1
Para 2 =2+2:
2 1 0 0 1
( 1 2 1 ) ( )=(0) x=z, y=-2 2 =(2)
0 1 2 0 1
1 1 1 2 0 2
1 1
Luego P=( 0 2 2), = 4 (2 2 2)
1 1 1 1 2 1
Se sabe:
2 0 0
= P. . 1 , =( 0 (22)
0 )
0 0 (2+2)
1 1 1 2 0 0 2 0 2
1
=4 ( 0 2 2) ( 0 (22)
0 ) (2 2 2)
1 1 1 0 0 (2+2) 1 2 1
2 (22) (2+2) 2 0 2
1
= 4 ( 0 2 (22) 2 (2+2) ) (2 2 2)
2 (22) (2+2) 1 2 1
=
2 2 + 2 (22) + (2+2) 2 (22) 2 (2+2) 2 2 + 2 (22) + (2+2)
1
( 22 (22) 2 (2+2) 2 (22) + 2 (2+2) 22 (22) 2 (2+2) )
4
2 2 + 2 (22) + (2+2) 2 (22) 2 (2+2) 2 2 + 2 (22) + (2+2)
=
2 2 + 2 (22) + (2+2) 2 (22) 2 (2+2) 2 2 + 2 (22) + (2+2) 9
1
( 22 (22) 2 (2+2) 2 (22) + 2 (2+2) 22 (22)
2 (2+2) ) (10)
4
2 2 + 2 (22) + (2+2) 2 (22) 2 (2+2) 2
2 + 2 (22)
+ (2+2) 11
3 4 2 8
0 1 1 0
A =( )
0 0 1 5
0 0 0 4
Solucin:
310 0 0 0 310 0 0 0
0 110 0 0
10 =( )=( 0 1 0 0 )
0 0 (1)10 0 0 0 1 0
0 0 0 410 0 0 0 410
310 0 0 0
| 0 1 0 0 |=0
0 0 1 0
10
0 0 0 4
1 = 310 , 2 = 3 = 1, 4 =410
Para 1 =310 :
0 0 0 0 0
0 1 310 0 0 0
( ) ( )=( )
0 0 1 310 0 0
0 0 0 410 310 0
1
0
y=z=t=0 1 =( )
0
0
Para 2 = 3 = 1:
310 1 0 0 0 0
0 ) ( )=(0)
( 0 0 0
0 0 0 0 0
0 0 10
0 4 1 0
0 0
1 0
x=t=0 2 =( ) y 3 =( )
0 1
0 0
Para 4 =410 :
310 410 0 0 0
( 0 1 410 0 0)
0 0 1 410 0
0 0 0 0
0
0
x=y=z=0 4 =( )
0
1
3.-Sea : 22 3 una transformacin lineal tal como:
(| |) = ( + 2 , + 4 + , + 8 + )
Solucin:
Calculamos la base canonica:
1 0
(| |) = (1,1,0)
0 0
0 1
(| |) = (2,4,1)
0 0
0 0
(| |) = (1,0,8)
1 0
0 0
(| |) = (0,1,1)
0 1
1 2 1 0
= [1 4 0 1]
0 1 8 1
Desarrollando se llega a:
1 0 0 0
= [0 1 0 0]
0 0 1 0
Dim I=3
Dim k=1
1 2 1
= {(1) , (4) , ( 0 )}
0 1 8
1 1
(| |) = (2,6,10)
1 1
1 1
(| |) = (0,1,8)
0 0
0 0
(| |) = (0,1,1)
0 1
0 1
(| |) = (1,5,10)
1 1
2 0 0 1
=(6 1 1 5)
10 8 1 10
1 3
La imagen de [ ]:
2 2
1 3 1 0 0 1 0 0 0 0
[ ] = 1 ( ) + 3( ) + 2( ) +2( )
2 2 0 0 0 0 1 0 0 1
De aqu:
1 6 2 0
1 3
[ ] = (1 12 0 2)
2 2
0 3 16 2
1 0 0 0
= (0 1 0 0)
0 0 1 0
1 6 2
= {(1) , (12) , ( 0 )}
0 3 16
0
5.a) Sea la matriz = |0 |
1 0 0
Si : 3 3 ,
Solucin:
a)
0
|0 | = 2 + 2 = 1
1 0 0
2 + 2 = 2 + 2 = 1
Por tanto la grfica es:
b)
Sabemos que:
A=P.B.P-1
Entonces los datos nos dan los vectores propios con lo cual:
1 1 1
= ( 0 1 2)
1 1 1
1 3 6 3
1 = (2 2 2)
6
1 2 1
6 0 0
= (0 6 0)
0 0 12
Por tanto reemplazando en A=P.B.P-1 nos debe salir:
1 1 1 6 0 0 1 3 0 3
=( 0 1 2) (0 6 0 ) (2 2 2)
6
1 1 1 0 0 12 1 2 1
7 2 1
= (2 10 2)
1 2 7
Sea el sistema
1
= 1 (, 1 , 2 , , )
2
= 2 (, 1 , 2 , , )
= (, 1 , 2 , , )
Se trata de un sistema de n ecuaciones de 1 orden, se le conoce
como sistema de primer orden.
1
= 11 ()1 + 12 ()2 + + 1 () + 1 ()
2
= 21 ()1 + 22 ()2 + + 2 () + 2 ()
= 1 ()1 + 2 ()2 + + () + ()
Es homogneo si =
EJEMPLO
= 6 + + +
6 1 1
= 8 + 7 + 10 = (8 7
1) ( ) + (10 )
2 9 1 6
= 2 + 9 + 6
1 = 1 (), 2 = 2 (), , = ()
= 1 1 + 2 2 + +
Donde los coeficientes son constantes
El vector solucin est dado por {1 = 01 , 2 =
0 2 , , = 0 }
Para 0 constantes
0 = 0 ; = 1,2, ,
=1
Dividiendo por se obtiene
(11 ) 01 + 12 0 2 + + 1 0 = 0
21 01 + (22 ) 0 2 + + 2 0 = 0
1 01 + 2 0 2 + + ( ) 0 = 0
El sistema de ecuaciones lineales con incgnitas
01 , 0 2 , , 0 es homogneo .Por consiguiente tiene una
solucin no nula si y solo si se anula el determinante, es decir
11 12 1
| 21 22 2 | = 0 , ( )
1 2
=0
1 (0 ) 1
( ) 2
(0 ) = ( 2 0 ) , =()
(0 )
El problema consiste en resolver =
() + () sujeto a (0 ) = 0 , es un problema
de valor inicial en el intervalo.
PRINCIPIO DE SUPERPOSICION
Sean 1 , 2 , , un conjunto de vectores
solucin de un sistema homogneo en un intervalo
entonces la combinacin lineal:
= 1 1 + 2 2 + +
1 = 1 1 , 2 = 2 2 , , =
= 1 1 + 2 2 + +
Ejemplo: Resolver
2 3
= ( )
2 1
Solucin:
Busquemos los valores y vectores propios de la matriz de los coeficientes:
2 3
=( )
2 1
2 3
( ) = | |=0
2 1
2 3 4 = ( + 1)( 4) = 0
1 = 1 2 = 4
Para 1 = 1
3 3 1 1 1 0
| || | | | = | |
2 2 0 0 2 0
1 + 2 = 0 1 = 2
1
1 = ( )
1
Para 2 = 4
2 3 2 3 1 0
| || | | | = | |
2 3 0 0 2 0
21 + 32 = 0
3
2 = ( )
2
1 3
1 = ( ) 1 , 2 = ( ) 4
1 2
1 3
= ( ) 1 + ( ) 4
1 2
3 3
1 = ( ) , = ( ) 3
1 1
Observacin:
En general si m es un entero positivo y ( 1 ) es un factor de la ecuacin caracterstica,
mientras que ( 1 )+1 no lo es, entonces se dice que 1 es un valor propio de
multiplicidad m.
Ejemplo: Resolver
1 2 2
= (2 1 2)
2 2 1
Solucin:
1 2 2
( ) = | 2 1 2 | = 0
2 2 1
1 = 2 = 1 3 = 5
Para 1 = 2 = 1
2 2 2 1 1 1 1 0
|2 2 2| |0 0 0| |2 | = |0|
2 2 2 0 0 0 3 0
1 2 + 3 = 0
1 0
1 = (1) ; 2 = (1)
0 1
1 0
1 = (1) , 2 = (1)
0 1
Para 3 = 5
4 2 2 1 0 1 1 0
|2 4 2| | 0 1 1| |2 | = |0|
2 2 4 0 0 0 3 0
1 + 3 = 0
2 + 3 = 0
1 1
3 = (1) ; 3 = (1) 5
1 1
1 0 1
= (1) + (1) + (1) 5
0 1 1
100 0
0 10 0
0 0 0 0
() =
0 00 1
(0 00 0 )
()es una matriz cuadrada de orden k con en la diagonal, cifras 1 como se indica y
cifras 0 en el resto.
3 1 0 0
2 1 0
10 1 0 3 1 0
(5), ( ) , ( 0 2 1 ) , ( )
0 10 0 0 3 1
0 0 2
0 0 0 3
1 (1 )
2 (2 )
() =
( ( ))
0
Ejemplo: Matrices de orden 2 2 ( ) .
0
0 0 1 0 0 0 1 0
(0 0 ) , (0 0 ) , (0 1 ) , (0 1)
0 0 0 0 0 0 0 0
TEOREMA: Sea A una matriz de orden una matriz C invertible de orden n tal que
= 1 , donde J es una matriz de Jordan cuyos elementos en la diagonal son los valores
propios de A, la matriz de Jordan J es nica salvo por el orden en el que aparecen los bloques.
Esta matriz se llama forma cannica de Jordn.
2 1 0 0 0 0
0 2 1 0 0 0
0 0 3 1 0 0
0 0 0 3 1 0
0 0 0 0 3 0
(0 0 0 0 0 5)
Tambien lo es la matriz
2 1 0 0 0 0
0 2 1 0 0 0
0 0 3 1 0 0
0 0 0 3 1 0
0 0 0 0 3 0
(0 0 0 0 0 5)
OBSERVACIONES
1. Cmo saber si es un vector propio de A?
Calcule el vector =
es vector propio si y solo si es multiplo escalar de , esto se puede hacer
formando la matriz ampliada y reduciendo a una forma escalonada, es el vector
propio si el sistema es consistente.
2. Cmo saber si es una valor propio de A?
Formar y reducir el sistema [ ] = [0] es un valor propio si y solo si el
sistema tiene al menos una variable libre.
3. Cmo determinar la multiplicidad algebraica de un valor propio de A?
- Calcule el polinomio caracterstico de A
() = det( )
TEOREMA
1 dim
TEOREMA
Ejemplos
2 5
1. Diagonalizar la matriz = ( )
2 1
Solucin:
Calculamos los valores y vectores propios de la matriz A.
2 5
| | = 0 1 = 3, 2 = 4
2 1
= 3
5 5 1 1 1 1 0
| || || || | = | |
2 2 1 1 0 0 0
1
=0 1 = ( )
1
=4
2 5 2 5 2 5 0
| || || || | = | |
2 5 0 0 0 0 0
5
2 + 5 = 0 2 = ( )
2
1 5
=( )
1 2
Determinando 1
1 1 1 0 1 0 2/7 5/7
| || |
0 0 0 1 0 1 1/7 1/7
2/7 5/7
1 = ( )
1/7 1/7
2/7 5/7 2 5 1 5 3 0
1 = ( )( )( )=( )
1/7 1/7 2 1 1 2 0 4
3 5
( )
5 3
3 5
| | = 2 6 16 = ( + 2)( 8) = 0
5 3
1/2 1/2
Ortonormalizacin: La matriz = ( )
1/2 1/2
1/2 1/2
() = ( ) ( )
1/2 1/2
1 1 1 1
= , = +
2 2 2 2
Reemplazando en ()
1 1
2 0
= ( )12 ( ) ( ) + 2(72 92)12 2 2 ( )
0 8 22 21 1 1 21
(2 2 )22
2 2
= 2( 2 + 1 1) + 8( 4 + 4 4) + 38 = 0
= 2( 1)2 + 8( 2)2 + 8 = 0
= ( 1)2 + 4( 2)2 + 4 = 0
Si: = 1
= 2
2 2
= + 4 + 4 = 0
2
2
: = 1
4
OBS:
3. Hallar la ecuacin cannica de la siguiente cudrica o cuadrtica:
2 2 + 4 8 4 + 6 5 = 0
2 4
| 2 2 2| = 0 ( + 4)( 6) = 0
4 2
Para 1 = 4
4 2 4 1 0 1 0
|2 6 2| |0 1 0 | || = |0|
4 2 4 0 0 0 0
1
=0 1 = (0)
1
=0
Para 2 = 0
0 2 4 0 1 2 1 0 1 0
|2 2 2| |1 0 1 | |0 1 2| || = |0|
4 2 0 0 0 0 0 0 0 0
1
+ =0 2 = ( 2 )
1
2 = 0
Para 3 = 6
6 2 4 1 0 1 0
| 2 4 2| |0 1 1| || = |0|
4 2 6 0 0 0 0
58 9 1 4
6 + =0
8 8 2 4
2
3
1 2 35
(2 ) + 6 ( ) 6 ( + )=0
22 23 86
3
2 =
2
1
=
23
35
+ =
86
2 2
+ 6 6 = 0
6 = 6
Sea =
2
+ 62 6 = 0
2
6 = 62
Paraboloide hiperblico
MATRIZ EXPONENCIAL
Es una funcin definida sobre las matrices cuadradas, se parece a la funcin exponencial.
Sea X una matriz cuadrada de orden n de nmeros reales o complejos, la exponencial de x
denotada por
=
=0 ,es decir
!
2 3
= lim = ++ + +
! 2! 3!
=0
PROPIEDADES
1. = (identidad)
2. exp() exp() = (+) ()
3. () exp() =
4. ( )1 = ()
5. det = ( , )
6. exp = (exp )
7. = = + = ( )
8. = 1
9. : | |
10. :
:
2 3
= ++ + ++
2! 3! !
Luego A tiene alguna potencia nula = 0 , A es nilpotente de orden k.
0 0 0
Ejemplo: = (1 0 0)
0 1 0
0 0 0 0 0 0
2 = (0 0 0) , 3 = (0 0 0)
1 0 0 0 0 0
Luego:
0 0 0
(1 0 0) 1 0 0 0 0 0 1 0 0 0 1 0 0 0
0 1 0 = (0 1 0) + (1 0 0) + (0 0 0) + (0 0 0) +
2 6
0 0 1 0 1 0 1 0 0 0 0 0
0 0 0
(1 0 0) 1 0 0
0 1 0 = ( 1 1 0)
1/2 1 1
1 0 0
0 2 0
=( )
0 0
= 1 j
Las matrices cuadradas reales o complejas pueden ser interpretadas como expresiones en
una base dada de una aplicacin lineal, mediante este hecho se puede expresar con mayor
comodidad la exponencial de una matriz.
= 1
( )
= = = =
! !
= =
0
1
=
( )
0
1
=
( )
Si tenemos una matriz diagonal de bloque como la de Jordn, sus potencias resultan ser una
matriz diagonal de bloque, donde cada bloque es la potencia del correspondiente bloque.
Ejemplo:
1 0 0
1. Sea la matriz = (1 3 0) , el polinomio caracterstico de dicha matriz es:
1 1 1
() = (1 )2 (3 )
El polinomio mnimo coincide con () = ()
Los valores propios 1 2 3 1.
Se puede establecer la forma de Jordn y una matriz de paso P.
1 0 0 0 0 0
= (1 3 0) = (2 0 0)
1 1 3 1 1 1
1
= = 1
0 0
= ( 0)
0 0 3
1/2 0 0 0 2 0 0
= 1 = (1/12 1/6 1/3) ( 0 )( 1 0 2)
1/4 1/2 0 0 0 3 0 3 1
0
2
3
= 3
4 3 2
3 3
( 4 0 2 )
2. Resolver:
1 () = 31 () 2 ()
()
2 = 21 () + 22 ()
Con 1 (0) = 120 2 (0) = 150
Solucin:
() 3 1 1 ()
( 1 ) = ( )( )
2 () 2 2 2 ()
3 1
Para ( )
2 2
Buscando sus valores y vectores propios se obtiene: 1 = 1 2 = 4
1 1
1 = ( ) 2 = ( )
2 1
Entonces:
1 1 1 1 1
=( ) 1 = ( ) ( )
2 1 2 1 3
1 0
==( )
0 4
= ( 0 )
0 4
Luego:
1 1 1
0 ) (1 1)
= 1 = ( ) (
3 2 1 0 4 2 1
1 4
+ 4 )
= ( 2 4
3 2 + 2 2 4
() 1 4
+ 4 ) (120)
= ( 1 ) = 0 = ( 2 4
2 () 3 2 + 2 2 4 150