(NOCIONES DE ALGEBRA LINEAL)

MATRICES, SISTEMAS DE ECUACIONES

LINEALES Y DETERMINANTES

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

B=[ ] .Si B se puede obtener de A por medio de un numero finito de las

llamadasoperaciones elementales por filas.

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.

Rango de una matriz

Una de las definiciones est dada por la cantidad de filas no nulas en una matriz
escalonada.

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 anti simtrica

Se presenta cuando A= - At
La matriz debe ser cuadrada, los elementos de la diagonal principal son ceros.

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.

Definicin(Traza de una matriz)

Sea A una matriz cuadrada, la traza de A: tr(A) es la suma de elementos de la
diagonal principal de la matriz A.
tr(A) = 11 + 22 ++ann

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

Obtencin de la matriz inversa de una matriz mediante

operacioneselementales:

Se aplica el mtodo de Gauss-Jordn.

Sea: A=[ ]

(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

Matriz triangular superior

Una matriz cuadrada se llama triangular superior si y solo si =0 para i>j
Ejemplo:
1 2 3
(0 4 5 )
0 0 6

Matriz triangular inferior

Una matriz cuadrada A=[ ] es triangular inferior si y solo si =0 para i<j
Ejemplo:
1 0 0 0
0 2 0 0
( )
1 0 3 0
2 1 0 4

APUNTES SOBRE LOS NUMEROS COMPLEJOS

Definicin: El conjunto de los nmeros complejos es el conjunto R2 de pares ordenados
de nmeros reales, dotado con las operaciones internas de adicin y multiplicacin,
definidas de la siguiente forma:

Adicin:

(a ; b)+(c ; d) = (a+c ; b+d)

Multiplicacin:

(a ; b).(c ; d) = (ac-bd ; ad+bc)

Notacin
a; b / a , b

Todo elemento de se denomina nmero complejo.

Definicin de nmero complejo

Un numero complejo es todo par ordenado de nmeros reales (x ; y) que

pertenecen a C.

z z (x;y),x,y

El primer elemento x, se denomina parte real de z y se denota por Re(z)

El segundo elemento y, se denomina parte imaginaria de z y se denota por

Im(z)

Ejemplo:

3 Re(z)
z (3; 4)
4 Im(z)
Propiedades

Sea z1 ;z2

a) Re(z1 z2 ) Re(z1) Re(z2)

b) Im(z1 z2 ) Im(z1) Im(z2 )

c) Re(i z) Im(z)

d) Im(iz) Re(z)

Representacin grafica de un numero complejo

Cada numero complejo z = (a ; b), se puede representar por un punto P de

un plano; las partes real a e imaginaria b son las coordenadas de P
en un sistema cartesiano ortogonal cuyos ejes se llaman eje real y eje
imaginario.

El plano usado para representar el conjunto C de los nmeros complejos

se denomina plano complejo (diagrama de Argand).
Como tambin cada punto del plano representa un vector de origen (0 ; 0)
y extremo P, la correspondencia anterior nos permite representar a cada
numero complejo z por un vector OP .

Los nmeros complejos como una extensin de los nmeros reales

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)

Podemos observar que f es inyectiva y suryectiva y por lo tanto biyectiva,

adems f conserva las operaciones de adicin y multiplicacin:

f(a)+f(b) = f(a+b), (a ; 0)+(b ; 0) = (a+b ; 0)

f(a).f(b) = f(ab), (a ; 0).(b ; 0) = (a.b ; 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 notacin cartesiana de un numero complejo z como par ordenado

z (a,b) no es conveniente para operar, por ejemplo, si z (2, 3) resulta
muy laborioso calcular z5 (2 , 3)5 .

La unidad imaginaria

Al nmero complejo (0,1) se le denomina la unidad imaginaria y lo

representamos por i, entonces i (0,1)

Usando la multiplicacin de complejos y la identificacin de con 0

:

i2 i i (0,1) (0,1) ( 1,0) 1

Entonces z (a,b) (a,0) (0,b) como: (0,b) (b,0) (0,1) , podemos escribir:

z (a,0) (b,0) (0,1) a bi

Proposicin

Todo nmero complejo z (a,b) puede ser representado en forma nica

en la forma z a bi , denominada forma binomica de z

Potencias de la unidad imaginaria

i1 i i5 i i9 i

i2 1 i6 1 i10 1

i3 i i7 i i11 i

i4 1 i8 1 i12 1

De la tabla podemos deducir:

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.

2) i4k 1 , i4k a ia , k es entero.

Corolario

ia1a2a3...an1 an2 ian1 an2

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

Complejo nulo: z (0,0) 0 0i 0

Opuesto de un complejo: si z (a,b) , su opuesto es

z (a , b) a bi

Im
Z

Re

Conjugado de un complejo:

Si z x yi , se denomina conjugado de z al complejo z definido por:

z x yi
Im Z=(a; b)

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 )

Modulo de un nmero complejo

Sea Z a bi , el modulo del complejo Z denotado por Z , se define como:

Z a2 b2 , a,b

Ejemplo:

Z = 4 + 3i Z 42 32 25 5

Propiedadesdel conjugado de un numerocomplejo

1. Z Z ;
2. Z1 Z2 Z1 Z2
3. Z1.Z2 Z1.Z2
Z1 Z1
4. Z ; Z2 0
2 Z2
5. Re Z Z Z
2
6. Im Z Z Z
2i
7. Z Z Z

II. Del mdulo de un complejo

1. Z ; | Z | 0
2. Z 0 Z 0 (Complejo nulo)
3. | Z1 . Z2 | = | Z1 | | Z2 |
4. Z Z ;
Z1 Z1
5. ; Z2 0
Z2 Z2
6. |Z|=| Z |=|Z|
7. | Z |2 = Z . Z
8. | Z1 + Z2 | | Z 1 | + | Z2 |
(Desigualdad triangular)
9. | Zn | = | Z |n ; n \ 0
Operaciones en forma cartesiana
Adicin:

(a + bi) + (c + di) = (a + c) + (b + d)i

Sustraccin:

(a + bi) - (c + di) = (a - c) + (b - d)i

Multiplicacin:

(a + bi) (c + di) = (ac - bd) + (ad + bc)i

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

la potencia se vuelve laboriosa

Radicacin: n x yi a bi x yi (a bi)n ,
la radicacin se vuelve complicada
Argumento de un nmero complejo no nulo

El argumento de un nmero complejo, es el ngulo que forma el semieje

positivo de abscisas, con la semirrecta que une el origen de coordenadas
con el afijo de z. No se define el argumento del numero complejo (0 ; 0)

Dado z \ (0 , 0) , un argumento de z es cualquier tal que:

Re(z) Im(z)
cos , sen
z z

Podemos definir el conjunto de los argumentos de un nmero complejo z

no nulo y denotarlo por arg z.

Re(z) Im(z)

argz / cos ,sen

z z

Argumento principal de un nmero complejo no nulo

Un nmero complejo z \ (0 , 0) , tiene infinitos argumentos si uno de

ellos es los dems estn expresados por la frmula: 2k , k .Para
que sea nico, basta con imponer la condicin adicional que pertenezca
a un cierto intervalo semiabierto de longitud 2 tal como [0,2 , , ]
, etc.Entonces, de entre los infinitos argumentos de z, se denomina
argumento principal de z \ (0 , 0) y se denota Arg z, al que verifica la
condicin 0 2 .

Es decir 0 Arg z 2 , adems arg z Arg z 2k ,k

Nota: En otros pases, el argumento principal de z \ (0 , 0) , es el valor
de Arg z , tal que Arg 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

Forma polar o trigonomtrica de un nmero complejo

Dado el nmero z C \ (0,0)

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:

z r cos ir sen r(cos isen ) , es la forma polar o trigonomtrica de

z.
Operaciones en forma polar o trigonomtrica

Sean: z1 r1(cos 1 isen 1) z2 r2 (cos 2 isen 2 )

a) z1.z2 r1r2 cos(1 2 ) isen(1 2 )

z r
b) 1 1 cos(1 2 ) isen(1 2 )
z2 r2
c)z1n r1n cos(n1) isen(n1) ; n Z
 2k 2k
d) n z1 n r1 cos( 1 ) isen( 1 )
n n
, k 0 , 1, 2 , 3 , ... , (n 1), n ,n 2
Frmula de De Moivre
Se usa para calcular senos y cosenos de ngulos mltiples

(cos i sen )n cosn i senn

Ejemplo: Si n = 2

(cos isen )2 cos 2 isen2

cos2 sen2 i(2sen cos )
cos 2 sen 2
cos 2 isen2 ,
igualamos parte real y parte imaginaria
entonces cos 2 cos2 sen2
y sen2 2sen cos
Identidades notables

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 ;

(z z1)6 z6 6z4 15z2 20

15z2 6z4 z6
(z z1)6 (z6 z6 ) 6(z4 z 4 )
2cos(6) 2cos(4)
2 2 6
15(z z ) 20 2 cos6
2cos(2)

1 3 15 5
cos6 cos 6 cos 4 cos 2
32 16 32 16

Notacin fasorial

Se usa en el anlisis de circuitos con corriente alterna

z r(cos isen ) z r

Notacin cientfica

Se usa para abreviar la escritura de la forma polar:

z r(cos isen ) z r cis

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 ,

Como z r(cos isen )

z rei (Forma exponencial de z)

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

Operaciones en forma exponencial

Sean: z1 r1ei1 , z2 r2 ei2

a) z1.z2 r1r2 ei(12 )

 z1 r1 i(12 )
e
b) z
2 r2

c) z1n r1n ei(n1) ; n

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

Raz ensima de la unidad

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.

b) El producto de las races ensimas de la unidad es ( 1)n1

Races cubicas de la unidad

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

Lugar geomtrico de nmeros complejos

Para graficar el lugar geomtrico o identificar geomtricamente los

conjuntos de nmeros complejos z que verifican determinadas
condiciones, se remplazan en las condiciones z x yi o segn convenga
z rei .

Ejemplo: Graficar los nmeros complejos z que verifican la condicin:

z r

Solucin:

z r x 2 y2 r x 2 y2 r 2

Es la ecuacin de una circunferencia centrada en el origen de radio r

Ejemplo: Graficar los nmeros complejos z que verifican la condicin:

z z0 r, r 0, z0 fijo
Solucin:

z z0 r (x x0 )2 (y y0 )2 r

(x x0 )2 (y y0 )2 r 2

Es la ecuacin de una circunferencia centrada en (x0 ,y0 ) de radio r

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),

( x1 1)2 (y1 1 1)2 1 (x1 1)2 (y1 2)2 1 , es la ecuacin de una

circunferencia de centro ( -1 , 2) y radio 1.

El polinomio complejo

Sea Z C ,un polinomio definido sobre el conjunto de los nmeros

complejos tiene la forma: P(z) anzn an1zn1 ......... a1z a0 , an 0
Donde: n N , es el grado del polinomio, ai C , son los coeficientes
complejos
Teorema fundamental del algebra

Todo polinomio no constante con coeficientes complejos tiene al menos

un cero complejo.

Teorema

Sea P(z) a0 a1z ......... an1zn1 anzn , an 0 ,un polinomio complejo

de grado n 1, P(z) tiene n races complejas(contando cada una segn su

multiplicidad). Es decir, existen n nmeros complejos (iguales o distintos)
z1,z2,z3,...,zn , tal que:

P(z) an(z z1)(z z2 )(z z3 )....(z zn)

Teorema

1) Todo polinomio de grado impar con coeficientes reales tiene al menos

una raz real.

2) En los polinomios con coeficientes reales si z a bi es una raz del

polinomio, entonces su conjugado z a bi tambin lo es.

Nota

Todo polinomio de grado n 1, con coeficientes reales se puede factorizar:

a) como un producto de polinomios reales de grados uno y dos.

P(x) (ax b)n (cx2 dx e)m

b) como un producto de polinomios complejos de grado uno.

Matrices con elementos complejos

Los elementos de una matriz pueden ser nmeros complejos Z= a + bi, el
complejo conjugado se define =a-bi
Respecto a las operaciones tomemos como ejemplo:
 2+ 3 2 3 2
A=( ), B=( )
4 5 1+ 2 + 3
Luego:
5+ 3 11 + 4 10 + 9
A+B= ( ) AB= ( )
5 + 2 + 8 7 + 5 15 + 18
4 + 2 6 4
2A= ( )
8 10

El conjugado de una matriz denotado por se obtiene al tomar el conjugado de

cada uno de los elementos de la matriz A.
La traspuesta conjugada de una matriz A sedenota por A*= t
Ejemplo:
2 + 3 1 4
A=( )
6 7
2 3 1 + 4
=( )
6 7
2 3 6
A* = ( )
1 + 4 7
Se dice que la matriz cuadrada E es hermitiana si E = E*
Ejemplo:
2 3 4
E=( )
3 + 4 6
2 3 + 4
=( )
3 4 6
2 3 4
E*= ( ) => E = E*
3 + 4 6

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

El concepto de determinante surge con el problema de solucin de un sistema

de ecuaciones lineales por ejemplo dado el sistema:
ax + by = r
cx + dy = s

Donde x e y son las incgnitas eliminando variables y despejando se tiene:

x=

y=

El numero ad-bc se encuentra como denominador en x e y.

En la forma matricial se tiene:


( ) () = ( )

Se dice que el determinante de la matriz de los coeficientes denotado por:

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.

Sea A un matriz cuadrada

:Knxn R C

11 12 1
21 22 2
=( )
1 2

Cuyas filas son:

A1 = (a11, a12,, a1n)

.
.
= (an1, an2, ,ann)

La matriz A por filas es:

A = (A1,A2,,Ai , , An)entonces el determinante es
|A| = det (A1 , A2 , , Ai , , An)

En el determinante se verifica que

1. det(A1 , A2 , , Ai , , An)
2. det(B) = det(A1 , A2 , , rAi , , An)= r det(A1 , A2 , ,Ai , , An)= r det(A)
Observacin: Si cualquier fila de A se multiplica por r , entonces |B| = r|A|
3. det(A1 , A2 , , Ai + Aj , , An) = det(A1 , A2 , , Ai , , An) + det(A1 , A2 ,
,Aj , , An)
para todo i = 1,2,3,, n
4. det(In) = 1

Definicin
Sea una matriz cuadrada de orden 2x2
11 12
A = ( )
21 22

El determinante de segundo orden es el nmero definido por:

|| = a11 . a22- a12 . a21

Definicin:
Sea una matriz cuadrada de orden 3x3

11 12 13
A = (21 22 23 )
31 32 33

El determinante de tercer orden es el nmero definido por:

|| = a11 .a22 .a33+ a12 .a23 .a31+ a13 .a21.a32- a31 .a22 .a13-a32 .a23 .a11 - a21 .a12 .a33

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:

+ |
= () |

Como i+j puede ser par o impar

Aij = | |

Desarrollo de una determinante por cofactores

El determinante de una matriz cuadrada A = [aij]nxn es igual a la suma de los
productos de los elementos de cualquier fila o columna por sus respectivos
cofactores.
Para aplicar este desarrollo es necesario elegir una fila o una columna y
efectuar el desarrollo por dicha fila o dicha columna.

a) Si elegimos la fila k el desarrollo del determinante es:

|| = =( )

b) Si elegimos la columna j el desarrollo del determinante es:

|| = =( )

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

Obs:si elegimos la primera columna

|| = =1(1 1 ) = (11 11 ) +(21 21 ) + (31 31 )
2 1 6 9 6 9
= 3| | + 0(-1)| | + 3| | = 87
1 2 1 2 2 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

Se llama matriz de cofactores de A. La transpuesta de esta matriz es conocida

como Matriz adjunta de A.

Propiedades de la matriz adjunta de A

1) adj (In) = In
2) adj (At) = (adj (A))t
3) adj (An) = (adj (A))n
4) adj (AB) = adj (B) adj (A)

5) adj (A-1) = (adj (A))-1 =

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

Ejemplo: Halle la matriz inversa de A:

5 1 8
29
3 6 9 5 3 24 87 29
-1 1 1 11 1
A = (0 2 1 ) A = ( 3 33 3).87 = 29
29 29
3 1 2 6 21 6 2 7 2
29
( 29 29 )

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]

DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

REGLA DE CRAMER
Es un teorema en el lgebra lineal que da solucin a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 1752) quien publico un
trabajo dando nociones sobre el mtodo.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x1 , x2, , xn) el
vector de las incgnitas; b el vector de los trminos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:

( )
xj = ()

Donde Aj es la matriz que resulta al remplazar la J-esima columna de A por el

vector columna b.

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

respuesta de manera rigurosa (demostrar).

a) Sea = 0 un sistema homogneo de n ecuaciones con n incgnitas, supongamos

que el rango o caracterstica de es = 1 entonces un vector no nulo cuyas

componentes sean los adjuntos de una fila de es solucin de = 0

b) Si es una matriz cuadrada de orden y rango menor que 1 entonces =

0

C) Si es una matriz simtrica entonces tambin lo es la () 6 puntos

2. Discutir la compatibilidad segn los valores de del sistema de ecuaciones

lineales. Determine la solucin para los casos de compatibilidad.

+ =

+ =

+ = 4 puntos

3. Usando propiedades hallar el determinante de

 +
( + ) 3 puntos
+

4. Dada la matriz Que relacin deben satisfacer las constantes , , ,

Para que el rango de la matriz sea 2,3 y 4?

= ( 4 puntos
)

5. El sistema = tiene solucin por nica solucin (2; 2; 3) si la matriz de

8 4 4
Cofactores de (5 7 1 ) . Determine los elementos de la matriz
1 1 5

columna , si el determinante de positivo. 3 puntos

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 +

2. Determine el rango de la matriz, para cualquier valor de t

3 0 6 3
= ( 2 2( + 1) 0 )
2 4 0 2 2
3. Halle la inversa de la matriz de orden n donde:
aij=0 , si i=j
aij=1 , si i j
4. Indique si es verdadero (v) o falso (f) (fundamente)
A) Si A y B son matrices cuadradas de orden n tal que AB=A y BA=B
A y B son idempotentes.
B) Si A es una matriz cuadrada de orden n entonces A + AT, ATA y AATson
matrices simtricas.
C) Si A y B son matrices ortogonales entonces A + B tambin es ortogonal.
D) Si A es nilpotente entonces es invertible.
E) Si 2 es simtrico entonces A es simtrico.
PROBLEMAS RESUELTOS
1. Que valores debe tener para que el sistema tenga solucin
( + 1) + + = 2
+ ( + 1) + = 2
+ + ( + 1) =
Solucin
Para que el sistema de ecuaciones lineales tenga solucin el determinante de
la matriz de coeficientes debe ser diferente de cero. 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 ,

1. 2. Calcular el determinante de las matriz =

5 5 5 5 5
( ) ( ) ( ) ( ) ( )
0 1 2 3 4
6 6 6 6 6
( ) ( ) ( ) ( ) ( )
0 1 2 3 4
7 7 7 7 7
( ) ( ) ( ) ( ) ( )
0 1 2 3 4
8 8 8 8 8
( ) ( ) ( ) ( ) ( )
0 1 2 3 4
9 9 9 9 9
((0) ( )
1
( )
2
( )
3
( ))
4

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

2 (x1;y1)= ( + 1 1; + 1 1)= (d1,d2) A

Axiomas de la adicin:
3(x1;y1) + (x2;y2) = ( x1 + x2 + 1 ; y1 + y2 + 1) = ( x2 + x1+1 ; y2 + y1+ 1)
=(x2;y2) + ( x1; y1)
4 (u1;u2) + (( v1;v2) + ( w1;w2)) =(u1;u2) + ( v1 + w1 + 1; v2 + w2 + 1)
=(u1 + v1 + w1 + 2 ; u2 + v2 + w2 + 2)= ((u1;u2) + ( v1;v2)) + ( w1;w2)
5 Sea a = (a1;a2) el vector nulo tal que:
(u1,u2) + (a1;a2) =(u1,u2) (u1 + a1 + 1,u2+ a2 + 1)=(u1,u2)

a=(-1;-1) vector nulo de A.

6 (u1;u2) + (b1;b2)=(-1,-1)
(u1+b1 + 1; u2 + b2 + 1)= (-1;-1) (b1;b2)=(-2-u1,-2-u2)
Axiomas de la multiplicacin por un escalar:
7c(u+v)=c(u1+v1+1;u2+v2+1)=(c+c(u1+v1+1)-1;c+c(u2+v2+1)-1)
cu+cv=(c+cu1-1;c+cu2-1)+(c+cv1-1;c+cv2-1)
=(2c+cu1+cv1-1;2c+cu2+cv2-1)
=(c+c (u1+v1+1)-1; c+c(u2+v2+1)-1)
8(c+d) u=cu+du
(c+d+(c+d)u1-1;c+d+(c+d)u2-1)
cu+du= (c+cu1-1;c+cu2-1)+(d+du1-1;d+du2-1)
=(c+d+(c+d)u1-1;c+d+(c+d)u2-1)

Ejemplo
Dado el conjunto A definido por =
{(, 2 ) 1 , 2 }
Donde (1 , 2 ) + (1 , 2 ) = (|1 + 1 |, 2 )

Los siguientes ejemplos son espacios vectoriales:

1. El conjunto de n-uplas de nmeros reales.
={x=(x1,x2,x3,x4,x5,,xn-1,xn) ; x=( ) donde 1 i n ; xi }, con las
operaciones x+y = (x1+y1,x2+y2,,xn+yn)
x=(x1, x2,, xn)
Observacin
Ejemplo Sea V={1} no es un espacio vectorial, si 1+1=2, pero 2 V no se
cumple la ley de la clausura o cerradura en la adicin V no es espacio vectorial
2. El conjunto de matrices de dimensin nxm:
Mnxm ( ) ={A = (aij) 1 i n ; 1 j m}
con las operaciones: suma de matrices y productos por nmeros reales.
3. El conjunto de todos los polinomios con coeficientes reales en la variable x.
P( )={=0 : , }
con las operaciones de suma y producto por nmeros reales
4.El conjunto de todas las funciones reales:
F( )={ } con las operaciones suma de funciones y producto por nmeros
reales.
5. El conjunto de todas las sucesiones de nmeros reales:
 S={( )
=0 , 1}

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.

COMBINACIN LINEAL DE VECTORES

Sea V un espacio vectorial, se dice que v V es combinacin lineal de los
vectores {1, 2 , 3 , , } V, si existen 1 , 2 , , tal que:
V= =0
Ejemplo:
Expresar el vector (4,4,5) como una combinacin lineal de los vectores (1,2,3);
(-1,1,4) y (3,3,2)
Solucin:
(4,4,5)= x(1,2,3) + y(-1,1,4) + z(3,3,2)
x y + 3z= 4
2x + y + 3z = 4
3x + 4y + 2z = 5
1 1 3 4 1 0 2 0
(2 1 3 4 ) ( 0 1 1 0 )no existen x,y,z , el sistema no tiene
3 4 2 5 0 0 0 1
solucin no se puede formar una combinacin lineal.
Ejemplo
1 7
Determinar si la matriz ( ) es una combinacin lineal de las matrices
8 1
1 0 0 1 2 3
{( ),( ),( )} en el espacio vectorial M2x2
2 1 2 0 0 2
Solucin:
1 7 1 0 0 1 2 3
( ) = ( )+( )+( )
8 1 2 1 2 0 0 2
Luego

DEPENDENCIA E INDEPENDENCIA LINEAL

Sea V un espacio vectorial, se dice que el conjunto de vectores {1, 2 , 3 , , }
es linealmente dependiente si y solo si 1 , 2 , , que pertenecen a ,
con algn 0 =0 = 0
En caso contrario se dice que el conjunto {1, 2 , 3 , , } es linealmente
independiente.
Si = 0 = 1,2, , entonces los vectores son LI
Observacin:
Para estudiar si un conjunto de vectores {1, 2 , 3, , } es linealmente
dependiente o independiente se plantea la ecuacin =0 = 0
Se estudian las soluciones, si admite alguna solucin no nula el conjunto de
vectores es linealmente dependiente y si solo admite la solucin nula es
linealmente independiente.
Ejemplo
v1=(1,0,-1,2) , v2=(1,1,0,1) y v3=(2,1,-1,1)
Indique sin son linealmente independientes.
Solucin
x(1,0,-1,2) + y(1,1,0,1) + z(2,1,-1,1) = 0
x + y + 2z = 0
y+z=0
-x z = 0
2x + y + z = 0
1 1 20 1 0 00
(0 1 10) (0 1 00)
1 0 10 0 0 10
2 1 10 0 0 01
x=0, y=0 , z=0
Son vectores linealmente independientes

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)

BASE DE UN ESPACIO VECTORIAL

Definicion de base de un espacio vectorial
Un conjunto finito de vectores {1 , 2 , , } recibe el nombre de base de un
espacio vectorial V si el conjunto genera al espacio V y dicho conjunto es
linealmente independiente.
Ejemplo:
Halle una base del sistema:
3x1 x2 8x3 2x4 x5 0
2x1 2x2 3x3 7x4 2x5 0
x1 11x2 12x3 34x4 5x5 0
x1 5x2 2x3 16x4 3x5 0
Solucin:

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

8x1 19x3 3x4 4x5 0

8x2 7x3 25x4 4x5 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

a(19/8,7/8,1,0,0) + b(3/8,-25/8,0,1,0) + c(-4/8,4/8,0,0,1)

Una base del sistema es (19/8,7/8,1,0,0) , (3/8,-25/8,0,1,0) , (-4/8,4/8,0,0,1)
tambin es una base (19,7,8,0,0) , (3,-25,0,8,0) , (-1,1,0,0,2)
V (19,7,8,0,0) + (3,-25,0,8,0) + (-1,1,0,0,2) (0,0,0,0,0)
19 + 3 - 0
7 - 25 + 0
8 0
8 0
2 0
Como estos vectores son Linealmente Independientes entonces forman una
base.
Obs. Desde el punto de vista intuitivo una base es un conjunto eficiente para
representar un espacio vectorial, en el sentido de que cualquier vector se puede
expresar como una combinacin lineal de los vectores de la base, adems los
vectores de la base son Linealmente Independientes.

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.

2. Sean los vectores: (1+a,1,1,1) ; (1,1+a,1,1) ; (1,1,1+a,1) ; (1,1,1,1+a)

Determine segn los valores del parmetro a, la dimensin y una base del
subespacio que generan.

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.

3. Determine un vector v de R3 sabiendo que:

- La suma de sus coordenadas es 3.
- v es combinacin lineal de (2, 2,2) y (-1, 1,0)
- Los vectores (1, 0,1), (0, 1,0) y v son linealmente dependientes.
Solucin:
Sea v (a, b, c) R3
a+b+c3
x(2,2,2) + y(-1,1,0) (a,b,c)
(1, 0,1) + (0,1,0) + (a,b,c) (0,0,0)
2x y a
2x + y b
2x c
x 1/2 , c 1 , a + b 2
Luego: (1,0,1) + (0,1,0) (a,b,c)
1 a 1 b
1 c 1 a b 1
v (1,1,1)
4. Sea F un subespacio vectorial de R3 formado por los vectores v (x, y, z) tales
que x 2y + 4z 0. Halle una base a, b, c R3 tal que a, b F.
Solucin:
F (x,y,z) / (x,y,z) R3 x -2y + 4z 0
(2y 4z,y,z) y(2,1,0) + z(-4,0,1)
(2,1,0) , (-4,0,1)
(2,1,0) + (-4,0,1) = 0
Es una base: (2, 1,0), (-4, 0,1)del subespacio vectorial F de 3
Determina un plano que pasa por el origen y cuya ecuacin est dado por
: 2 + 4 = 0
5. Sean S y T subespacios de R4 definidos por S (x , y, z , t) / x + y + z + t 0,
2x y + 2z t 0, 4x + y + 4z + t 0
T (x , y , z , t) / x a + b + 2c, y b + c, z -a + b, t 3b +3c
Obtener una base y la dimensin de T + S.
Solucin:
En S: (x, y , z , t)
x+y+z+t0
2x y + 2z t 0
4x + y + 4z + t 0

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

(1,0,0,2) , (0,1,0,-1) , (0,0,1,2)

TEOREMA
Sean U y W dos subespacios de dimensin finita de un espacio vectorial V
entonces dim (U+W)= dim (U) + dim (W) dim (UW)

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)

En consecuencia R3 es la suma directa de U y W:

R3 U W
Ejemplo
2 se puede expresar como una suma directa de dos rectas arbitrarias, pero
distintas que pasan por el origen.
SOLUCION
Consideramos dos rectas arbitrarias que pasan por origen , dichas rectas son
subespacios de 2
1 = {(3,7) }y2 = {(2,5) }
Sea (, ) un vector de 2 donde (, ) = (3,7) + (2,7)
= 3 2
= 7 + 5
Despejando obtenemos = 5 2 ; = 7 + 3
(, ) = (5 2)(3,7) + (7 + 3)(2,5) , R
2 = 1 + 2
Por otro lado, si (, ) 1 2 , entonces (, ) = (3,7) y (, ) = (2,5)
Lo cual implica que 3 + 2 = 0 y 7 5 = 0 = = 0
1 2 = {0} , 2 = 1 2
COORDENADAS
Para indicar que [v1,v2, ,vn] es una base del espacio vectorial definido por (V,
+, K, . ) se utiliza la notacin [v], es decir cada vector v se puede expresar de
modo nico como la combinacin lineal de la base, dado que los vectores son
linealmente independientes, es decir si x V siendo x1, x2, ,xn escalares
entonces:
= 1 1 + 2 2 + +
Respecto a la base dada el vector x V queda caracterizado por los coeficientes
de la combinacin lineal.
Ejemplo: Determine las coordenadas de = (2,3) respecto de la base [] =
{(1,1), (1,0)}
Solucion
3
= (2,3) = (1,1) + (1,0) , resolviendo = 3 , = 5 , luego [] = ( ) las
5
coordenadas de x relativas a la base dada son 3 y -5
PROBLEMAS RESUELTOS

1. En el espacio P2 de los polinomios de grado 3, verifique si los siguientes

polinomios son linealmente independientes o linealmente dependientes

P(X)=x3-3x2-5x+1, Q(X)=-x3-x2+5x+2, R(X)=-x3-7x2+4x

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

Resolvemos con la matriz ampliada:

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

Como r(A)=r(Ab)=n=3 el sistema es compatible, solucin nica.

 a=b=c=0, e deduce que los polinomios P(X), Q(X) y R(X) forman un conjunto
linealmente independiente.

2. Determine un base tal que en R2 un vector e encuentre en la recta L={x-

y+z=0, 2x-z=0} y otros dos en el plano x+y+z=0

SOLUCION

Un vector de la base se encuentra en la recta L={x-y+z=0, 2x-z=0}

x-y+z=0 y 2x-z=0 x=t, y=3t y z=2t donde t es un parmetro.

entonces la recta est dada por L={(t;3t;2t)} (t;3t;2t)= t(1;3;2); entonces

(1;3;2) es vector contenido en L.

Dos vectores de la base se encuentran en P: x+y+z=0, si x=s y y=t

P:{(s;t;-s-t)} P:{s(1;0;-1)+t(0;1;-1)}

Solo queda demostrar que el conjunto B= {(1; 3; 2), (1;0;-1),(0;1;-1)} es

linealmente independiente.

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

a+b=0; 3a+c=0; 2a-b-c=0, resolvemos con la matriz ampliada:

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.

a=0, b=0 y c=0

La base es B={(1;3;2),(1;0;-1),(0;1;-1)}

3. Dado el conjunto de matrices B, indique si determinan una base.

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

Para saber si B determina una base se debe demostrar

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

a+b+c=0; b+c=0; c=0 y d=0

Resolviendo: a=b=c=d=0 El conjunto es linealmente independiente.

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

a+b+c=m; b+c=n; c=p y d=q, resolviendo con la matriz ampliada:

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.

El conjunto si genera a A2x2

El conjunto si es una base.

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

a-b+c+d=0; -b+d=0; b+c=0 y a+d=0

Resolviendo: a=b=c=d=0 El conjunto es linealmente independiente.

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

a-b+c+d=m; -b+d=n; b+c=p y a+d=q, resolviendo con la matriz ampliada:

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.

El conjunto si genera a A2x2

El conjunto si es una base.

4. A) Extender el conjunto S={(1;1;-1;1),(1;1;0;1),(1;2;1;1)} para que formen una

base de R4

B) si V es un espacio vectorial de dimensin 1. Cmo son sus bases?

SOLUCION

A) La base pedida ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(m;n;p;q)}

Primero demostraremos que el conjunto S es LI

a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)

(a+b+c+md;a+b+2c+nd;-a+c+pd;a+b+c+qd)=(0;0;0;0), por comparacin

a+b+c+md=0; a+b+2c+nd=0; -a+c+pd=0 y a+b+c+qd=0; resolviendo con la

matriz ampliada
1 1 1 m 0 1 0 0 mn p 0

1 1 2 n 0 0 1 0 3m 2n p 0
1
0 1 p 0 0 0 1 mn 0

1 1 q 0 0 0 mq 0
1 0

Pero para que tenga la forma que nos conviene hacemos:

-m+n-p=0; -3m-2n+p=0; -m+n=0 y m+q=1, resolviendo con la matriz ampliada

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

Rpta: La base ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(0;0;0;1)}

B) Se sabe que la dimensin de una base viene dado por la cantidad de

elementos de la base.

Si dim=1 La base solo tiene un elemento. Todas las bases del espacio
vectorial deben ser equivalentes( es decir, multiplicados por un escalar)

Rpta: Las bases son conjuntos cuyos nicos elementos resulta de la

multiplicacin escalar del elemento de otra base.

5. Sean los subespacios del espacio vectorial de las matrices cuadradas de

orden 2

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

En el conjunto W se debe verificar que sus elementos son linealmente

independientes

1 0 1 1 0 0 a b b 0 0
a +b = =
0 1 1 1 0 0 b a b 0 0

Comparando: a+b=0; b=0 y a+b=0; resolviendo: a=b=0

Verifiquemos si genera a A2x2:

1 0 1 1 m n a b b m n
a +b = =
0 1 1 1 p q b a b p q

Comparando: a+b=m; b=n; b=p y a+b=q

Resolviendo con la matriz ampliada:

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

el conjunto W no es una base de A2x2

6. Dados los subespacios vectoriales de R3, s={(a;2a;a+b) tal que a y b R},

T={(x;y;z) tal que x=0, y=0}. Calcular una base y dimensin de ST, S+T

SOLUCION

ParaST: (a;2a;a+b)=(0;0;z), resolviendo a=0 y b=z ambos pertenecen a

los reales

ST={(0;0;z)}, notamos
(0;0;z)=z(0;0;1)

Una base de ST es {(0;0;1)}, entonces dim(ST)= 1

Para S+T

S+T={(a;2a;a+b+z)} pero notamos:

(a;2a;a+b+z)=a(1:2:1)+(b+z)(0;0;1), entonces dim(S+T)=2

7.-Indique si los siguientes subconjuntos son espacios vectoriales: S={(x;y)

tal que X0 y y0} de R2; T={(x;y)tal que ex+y=0}; W={(x;y;z) tal que
x2+y2+z=0}

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=(u1;u2) y v=(v1;v2) u1;u2;v1;v20u1+v10 y u2+v20

u+v=(u1+v1;u2+v2) pertenece a S

Sea k un escalar cualquiera ku=k(u1;u2)=(ku1;ku2); pero si k0 ku10

yku20

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)

u+v=(u+v;eu+ev), pero este vector no pertenece a T

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)

u+v=(u1+v1;u2+v2;-u12-u22-v12-v22), pero este vector no pertenece a W

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

AX=aX AX=aIX donde I es la matriz identidad

(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

9. A) Determine una base y la dimensin para el conjunto W definido por las

matrices simtricas de orden 2.

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

Aplicando menores y cofactores a la f1

Det(A)=1(1+c2)-a(-a+bc)+b(ac+b)=1+a2+b2+c2 y esta expresin obviamente

es mayor que 1

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

X1=(4/3)t; x2=t y x3=4t

(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

W={(x;y;z)R3 tal que y-z=0}.Determina una base y dimensin de UW,

UW, U+W.

SOLUCION

Sea u U u=(x;-x;z)=x(1;-1;0)+z(0;0;1) Una base de U es {(1;-

1;0);(0;0;1)}, dim(U)= 2

Sea w W w=(x;y;y)=x(1;0;0)+y(0;1;1) Una base de W es

{(1;0;0);(0;1;1)}; dim(W)=2

i) UW :(x;-x;z)= (x;y;y) x=-y=y x=0 (0;0;0)

Una base (UW) es {(0;0;0)}; entonces dim(UW)=0

ii) UW: (x;-x;z) y (x;y;y); sea a=(3;-3;1) UW y b=(-3;1;1) UW

a+b=(0;-2;2) no pertenece a UW

UW no es un espacio vectorial. no tiene base.

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

Una base de UW es {(1;-1;0);(0;0;1);(0;0;1);(0;1;1)}. Dim(UW)=4

12.- En R4 sean los vectores u=(1;0;-1;2); v=(;-1;0;1) y w=(0;;-1;1). Para

que valores de el conjunto {u;v;w} es LD.

SOLUCION

Analizamos la independencia o dependencia lineal.

a.u+b.v+c.w=0 a(1;0;-1;2)+b(;-1;0;1)+c(0;;-1;1)=0; formando la matriz

ampliada.
1 0 0 1 1 0 0

0 1 0 0 1 1 0
1 0 1 ; si analizamos =1
0 0 0 1 0

2 1 1 0 0 0
0 0

R(A)=2<n=3; entonces presenta infinitas soluciones para =1. LD

13. Sean los subespacios S={(x;y;t;z) R4 tal que x+y=0 y t=z} y

T={(x;y;t;z) R4 tal que x=ay-at y z=-ay+at}. Determine las bases y la
dimensin se S; T; ST; ST. Hallar a para que S+T tenga dimensin 3 y
con a determine una base para ST

SOLUCION

Sea s=(x;y;t;z)=(x;x;z;z)= x(1;1;0;0)+(0;0;1;1)

Una base de S es {(1;1;0;0);(0;0;1;1)}, dim(S)=2

Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)

Una base de T es {(a;1;-a;0);(-a;0;a;1)}, dim(T)=2

ST: (x;x;z;z)= (ay-at;y;-ay+at;t)

resolviendo x=y=-z (x;x;-x;-x)=x(1;1;-1;-1)

Una base de ST es {(1;1;-1;-1)} dim(ST)=1

ST: {(x;x;z;z) o (ay-at;y;-ay+at;t)} si a=(2;2;1;1) STy b=(a+2;4;1-a;19)

ST

a+b=(a+2;4;1-2;2), pero este vector no pertenece a ST ST no es

espacio vectorial.

dim(S+T)= dim(S) +dim(T)-dim(ST) dim(S+T)= 3

S+T: m(1;1;0;0)+n(0;0;1;1)+p(a;1;-a:0)+ q(-a;0;a;1), se construye la matriz

ampliada.

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

1. En el espacio de los polinomios de grado 3, verifique si los siguientes polinomios son

linealmente independientes o linealmente dependientes

() = + + , () = + + , () = +

Planteamos la combinacin lineal

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

Llevando a una matriz.

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

Dando forma escalonada a la matriz se obtiene que:

23 = 0
 2 + 3 = 0

1 + 22 = 0

=> 3 = 0 2 = 0 1 = 0

Se cumple que son Linealmente Independientes.

2. Determine una base tal que en un vector se encuentre en la recta L =

{ + = ; = } y otros dos en el plano + + =

Elegimos un vector (x,y,z)

(, , ) = (, 3, 2) = (1,3,2) {(1,3,2)}

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

{(1,1,0), (1,0,1)}

Una base ser {(1,3,2), (1,1,0), (1,0,1)}

3. Dado el conjunto de matrices B, indique si determinan una base

i) B = {( ),( ),( ),( )}

Para ser bases deben ser L.I.

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

Llevando a una matriz

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

Dando forma escalonada a la matriz se obtiene que:

3 = 0

3 = 1 = 0

2 + 3 = 0

1 + 4 = 0

=> 1 = 2 = 3 = 4 = 0 , 2

4. A) Extender el conjunto S={(, , , ), (, , , ), (, , , ), } para que formen una base

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

= ( + + ; + 2; + ; + + )

= ( + + )(1; 0; 0; 1) + ( + 2)(0; 1; 0; 0) + ( + )(0; 0; 1; 0)

4 = = {(1; 0; 0; 1), (0; 1; 0; 0), (0; 0; 1; 0)}

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

6. Dados los subespacios vectoriales de

S={(, , + ) } , T= {(, , ) = , = }

Determine una base y la dimensin de , +

Solucin

= (1,2,1) + (0,0,1) => = {(1,2,1), (0,0,1)} => dim() = 2

 = (0,0, ) = (0,0,1) => = {(0,0,1)} => dim() = 1

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

= 1 = 0

= 21 = 0

= 1 + 2 = 1

=> = {(0,0,1)} => dim( ) = 1

+ :

1 2 1 1 2 0
+ = (0 0 1) = (0 0 1)
0 0 1 0 0 0

+ = {(1,2,1), (0,0,1)} => dim( + ) = 2

7. Indique si los siguientes conjuntos son subespacios vectoriales

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

una matriz columna.

= ()

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 =>

11. Dados los subespacios vectoriales de

= {(, , ) + = } , = { (, , ) = }

Determine una base y dimensin de , , + , Es = 3?

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

> {(1,1,0), (0,0,1)} => . . ,

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

> {(1,0,0), (0,1,1)} => . . ,

1 1 0 0 1 0
0 0 1) (0 0 1)
(1 0 1 0
0 0
0 1 1 0 0 1

{(0,1,0), (0,0,1), (1,0,0)} + 3

=> dim( + ) = dim() + dim() dim( )

=>

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

1 = 1 ; 1 = 2 ; 2 = 2 => 2 = 1

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

= {(1,1,1)} 1.

0 =>

12. En sean los vectores = (, , , ), = (, , , ) , = (, , , )

Para que valores de el conjunto { , , } es LD

Para que U,V,W sean LD deben formar una combinacin lineal y tener una solucin no trivial.

+ + = 0

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

+ = 0

+ = 0

= 0

2 + + = 0

Llevando a una matriz.

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

Llevando a la forma de la matriz escalonada.

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

= ; = ; = => . .

13. Sean los subespacios

= {(, , , ) + = , = }

= {(, , , ) = , = + }

Determine una base y la dimensin de , , , ,

Hallar + tenga dimensin 3 y con a determine una base para .

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

> {(1,1,0,0), (0,0,1,1)}

=> 2

= (, , , ) = ( , , , ) = (, , 0, ) + (, 0, , )

= (, 1,0, ) + (, 0,1, ) => {(, 1,0, ), (, 0,1, )}

=> 2

Llevando a una matriz y a continuacin dndole forma escalonada

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

3 => 1 2 = 0 => = 1/2

 = (, , ) = 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

= 1 (1,1,0,0) 1 (0,0,1,1) = 1 (1,1, 1, 1) => {(1,1, 1, 1)}

PRODUCTO INTERNO

Sea V un espacio vectorial, un producto interno o producto escalar sobre V es una

aplicacin donde se verifica:

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.

Ejemplo: Se define sobre 2

(, ) = 31 1 + 21 2 + 62 2 + 22 1

Donde x = (1 , 1 ); y = (1 , 2 )

Indique si es un producto interno.

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 )

= 3(1 + 1 )1 + 2(1 + 1 )2 + 6(2 + 2 )2 + 2(2 + 1 )1

 = (31 1 + 21 2 + 62 2 + 22 1 ) + (31 1 + 21 2 + 62 2 + 21 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.

ESPACIO EUCLIDIANO (o Euclideo)

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, ngulo de dos vectores y ortogonalidad son nociones que dependen de un producto
interno.

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

PRODUCTOS INTERNOS USUALES

1. En el espacio vectorial de las funciones continuas sobre un intervalo

acotado por a y b:

, = ()()

2. En el espacio vectorial de las matrices de orden :

, = ( )

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

. Sea se verifica que:

|| = ||||

ANGULO ENTRE VECTORES

Sea V un espacio vectorial, sean u y v vectores de dicho espacio, existe un nico que
pertenece [ 0 , ] tal que:

,
cos =
||||

A este nmero se le llama ngulo entre los vectores u y v y se denota por:

= (, )

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

. Si son dos vectores ortogonales en un espacio euclideo V entonces la norma de

+ 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 ).

Dos vectores son ortogonales su producto interno es nulo o cero

, = 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

CONJUNTO ORTOGONAL DE VECTORES

Un conjunto de vectores {1 , 2 , , } en un espacio vectorial con producto interno es

ortogonal si y solo si dos vectores cualesquiera distintos son ortogonales:

{1 , 2 , , } , = 0

PROPOSICION

Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es L I

3 4 4 3
Ejemplo: {(1, 0, 0), (0, 5 , 5) , (0, 5 , 5)} es un conjunto ortogonal

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

DEFINICION.- Se dice que un conjunto es ortonormal si es ortogonal y cada vector

es unitario (la norma de cada vector es la unidad).

DEFINICION.-Si una base es un conjunto ortogonal, se dice que es una base

ortogonal. Si una base es un conjunto ortonormal se dice que es una base
ortonormal.

TEOREMA

Sea {1 , , } una base ortonormal de un espacio vectorial . Sea un vector,

dicho vector se puede expresar como una combinacin lineal de los vectores de la
base de la manera siguiente:

= , 1 1 + , 2 2 + + ,

Ejemplo: = (7, 5, 10)

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

DEFINICIN.- La proyeccin de un vector sobre un vector distinto de 0 (vector nulo) se

denota:

,
=

PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT

Sea {1 , , } una base del espacio vectorial , el conjunto de vectores {1 , , }

definido de la siguiente manera es ortogonal:

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

Sea {1 , 2 , 3 } un conjunto ortogonal

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

(4, 0, 5, 8), (1, 2, 0, 3)

2 = 2 1 2 = (4, 0, 5, 8) (1, 2, 0, 3) = (2, 4, 5, 2)
(1, 2, 0, 3)(1, 2, 0, 3)

(8, 1, 5, 6), (1, 2, 0, 3)

3 = 3 1 3 2 3 = (8, 1, 5, 6) (1, 2, 0, 3)
(1, 2, 0, 3)(1, 2, 0, 3)

(8, 1, 5, 6), (2, 4, 5, 2)

(2, 4, 5, 2) = (8, 1, 5, 6) (2, 4, 0, 6) (2, 4, 5, 2) =
(2, 4, 5, 2)(2, 4, 5, 2)

= (4, 1, 0, 2)

{(1, 2, 0, 3), (2, 4, 5, 2), (4, 1, 0, 2) } Conjunto ortogonal

1 , 2 = 0 , 1 , 3 = 0 , 2 , 3 = 0

1 2 3 2 4 5 2 4 1 2
{( , , 0, ),( , , , ),( , , 0, ) }
14 14 14 7 7 7 7 21 21 21

PROYECCIONES SOBRE SUBESPACIOS

. Sea un espacio euclideo y sea un subespacio vectorial de .

. Se llaman ortogonal al conjunto de todos los vectores de ortogonales a

cualquiera de .

= { / , = 0 }

. Sea un espacio euclideo y un subespacio vectorial de dimensin finita, entonces todo

vector se puede expresar de forma nica como 1 + 2 , donde 1 2 .

. Al vector 1 se le llama Proyeccin ortogonal de y se denota .

. El vector 2 se conoce como Componente de v sobre o proyeccin ortogonal de

. 2 =

TEOREMA DE LA MEJOR APROXIMACIN

Sea un espacio vectorial euclideo y un subespacio vectorial de dimensin finita dado

se cumple:

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:

Considere el vector = (3,2,6) 3 , sea un subespacio de 3 que consta de todos los

vectores (, , ). Descomponer en la suma de un vector que se encuentra en y un
vector ortogonal a .

Solucin:
Se necesita una base ortonormal a , cualquier vector de se puede expresar como

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

Sea el conjunto {(1,0,0), (0,1,1)} una base ( . . )

Sea {1 , 2 } una base ortonormal

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

= = (3, 2, 6) (3, 4, 4) = (0, 2, 2)

Luego:

(3, 2, 6) = (3, 4, 4) + (0, 2, 2)

Ejemplo: Sea , = 1 1 + 32 2 + 53 3

= (1 , 2 , 3 )

= (1 , 2 , 3 )

Si es un producto interno, ortonormalice por GRAM-SCHMIDT

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

Solucin: Verificando que la expresin es un producto interno

i) , = ,
, = 1 + 32 2 + 53 3
, = 1 1 + 32 2 + 53 3
, = ,
ii) + , = , + ,
(1 + 1 , 2 + 2 , 3 + 3 ), (1 , 2 , 3 )
= (1 + 1 )1 + 3( 2 + 2 )2 + 5 (3 + 3 )3
1 1 + 1 1 + 3 2 2 + 32 2 + 5 3 3 + 53 3 = , + ,
iii) , = ,
(1 , 2 , 3 ), (1 , 2 , 3 ) = 1 1 + 3 2 2 + 5 3 3
= (1 1 + 3 2 2 + 5 3 3 ) = ,
iv) , 0
, = 1 2 + 32 2 + 53 2 0
Sea 1 = (1, 1, 1), 2 = (1, 1, 0), 3 = (3, 0, 0)
Sea 1 = 1 = (1, 1, 1)
2 , 1
2 = 2 1 1 = (1, 1, 0)
1 2 1
(1, 1, 0), (1, 1, 1)
= (1, 1, 0) 2
(1, 1, 1)
|(1, 1, 1)|
4 5 5 4
2 = (1, 1, 0) (1, 1, 1) = ( , , )
9 9 9 9
3 = 3 1 3 2 3
 (3, 0, 0), (1, 1, 1)
= (3, 0, 0) 2
(1, 1, 1)
|(1, 1, 1)|
5 5 4
(3, 0, 0), ( 9 , 9 , 9) 5 5 4
2 ( , , )
5 5 4
9 9 9
|( , , )|
9 9 9

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

ii) < + , >=< , > + < , > , , ,

.< + , >=< (1 , 2 ) + (1 , 2 ), (1 , 2 ) >=< (1 + 1 , 2 + 2 ), (1 , 2 ) >=
3(1 + 1 )(1 ) + 2(1 + 1 )(2 ) + 6(2 + 2 )(2 ) + 2(2 + 2 )(1 ) = 31 1 +
31 1 + 21 2 + 21 2 + 62 2 + 62 2 + 22 1 + 22 1 =< , > +< , >

iii) < , >= < , > , ,

.< (1 , 2 ), (1 2 ) >= 31 1 + 21 2 + 62 2 + 22 1 = < , >

iv)< , > 0, < , >= 0 = 0

.< (1 , 2 ), (1 , 2 ) >= 312 + 21 2 + 622 + 21 2 = (1 + 22 )2 + 2(12 + 22 )
0 1 = 2 = 0 < (1 , 2 ), (1 , 2 ) >= 0

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

Como vemos, el producto interno si es nulo, por lo tanto si son ortogonales.

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
< , >
=
||||
< , >= ||||

CONJUNTO ORTOGONAL DE VECTORES

Un conjunto de vectores {1 , , } en un espacio vectorial con producto interno
es ortogonal s y slo s dos vectores cualesquiera y distintos son ortogonales.
Es decir si , = 0 / 1

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

Como , = 0, la sumatoria se reduce a un nico termino que se

obtiene si = es decir , = 0 siendo 0 entonces , 0 lo que
indica que = 0 = 1, 2, ,
Finalmente decimos que {1 , , } es L.I.

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

El producto interno, tomado de dos en dos, es 0

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.

ALGUNAS APLICACIONES DEL PRODUCTO INTERNO PARA

Ejemplos
01) Una recta que pasa por 0 2 y en la direccin 0 es un conjunto =
{0 +
/ }
Si = 0 + es un punto arbitrario de y es un vector ortogonal a tal que
= (, ); = (, )
Entonces < ( 0 ), >=< , >= < , >= 0
Es decir la ecuacin cartesiana de es:*
Si = (, ), 0 = (0 , 0 ) , = (, )
< ( 0 , 0 ), (, ) > = 0
+ + = 0
Donde: = {(, ) 2 / + + = 0 }

02) DISTANCIA DE UN PUNTO A UNA RECTA

La distancia de un punto 2 a la recta = {0 + / } 0, =
(, ), es la longitud del segmento
, donde

(, ) = | |,
vemos que = , con ,
O sea // de donde
 = = ( , ), siendo = (, )
En la ecuacin cartesiana reemplazando : ( ) + ( ) + = 0
+ +
=
2 + 2
+ +
(, ) = | 2 (, )|
+ 2
| + + |
(, ) =
2 + 2

03) REA DEL TRINGULO

h es la distancia desde el punto final del

radio vector a la recta / = {/ } = {(, ) 2 / + = 0} donde

| + | |< , >|
= =
2 + 2 ||
1
Dado que rea = 2 || , se tendr:
1
rea del tringulo= |, |
2

04) FUNCIONES TRIGONOMTRICAS

Por la ley de cosenos

 | |2 = ||2 + ||2 2||||
Pero | |2 = ( ), ( ) = ||2 + ||2 2,
Adems vemos que
Luego:
,
= , || = ||
||||
,
= cos ( ) =
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 =

(1,0,0) , 2 = (0, 35 , 45) , 3 = (0, 45 , 35), que determinan una base

ortonormal donde: . 1 = 7, . 2 = 5 , . 3 = 10.

= 7(1,0,0) + 5(0, 35 , 45) 10(0, 45 , 35)

Definicin
La proyeccin de un vector sobre un vector 0, denotada por se
define:
.
=

PROCESO DE ORTOGONALIZACIN DE GRAM-SCHIMDT

Sea {1 , , n }una base para el espacio vectorial , el conjunto de vectores
{1 , , n }definido de la manera siguiente es ortogonal ( , = 0, ). Para
Obtener una base ortonormal de , se normaliza cada uno de los vectores
1 , , n es decir:
1 = 1
2 = 2 1 2
3 = 3 1 3 2 3
.
= 1 2 1

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

es ortogonal, en general al obtener {1 , , n } consideramos los siguiente:

+1 = +1 +1 , 1 1 +1 , ,+1 = +1 se puede observar que
+1

+1 0 , +1 (1 , , n ) , {1 , , n } es ortonormal que forma una base de

.

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

PROYECCIN DE UN VECTOR SOBRE UN SUBESPACIO

Sea un subespacio de Rn , sea {1 , , n } una base ortonormal para . Si es
un vector en Rn , la proyeccin de sobre , denotada se define
como:
= , 1 1 + , 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

(3,4,4) = = (3,2,6) (3,4,4) = (0, 2,2, ), luego se obtiene tiene lo

pedido:
 (3,2,6) = (3,4,4) + (0, 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

TEOREMA DE LA MEJOR APROXIMACIN

El teorema de la mejor aproximacin resuelve el problema de la mnima distancia
de un punto a un subespacio vectorial. Dado un subespacio vectorial y
un vector , se debe minimizar la distancia de a un vector genrico
; { : }se debe obtener un vector donde s alcanza un mnimo.
Sea un espacio vectorial euclideo y un subespacio vectorial de
dimensin finita. Dado . Se cumple:
,
EJEMPLOS
1
1. Para el espacio vectorial con producto interno , = 1 ()() de las
funciones continuas en un intervalo [1,1] .Determine el polinomio de grado
menor o igual que dos ms prximo a la funcin () = cos()
2.
Encuentre la mejor aproximacin para cos en el intervalo [0,1]
PROBLEMA 1
Ses f (u, v)=6x1y1 4(x1y2 + x2y1) + 7x2y2 ; con un u=(x1,x2), v=(y1,y2)

Es un f (u, v) un producto interno?, de ser un producto interno determine la

norma de (1,2).

SOLUCION

Para que f (u, v) sea un producto interno debe satisfacer las

condiciones.

1. + ; =<(x1,x2)+(y1,y2);(z1,z2)> = < (x1 + y1,x2 + y2);(z1,z2)

>

= 6(x1 + y1)z1 4[(x1 + y1)z2 + (x2 + y2)z1] + 7z2 (x2 + y2)

(1)

Tambin:

<x,z> + <y,z> = (6x1z1 4(x1z2 + x2z1) + 7x2z2) + (6y1z1 4(y1z2 +

y2z1) + 7y2z2) ..(2)

De (1) y (2)

+ ; = <x,z> + <y,z>

2. , = 6x1y1 4(x1y2 + x2y1)+ 7x2y2 (3)

, = 6y1x1 4(y1 x2 + y2x1)+ 7 y2x2 .(4)
De (3) y (4) por definicin , = ,

3. , = 6x21 4(x1x2 + x2x1)+ 7x22

= 6x21 8x1x2+ 7x2
= (2x1 2x2)2 + 2x21 + 3x22 0

, = 0 u = 0

f (u, v)=6x1y1 4(x1y2 + x2y1)+ 7x2y2 ; es un producto interno.

La norma de u = 1,2

= , = 18 = 32

PROBLEMA 2

Sea el espacio vectorial 4 sobre R , se define el subespacio

vectorial
 W = {(x, y, t, z) / x + y t + z = 0} y el vector v = { 1, -1, 2, 3}
a) Construir una base ortogonal H para W

b)Exprese v como una Combinacin Lineal de H y

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)

Entonces la base ortogonal H para W es

1 1 1 1 1
H = { (1,0,1,0) ; (- 2, 1,2,0) ; (- 3,- 3, 3,1) }

b) Sea (, , , ) tal que

(, , , ), (1,0,1,0) = 0 + = 0
1 1
(, , , ), ( , 1, , 0) = 0 + 2 + = 0
2 2
1 1 1
(, , , ), ( , , , 1) = 0 + 3 = 0
3 3 3
 1 0 1 0 0 1 0 0 1 0
(1 2 1 0 0) (0 1 0 1 0)
1 1 1 3 0 0 0 1 1 0
= 0, = 0, + = 0
(, , , ) = (, , , ) = (1,1, 1,1)
Se obtiene {(1,1, 1,1)}
1 1 1 1 1
Luego (1, 1,2,3) = 1 (1,0,1,0) + 2 ( 2 ,1, 2 , 0) + 3 ( 3 , , 1) +
3 3
(1,1, 1,1)
Resoviendo tendremos 1 , 2 , 3 ,

PROBLEMA 3

En R3 se define el producto interno < , >=x1y1+ 3x2y2 + 5x3y3 con un x=(x1,

x2,x3) y y=(y1,y2,y3)

Mediante el proceso de Gram-Schmidt transformar la base

{(1,1,1); (1,0,0); (1, 1,0)} en una base ortonormal.

SOLUCION

Sea v1=(1,1,1); v2=(1,0,0); v3=(1,-1,0) aplicando Gram-Schmidt para

construir un conjunto ortonormal {u1,u2,u3} a partir de los vectores
indicados.

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

Sea el espacio euclideo de las funciones continas en <-1,1> (intervalo), definido

1
el producto interno < , > = 1 () () dt, para que valor de los vectores
() = 2 + 1 y () = ( 2 + 1), son ortogonales.

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

Si x e y son ortogonales: < , > = 0

PROBLEMA 5

Sean U1,U2,U3, los siguientes subespacios de R3

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

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U1+U2)

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

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U1+U3)

Luego del desarrollo comprobamos que se cumple que R3= U1+U2 =
U2+U3 = U1+U3

PROBLEMA 6

Dado L = { t(1,-1,2) / t IR }

Determine un plano P talque IR3 = L P

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

Entonces el Plano P de dimensin 2 tiene como base a:

{ (a,b,c) ; (1-a ; -1-b ; 2 - c) }

PROBLEMA 7

Si V1,V2,V3 son LI del espacio ( V, +,k, . ).Investigar la DL o IL de:

i) {V1+aV2+bV3,V2+cV3 ,V3}

ii) { V1,V2+aV3 , V3+bV2}

SOLUCION

Como sabemos que V1,V2,V3es LI

i) (V1+aV2+bV3)+ (V2+cV3) + (V3)=0

V1() + V2(a+)+ V3(b++c)=0

=0

a+=0 ===0 Por lo tanto es IL

b++c=0

ii) (V1)+ (V2+aV3) + (V3+bV2)=0

V1() + V2( + b ) + V3(a +) = 0

=0

+b =0 ===0 Por lo tanto es IL

a + = 0

PROBLEMA 8

Determine una base para el subespacio

U = { A = ( )4x4 / tr(A) = 0 ; 12 - 2 13 = 0 }

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

Entonces una base para el subespacio es:

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

Verificar si es una base {1; x-1; x2-3x+1}

+ ( 1) + (x2-3x+1)=0

x2 + x( 3)+( + )=0

=0

3=0 = = = 0 Luego es un conjunto LI entonces es una

base de P2

+ =0

Como es una base expresar el polinomio 2x2-5x+6 como una C.L. de los
vectores de dicha base.

2x2-5x+6 = a(1)+b( x-1)+ c( x2-3x+1)

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

Indique si las siguientes proposiciones son V o F (fundamente)

a) Un conjunto de vectores que contenga 2 vectores iguales es LI

b) Cualquier conjunto de vectores al que pertenece el vector nulo es LD
c) Cualquier conjunto S de vectores LD contiene un subconjunto que es
LI
d) Es LI el conjunto { , 3 , 2 , }
e) Es W1 = { (x,y,z) / 3y 2z = 0 } un subespacio vectorial
f) Es W2 = { (A V / = } un subespacio vectorial

a) (a,b,c,d) + (a,b,c,d) + (x,y,z,t) = (0,0,0,0)

a + a + x = 0
b + b + y = 0 Si = = 0 Necesariamente = 0
c + c + z = 0
d +d + t = 0 Entonces es V

b) (0,0,0,0) + (a,b,c,d) + (x,y,z,t) = (0,0,0,0)

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

c) Es V porque en un conjunto LD siempre hay un coeficiente diferente

que cero y los restantes son ceros por lo cual estos coeficientes
restantes forman un conjunto LI.

d) + 3 + 2 + = 0

Si = = = 0 , Necesariamente = 0 Por lo tanto es LI

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. Exprese = (1, 2, 3,4) en funcion de

Sabiendo que = {(, , , ) 5 2 + 8 = 0}

1 3 0 3
2. Dadas las matrices = () y =( ), indique si las
3 6 1 0
siguientes expresiones corresponden a un producto interno , =
; , =

3. Considere en 3 el producto interno de = (1 , 2 , 3 ) =

( 1 , 2 , 3 ) como la relacion dada por , = 1 1 + 32 2 + 53 3 ,
luego mediante el proceso de Gram-Schmidt transformar la base
{(1,1,1), (1,0,0), (1, 1,0)} en una base ortonormal.
3 2 1
4. Calcule el ngulo que forman los vectores = (1 0 6) =
8 1 5
1 0 1
(0 1 1 ) con el producto interno usual de matrices
1 1 1
5. Sean = (1 , 2 ) , = (1 , 2 ) dos vectores, indique si las siguientes
expresiones corresponden a un producto interno (en R o en C )
a) (, ) = 21 1 + 42 2
b) (, ) = 1 1 + 21 2 + 22 1 + 42 2
c) (, ) = 1 1 1
2 + 2
1 + 22
2
6. Determine el complemento ortogonal de los siguientes subespacios
a) = 5 , = {(2,2,1, 1,0), (1,2, 2,2,1), (0,1, 3,2, 1)} para el
producto interno usual
b) = 3 , 1 = {(1,2,1), (0,1,2)} para el producto interno definido por
, = 1 1 + 22 2 + 3 3 1 2 2 1
 c) = 4 , 2 = {(1 , 2 , 3 , 4 ) 4 1 + 22 3 + (1 + )4 =
0 ; 2 + (2 )3 + 4 = 0} para el producto interno , = 1 1 +
22
2 + 3
3 + 34 4

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)

PROPIEDADES DE LAS TRANSFORMACIONES LINEALES

Sea : una transformacin lineal, denotemos mediante 0 0 a los
vectores nulos en respectivamente.
1) La imagen del vector nulo del primer espacio por toda transformacin lineal es
el vector nulo del segundo espacio.
(0 ) = (0 ) = 0 = 0 = 0
2) La imagen del opuesto de todo vector del primer espacio es igual al opuesto
de su imagen.
() = ((1)) = (1)() = ()

NUCLO DE UNA TRANSFORMACIN LINEAL

El ncleo de una transformacin lineal , entre dos espacios vectoriales sobre un
mismo cuerpo, es el conjunto de los vectores del dominio cuyas imgenes por
son el vector nulo del codominio. El smbolo () se lee nucleo de , por definicin
() = { () = 0 }. El nucleo de toda transformacin lineal es la
preimagen del vector nulo del segundo espacio. () () = 0
Ejemplo
Sean los espacios vectoriales ( 3 , +, ,) ( 2 , +, ,), la funcin : 3 2
definida por: (1 , 2 , 3 ) = (1 3 , 2 3 ). Determine el nucleo de .
Solucin
+++ 0 + 0
1) [(, ) + (, )] = [( + , + )] = ( )=( )+
0 +++ 0 +
+ 0
( ) = (, ) + (, )
0 +
+ 0 + 0
2) ((, )) = (, ) = ( ) = ( ) = (, )
0 + 0 +
Si cumple las dos condiciones es una T.L
Hallando su ncleo:
0 0
() = {(1 , 2 ) 2 (1 , 2 ) 22 } , (1 , 2 ) () (1 , 2 ) = ( )
0 0
+ 2 0
=( 1 ) 1 + 2 = 0 1 = 2 ()
0 1 + 2
= {(1, 1) }
Hallando su imagen:

() = { 22 (1 , 2 ) } , = ( ) () (1 , 2 ) 2 / (1 , 2 )

+ 2 0
( 1 )=( ) 1 + 2 = = = = 0
0 1 + 2

() Esta dado por = ( 0), La matriz (1 0) es un sistema de generadores de

0 0 1
() , constituye una base de dimensin 1.
 TRANSFORMACIONES LINEALES

TRANSFORMACION LINEAL ENTRE DOS ESPACIOS VECTORIALES SOBRE UN

MISMOCUERPO

Sean (, +, , . ) y (, +, , . ) dos espacios vectoriales sobre un mismo cuerpo .

La funcin : es una transformacin lineal u Homomorfismo si y slo si:

i) La imagen de la suma de dos vectores cualquiera de V es igual a la suma de sus

imgenes en W, es decir (+) = () + () .
ii) La imagen del producto de cualquier escalar por todo vector de V es igual al
producto del escalar por la imagen de dicho vector.

() = ()

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

Ejemplo 1:

Sean los espacios vectoriales (3 , +, , . ) (2 , +, , . ) la funcin : 3 2definida por

(1 , 2 , 3 ) = (1 3 , 2 3 ). Indique si es una transformacin lineal.

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)() = ()

NUCLEO DE UNA TRANSFORMACIN LINEAL

El ncleo de una transformacin lineal f, entre dos espacios vectoriales sobre un mismo
cuerpo, es el conjunto de los vectores del dominio cuyas imgenes por son el vector nulo
del codominio.

V W

() 0

El smbolo () se lee ncleo de , por definicin () = { / () = 0 }

El ncleo de toda transformacin lineal es la preimagen del vector nulo del segundo
espacio.

() () = 0
Ejemplo:

Sean los espacios vectoriales (3 , +, , . ) (2 , +, , . ) La funcin : 3 2 definida

por (1 , 2 , 3 ) = (1 3 , 2 3 ) es una transformacin lineal. Determine el ncleo
de .

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

Sea la transformacin lineal : 2 3

IMAGEN DE UNA TRANSFORMACIN LINEAL:

La imagen de una T.L. : es el conjunto imagen del dominio, es decir, es la totalidad

de las imgenes de los vectores del primer espacio. El smbolo () se lee imagen de f.

() = {() / }

Tambin se sabe que (0 ) = 0 en consecuencia 0 () lo que significa que () ,

()

PROPIEDAD

La imagen de toda T.L. entre dos espacios vectoriales es un subespacio del codominio.

Ejemplo:

+ 0
Sea : 2 22 definida por (, ) = ( )
0 +

Indique si es una T.L., halle su ncleo e imagen

Solucin:
+++ 0
[(, ) + (, )] = [( + , + )] = ( )
0 +++
+ 0 + 0
( )+( ) = (, ) + (, )
0 + 0 +

Tambin:

+ 0 + 0
( (, )) = ( , ) = ( ) = ( ) = (, )
0 + 0 +

Es una Transformacin lineal

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

() = {(1, 1) / }( el ncleo de es el conjunto de los pares ordenados de

componentes opuestos )

La imagen se puede definir tambin por () = { () =

}

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

Sea f una transformacin lineal, entonces el rango de f se define como la dimensin de su

imagen y la nulidad de f se define como la dimensin de su ncleo, es decir:

() = (() )

() = (() )

() + () = ()

Ejemplos

1. Determine el ncleo, la imagen y las dimensiones de ambos en la siguiente

transformacin lineal 3 2 definida por (1 , 2 , 3 ) = (1 + 2 + 3 , 2 + 3 )

Solucin

Determinamos el ncleo de la transformacin lineal: 1 + 2 + 3 = 0,2 + 3 = 0

resolviendo este sistema de ecuaciones tenemos 1 = 0 , 2 = 3 , luego el ncleo esta
dado por t(0,1,-1) , es decir los mltiplos escalares del vector (0,1, 1) , se obtiene una
base {(0,1, 1)} cuya dimensin es uno.
Determinamos la imagen, sea (, ) entonces (, ) = (1 + 2 + 3 , 2 + 3 )

Luego formando la combinacin lineal (, ) = 1 (1,0) + 2 (1,1) + 3 (1,1)

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

Cuya dimensin es dos.

2. Ejemplo

Sea la transformacin lineal : 2 3 (1 , 2 ) = ( 1 + 2 , 1 2 , 1 +

22 ) ; determine el ncleo y la imagen e indique una base y la dimensin

Solucin

Determinando el ncleo (1 , 2 ) = (1 + 2 , 1 2 , 1 + 22 ) = (0,0,0)

Se tiene el siguiente sistema de ecuaciones lineales 1 + 2 = 0 , 1 2 = 0 , 1 22 = 0

Entonces 1 = 0 , 2 = 0 , se obtiene () = 03 tal que = (0,0) , cuya base {(0,0)} es

de dimensin cero.

Calculando la imagen (1 , 2 ) = (1 + 2 , 1 2 , 1 + 22 ) =

Donde = 1 (1,1,1) + 2 (1, 1,2) , llevando a la forma matricial

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.Sea la aplicacin T :R2 R2 tal que T(x,y)=(2x-y,3y-2x), y sean v=(3,4) un vector y

B1={(1,2), (1,1)},B2=={(2,1), (1, 3)} bases de R2 calcule verifique segn sea el
caso :

Sean los vectores B1={(1,2), (1,1)}, B2=={(2,1), (1,3)}

hacemos una combinacin lineal de los vectores de la Base B2
(1,2)=a(2,1) +b(-1,-3) (1)=[1/5 -3/5]
(-1,1)=c(2,1)+d(-1,-3) (2)=[-4/5 -3/5]

hacemos una combinacin lineal de los vectores de la Base B1

(2,1)=a(1,2)+b(-1,1) (1)=[1 -1]

(-1,-3)=c(1,2)+d(-1,1) (2)=[-4/3 -1/3]
 1 4 4
5 1 3
P=( 3 3)
5
Q=( 1)
5 5 1 3

Para demostrar si PQ=QP=I Reemplazamos en P y en Q

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

Para verificar si [T]B2=Q[T]B1P Solamente reemplazamos lo hallado

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

2.Si Q-1AQ=B donde B es un matriz triangular cuyos elementos de la diagonal principal

son valores propios de 1, 2, 3, n Demostrar que Bk es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K

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:

Hallamos el polinomio caracterstico P(x)=/A I/

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 )

=1 de multiplicidad 4 ; es el nico que analizamos ya que tiene multiplicidad 4

nos debe de salir 4bases.
= 0 de multiplicidad 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

por lo tanto quedara:

(p,q, r,s,t)V(1)( p,q,r,s,t)=[(1,0,0,0,0)]

por lo tanto la matriz A no ser diagonlizable.

4. Sea la aplicacin lineal F: R3 R3 definida como

F(-1,1,3)=(6,-4,16), F(-2,1,1)=(-2,-5,1) y F(3,2,-1)=(1,14,-12)

a) Calcule la matriz asociada con respecto a la base cannica de R3.

b) Calcule el ncleo y la imagen de la aplicacin.
c) Calcule la aplicacin inversa si es posible.
 Solucin:

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)

Resolviendo (1),(2) y (3)

F(1,0,0)=(2,3,1) , F(0,1,0)=(-1,2,4) , F(0,0,1)=(3,-1,7)

por lo tanto la matriz asociada con respecto a la base cannica de R3 ser:

2 1 3
A=(3 2 1)
1 4 7

b)

2 1 3 0
A=(3 2 1) () = (0)
1 4 7 0

De la matriz asociada A obtenemos.

Restando filas.

2 1 3 0 1 0 0 0
(3 2 1) () = (0) (0 1 )
0 ( ) = (0)
1 4 7 0 0 0 1 0

Por lo tanto el ncleo o Kerf ser =[(1,0,0), (0,1,0), (0,0,1))]

La imagen de la aplicacin = F(x,y,z)=(2x-y+3z,3x+x2y-z,x+4y+7z)

MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL

Supongamos que {1 , 2 , , } es una base de un espacio vectorial sobre un cuerpo y

para , supongamos que = 1 1 + 2 2 + + , entonces el vector coordenado
de relativo a { } el cual se escribe como un vector columna a menos que se especifique lo
contrario, est dado por:
1

[] = ( 2 )

REPRESENTACIN MATRICIAL DE UN OPERADOR LINEAL

Sea T un operador lineal en un espacio vectorial V sobre un cuerpo K supongamos que

{1 , 2 , , } es una base de V y por tanto se puede expresar una combinacin lineal de los
vectores de la base, es decir:

(1 ) = 11 1 + 12 2 + + 1

(2 ) = 21 1 + 22 2 + + 2

( ) = 1 1 + 2 2 + +

DEFINICION.-La transpuesta de la matriz de los coeficientes de la representacin anterior

denotada por [] se llama representacin matricial de T relativa a la base { } .
11 21 1
12 22 2
[] = (
)
1 2

Ejemplo 1:

Sea el espacio vectorial de todos los polinomios en T sobre R de 3 y : el

()
operador derivacin definido por (() ) =
, sea la base {1, , 2 , 3 }

(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:

Sea T el operador lineal sobre 2 definido por (,) = (4 2 , 2 + ) . Calculamos la

matriz de T en la base {1 = (1, 1) ; 2 = (1, 0)}

Solucin

Tenemos:

(1 ) = (1 ,1) = (2, 3) = 3(1, 1) + (1, 0) = 31 + 2

(2 ) = (1 ,0) = (4, 2) = 2(1, 1) + 2(1, 0) = 21 + 22

 [] = (3 2)
1 2

TEOREMA

Sea {1 , 2 , , } una base de V y sea T un operador lineal cualquiera sobre V entonces

se cumple que:

[] [] = [() ]

Es decir si multiplicamos el vector coordenado de v por la representacin matricial de T se

obtiene el vector coordenado de () .

Ejemplo 3:

Sea el operador lineal : 2 2 definido por (,) = (4 2 , 2 + ) y sea = (5 , 7)

, siendo la base {1 = (1, 1) ; 2 = (1, 0)}

= (5 , 7) = 7(1 , 1) + 2(1,0) = 71 + 22

() = (5 ,7) = (6 , 17) = 17(1 , 1) + 11(1 , 0) = 171 + 112

[] = (7)
2
17
[() ] = ( )
11

[] [] = (3 2) (7) = (17) = [() ]

1 2 2 11

TEOREMA

Sea {1 , 2 , , } una base de V sobre un cuerpo K y sea A el lgebra de las matrices

cuadradas de orden entonces la aplicacin: [] es un isomorfismo de un espacio
vectorial () sobre A es decir que la aplicacin es de 1 a 1 y sobre, para cualquier , ()
y para cualquier

[ + ] = [] + [] [] = []

TEOREMA

Para operadores cualesquiera , (), se tiene:[] = [] []

Ejemplo

Sea = 2 , supongamos que {1 , 2 } es una base de V, T y S son operadores sobre V

tales que:

(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:

= + + +

= + + +

= + + +

La traspuesta P de la matriz de los coeficientes se llama matriz de transicin de la base

antigua o primitiva { } { }. ( = 1,2, , )


=( )

Como los vectores 1 , 2 , , son linealmente independientes, la matriz P es invertible, su

inversa 1 es la matriz de transicin de la nueva base a la base antigua.

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

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

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

TEOREMA

Sea P la matriz de transicin de una base { } a una base{ } en un espacio vectorial V

entonces se cumple que:

[] = []

Es decir:

[] = 1 []

TEOREMA

Sea P la matriz de transicin de una base { } a una base { } en un espacio V entonces

operador lineal T sobre V se cumple que:

[] = []

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

Sea T el operador lineal sobre 2 definido por ( ,) = ( , ) y ( ,) = ( , ) , por el

teorema el operador lineal existe y es nico, hallar ( ,) en particular ( ,) .

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

Para el caso particular de (7,4) se tiene

(7 ,4) = (3 , 11)

VALORES Y VECTORES PROPIOS

En los diversos campos de la ingeniera y las matemticas surge el

problema de calcular los valores escalares y los vectores 0
tales que para la matriz cuadrada se cumple = (1)
Algunos campos de aplicacin son:

Las Ecuaciones diferenciales, Estabilidad de sistemas lineales,

Sistemas elctricos, Polos y ceros de transferencia, diagonalizacion
de matrices, etc.

Podemos averiguar si el problema planteado en (1) tiene solucin si

tenemos ( ) = 0 (2) , el problema se transforma en un
sistema lineal homogneo = 0 , el cual tiene solucin para = 0
, cuando det() 0 , es justamente lo que no nos interesa .El numero
se dice que es el valor propio de la matriz cuadrada si y solo si
det( ) = 0 (3) esta es la ecuacin caracterstica de la matriz
.El polinomio que surge de la ecuacin (3) resulta un polinomio en
potencias de , la expresin () = det( ) se le llama polinomio
caracterstico de la matriz .El polinomio caracterstico de una matriz de
dimensin es de grado , por lo que se tiene valores propios que
satisfacen la ecuacin (3) .

VALOR PROPIO

Sea : un operador lineal sobre un espacio vectorial sobre un cuerpo . Un escalar

se llama valor propio de si existe un vector diferente de cero, () =
.

Todo vector que satisface esta relacin se llama vector propio de T perteneciente al valor
propio .

Observacin: Las transformaciones lineales del espacio como la rotacin, la reflexin, el

ensanchamiento o cualquier combinacin de las anteriores pueden interpretarse mediante
el efecto que producen en los vectores .De forma geomtrica los vectores se visualizan como
flechas de cierta longitud apuntado en una direccin y sentido determinado. Los vectores
propios de las transformaciones lineales son vectores que no se ven afectados por la
transformacin.

Ejemplo: Sea un valor propio de un operador : . Sea el conjunto de todos los

vectores propios de pertenecientes al valor propio (llamado el espacio propio de )
Demostrar que es un subespacio de .

Demostracin

Sean , ; es decir () = , () = . Entonces para todo escalar ,

, ( + ) = () + () = () + () = ( + ) , luego + es un
vector propio perteneciente a es decir es un subespacio de .
TEOREMA

Sea : un operador lineal sobre un espacio vectorial , entonces es un valor

propio de si y solo si es singular, el espacio propio de es entonces el ncleo de
.

TEOREMA

Vectores propios diferentes de cero pertenecientes a valores propios diferentes son

linealmente independientes.

POLINOMIO CARACTERISTICO

Sea una matriz cuadrada A sobre un cuerpo K

11 12 1
21 22 2
=( )
1 2

La matriz se llama matriz caracterstica, el determinante ( ) = se llama

ecuacin caracterstica, el polinomio caracterstico es de la forma:

() = ( )( ) ( ),
2

Ejemplo

1 4
Sea la matriz = ( )
2 3

i) Hallar los valores propios de A y los correspondientes vectores propios

2i) Hallar una matriz inversible tal que 1 sea diagonal

Solucin:

Ejemplo: El polinomio caracterstico de la matriz A es:

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

Es un polinomio caracterstico, polinomio Mnico de tercer grado.

El polinomio caracterstico de una matriz de dimensin es de grado , por lo cual tendr

posibles valores propios.

Si es un valor propio de y si X es el vector no nulo tal que = se dice vector

propio de correspondiente al valor propio de .
OBSERVACION: tambin llamado autovalor, valor caracterstico o eigen valor.

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

POLINOMIO DE MATRICES Y OPERADORES LINEALES

Sea un polinomio () = + 1 1 + + 1 + 0 , si A es una matriz cuadrada,

entonces definimos:

() = + + + +

Se dice que A es una raz o un cero del polinomio si () = 0.

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

Hallando los valores propios:

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

Toda matriz es un cero de su polinomio caracterstico.

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

Si A es una matriz cuadrada de orden n y es un valor propio de es una raz del

polinomio caracterstico.
MULTIPLICIDAD ALGEBRAICA

La multiplicidad algebraica de un valor propio como cero del polinomio caracterstico.

Ejemplo: Si los valores propios de una matriz son 4, 4, 3, 3, 3, 2, 2, 1 significan que la

multiplicidad algebraica del valor propio4 es 2, la de 3 es 3, la de 2 es 2, la de 1 es 1.

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

DIAGONALIZACION

Sea un operador lineal sobre un espacio vectorial con dimensin finita

entonces T es un operador lineal que se puede representar por una matriz diagonal.

1
2
=

( )

Si y solo si existe una base {1 , 2 , , }de V tal que:

(1 ) = 1 1

(2 ) = 2 2

( ) =

Es decir los vectores {1 , 2 , , }son vectores propios de T perteneciente a los valores

propios 1 , 2 , , .

OBSERVACION

Qu es diagonalizar?

Es determinar un sistema de referencia conveniente donde se tenga una simplicidad para

los clculos.

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

Una matriz es diagonalizable si existe una matriz diagonal tal que

. Si es una matriz diagonal entonces los valores propios son sus
componentes en la diagonal .Si es semejante a entonces tienen los mismos valores
propios , entonces si es diagonalizable , es semejante a una matriz diagonal.

:
FORMAS CUADRATICAS O CUADRICAS

Se llama forma cuadrtica a un polinomio homogneo de grado 2. Una forma cuadrtica P

tiene la siguiente expresin matricial:


() = = 1 1
=1 =1

Donde X es una matriz columna de orden 1 , A es una matriz cuadrada de orden

OBSERVACION

Dadas las matrices se presenta una forma cuadrtica () =

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)

DIAGONALIZACION DE FORMAS CUADRTICAS

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 =

Donde A es la matriz diagonal:

 11 0 0
0 22 0
=( )

0 0

DEFINICION.- Se dice que una forma cuadrtica () = es diagonalizable si existe

una matriz no singular B, tal que al hacer la transformacin = , resulta:

() = () () = = ,

() = 11 1 2 + 22 2 2 + + 2

Es una forma diagonal en las nuevas variables 1 , 2 , 3 , , . Se dice que B diagonaliza

a la matriz A, esta matriz B siempre existe, para ello A es una matriz simtrica, B es una
matriz no singular.

En muchos casos los elementos de la matriz diagonal en la diagonal principal son los
valores propios de A.

Ejemplo: Diagonalizar la forma cuadrtica, considere () = 2 + 4 + 5 2

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

NOTA.- En el ejemplo la forma cuadrtica diagonalizable es: () = 1 2 + 2 2

Hemos hablado de la transformacin = , la cual se interpreta como una rotacin de
coordenadas.

DIAGONALIZACION ORTOGONAL DE FORMAS CUADRTRICAS

Dada una forma cuadrtica () = , es posible hallar una matriz P ortogonal

(1 = ) que diagonalice ortogonalmente a la matriz A, para ello se debe tener en cuenta
que:

1. Hallar los valores propios y vectores propios de la matriz A linealmente

independientes.
2. Los vectores1 , 2 , , forman una base ortonormal para lo cual se utiliza el
proceso de GRAM-SCHMIDT, es decir, hacer:

a. 1 = 1
1
b. +1 = +1 [+1 , 1 1 + +1 , 2 2 + + +1 , ]

Calculamos los vectores +1 que son ortogonales entre si, y son ortogonales a los
vectores {1 , 2 , , } , formamos la matriz P de modo que cada uno de los vectores
1 , 2 , , son vectores columna de la matriz P.

3. Se tiene la forma diagonalizable:

() = () = ( ) =
Donde D es una matriz diagonal formada por valores propios de A.

Ejemplo: Diagonalizar ortogonalmente la forma cuadrtica

= 3 2 + 3 2 + 9 2 + 6 2 + 2 4

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

= (3 )(3 )( 5)( 10) ( 5)( 10) = 0

= ( 5)( 10)( 4)( 2) = 0

Los valores propios son:

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.

Que no representan a una superficie (a estos casos se denomina degenerado).

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 ()

Si el centro es el origen, entonces la esfera es 2 + 2 + 2 = 2 .

La ecuacin () es de la forma
2 + 2 + 2 + + + + = 0

Discusin y grfica de la ecuacin de una superficie.

De manera similar a la discusin que se efecta antes de trazar la grfica de una curva
plana, en el caso de las superficies es tambin ventajoso discutir previamente su
ecuacin antes de construirla. Para discutir la ecuacin (, , ) = 0 de una
superficie se siguen los siguientes pasos:

I) INTERSECCIONES CON LOS EJES COORDENADOS.

Son las intersecciones de la superficie con cada uno de los ejes coordenados.

i) Con el eje . Se reemplaza = = 0 en la ecuacin de la superficie y

se analiza la ecuacin resultante.
ii) Con el eje . Se reemplaza = = 0 en la ecuacin de la superficie y
se analiza la ecuacin resultante.
iii) Con el eje . Se reemplaza = = 0 en la ecuacin de la superficie y
se analiza la ecuacin resultante.

II) TRAZAS SOBRE LOS PLANOS COORDENADOS.

La traza de una superficie sobre un plano coordenado es la interseccin de la
superficie y el plano coordenado.

i) Con el plano . Se reemplaza = 0 en la ecuacin de la superficie.

ii) Con el plano . Se reemplaza = 0 en la ecuacin de la superficie.
iii) Con el plano . Se reemplaza = 0 en la ecuacin de la superficie.

III) SECCIONES TRANSVERSALES O SECCIONES PARALELAS A LOS

PLANOS COORDENADOS.
Son las intersecciones de la superficie con planos paralelos a los planos
coordenados.

i) Al plano . Se reemplaza = en la ecuacin de la superficie.

ii) Al plano . Se reemplaza = en la ecuacin de la superficie.
iii) Al plano . Se reemplaza = en la ecuacin de la superficie.

IV) EXTENSION DE LA SUPERFICIE:

Se entiende por extensin de la superficie a los valores reales que toman las
variables , , en la ecuacin.
 El paso anterior facilita la determinacin de la extensin; por ejemplo, si al
estudiar las secciones paralelas al plano se determina que hay interseccin
con los planos = cuando [3; 3]. Esto indica que en la superficie
varia entre 3y 3, es decir [3; 3].

V) SIMETRIAS CON RESPECTO A LOS PLANOS COORDENADOS, A

LOS EJES COORDENADOS Y AL ORIGEN:
Previamente, se dice que dos puntos y son simtricos con respecto a un
plano si el plano es perpendicular al segmento que los une en su punto medio.
Por otro lado, se dice que una superficie es simtrica con respecto al plano , si
el simtrico de cada punto de la superficie, respecto al plano , es tambin un
punto de la superficie.

Si (, , ) es un punto del espacio, entonces:

a) El simtrico de con respecto al plano es (, , ).

b) El simtrico de con respecto al plano es (, , ).
c) El simtrico de con respecto al plano es (, , ).
Considerando que el lector est familiarizado a las simetras con respecto a una recta y
a un punto se sigue:

d) El simtrico de con respecto al eje es (, , ).

e) El simtrico de con respecto al eje es (, , ).
f) El simtrico de con respecto al eje es (, , ).
g) El simtrico de con respecto al origen es (, , ).

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.

De las consideraciones anteriores, se deduce fcilmente la siguiente tabla:

Si la ecuacin de la superficie no se La superficie es simtrica con

altera cuando se reemplaza: respecto al:
 por plano
por plano
por plano
por por
eje
por por
eje
por por
eje
por , por por
origen

VI) CONSTRUCCION DE LA SUPERFICIE (GRFICA)

Con la ayuda de los pasos anteriores se construye la grfica de una 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. TRAZAS SOBRE LOS PLANOS COORDENADOS.

i) Sobre el plano .
Haciendo = 0 se obtiene 9 2 + 4 2 = 0. Esta ecuacin, en el plano ,
representa al origen de coordenadas.

ii) Sobre el plano .

Haciendo = 0 se obtiene 9 2 12 = 0. Esta ecuacin, en el plano ,
representa a una parbola.

iii) Sobre el plano .

Haciendo = 0 se obtiene la parbola 4 2 12 = 0.

III. SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.

 i) Al plano .
Haciendo = en la ecuacin de la superficie se obtiene 9 2 + 4 2 =
12.
Se observa que hay interseccin solamente cuando 0 (si = 0 es un
punto, si > 0 es una elipse)

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) Con el eje .

Haciendo = = 0 2 4 = 0 = 0 = 4.
Las intersecciones son los puntos 1 (0,0,0) y 2 (0,4,0).

iii) Con el eje .

Haciendo = = 0 2 = 0.
La interseccin es el origen de coordenadas.

II. TRAZAS SOBRE LOS PLANOS COORDENADOS.

i) Sobre el plano .
Las trazas son las rectas: = 0 (eje ) = 4 (paralelo al eje )

ii) Sobre el plano .

La traza es la recta: = 0 (eje ).

iii) Sobre el plano .

La traza es la parbola 2 4 + 2 = 0.

III. SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.

i) Al plano .
Haciendo = 2 4 + 2 = 0 = 2 4 2.
Existe interseccin 2 (Para = 2 es una recta, para < 2 son dos
rectas paralelas)

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 , , .

Algunas superficies cilndricas o superficies de revolucin son ejemplo de cudricas. En esta

seccin se dar algunas formas estndar de las superficies cudricas cuyas ecuaciones estn
en su forma ms simple.

Considerando que el alumno est en condiciones de discutir la ecuacin de una superficie,

nos limitaremos a describir algunas propiedades de estas superficies.

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 a los planos coordenados son elipses o circunferencias.

(en los planos = , = , = , se reduce a un punto).
Esta superficie es simtrica con respecto a uno de los planos coordenados, simtrica
con respecto a cada uno de los ejes coordenados y simtrica con respecto al origen. La
grfica se muestra arriba.

El origen es el centro del elipsoide. Si el centro del elipsoide es el punto (0 , 0 , 0 ),

su ecuacin es de la forma
 ( 0 )2 ( 0 )2 ( 0 )2
+ + =1
2 2 2

Hiperboloide elptico (o circular) de una hoja.

Su ecuacin es de la forma:
2 2 2 2 2 2 2 2 2
+ = 1 (o + = 1, o + + = 1)
2 2 2 2 2 2 2 2 2
En la figura de abajo se muestra la grfica de
2 2 2
+ =1
2 2 2

A continuacin se describe algunas propiedades de esta superficie.

; ] [; +
; ] [; +
; +

Si 2 = 2 , es una superficie de revolucin (hiperboloide circular de una hoja)

Si 2 2 , es el hiperboloide elptico de una hoja.

Las secciones transversales al plano son elipses o circunferencias segn si

2 2 o2 = 2

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.

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

Hiperboloide elptico (o circular) de dos hojas.

Su ecuacin es de la forma:
2 2 2 2 2 2 2 2 2
+ = 1 ( = 1, + = 1)
2 2 2 2 2 2 2 2 2
Donde, y son nmeros positivos.

En la figura de abajo se muestra la grfica de

2 2 2
+ =1
2 2 2

En lo que sigue, se describe algunas propiedades de esta superficie.

; +
; ] [; +
; +

Si 2 = 2 , es una superficie de revolucin (hiperboloide circular de dos hojas).

Si 2 2 , es el hiperboloide elptico de dos hojas.
 Las secciones transversales al plano son circunferencias o elipses segn si 2 =
2 o 2 2. (En el plano = , es un punto).

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 ).

Si los tres signos son positivos: elipsoide.

Si dos signos son positivos y uno es negativo: hiperboloide de una hoja.
Si dos signos son negativos y uno es positivo: hiperboloide de dos hojas.
Si los tres signos son negativos: es el conjunto vaco.

Paraboloide elptico (o circular)

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, (si < 0 el paraboloide se extiende hacia la parte negativa del eje ). Las
propiedades de esta superficie son:
; +
; +
; 0]
(si < 0, ; 0])

Si 2 = 2 , es una superficie de revolucin (paraboloide circular).

Si 2 2 , es el paraboloide elptico.

Las secciones transversales al plano son circunferencias o elipses segn si 2 =

2 o 2 2 . (En el plano = 0, la traza es un punto).
Esta superficie es simtrica con respecto al eje , al plano y al plano .
El vrtice de esta superficie es el origen de coordenadas. Si el vrtice es (0 , 0 , 0 ),
su ecuacin es de la forma:
( 0 )2 ( 0 )2
+ = ( 0 )
2 2

En los otros casos, la ecuacin es de la forma:

( 0 )2 ( 0 )2 ( 0 )2 ( 0 )2
+ = ( 0 )o + = ( 0 )
2 2 2 2

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 propiedades de esta superficie son:

; +
; +
; +

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

En los otros casos, la ecuacin es de la forma:

( 0 )2 ( 0 )2 ( 0 )2 ( 0 )2
= ( 0 )o = ( 0 )
2 2 2 2

Cono elptico (o circular)

Su ecuacin es de la forma:
2 2 2 2 2 2 2 2 2
+ = (o + = = , o 2 + 2 = 2)
2 2 2 2 2 2
Donde, y son nmeros positivos.
En la figura de abajo se muestra la grfica de la superficie
2 2 2
+ =
2 2 2

Esta superficie tiene las siguientes propiedades:

Si 2 = 2 , es una superficie de revolucin (cono circular).

Si 2 2 es el cono elptico.

Las secciones transversales al plano son circunferencias o elipses segn si 2 =

2 , o 2 2 . (En el plano = 0 la traza es el origen de coordenadas).
Las secciones transversales al plano y al plano son hiprbolas (En los planos
= 0 y = 0 son dos rectas que se cortan).

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

En los otros casos, la ecuacin es de la forma:

 ( 0 )2 ( 0 )2 ( 0 )2 ( 0 )2 ( 0 )2 ( 0 )2
+ = o + =
2 2 2 2 2 2

PROBLEMAS

1. Reconocer y graficar con respecto a los nuevos ejes 7 2 + 6 2 + 5 2 - 4xy + 6x - 6y +

19
12z - =0, indique los valores y vectores propios.
2

Solucin:

Se expresa la ecuacin en su forma matricial

7 2 0
( ) (2 6 0) () + 6 (1 1 2) () - 19 =0
2
0 0 5

Hallamos los valores y vectores propios de:

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

Reemplazando por traslacin:

+ 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. Resolver el sistema de ecuaciones diferenciales

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

1 =2, 2 =2-2, 3 =2+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. Determine los valores propios de 10 , sabiendo que

3 4 2 8
0 1 1 0
A =( )
0 0 1 5
0 0 0 4

Solucin:

Como es una matriz triangular superior, solo la diagonal principal es afectada.

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

Hallando los valores propios:

310 0 0 0
| 0 1 0 0 |=0
0 0 1 0
10
0 0 0 4

(310 ) ( 1 ) ( 1 ) ( 410 )=0

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 + )

a) Calcule una base y la dimensin del ncleo

b) Calcule la imagen
1 1 1 0 0 0 0 1
c) Obtener la matriz de T respecto a las bases {[ ],[ ],[ ],[ ]} 22
1 1 1 0 0 1 1 1
1 3
d) Hallar la imagen de [ ]
2 2

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

Entonces la matriz ser:

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

Con lo que se puede decir que:

Dim I=3

Dim k=1

Adems la imagen generada seria:

1 2 1
= {(1) , (4) , ( 0 )}
0 1 8

Ahora hallaremos la Matriz T:

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

Por tanto la Matriz T ser:

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

La imagen generada seria:

1 6 2
= {(1) , (12) , ( 0 )}
0 3 16

0
5.a) Sea la matriz = |0 |
1 0 0

Si : 3 3 ,

b) Una matriz A tiene valores propios 6 y12.Adems correspondiente a 6 que es de

multiplicidad 2, se tiene los vectores propios (1,0,-1) y (1,1,1) y para 12 se tiene el vector
propio (1,-2,1) si se sabe que A es simtrica, determine la matriz A.

Solucin:

a)

0
|0 | = 2 + 2 = 1
1 0 0

Sabes que la ecuacin de la grfica es:

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

De este hallamos su inversa la cual es:

1 3 6 3
1 = (2 2 2)
6
1 2 1

Adems sabemos su diagonalizacin gracias a los valores propios dados tambin:

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

SISTEMA DE ECUACIONES DIFERENCIALES

LINEALES DE PRIMER ORDEN

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 + + () + ()

Se denomina sistema lineal, los coeficientes , se supone son

continuos en un intervalo comn .
Cuando () = 0 ; = 1,2,3, , se dice que el sistema lineal es
homogneo.
Matricialmente se tiene

= +
1 11 ()12 () 1 () 1 1 ()
2 ()22 () 2 () 2 ()
( ) = ( 21 )( ) + ( 2 )

1 ()2 () () ()

Es homogneo si =
EJEMPLO

= 6 + + +

6 1 1

= 8 + 7 + 10 = (8 7
1) ( ) + (10 )

2 9 1 6

= 2 + 9 + 6

Un vector solucin en un intervalo es cualquier matriz columna de la forma que

satisface al sistema.
 1 ()
2 ()
=( )

()

Cuyos elementos son funciones diferenciales que satisfacen el sistema.

Un vector solucin equivale a n ecuaciones escalares:

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

Y tienen la interpretacin de un conjunto de ecuaciones paramtricas en el espacio.

METODO MATRICIAL PARA SISTEMAS DE PRIMER ORDEN CON COEFICIENTES
CONSTANTES
Sea el sistema homogneo
1
= 11 1 + 12 2 + + 1

2
= 21 1 + 22 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

El polinomio caracterstico asociado con el sistema de primer

orden determina las races de la ecuacin polinomica () =
0 , se llaman valores propios .Cada raz determina un conjunto
de nmeros 01 , 0 2 , , 0 y por lo tanto es una solucin del
sistema de ecuaciones diferenciales.
Dos soluciones correspondientes a dos valores diferentes
1 , 2 son linealmente independientes, entonces para todas las
races distintas existirn soluciones linealmente
independientes (LI), entonces la solucin del sistema
homogneo ser la combinacin lineal de estas soluciones LI.

PROBLEMA DE VALOR INICIAL

Sea 0 un punto en un intervalo donde x que depende
de 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 + +

En las que los , = 1,2,3, , son

constantes arbitrarias, tambin es una solucin
en el intervalo.

TEOREMA.- Criterio para las soluciones

linealmente independientes.
Sean:
11 12 1
21 22 2
1 = ( ) , 2 = ( ) , , = ( )
1 2

n vectores, solucin del sistema homogneo en un

intervalo el conjunto de vectores solucin es
L.I. en si y solo si el WRONSKIANO es diferente
de cero
 11 12 1
21 22 2
W(1 , 2 , , ) = [ ]0
1 2

SISTEMA LINEAL HOMOGENEO CON

COEFICIENTES CONSTANTES
Si una matriz A tiene n valores propios
reales y distintos 1 , 2 , , siempre es
posible determinar un conjunto de n vectores
propios Linealmente independientes
1 , 2 , , , donde:

1 = 1 1 , 2 = 2 2 , , =

El cual es un conjunto solucin del sistema de

ecuaciones diferenciales homogneo.
La solucin general queda expresada por:

= 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

VALORES PROPIOS REPETIDOS

Cuando los valores propios de una matriz A de orden nxn no necesariamente son
diferentes como por ejemplo en el sistema:
3 18
= ( )
2 9
3 18
( ) = | | = ( + 3)2 = 0
2 9
1 = 2 = 3
Es una raz de multiplicidad algebraica 2, se obtiene el vector propio de modo que:

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

FORMA CANONICA DE JORDAN

Sea una matriz cuadrada de orden dicha matriz tiene valores propios L.I.
1 , 2 , ,
La matriz diagonal D:
= (1 , 2 , , ) 1 , 2 , , .

DEFINICION.- Sea , se dice que la matriz es un bloque de Jordn si es de la forma:

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.

Ejemplo: Sean las matrices de orden 1, 2, 3, 4 respectivamente (son formas canoncas de

Jordn)

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

DEFINICION.- Una matriz de Jordn

1 (1 )
2 (2 )
() =

( ( ))

Donde cada ( ) es un bloque de Jordan

0
Ejemplo: Matrices de orden 2 2 ( ) .
0

Matrices de Jordn de orden 3 x 3:

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.

Ejemplo: Si A es semejante a la matriz 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( )

- Aplique divisin repetidamente para determinar cuantas veces divida al

polinomio caracterstico.
4. Cmo determinar la multiplicidad geomtrica de un valor propio de A?
Formar y reducir el sistema [ ] = [0] , el numero de variables libre es la
dimensin o multiplicidad geomtrica del valor propio.

TEOREMA

1 dim

TEOREMA

Si los vectores 1 , 2 , , son vectores propios diferentes entonces {1 , 2 , , } es L.I.

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

2. Diagonalizar para obtener la ecuacin cannica de la siguiente cnica:

3 2 10 + 3 2 142 + 182 + 38 = 0

Solucin: Expresar la ecuacin en su forma matricial

( ) ( 3 5) () + 2(72 92) () + 38 = 0 ()
5 3

Hallamos los valores y vectores propios de la matriz

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

Planeando una rotacin:

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

Solucin: Expresin matricial

0 2 4
( ) ( 2 2 2) () + (6 0 0) () 5 = 0 ()
4 2 0

Hallamos los valores y vectores propios:

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

1/2 1/6 1/3

( ) = ( 0 2/6 1/3) ( )
1/2 1/6 1/3
Luego:
4 0 0
( ) ( 0 0 0) ( ) + (6/2 6/6 6/3)13 ( )
5=0
0 0 6
31
2 2 6 6 6
4 + 6 + 5 = 0
2 6 3
2
2 6 3 2 1 2
(4 + ( ) ) + 6 ( + (1/23) )
2 22 3

58 9 1 4
6 + =0
8 8 2 4
2

3
1 2 35
(2 ) + 6 ( ) 6 ( + )=0
22 23 86

Reemplazando por traslacin:

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

Sean X e Y dos matrices cuadradas de orden n, a y b son reales o complejos, donde es la

matriz nula e .

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

Las matrices de potencias superiores a 3 son nulas.

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

MATRICES DIAGONALES Y DIAGONALIZABLES

Si una matriz A es diagonal

1 0 0
0 2 0
=( )

0 0

Una matriz M diagonalizable entonces = 1 donde D es la matriz diagonal y es una

matriz no singular, P puede elegirse como una matriz unitaria, la exponencial de matrices
diagonalizables se puede reducir a:

= 1 j

EXPONENCIAL Y FORMA DE JORDAN:

- Matrices que admiten formas de Jordn

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.

Si A representa a la matriz de cierta aplicacin lineal entonces la exponencial puede

obtenerse a partir de la forma cannica de Jordn, es decir:

= 1


( )
= = = =
! !
= =

Entonces la expresin anterior representa la descomposicin de Jordn de una matriz A ,

calcular , la exponencial de una matriz de Jordan se tiene:

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