Álgebra para Ingenieros PDF

Capitn de fragata ingeniero
AGUSTN E. GONZLEZ MORALES

LGEBRA
PARA
INGENIEROS

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

2


3

N D I C E

CAPTULO 1

MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

MATRICES

1. MATRIZ. DEFINICIN
2. ALGUNOS TIPOS DE MATRICES
3. SUMA DE MATRICES
4. PRODUCTO DE MATRICES POR UN ESCALAR
5. PRODUCTO DE DOS MATRICES
6. MATRIZ INVERSA DE UNA MATRIZ CUADRADA
7. RANGO O CARACTERSTICA DE UNA MATRIZ
8. CLCULO DEL RANGO POR EL MTODO DE GAUSS
9. CLCULO DE LA MATRIZ INVERSA POR EL MTODO DE GAUSS

DETERMINANTES

10. DETERMINANTES. DEFINICIN
11. CLCULO DE UN DETERMINANTE POR EL MTODO DE GAUSS
12. CLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA
13. CLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES
14. CLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES

SISTEMAS DE ECUACIONES LINEALES

15. NOTACIN ORDINARIA Y MATRICIAL
16. SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS
17. RESOLUCIN POR REDUCCIN O MTODO DE GAUSS
18. RESOLUCIN MEDIANTE DETERMINANTES O MTODO DE CRAMER

Ejercicios

CAPTULO 2

ESPACIOS VECTORIALES DE DIMENSIN FINITA

1. ESTRUCTURA DE GRUPO Y CUERPO
2. ESTRUCTURA DE ESPACIO VECTORIAL
3. PROPIEDADES DE LOS ESPACIOS VECTORIALES
4. ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES
5. SUBESPACIOS VECTORIALES
6. SUBESPACIO VECTORIAL: CONDICIN NECESARIA Y SUFICIENTE
7. INTERSECCIN, UNIN Y SUMA DE SUBESPACIOS
8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE
VECTORES
9. INDEPENDENCIA Y DEPENDENCIA LINEAL
10. SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL

4

11. BASE DE UN ESPACIO VECTORIAL. DIMENSIN
12. COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO
13. ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL
14. CAMBIO DE BASE EN UN ESPACIO VECTORIAL
15. EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 14

Ejercicios

CAPTULO 3

FUNCIONES Y APLICACIONES LINEALES

1. RELACIONES FUNCIONALES O FUNCIONES
2. CLASIFICACIN DE LAS FUNCIONES
3. COMPOSICIN DE FUNCIONES
4. APLICACIN LINEAL
5. PROPIEDADES Y CLASIFICACIN DE LAS APLICACIONES LINEALES
6. NCLEO E IMAGEN DE UNA APLICACIN LINEAL
7. DIMENSIONES DEL NCLEO Y LA IMAGEN. RANGO DE UNA APLICACIN LINEAL
8. MATRIZ ASOCIADA A UNA APLICACIN LINEAL
9. CAMBIO DE BASES DE REFERENCIA EN DOS ESPACIOS VECTORIALES

Ejercicios

CAPTULO 4

DIAGONALIZACIN DE MATRICES Y FORMAS CUADRTICAS

1. VECTORES EN
. MDULO Y VECTOR UNITARIO

2. ADICIN Y PRODUCTO ESCALAR DE VECTORES EN

3. ESPACIO VECTORIAL EUCLIDIANO. PRODUCTO INTERIOR
4. NGULO DE DOS VECTORES
5. ORTOGONALIDAD
6. CONJUNTO ORTOGONAL DE VECTORES
7. BASE ORTONORMAL
8. ORTONORMALIZACIN DE UNA BASE
9. VALORES Y VECTORES PROPIOS DE UNA MATRIZ
10. POLINOMIO CARACTERSTICO DE UNA MATRIZ CUADRADA. DETERMINACIN DE LOS
VALORES Y VECTORES PROPIOS
11. MATRICES SEMEJANTES EN UNA APLICACIN LINEAL
12. POLINOMIO CARACTERSTICO DE UNA APLICACIN LINEAL
13. RACES DEL POLINOMIO CARACTERSTICO Y DIAGONALIZACIN DE MATRICES
14. ECUACIN GENERAL DE LAS CNICAS. REDUCCIN
15. FORMAS CUADRTICAS
16. MATRIZ SIMTRICA ASOCIADA A UNA FORMA CUADRTICA
17. DIAGONALIZACIN DE MATRICES SIMTRICAS Y REALES
18. DIAGONALIZACIN ORTOGONAL
19. UN PROBLEMA FSICO DE APLICACIN

Ejercicios


5


6

CAPTULO 1


MATRICES

3. SUMA DE MATRICES

DETERMINANTES




Ejercicios


7

CAPTULO 1


MATRICES


Una matriz es un conjunto de nmeros dispuestos en filas y columnas
escrito de la siguiente forma:

donde el elemento situado en la fila , columna es el
.
Una matriz es rectangular si , y cuadrada si .
La dimensin de una matriz es el producto .


Matriz fila. Slo tiene una fila. Ejemplo: 1 2 3 4

Matriz columna. Slo tiene una columna. Ejemplo:
1
5
9

Matriz triangular. Aquella en la que todos los elementos situados por encima o
por debajo de la diagonal principal son nulos.

Matriz transpuesta.
. Se obtiene cambiando filas por columnas. Ejemplo:

Sea la matriz
1 2 3
5 6 7
, entonces

1 5
2 6
3 7
.

Algunas propiedades de las matrices transpuestas son:


8

Matriz simtrica. Aquella que siendo cuadrada tiene los mismos elementos por
encima y por debajo de la diagonal principal. Ejemplo:

1 4 5
4 2 6
5 6 3

Matriz antisimtrica o hemisimtrica. Aquella que siendo cuadrada tienen los
mismos elementos por encima y por debajo de la diagonal principal, pero cambiados
de signo. Ejemplo:

1 4 5
4 2 6
5 6 3

Matriz diagonal. Aquella que siendo cuadrada tiene todos los elementos, no
pertenecientes a la diagonal principal, nulos. Ejemplo:

1 0 0
0 2 0
0 0 3

Matriz escalar. Aquella matriz diagonal con todos los elementos de la diagonal
principal iguales. Ejemplo:

2 0 0
0 2 0
0 0 2

Matriz unidad, cannica o identidad: . Aquella matriz escalar con todos los
elementos de la diagonal principal iguales a 1. Por tanto, la matriz identidad de
dimensin 3 3 es:

1 0 0
0 1 0
0 0 1

Matriz nula o cero: . Aquella matriz que tiene todos sus elementos nulos.
Ejemplo:

0

0 0 0
0 0 0

3. SUMA DE MATRICES

Para sumar dos matrices y deben tener la misma dimensin. La suma se
realiza elemento a elemento. Por ejemplo:

1 2
3 4

5 6
7 8


9

1 5 2 6
3 7 4 8

6 4
10 12

Propiedades

Asociativa:
Conmutativa:
Elemento neutro: 0 , siendo 0 la matriz nula


El producto de la matriz por el escalar se calcula multiplicando todos los
elementos de la matriz por el escalar. Por ejemplo:

1 2
3 4

5

5
1 2
3 4

5 1 5 2
5 3 5 4

5 10
15 20


El producto de dos matrices se realiza multiplicando filas por columnas como
se muestra en el siguiente ejemplo:

donde tiene dimensin 2 3 mientras que la dimensin de es 3 2, de manera
que la dimensin de es 3 3.
En general, si la dimensin de es , la dimensin de debe ser
para poderlas multiplicar, siendo la dimensin de .

Propiedades

Asociativa:
En general, no cumple la propiedad conmutativa:

Premultiplicar es multiplicar por la izquierda y postmultiplicar es hacerlo por la
derecha. As, en , premultiplica a , o postmultiplica a .

Si es cuadrada, el elemento neutro del producto es : .

10

Distributiva respecto de la suma:

Si y tienen matriz inversa (ver punto 6), entonces:

Si , no es cierto, en general, que .


Si existe
tal que

entonces
es la matriz inversa de , y se dice que es invertible o regular. Pero, si
no existe, entonces es singular.


Toda matriz de dimensin , leda fila a fila, es tambin un conjunto de
vectores de dimensin . O, leda columna a columna, un conjunto de vectores de
dimensin . El rango o caracterstica de una matriz es el nmero de filas o de
columnas (es decir, el nmero de vectores) linealmente independientes (LI).

Propiedad

El rango considerando la matriz por filas es igual al rango evaluado por columnas.


Las transformaciones de filas o columnas que no modifican el rango son:

Permutar dos filas o dos columnas.
Multiplicar o dividir una fila o columna por un nmero distinto de cero.
Sumar (o restar) a una fila o columna otra paralela.
Suprimir filas o columnas nulas o combinacin lineal de otras.

Mtodo de Gauss para determinar el rango de una matriz

A continuacin se expone el procedimiento a seguir para determinar el rango,
conocido como mtodo de Gauss o del pivote:

Se elige como pivote un elemento no nulo.
Los restantes elementos de su fila (o de su columna) se hacen nulos empleando las
cuatro transformaciones anteriores.
Se reitera el procedimiento eligiendo como pivote otro elemento no nulo no
perteneciente ni a la fila ni a la columna del pivote anterior.
Se vuelve a realizar, eligiendo otro pivote no nulo que no pertenezca ni a las filas ni
a las columnas de los pivotes anteriores.
As sucesivamente hasta agotar todos los pivotes no nulos.


11

El rango es el nmero de las filas o de las columnas (el menor de los dos) cuyos
elementos no sean todos nulos.

Ejemplo
Determinar el rango de la matriz
1
1
2
0

2
1
2
1

1
0
1
2

1
2
2
1
.

Operando por filas (tambin se podra por columnas e incluso unas veces por
filas y otras por columnas), se elige como pivote, por ejemplo, el elemento
1.
Empleando la fila del pivote como operadora, se resta la fila 1 de la 2 y dos veces la
fila 1 de la 3. La matriz que resulta es:

1
0
0
0

2
1
2
1

1
0
3
2

1
3
4
1

En esta nueva matriz, se elige como pivote uno que no sea nulo y no
pertenezca ni a la fila 1 ni a la columna 1, por ejemplo el
1. Empleando la fila
del pivote como operadora, se resta dos veces la fila 2 de la 1, dos veces la fila 2 de
la 3 y la 2 de la 4. La matriz que resulta es:

1
0
0
0

0
1
0
0

1
1
1
1

5
3
2
2

En esta nueva matriz se elige como pivote uno que no sea nulo y no pertenezca
ni a las filas ni a las columnas de los pivotes anteriores, por ejemplo el

1. Empleando la fila del pivote como operadora, se suma la fila 1 con la 3, la 2 con
la 3 y se resta la 3 y la 4. La matriz que resulta es:

1
0
0
0

0
1
0
0

0
0
1
0

7
5
2
0

El proceso ha finalizado pues no es posible elegir un nuevo pivote no nulo.
En la ltima matriz se elimina la fila 4 pues todos sus elementos son nulos. Por
lo tanto, el rango es 3 y las tres primeras filas son vectores LI.


Para determinar la inversa de una matriz se procede de la siguiente manera:
se sita a su lado la matriz identidad y se sigue el mtodo del epgrafe anterior a la
matriz rectangular constituida por e . Tras sucesivas transformaciones se obtiene
, si existe, segn el esquema siguiente:


12

transformaciones
de filas y columnas

transformaciones
de filas y columnas

Ejemplo
Calcular la matriz inversa de
1 0 1
1 2 2
2 1 1
.

Paso 1
1 0 1
1 2 2
2 1 1

1 0 0
0 1 0
0 0 1

Paso 2
1 0 1
0 2 1
0 1 3

1 0 0
1 1 0
2 0 1

Paso 3
1 0 1
0 2 1
0 0 5

1 0 0
1 1 0
5 1 2

Paso 4
5 0 0
0 10 0
0 0 5

0 1 2
10 6 2
5 1 2

Paso 5
1 0 0
0 1 0
0 0 1

0 1 5 2 5
1 3 5 1 5
1 1 5 2 5

En el paso 1 se elige como pivote el elemento
1. En el paso 2 se resta
la fila 1 de la 2 y dos veces la 1 de la 3. Se elige como pivote el elemento
2. En el paso 3 se suma la fila 2 con dos veces la 3. Se elige como pivote el

elemento
5. En el paso 4 se resta cinco veces la fila 1 de la 3 y se suma

cinco veces la 2 y la 3. En el paso 4 se divide la fila 1 por 5, la 2 por 10 y la
tercera por 5.
En estas condiciones, la matriz inversa es:

A

0 1 5 2 5
1 3 5 1 5
1 1 5 2 5

1
5
0 1 2
5 3 1
5 1 2


13

DETERMINANTES


El determinante de una matriz cuadrada (se escribe || o det ) es el
nmero obtenido al sumar todos los productos posibles de sus elementos, de modo
que en cada producto haya un elemento, y slo uno, de cada fila y cada columna. El
signo de cada producto es alternativamente positivo y negativo, siguiendo un orden
relacionado con la posicin de los elementos.
El determinante de la matriz

es:

det

El determinante de la matriz

es:

det

Se ha desarrollando el determinante a travs de los elementos de la primera
fila, pero se podra haber empleado cualquier fila o columna, teniendo en cuenta el
signo asociado a cada posicin, tal como se representa a continuacin para un
determinante de 4 4:

El procedimiento se generaliza para .

Propiedades

det det

det 0 0
det 1
El determinante de una matriz diagonal o triangular es el producto de los
elementos de la diagonal principal.
Suma de determinantes: Veamos un ejemplo:

El ejemplo se ha escrito empleando las primeras filas, pero se podra generalizar a
cualquier fila o columna, pues dos determinantes se pueden sumar si tienen todas
las filas (o las columnas) iguales menos una.
Para multiplicar un determinante por un escalar basta multiplicar una fila o
columna.
, aunque

14

Si se permutan dos filas o dos columnas el determinante cambia de signo.
Si una fila o columna tiene todos los elementos nulos, el determinante es nulo.
Un determinante es nulo si tiene dos filas o columnas combinacin lineal.
Si a una fila o columna se le suma otra paralela multiplicada por un nmero, el
determinante no vara.
Si el determinante de orden es nulo, el rango de su matriz es menor que :

det
0


Empleando el mtodo de Gauss del epgrafe 9 se puede calcular un
determinante teniendo en cuenta que al multiplicar por un nmero la fila o columna a
reemplazar, hay que dividir el determinante por dicho nmero. Basta obtener una
matriz triangular, pues su determinante es el producto de la diagonal principal.
Tambin se pueden realizar otros clculos combinados con el mtodo de Gauss.

Ejemplo
Calcular el determinante de la matriz
1
5
2
1

3
0
5
2

2
3
6
3

5
1
3
2
.

Elegido como pivote el elemento
1, multiplicamos por 5 la fila 1 y

restamos la 2 para reemplazar esta ltima; como la fila 2 ha sido multiplicada por
1, debemos tener en cuenta este factor. Tambin multiplicamos la fila 1 por 2 y le
restamos la 3 para reemplazarla, y hemos de tener presente de nuevo el factor
1 por el que hemos multiplicado la fila 3. Por ltimo, sumamos las filas 1 y 4. La
matriz que resulta es:

1
0
0
0

3
15
1
5

2
13
10
1

5
24
7
7

Factores introducidos: 1, 1

Se elige como pivote el
15. Multiplicamos por 15 la fila 3 y le restamos

la 2 para reemplazar la 3 (factor introducido: 15). Multiplicamos por 3 la fila 4 y le
restamos la 2 para reemplazar la 4 (factor introducido: 3). No hace falta modificar la
fila 1 porque se trata de conseguir una matriz triangular. La matriz que resulta es:

1
0
0
0

3
15
0
0

2
13
137
16

5
24
81
3

Factores introducidos: 15, 3

Se elige como pivote el
137. Multiplicamos por 16 la fila 3 y le

sumamos la 4 multiplicada por 137 para reemplazarla (factor introducido: 137). No
hace falta modificar las filas superiores. La matriz que resulta es:


15

El proceso ha finalizado pues se ha conseguido una matriz triangular superior.
El determinante es:

det
1 15 137 885
1 1 15 3 137
295


Se llama determinante adjunto o menor complementario del elemento
al
que resulta de eliminar la fila y la columna . La matriz del adjunto se llama cofactor o
matriz complementaria. El signo del adjunto es alternativamente positivo o negativo,
siguiendo el criterio explicado en el epgrafe 10.
Todo determinante es igual a la suma de los elementos de una fila o
columna, multiplicados por sus adjuntos.

Ejemplo

Ejemplo

En el segundo ejemplo se han realizado clculos por el mtodo de Gauss
combinados con el desarrollo por los elementos de una lnea.


El rango de una matriz es el correspondiente al de la mayor matriz cofactor
cuyo determinante menor complementario no sea nulo. En pocas palabras: el del
mayor menor no nulo.
Sea una matriz

formada por vectores de dimensin con .
Basta que un determinante de orden sea distinto de cero para que los vectores
sean LI. Si fuese se analizara la matriz traspuesta de manera anloga.

Ejemplo

Evaluar la dependencia o independencia lineal de los vectores de
:
1, 3, 0, 7, 1, 2, 4, 6 1, 1, 2, 0.


16

Calculamos un determinante de tercer orden:

det
1 3 0
1 2 4
1 1 2
2 0

como es distinto de cero, se puede asegurar que los tres vectores son LI.


Se llama matriz adjunta de , y se escribe , a la obtenida al sustituir cada
elemento por su determinante adjunto.
As, por ejemplo, sea

2 2 2
2 1 0
3 2 2

se puede comprobar que

2 4 7
0 2 2
2 4 6

Se demuestra que:

det

De esta expresin se deduce que es invertible si y slo si .



La notacin ordinaria de un sistema de ecuaciones con incgnitas es:

Si los trminos independientes
, ,
son todos nulos, se dice que el

sistema es homogneo.
El mismo sistema se puede escribir con notacin matricial.
Sea la matriz de coeficientes:


17

Sea la matriz ampliada con los trminos independientes:

Sea la matriz columna de incgnitas:

Y sea la matriz columna de trminos independientes:

La expresin matricial del sistema de ecuaciones es:

Premultiplicando esta igualdad por
, si existe:

por tanto

Ejemplo

Resolver el sistema de ecuaciones

10
2
11
18

La matriz es:

1 1 1
2 1 1
1 5 1

cuyo determinante es:

4 0

lo que asegura que es invertible, de manera que:

18

1 1 0
1 4 0 1 4
9 4 1 1 4

por lo tanto

1 1 0
1 4 0 1 4
9 4 1 1 4

10
11
18

de donde:

1
2
7

es decir,
1,
2,
7.


El criterio de Rouch-Frobenius establece que un sistema es compatible, es
decir, tiene solucin, si el rango de la matriz de coeficientes es igual al rango de la
matriz ampliada . Caso contrario, es incompatible, y no tiene solucin. Adems, un
sistema compatible es determinado si el rango de (o de ) es igual al nmero de
incgnitas , y su solucin es nica; y es indeterminado si el rango es menor que , y
tiene infinitas soluciones.


Con el mtodo de reduccin o de Gauss lo que se convierte la matriz en una
triangular, para as obtener un sistema de ecuaciones escalonado y equivalente (con
las mismas soluciones que el dado).

Ejemplo

Resolver por el mtodo de Gauss el sistema de ecuaciones , con:

1
1
1
1

1
1
1
1

1
1
1
1

1
1
1
1

8
2
6
4

La matriz es:

1
1
1
1

1
1
1
1

1
1
1
1

1
1
1
1

8
2
6
4

Siguiendo el mtodo del epgrafe 9, se llega a la matriz triangular superior
equivalente:

19

1
0
0
0

1
2
0
0

1
2
2
0

1
0
2
4

8
10
14
8

Se trata del siguiente sistema de ecuaciones escalonado:

8
2
10
2
14
4
8

En la 4 ecuacin se calcula
2, cuyo valor se sustituye en la 3,

obtenindose
5. Se procede de manara anloga con la 2 y 1 ecuacin, de

manera que
0 y
1.


Se demuestra que la solucin de un sistema determinado mediante
determinantes (denominado mtodo de Cramer) consiste en calcular cada incgnita
siguiendo el esquema que se emplea en el siguiente ejemplo, generalizable para
incgnitas:

Ejemplo

Resolver el sistema de ecuaciones por el mtodo de Cramer

10
2
11
18

Se trata del mismo sistema ya resuelto a travs de la inversa de la matriz . El
determinante de es:

det 4 0

Las incgnitas se calculan como se expresa a continuacin:

det
10 1 1
11 1 1
18 5 1
det
1 1 1
2 1 1
1 5 1
1;

det
1 10 1
2 11 1
1 18 1
det
1 1 1
2 1 1
1 5 1
2;

det
1 1 10
2 1 11
1 5 18
det
1 1 1
2 1 1
1 5 1
7

Se puede emplear el mtodo de Cramer en sistemas indeterminados,
teniendo ciertas precauciones. Vemoslo con un ejemplo.

Ejemplo

Resolver el sistema de ecuaciones por el mtodo de Cramer


20

10
7

Pasando
al segundo miembro:

10

la matriz de los coeficientes de
es:

1 1
1 1

cuyo determinante es:

det M 2 0

Se le da a
cualquier valor. Sea
. Empleando el mtodo de Cramer:

10 1
7 1

1 1
1 1

1 10
1 7

1 1
1 1

Obsrvese que no sera vlido resolver el sistema del enunciado pasando
al
segundo miembro:

10

pues en ese caso la matriz sera:

1 1
1 1

cuyo determinante es nulo.


21

Ejercicios

1. Se dice que una matriz es ortogonal si su inversa es igual a su transpuesta. Sean y
dos matrices de orden n invertibles. es simtrica y ortogonal. Simplificar:

2. Sean y dos matrices tales que 0 (matriz nula). Si es invertible, demostrar
que tiene que ser la matriz nula.

3. Hallar la inversa de

0 1
1 0
0 0
0 0
0 0
1 1
1 0
1 1

4. Hallar la matriz que verifica la identidad siendo
3 2 1
0 3 1
5 3 1
,

1 0 3
5 2 1
4 0 3
y
0 2 2
12 0 1
33 8 1
8
20
36

5. Calcular el determinante de Vandermonde

det

Y generalizar el resultado hasta el exponente natural .

6. Resolver la ecuacin det 0 siendo
7 6
12 10
e identidad.

7. Hallar el rango de la siguiente matriz en funcin de los valores de sus parmetros:

1 1
1 1 2
1 1 2

2

8. En el dominio de las matrices cuadradas de orden 5, demostrar:

det 32 det

9. Si en el dominio de las matrices cuadradas de orden se satisface que
,
demostrar que es invertible y que ha de ser par.

10. Calcular el rango de
5 0 1
1 3 0
2 6 0
3 6 1
4 3 1


22

11. Discutir y resolver segn los valores de , el sistema:

1

1

12. Hallar la potencia n-sima de la matriz
1 1 1
1 1 1
1 1 1
.

13. Sea
2 7 0
5 4 1
2 5 5
, descomponer en una suma de una matriz simtrica y una
antisimtrica.

14. Demostrar que:

det

det
1 2
0 1

0 1
1
2
det
1 2
0 1
1 0
1 1
0 1
1 1
2 1
1 0

det

det


23


24

CAPTULO 2


8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE
VECTORES

Ejercicios


25

CAPTULO 2



Estructura de grupo

Sea un conjunto y una operacin que se efecta con sus elementos; en
adelante: ,; se dice que , tiene estructura de grupo si:

a) La operacin es una ley de composicin interna

,

b) Se cumple la propiedad asociativa

c) Existe el elemento neutro

d) Existe el elemento inverso

Si los elementos de , adems, cumplen la propiedad conmutativa:

entonces , es un grupo abeliano.

Estructura de cuerpo

Sean y dos operaciones que se efectan con los elementos de un conjunto
; en adelante , ,; se dice que , , tiene estructura de cuerpo si:

a) , es un grupo abeliano

b) 0, es un grupo abeliano, donde 0 es el elemento neutro de , , de
manera que 0 es el conjunto de los elementos de , excepto el 0.

c) La operacin es distributiva respecto a la operacin +:

, ,

Ejercicios

E.1. En el conjunto de los nmeros enteros se define de la siguiente manera:
3. Comprobar si , tiene estructura de grupo abeliano.

26

E.2. En el conjunto de los nmeros naturales se define de la siguiente manera:
3. Comprobar si , tiene estructura de grupo abeliano.

E.3. Es , , cuerpo? ( y son la suma y el producto conocidos).

E.4 Es , , cuerpo? ( el conjunto de los nmeros racionales con y la
suma y el producto conocidos).


Sea un conjunto no vaco (los elementos de se llaman vectores). Sea un
cuerpo (los elementos de se llaman escalares). Sean y dos operaciones que en
adelante llamaremos suma y producto.

El objeto , , , es un espacio vectorial si:

a) , es un grupo abeliano.

b) es una ley de composicin externa en con escalares u operadores en

;

c) Propiedad asociativa mixta

, ;

d) Propiedad distributiva del producto respecto de la suma en

, ;

e) Propiedad distributiva del producto respecto de la suma en

; ,

f) La unidad del cuerpo es el elemento neutro para el producto

1

Nota: En adelante se entender que

Ejercicios

E.5. Sean
y . Sea la adicin definida en
por , ,
, . Sea el producto de nmeros reales por elementos de
definido
mediante la expresin , , . Demostrar que (
, , , es un
espacio vectorial.

E.6. El mismo enunciado anterior, pero modificando la definicin del producto:
, , . Es (
, , , un espacio vectorial?

27

E.7. El mismo enunciado, pero modificando la definicin de la suma: ,
, 1 2 , . Es (


a) El producto del escalar 0 por cualquier vector es el vector nulo 0

0 0

b) El producto de cualquier escalar por el vector 0
es el vector 0

c) Si el producto de un escalar por un vector es el vector 0
, entonces el escalar es 0 o
el vector es nulo.

d) El opuesto de cualquier escalar por un vector es igual al opuesto de su producto


Se deja como ejercicio demostrar que las funciones sobre el cuerpo de los
nmeros reales constituyen un espacio vectorial; es decir, se cumple:

,

Se deja como ejercicio demostrar que las matrices reales de dimensin
constituyen un espacio vectorial:

:

La funcin queda caracterizada por el conjunto:

de manera que se cumple:

, , ,

, ,


Dados el espacio vectorial , , , y el conjunto , , si es un
espacio vectorial sobre el mismo cuerpo y con las mismas leyes de composicin que
en , decimos que es un subespacio de .


28

Propiedades

es subespacio de
El subconjunto que contiene exclusivamente al vector nulo 0
es tambin
subespacio de . Se denomina subespacio nulo.
Los dems subespacios de , distintos de y 0
, se llaman subespacios propios.


Sea , , la condicin necesaria y suficiente para que sea
subespacio de es:

, ; , ;

Propiedad

El vector nulo 0
debe pertenecer a para afirmar que es un subespacio de .

Ejercicios

E.8. Demostrar que 0
debe pertenecer a para afirmar que es subespacio de .

E.9. En el espacio vectorial
, , , con las operaciones conocidas y ,

determinar si los subconjuntos y son subespacios:

,
2
,
1

, , , con las operaciones conocidas y ,

determinar si los subconjuntos siguientes , , y son subespacios:

, ,

, ,
0
, ,
|| ||
, ,
2


La interseccin de toda familia de subespacios de es un subespacio de .
La unin de subespacios de no, en general, un subespacio de .
Sean y dos subespacios de , el conjunto es la suma de y si:

, ,

La suma de subespacios de es un subespacio de . Adems, el subespacio
es el menor de todos los subespacios que contienen a y a .
Sean y dos subespacios de , el subconjunto es la suma directa de y
, lo que denota escribiendo , si se verifica que y
0
. Si , los dos subespacios y se denominan subespacios

complementarios.

29

8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO
DE VECTORES.

COMBINACIN LINEAL DE VECTORES

Sea , , , un espacio vectorial. Se llama combinacin lineal de los
vectores
, ,
a todo vector
de la forma:

Si
0 la combinacin lineal se llama trivial.

SUBESPACIO VECTORIAL GENERADO POR UN CONJUNTO DE VECTORES

Sea , , , un espacio vectorial y sea
, ,
, el
subconjunto
se denomina variedad lineal

generada por el conjunto .
El conjunto es un subespacio de que recibe el nombre de subespacio
vectorial generado (o engendrado) por
, ,
.

Propiedades

Ejercicios

E.11. Comprobar si los vectores 1, 1, 3 y 1, 2, 2 son combinacin lineal de los
vectores 1, 0, 2 y 1, 2, 4.


, , , se consideran las matrices
1 0
0 1
,
1 0
1 0
y
0 0
1 1
. Determinar todas las combinaciones lineales
de , , que permiten obtener la matriz nula.


Sea , , , un espacio vectorial y sea
, ,
, se dice que
es un sistema linealmente independiente (LI) o sistema libre si la nica
combinacin lineal (CL) de ellos que vale 0
es aquella en la que todos los escalares son

nulos, es decir, es la trivial:

0

Se dice que es un sistema linealmente dependiente (LD) o sistema ligado si
no es un sistema libre, esto es, si existen algunos escalares no todos nulos tales que:

30

algn
0

Propiedades

Todo vector no nulo es un conjunto LI.
El vector nulo es LD.
Todo conjunto al que pertenezca el vector nulo es LD.
Un vector es CL de toda familia que lo contenga.
Un conjunto de vectores es LD si algn vector es CL de los dems.
Un conjunto de vectores es LI si ningn vector es CL de los dems.
Si un sistema de vectores es LD, entonces tambin lo es cualquier sistema que
resulte de aadir algn vector a .
Si un sistema de vectores es LI, entonces tambin lo es cualquier sistema que
resulte de prescindir de alguno de los vectores de .

Para averiguar si un conjunto de vectores es LI o LD basta aplicar el mtodo de
Gauss o del pivote. Si empleando las transformaciones del mtodo es posible
conseguir el vector nulo, entonces el conjunto es LD; en caso contrario es LI.

Propiedades

En el espacio -dimensional, 1 vectores son LD. (Ej. Cuatro vectores de tres
dimensiones son LD).
Un conjunto de vectores -dimensionales es LD si su determinante es nulo.

Ejercicios

E. 13. En el espacio vectorial
, , ,, determinar si los siguientes vectores son

LI: a) 1, 0, 0, 0, 1, 0, 1, 0, 0; b) 1, 1, 0, 1, 1, 2, 1, 0, 1.

E.14. Demostrar que las matrices
1 0
0 0
,
0 1
0 0
,
0 0
1 0

0 0
0 1
son vectores LI.

E.15. Demostrar que el espacio vectorial de los polinomios reales sobre el cuerpo
definido por
; 2 son LI.

E.16. Estudiar la dependencia o independencia lineal de los vectores
2 y
3 en el espacio vectorial , , , y en el espacio vectorial , , ,.

E.17. Determinar para que sean LD los vectores 1, 4, 6, 1, 4, 4 y 0, 4, .


Sea , , , un espacio vectorial y
, ,
un subespacio
vectorial, se dice que los vectores de son un sistema de generadores (SG) de si
todo vector de es CL de
, ,
. Un SG puede ser LI LD.


31

Ejemplo

El conjunto 1, 0, 0, 1, 1, 1 es un SG de
. En efecto, sea ,
cualquier vector de
; deben existir escalares , , tales que: 1,0 0,1

1, 1 , . Es decir , , .
Para , , , . Por tanto, es un SG de
y
cualquier vector puede expresarse de infinitas maneras como CL de los vectores de .
Obsrvese, sin embargo, que los vectores de son LD.

Ejercicio

E. 18. Determinar si los vectores 1, 1, 1, 1, 1, 0, 1, 0, 0 son un SG de
.


BASE

Sea
, ,
un conjunto de vectores del espacio , , ,. El

conjunto es una base de , , , si es un conjunto LI y SG de .
Se llama base cannica de
a la formada por los vectores:

, , , ,
, , , ,
. .
, , , ,

Ejemplo

Determinar una base del subespacio de
, , , definido de la siguiente
manera: , ,
.

Si , , es un vector genrico de , entonces , , , ,
, 0, 0, , 1, 0,1 0, 1, 1. De donde se deduce que los vectores
1, 0, 1 y 0, 1, 1 son una base de pues son SG y LI.

Ejercicio

E. 19. Proponer una base en cada caso:
a) , , ,
b)

, , ,
c)
, , ,
d) , , ,. es el conjunto de los nmeros complejos.

DIMENSIN

Sea un subespacio de . Todas las bases de tienen el mismo nmero
de vectores. Este nmero se denomina dimensin de y se representa dim.

Propiedades

La dimensin de un espacio vectorial es la dimensin de cualquiera de sus bases.

32

dim0
0, por definicin.
Un conjunto de vectores LI de un espacio vectorial -dimensional es una base.
Todo SG de vectores de un espacio vectorial -dimensional es una base.
Si es una base de dimensin del espacio vectorial , entonces 1 vectores
de forman un conjunto LD.
Si es un subespacio de y dim dim entonces .
La dimensin de un subespacio vectorial es el nmero mximo de vectores de
que son LI. Adems, dim es el nmero mnimo de vectores de un SG de .
Frmula de Grassmann. Si
son dos subespacios vectoriales, se verifica:

dim
dim
dim
dim

Ejemplo

Determinar la dimensin de la suma de
, ,
, ,
.

Si , , es un vector genrico de
, entonces , ,
, , , 0, 0, , 1, 0,1 0, 1, 1. Por tanto,
dim
2.
Si , , es un vector genrico de
, entonces , , , ,
, 0, 0, , 0 1, 0,1 0, 1, 0. Por tanto, dim
2.
Como el vector comn a las bases de
es 1, 0,1, entonces
dim
1. De donde se deduce que: dim
dim

dim
dim
2 2 1 3.

Teorema de Steinitz (tambin llamado teorema de la base incompleta o teorema
de extensin a una base). Sea , , , un espacio vectorial de dimensin
,
, ,
una base de y el conjunto
, ,
un sistema libre de
vectores de , con . Entonces existe algn sistema de vectores de
tal que es una base de . Adems, los vectores de se pueden tomar de
entre los de un base cualquiera
, ,
de .


COORDENADAS DE UN VECTOR

Todo vector queda identificado mediante una nica CL de los vectores de una
base dada. Estos coeficientes son las coordenadas del vector en la citada base.
Se trata, pues, de expresar un vector
como CL de los vectores de una cierta

base
, ,
, de manera que:
. Es decir,

, , ,

Ejemplo

Sea el conjunto 1, 2, 1, 1, 3, 0, 1, 0, 0. Comprobar que es una base
de
y determinar las coordenadas del vector 1, 2, 3 respecto a dicha base.


33

El determinante de los vectores de es: det 3, por lo tanto, los tres
vectores son LI y constituyen una base. Calculemos la coordenadas de 1, 2, 3:

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

es decir: 1 ; 2 2 3; 3 . De donde se deduce que:

3, 4 3 , 2 3

Luego, el vector 1, 2, 3 expresado en la base cannica tiene las coordenadas
3, 4 3 , 2 3 en la base .

RANGO DE UN CONJUNTO DE VECTORES

Se denomina rango de un sistema de vectores de un espacio vectorial , y se
denota por , a la dimensin del subespacio que genera :

dim

Como consecuencia, la familia
, ,
es libre si su rango es igual

al nmero de vectores que la forman. Adems, en un espacio vectorial de dimensin
un sistema de vectores es generador si su rango es .


Sea , , , un espacio vectorial de dimensin . Consideremos el
subespacio vectorial generado por los vectores
, ,
. Si , entonces

Si cada vector lo referimos a la base
, ,
de , podremos escribir:

Estas son las ecuaciones paramtricas del subespacio vectorial .
Eliminando los parmetros , , , , obtendremos las relaciones entre
las componentes
, ,
llamadas ecuaciones cartesianas o implcitas del

subespacio vectorial .


Sea , , , un espacio vectorial de dimensin . Ya que cualquier vector
queda determinado de manera nica conociendo sus coordenadas respecto de una
base de , si elegimos otra base, tendr otras coordenadas distintas de las
anteriores. Averigemos la relacin que guardan las coordenadas de respecto de
ambas bases. En definitiva, se trata de encontrar la expresin matricial que permite
expresar un vector, definido en una cierta base, en funcin de los vectores de otra
base.


34

Ejemplo

Hemos visto en el ejemplo anterior que el vector 1, 2, 3 expresado en la base
cannica, tiene las coordenadas 3, 4 3 , 2 3 en la base . Cul es la expresin
matricial que permite pasar de 1, 2, 3 a 3, 4 3 , 2 3 ?

Obsrvese que 1, 2, 3 3 1, 2, 1 4 3 1, 3, 0 2 3 1, 0, 0 se puede
poner de la siguiente manera:

1
2
3

1
2
1

1
3
0

1
0
0
3
4 3
2 3

Es decir, basta escribir la matriz traspuesta de los vectores de las nueva base. Dicha
matriz se llama matriz de paso o de cambio de base.

En general:

donde es la base ;
es la base ;
es la matriz columna del vector

expresado en la base ;
es la matriz columna del vector expresado en la

base
es la matriz de paso expresada en trminos de la base .


Sea el subespacio vectorial generado por los siguientes vectores del espacio
vectorial
2,3,1,0,
1,0,1,0 y
0,3, 1,0. Calcular:

a) El rango de
Qu clase de sistema es ? Existe alguna

relacin de dependencia entre los vectores de ?
b) La dimensin y una base de .
c) Las coordenadas de los vectores de respecto de la base obtenida en b).
d) Unas ecuaciones paramtricas de .
e) Unas ecuaciones cartesianas o implcitas de .
f) Otras ecuaciones paramtricas distintas, a partir de las ecuaciones implcitas.
g) El vector 1, 0, 0, 0 pertenece a ?
h) Una base
de
que contenga a los vectores de una base de .

i) Las ecuaciones del cambio de la base
a la base cannica de
.
j) Las ecuaciones del cambio de la base cannica a la base
.
k) La expresin del vector cannico
0, 1, 0, 0 respecto de la base
.

Solucin

a) Empleando el mtodo de Gauss se comprueba que . Por lo tanto, los
tres vectores son LD; se trata de un sistema ligado. Sea
. Se
deduce que 2 y 1:

b) es un sistema ligado, una base de es
, cuya dimensin es .

35

c) De la relacin
resulta que
; es decir, 2,1 son las

coordenadas de
respecto de la base
. Entonces,
.

d) Como
se cumple que:
, es decir:

, , , , , ,

o sea

son las ecuaciones paramtricas del subespacio vectorial , pues dando valores a
y se obtienen las coordenadas de todos los vectores de . Obsrvese que la
dimensin de coincide con el nmero de parmetros que tienen sus ecuaciones
paramtricas.

e) Como se cumple tambin que:

dim
dim

siendo el nmero de ecuaciones implcitas, como dim
4, dim 2,
entonces 2. Basta, pues, encontrar dos relaciones independientes para
eliminar los parmetros y . Dado que:

1
0
1
0
0
3
1
0
2

por el teorema de Rouche-Frobenius se cumple que

1
0
1
0

0
3
1
0
2

luego todos los menores de tercer orden son nulos. Elegimos dos menores:

1 0
0 3
1 1
0;
1 0
0 3
0 0
0

es decir

son unas ecuaciones cartesianas o implcitas de . Obsrvese que si
no
habra ecuaciones implcitas para definir .

36

f) Para pasar de las ecuaciones cartesianas a las paramtricas basta resolver el
sistema de ecuaciones cartesianas. En este caso, en la ecuacin
3
0, se despeja una incgnita, por ejemplo

Dando valores a
tenemos otras ecuaciones paramtricas de :

g) Sustituyendo 1, 0, 0, 0 en las ecuaciones cartesianas 3
0 y
0 de , vemos que 3 1 0 3 0 0, por tanto no pertenece a .

h) En el subespacio ampliamos la base
con 1, 0, 0, 0 puesto que

acabamos de ver que no pertenece a . Ya tenemos tres vectores LI; basta
conseguir otro, por ejemplo el vector 0, 0, 0, 1, tras comprobar que no
pertenezca a y que sea tambin LI. Por tanto, una base de
es:

i) Las ecuaciones del cambio de la base
a la base cannica se obtienen aplicando

la expresin
, donde es la base cannica y
es la base

j) Las ecuaciones del cambio de la base cannica a la base
se calculan
premultiplicando por la matriz inversa de

por tanto

1
0
1
0

0
3
1
0

1
0
0
0

0
0
0
1

k) La expresin del vector cannico e
0, 1, 0, 0 respecto de la base B
se obtiene
sustituyndolo en la expresin del apartado j):

37

0
0
1
0

1 3
1 3
1 3
0

1
0
1
0

0
0
0
1
0
1
0
0

es decir

, , ,


38

Ejercicios

1. Sean
y . Sea la adicin definida en
por , ,
, . Sea el producto de nmeros reales por elementos de
definido
mediante la expresin ,
. Es (

2. Demostrar que los vectores 1, 2, 1, 2, 2, 3, 0, 1, 1, 2, 1, 3, 1, 3, 1, 0 son
ligados e indicar su relacin de dependencia.

3. Determinar los valores de y para que sea 3 el rango del siguiente sistema de
vectores: 1, 1, 0, , 3, 1, , 1, 3, 5, , 4.

4. Demostrar que los vectores 2, 1, 1, 1, 3, 1, 2, 1, 3 forman una base de
. Hallar las coordenadas del vector 1, 1, 2 respecto de esta base.

5. Demostrar que si
son base de un espacio vectorial de dimensin 3, el

conjunto
tambin es una base de dicho espacio.

6. Sea
la base cannica de
. En el mismo espacio vectorial tenemos el

conjunto
donde
. Se pide: a) Demostrar que
es una base. b) Hallar la expresin del

cambio de la base cannica a la base
. c) Calcular las coordenadas del

vector 1, 2, 3 expresado en la base cannica, en trminos de la base
.

7. Sean 1, 1, 1, 2 y 2, 1, 0, 1 dos bases de
. Hallar las
expresiones matriciales de los cambios de base de a y de a .

8. Demostrar que el conjunto , 2, 0; es un subespacio vectorial de
.
Obtener una base y determinar la dimensin y las ecuaciones paramtricas e implcitas
del subespacio.

9. Obtener una base del espacio vectorial de las matrices cuadradas de orden 2 y del
espacio vectorial de las matrices de orden 2 3.

10. Sean
3, 2, 1;
2, 5, 6 y
1, 3, 7. Sea
el
subespacio engendrado por estos tres vectores. Calcular: a) una base de y las
ecuaciones implcitas. b) el vector 3, 2, 1, pertenece a ? c) el vector 1, 1, 3,
pertenece a ? d) Para qu valores de el vector , 0, 1 pertenece a ?

11. Hallar una base del subespacio engendrado por los vectores 2, 2, 3, 1 y
1, 4, 6, 2 y ampliar dicha base a una del espacio vectorial de
.

12. Sea el subespacio vectorial de
engendrado por el vector 1, 1, 1 y sea

, ,
3 0, 2 0. a) Demostrar que es subespacio de
. b) Obtener una base y la dimensin de . c) Hallar una base, dimensin y las

ecuaciones paramtricas e implcitas de los subespacios y .

13. Sean los subespacios de
: , 2, , ; 2, ,
y , , 20;, , . a) Son y subespacios suplementarios, es
decir,
y 0, 0, 0. b) Hallar una base y la dimensin de

.

39

14. Consideremos el espacio de
y la base
. Si el conjunto
es tal que:
:
a) Demostrar que
forman una base. b) Hallar la matriz de cambio de a

. c) Calcular las coordenadas de un vector en la base sabiendo que en la base
sus coordenadas son 1, 1, 1.


40

CAPTULO 3


4. APLICACIN LINEAL

Ejercicios


41

CAPTULO 3



Sean A y B dos conjuntos no vacos. A se llama dominio y B es la imagen o
codominio. Se dice que es una funcin o aplicacin de A en B si es una relacin
entre A y B tal que todo elemento de A tiene un nico representante en B.

Propiedades

Si una relacin es funcin, la relacin inversa
no necesariamente lo es.


Las funciones pueden ser inyectivas, tambin llamadas unvocas o uno a
uno, son aqullas en las que elementos distintos de A tienen imgenes distintas en B;
sobreyectivas, aqullas en las que todo elemento de B es imagen de alguno de A; y
biyectivas, tambin llamadas biunvocas, aqullas que son inyectivas y sobreyectivas.

Ejemplos

Sea : tal que x 2x. Esta funcin asigna a cada nmero natural su
duplo. Es inyectiva, pero no sobreyectiva pues los elementos impares del
codominio carecen de antecedente en el dominio.
Sea : P tal que x 2x donde el codominio se ha restringido al conjunto
de los nmeros pares. Es inyectiva y tambin sobreyectiva. Por tanto, es biyectiva.


A partir de dos funciones y es posible definir, bajo ciertas condiciones, otra
(lase compuesta con , llamada funcin compuesta.


42

Propiedades

En general no se cumple la propiedad conmutativa: .

La composicin de funciones inyectivas es inyectiva.
La composicin de funciones sobreyectivas es sobreyectiva.
La composicin de funciones biyectivas es biyectiva.
pero
La inyectividad de la composicin no implica la de cada funcin, pero s la de la
primera.
Si la composicin de dos funciones es sobreyectiva, entonces la segunda es
sobreyectiva.
Una funcin admite inversa si es biyectiva, adems la funcin inversa es nica.

Ejercicios

E.1. Sean 1, 2, 3 y 2, 3. Clasificar : tal que , 3a
.

E.2. Las funciones : Q y : Q son:

x
2 1

Determinar , y calcular 2 y 1 2 .

4. APLICACIN LINEAL

Sean , , , y , , , dos espacios vectoriales sobre el mismo cuerpo
. La funcin : es una aplicacin lineal, transformacin lineal u
homomorfismo si , ; , se cumple:

Ejercicios

E.3. Demostrar que la funcin :
definida por
es una aplicacin lineal.

E.4. Demostrar que :
tal que
1
no es una aplicacin lineal.

43


Propiedades

La imagen de 0
(el vector nulo de ) es 0
(el vector nulo de .

La imagen del opuesto de todo vector de es igual al opuesto de su imagen en .
Basta que sea una aplicacin lineal. No se exige que sea inyectiva, sobreyectiva o
biyectiva o ninguna de las tres. Pero:
- Si es inyectiva entonces es un monomorfismo.
- Si es sobreyectiva entonces es un epimorfismo.
- Si es biyectiva entonces es un isomorfismo.
- Si entonces es un endomorfismo.
- Si y es biyectiva, entonces es un automorfismo.
Ejercicio

E.5. Demostrar que la funcin :
definida por
es un automorfismo.


NCLEO

El ncleo de una aplicacin lineal (tambin llamado ker) es el conjunto
de los vectores del dominio cuyas imgenes son el vector nulo de .

/ 0

Propiedades

0

es un subespacio de .
En un monomorfismo el nico elemento del ncleo es el vector nulo.

IMAGEN

La imagen de una aplicacin lineal : es el conjunto imagen del
domino, o sea, la totalidad de las imgenes de los vectores del espacio .

/

Propiedades

0

es subespacio de .
En una aplicacin lineal : la imagen de cualquier conjunto de vectores LD
de es LD en .

44

Si : es una aplicacin lineal y

, ,
son vectores de tales que

sus imgenes son LI en , entonces
, ,

son LI.
La imagen de todo conjunto LI, dada por cualquier aplicacin lineal inyectiva, es un
conjunto LI.

Ejercicios

E.6. Determinar el ncleo de :
.
E.7. Determinar el ncleo y la imagen de
tal que ,
0
0
.

E.8. Determinar el ncleo y la imagen de:
tal que
.

E. 9. Determinar el ncleo y la imagen de :
.


DIMENSIONES DEL NCLEO Y LA IMAGEN

Sea una aplicacin lineal. Se demuestra que:

dim dim dim

Ejemplo

En la aplicacin lineal :
definida por
,
,

, 0 calcular: a) , una base de y su dimensin. b) La dimensin de

y una base de la imagen.

a) Para determinar calculamos los vectores
cuyas imgenes
son el vector nulo de
. Es decir:
0, 0. O sea

0

es decir

por lo tanto, los vectores del ncleo son del tipo:

, , ,

como

, , , 1, 1, 0, 0 1, 0, 1, 0 1, 0, 0, 1

entonces el conjunto
, , , ,
, , , ,
, , , es
un SG de . Como, adems estos tres vectores son LI, constituyen una base,
cuya dimensin es 3. Es decir:

45

b) De la expresin dim dim dim deducimos: 3 dim 4. Es
decir: . Como

, 0

si
entonces:

, 0

o sea

1,0 1,0 1,0 1, 0

por lo tanto, el vector , es una base de .

RANGO DE UNA APLICACIN LINEAL:

El rango de una aplicacin lineal es la dimensin de su imagen.

dim

Si las dimensiones de los espacios y son dim y dim , como
dim dim dim, entonces:

Propiedades

Si entonces es inyectiva y dim 0.
Si entonces es sobreyectiva.
Si entonces es biyectiva.

Ejemplos

Determinar las dimensiones del ncleo y la imagen de la aplicacin lineal :
; , , , .

De , 0, 0 se deduce que , . Por
tanto, un vector del ncleo es aquel cuyas tres coordenadas sean iguales, por
ejemplo el vector 1, 1, 1, cuya dimensin es 1: . Como
dim dim
dim 3 1 2. . Ya que la dimensin

de la imagen coincide con 2 , es decir, la dimensin del espacio vectorial

, entonces es sobreyectiva.

; , 3 4, 5 2, 7, 4.


46

De 3 4, 5 2, 7, 4 0, 0, 0, 0 se deduce 0, 0. Por
tanto, el nico vector del ncleo es 0, 0, cuya dimensin es 0. . La
aplicacin es inyectiva. Como dim dim
dim, entonces
.

; , ,
1 0 0
0 1 0
2 4 1
.

De , , 0,0,0 se deduce 0, 0, 2 4 0. Es decir:
0. Por tanto, el nico vector del ncleo es 0,0,0, cuya dimensin es
cero. . La aplicacin es inyectiva, pero dim dim

dim, entonces . Como 3 coincide con las
dimensiones de los espacios vectoriales
, entonces es
biyectiva.


Consideremos una aplicacin lineal : , sea
una
base del espacio vectorial y
una base del espacio vectorial ,

entonces la aplicacin lineal queda caracterizada por una matriz de paso de
dimensin .

MTODO:

Para hallar la matriz de la aplicacin lineal respecto de las bases y
, se determinan las imgenes dadas por de los vectores de la base ; a
continuacin se expresan estas imgenes en trminos de la base , o sea, como CL
de los vectores de la base : La traspuesta de la matriz de coeficientes es .

Como consecuencia de este mtodo:

La imagen
en el espacio de cualquier vector
del espacio se
obtiene multiplicando por la matriz de coordenadas de
respecto de la base
.

donde:

: Matriz columna del vector imagen expresado en trminos de la base

: Matriz de la aplicacin lineal
: Matriz columna del vector del dominio expresado en trminos de la base .

Ejemplo grfico:

Las coordenadas del vector velocidad de un avin en la base son las de
un sistema de referencia
de
que navega solidario con el avin, es decir:

. Pero, se necesitan las coordenadas del mismo vector velocidad


47

respecto a otra base representada por el sistema de referencia , , , tambin
de
, con origen en el centro de la Tierra, es decir:
. Si es la
matriz de la aplicacin lineal que permite pasar de la base a la base , entonces
aplicando la expresin anterior:

Obsrvese que en este ejemplo los espacios vectoriales y son el mismo
espacio vectorial
.

Ejemplo analtico:

En la aplicacin lineal :
. a)
Calcular la matriz de respecto las bases 1, 1, 1, 1, 1, 0, 1, 0, 0 en
y
2, 0, 0, 1 en
. b) Obtener la imagen del vector
1, 2, 3 expresado
en la base cannica.

a) Mediante obtenemos las imgenes de los vectores de la base :

1, 1, 1 1 1, 1 1 2, 0
1, 1, 0 1 0, 1 0 1, 1
1, 0, 0 1 0, 0 0 1, 0

Expresamos dichas imgenes como CL de los vectores de :

2, 0
2, 0
0, 1
1, 1
2, 0
0, 1
1, 0
2, 0
0, 1

En donde se deduce que:

48

1 2
1 2
0

Por lo tanto, la matriz de respecto de las bases y es:

b) Para obtener la imagen del vector
1, 2, 3, expresado en la base cannica, es

necesario determinar sus coordenadas respecto a la base de
.

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

es decir 1 , 2 , 3 . Por lo tanto,

3, 1, 1

3
1
1

La imagen de
es

1
2
2 1 1
0 2 0

3
1
1

2
1

,

Obsrvese que si aplicamos directamente a 1, 2, 3:

1, 2, 3 1 3, 2 3 4, 1

y expresamos esta imagen como CL de los vectores de la base :

4, 1 2, 0 0, 1

Obtenemos

2
1

es decir, las mismas coordenadas calculadas mediante la aplicacin lineal:
2, 1


Sea la aplicacin lineal : y la matriz de respecto de las bases y
. Si se efecta un cambio de base en cada espacio vectorial, entonces est
caracterizada por otra matriz respecto de las nuevas bases y , segn el
siguiente esquema:


49

: Matriz de paso de la base a la base del espacio vectorial
: Matriz de paso de la base a la base del espacio vectorial
: Matriz de la aplicacin lineal respecto de las bases y
: Matriz de la aplicacin lineal respecto de las bases y

Pero, un vector
en la base se expresa en la base empleando :

1

y un vector
en la base se expresa en la base empleando :

2

Pero, mediante la matriz de la aplicacin lineal se cumple que:

3

y tambin sabemos que con la matriz se cumple que:

4

De (2) y (3) deducimos:

y sustituyendo los valores de
de (4) y (1), obtenemos:

Como y son invertibles por ser matrices de paso, premultiplicamos por

Pero

50

entonces:

Ejemplo:

Sea :
tal que , , , . a) Hallar la matriz de

respecto de las bases cannicas de
. b) Calcular las matrices de paso de las

bases cannicas a las bases 0, 1, 1, 1, 1, 2, 1, 1, 1 y
1, 3, 0, 2. c) Calcular la matriz de respecto del nuevo par de bases.

a) Mediante obtenemos las imgenes de los vectores de la base cannica de
1, 0, 0 1 0 0, 1 0 1, 1
0, 0, 1 0 1 0, 0 1 1, 1
0, 0, 1 0 0 1, 0 0 1, 0
Expresamos dichas imgenes como CL de los vectores de la base cannica de
:

1, 1
1, 0
0, 1
1, 1
1, 0
0, 1
1, 0
1, 0
0, 1

En donde se deduce que:

0

Por lo tanto, la matriz de respecto de las bases cannicas es:

b) Para calcular las matrices de paso y expresamos los vectores de las bases
y como CL de los vectores de las bases cannicas:

0,1,1 1, 0, 0 0, 1, 0 0, 0, 1
1, 1, 2
1, 0, 0
0, 1, 0
0, 0, 1
1, 1, 1
1, 0, 0
0, 1, 0
0, 0, 1

donde deducimos:

0
1
1
1
1
1

Por tanto la matriz de paso es:


51

Anlogamente:

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

Es decir

1
0
3
2

Por lo tanto la matriz de paso es:

c) Para calcular la matriz empleamos la expresin
:
d)

1 0
3 2

1 1 1
1 1 0

0 1 1
1 1 1
1 2 1

Ejemplo:

Sea
. Sean 1, 1, 0, 2, 3, 1, 0, 2, 1 un conjunto
de vectores de . Sea la aplicacin lineal :
definida mediante las imgenes

de los vectores de : 1, 1, 0 3, 2, 0; 2, 3, 1 1, 2, 1 y 0, 2, 1
4, 0, 1. Sean , ,
0 y , ,
, ,
. a) Demostrar que es una base de . b) Hallar la matriz asociada a respecto a la
base cannica. c) Hallar , , . d) Hallar y . e) Hallar la matriz
asociada a respecto de la base del enunciado.

a) El determinante formado con los vectores de U es det 3 0, por tanto los
vectores son LI y es una base de
.

b) Determinacin de la matriz asociada a :

Como
siendo la base cannica de
, entonces:

3
2
0

1
1
0
;
1
2
1

2
3
1
;
4
0
1

0
2
1

expresiones que se pueden sintetizar en la siguiente:


52

3 1 4
2 2 0
0 1 1

1 2 0
1 3 2
0 1 1

por lo tanto:

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

es decir:

c) La funcin , , es:

, ,
6 3 2
4 2 4
0 0 1

, ,

d) y

Determinacin de :

Un vector cualquiera de es 0, , . Como

6 3 2
4 2 4
0 0 1

0

3 2
2 4

Cualquier vector , , ser de la forma:

, , 3 2, 2 4, 3, 2, 0 2, 4, 1

luego , , es CL de 3, 2, 0 y 2, 4, 1; es decir:

det
x y z
3 2 0
2 4 1
0

Por lo tanto, la ecuacin cartesiana de es: 2 3 8 0.

Determinacin de :

De la definicin de , ,
, , deducimos
que cualquier vector de es , , . Como

6 3 2
4 2 4
0 0 1

3 4
2



53

, , 3 4, 2, 3, 2, 0 4, 0, 1

luego , , es CL de 3, 2, 0 y 4, 0, 1; es decir:

det
x y z
3 2 0
4 0 1
0

Por lo tanto, la ecuacin cartesiana de es: 2 3 8 0.

Determinacin de :

Como se aprecia, 2 3 8 0 es tanto la ecuacin cartesiana de fS
como de . Es decir, los vectores de y son los mismos, entonces:

, ,

Clculo de :

La ecuacin cartesiana de , ,
0 es precisamente 0.
Cualquier vector de , ,
, , es de la forma:
, , 1, 1, 0 1, 0, 1

Luego un vector , , es CL de 1, 1, 0 y 1, 0, 1; es decir:

det
x y z
1 1 0
1 0 1
0

Por lo tanto, la ecuacin cartesiana de es: 0.

El conjunto est formado por los vectores que cumplen, a la vez, las
ecuaciones cartesianas de y :

, , 0, 0

es decir:

, , 0

o

, ,


, , 0, ,

Como

6 3 2
4 2 4
0 0 1

0

1
2
1


54

de donde se deduce que todos los vectores de son de la forma:

, ,

e) Determinacin de la matriz asociada a f respecto de la base U:

Como
, pero , entonces
:

1 2 0
1 3 2
0 1 1

6 3 2
4 2 4
0 0 1

1 2 0
1 3 2
0 1 1


55

Ejercicios

1. Consideremos la aplicacin lineal :
dada por:

, , 3 , 2 , 2

a) Determinar los valores de para los que es biyectiva.
b) Para 2, hallar una base, la dimensin y las ecuaciones implcitas del ncleo y la
imagen.
c) Para 2, hallar la matriz asociada a cuando se considera en ambos espacios la
base 1, 1, 1, 1, 1, 0, 1, 0, 0.
d) Para 2, hallar
2, 0, 3.

2. Sea :
la aplicacin lineal definida por:

, , 2 3, , 2

a) Calcular la matriz asociada a respecto de la base cannica.
b) Hallar una base y las ecuaciones cartesianas del ncleo.
c) Sea , ,
. Hallar una base de los subespacios , y

.
d) Hallar la matriz asociada a respecto de la base: 1, 2, 1, 0, 1, 2, 0, 0, 1.

3. Sea :
tal que 1, 1, 0 3, 2, 0; 1, 0, 1 4, 1, 3 y 0, 1, 1
5, 1,3. Determinar una base y las ecuaciones del ncleo y la imagen.

4. Sea :

, , , 2 3, 0,

Calcular:
a) La matriz asociada a respecto a las bases cannicas.
b) La matriz asociada a respecto a las bases 1, 2, 1, 0, 1, 2, 0, 0, 1 y
2, 1, 0, 1, 0, 2, 0, 0, 0, 0, 1, 0, 0, 0, 0, 3

5. Sea :

, ,
2 1 1
1 2 1
1 1 2

y , ,
. Hallar una base de los subespacios , y

.

6. Sea :
la aplicacin lineal cuya matriz asociada respecto a la base cannica

es:

0 1 1
1 0 1
1 1 0

a) Hallar la imagen del vector 1, 3, 0.

56

b) Hallar la base, dimensin y ecuaciones implcitas del ncleo y la imagen.
c) Sea , ,
0. Probar que es un subespacio y hallar una base

del dicho subespacio.
d) Sea 2, 0, 1, 0, 3, 0, 1, 4, 2 una base. Hallar la matriz asociada a
respecto a dicha base.

7. Sea :
la aplicacin lineal definida por 1, 1, 1 1, 2, 0, 0; 0, 1, 3

1, 1, 0, 1 y 0, 0, 1 0, 0, 1, 0. Calcular:

a) La expresin matricial de la aplicacin respecto a las bases cannicas.
b) Sea 1, 1, 1, 0, 1, 3, 0, 0, 1 una base de
. Hallar las coordenadas

del vector 3, 5, 2 respecto a . Hallar una matriz tal que
, donde
son las coordenadas del vector respecto la base y

respecto a la base cannica.


57

CAPTULO 4


1. VECTORES EN


5. ORTOGONALIDAD
7. BASE ORTONORMAL

Ejercicios


58

CAPTULO 4


1. VECTORES EN

En diversas ramas de ciencias que emplean el clculo vectorial, la base
cannica de
se designa con los vectores unitarios 1, 0, 0, 0, 1, 0 y
0, 0, 1. As, un vector
cualquiera se expresa en funcin de sus componentes

cartesianas de la siguiente manera:

El mdulo o norma de
es la medida del vector. Se escribe
o :

Para calcular un vector unitario (es decir, un vector que mida 1) que tenga la
misma direccin y sentido que
, basta dividir por :


Adicin

Producto escalar

Se define el producto escalar
como el escalar que resulta de multiplicar

los mdulos y por el coseno del ngulo que forman ambos vectores:

cos

Este producto es tambin el del mdulo de
por la componente cos de

segn la direccin de
, o el del mdulo de
por la componente cos de
segn la
direccin de
.
De la definicin se deduce que:

0

luego


59

cos

adems

y

cos

Ejercicios

E.1. Dados dos vectores
calcular
si: a)
Coinciden en direccin y sentido. b) Forman un ngulo de 60. c) Son
perpendiculares entre s. d) Forman un ngulo de 120. e) Son de la misma
direccin y sentido contrario.

E.2. Cul es la proyeccin del vector 1,2,3 sobre el 3,4,5


Sea , , , un espacio vectorial sobre el cuerpo . El smbolo
define
el producto interior (o producto escalar) de los vectores
de si
es una
aplicacin tal que:

a)

b)

c)

d)
0

e)
0

Propiedades

Todo producto interior asigna a cada par de vectores un nico escalar real.
Un espacio vectorial es euclidiano si est dotado con producto interior.
Un producto interior permite establecer los conceptos de distancia entre pares de
vectores, mdulo de un vector, ortogonalidad y ngulo entre dos vectores.
El producto interior de cualquier vector por el vector nulo es cero.
El mdulo o norma de un vector
es la raz cuadrada no negativa del producto

interior de dicho vector por s mismo.


60

La distancia
entre dos vectores
es el mdulo de su diferencia

es un vector unitario (de mdulo 1).

Se cumple la desigualdad de Schwarz:

Se cumple la desigualdad triangular:

Ejemplo
Sean
dos vectores de
, , ,. La funcin
,
es un producto interior pues satisface las propiedades a), b), c), d) y e).

Obsrvese que ,
en
es el producto escalar usual, pues:

,

Ejercicio

E.3. Sea
, , , y la matriz
1 2
2 5
. Se define
.
Demostrar que es un producto interior.


Se define:

cos

tal que es el ngulo que forman los vectores
.

5. ORTOGONALIDAD

Dos vectores
son ortogonales o perpendiculares si su producto interior

es nulo.

0 90


61

Ejercicio

E.4. Determinar para que
3, 4,1 e
, , 1 sean
ortogonales con el producto interior usual.


El conjunto de vectores
, ,
es ortogonal si dos vectores

cualesquiera y distintos son ortogonales:

, ,
es ortogonal

Propiedad

Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es LI.

7. BASE ORTONORMAL

es una base ortonormal si est formada por un conjunto ortogonal de
vectores unitarios. Por tanto, una base ortonormal es tal que:

En
, con el producto interior usual, la base cannica es ortonormal.

Ejercicio

E.5. Comprobar que la base de
formada por los vectores
3, 1 y
1, 3 es ortonormal con el producto interior usual.


Sea
, ,
una base cualquiera. Para ortonormalizarla se realizan

las siguientes combinaciones lineales:

El proceso de ortonormalizacin se ejecuta en dos pasos: primero se
ortogonaliza la base y despus se normaliza:

Primer paso:

Se calculan los coeficientes
de manera que se cumpla la condicin de

ortogonalidad:


62

0; ,

a)
0

es decir:

b)
0

es decir:

0

De estas dos condiciones se obtienen
.

c) Y as sucesivamente, hasta calcular todos los
.

Segundo paso:

Determinada la base ortogonal
, se normaliza:

, ,

Ejemplo

Ortonormalizar la base de
formada por
1,1 y
1,2.

Consideremos definido el producto interior usual. Hacemos:

calculamos:
1,1 1,2, 1,1

1, 2, 1,1 1 2 0

donde se deduce que:

1 2

63

por lo tanto:

1,1
1 2 1,1 1,2 3 2 1, 1

Los mdulos de
son:

3 2 1
3 2 2

entonces:

1,1
2

1
2
1, 1

3 2 1, 1
3 2 2

1
2
1, 1

La base ortonormalizada es:

1
2
1, 1,
1
2
1, 1

Ejercicio

E.6. Demostrar que ,
, donde y son polinomios en ,

es un producto interior. Sea la base 1, ,
. Ortonormalizarla.


El escalar es un valor propio (valor caracterstico o autovalor) de la matriz
cuadrada
si existe un vector no nulo
, llamado vector propio

(vector caracterstico o autovector) de la matriz , asociado al valor propio , tal
que
.
De
se deduce que
, entonces
; por tanto,
para calcular el vector propio asociado a cada basta resolver el sistema lineal:

Veamos los valores y vectores propios de la matriz diagonal A
1 0 0
0 2 0
0 0 3
.

1 0 0
0 2 0
0 0 3
(1)
2
(2)
3
(3)


64

De (1) se deduce 1; y, para satisfacer simultneamente (2) y (3) con 1,
entonces

0. Anlogamente, de (2) se deduce 2; y, para satisfacer
simultneamente (1) y (3) con 2, entonces
0. Por ltimo, de (3) se

deduce 3; y, para satisfacer simultneamente (1) y (2), entonces
0. Por
tanto:

Valor
Propio
Vector propio
asociado
1
2
3
1,0,0
0,1,0
0,0,1

Propiedades

Los valores propios en una matriz diagonal son los elementos de la diagonal, y los
vectores propios son los cannicos si los valores propios son distintos.
Los vectores propios asociados a valores propios distintos son LI.
Si es un valor propio de la matriz entonces el determinante de es nulo:

det 0


El polinomio caracterstico de una matriz
es el determinante
de la matriz .

det

Propiedad

det 0 implica que es un valor propio si es raz o cero del polinomio
caracterstico de .

Ejemplo n 1

Sea
1 2 2
2 2 2
3 6 6
. Determinar el polinomio caracterstico .

det
1 2 2
2 2 2
3 6 6

6

La determinacin de los valores propios de una matriz, es decir, el clculo de
las races de su polinomio caracterstico, puede ser complicada. En el ejemplo anterior,

65

las races de
6 (
0,
3 y
2) se encuentran
fcilmente. Pero, en una matriz de , el polinomio ser, en general, de grado
; si 3 el mtodo de Ruffini permite calcular las races enteras, pero suele ser
difcil determinar aqullas que no pertenezcan al conjunto de los nmeros enteros.
Obsrvese, tambin, que si es la matriz de orden de una aplicacin lineal
entre dos espacios vectoriales y definidos sobre un cuerpo y es el conjunto
de los nmeros complejos , entonces tiene valores propios, no as si es el
conjunto de los nmeros reales . En efecto, 0 tendr, en general, ceros
entre races reales y parejas de races complejas conjugadas. Es decir:

Ejemplo n 2

Determinar los valores propios de
4 2.

Hacemos
4 2 0 y aplicamos la regla de Ruffini a los divisores

enteros del trmino independiente. Ensayamos con
1:

1 3 4 2
1 1 2 2
1 2 2 0
o sea:

1
2 2

Las races de
2 2 0 son
1 y
1 . Es decir:

1 1 1

Por tanto, los valores propios son
1 ,
1 ,
1 si el cuerpo
es , pero el nico valor propio sera
1 si el cuerpo es .

Ejemplo n 3

Determinar los valores propios de
5 1

En este caso, al aplicar la regla de Ruffini a
5 1 0, los
divisores enteros del trmino independiente 1 y 1 no son races de .
La dificultad aumenta conforme lo hace el grado de .

Ejemplo n 4

Determinar los valores y vectores propios de
2 2
2 2

Valores propios:

det
2 2
2 2
0

2
4 0

66

es decir:

2 2;
2 2

Vectores propios:

Para
2 2:

Empleamos la expresin:

es decir:

2 2
1 0
0 1

2 2
2 2

0
0

o sea:

2
0
2
0

por tanto
y un vector propio es, por ejemplo:

Para
2 2:

De forma anloga resulta
y otro vector propio es, por ejemplo:

1


Consideremos el endomorfismo , entonces el esquema del punto 18
del captulo anterior se convierte es el de la
figura donde, como se comprueba, se estn
empleando cuatros bases , , y
del mismo espacio vectorial .
En estas condiciones se dice que y
son matrices semejantes, y se demuestra que
la expresin
se reduce a:


67


Dos matrices semejantes y tienen el mismo polinomio caracterstico y,
en consecuencia, los mismos valores propios. Si y son matrices semejantes de
una aplicacin lineal su polinomio caracterstico es el de .

Pero, puede ocurrir que dos matrices tengan el mismo polinomio caracterstico
y no sean semejantes. Por ejemplo, las matrices
1 0
0 1
y
1 3
0 1
tienen los
mismos valores propios, pero no son semejantes.


Propiedad

Si los valores propios del polinomio caracterstico de
son
distintos, entonces existe una matriz de paso
tal que
es una
matriz diagonal (se dice que es diagonalizable). La diagonal de est formada por
los valores propios y las columnas de son los vectores propios que, adems, son LI.

Ejemplo

Determinar los valores y vectores propios de
3 2
1 2
y calcular la
matriz de paso que satisface que
sea diagonal.

El clculo es los valores propios es anlogo al del ejemplo n 4 del punto 10.
Las soluciones son:
, y un vector propio es, por ejemplo,

1
1
.
Para
, y un vector propio es, por ejemplo,

2
1
.
Como det
1 2
1 1
0, los vectores propios
son LI.
La matriz diagonalizada se convierte en

1 0
0 4

con los valores propios en la diagonal principal
Las columnas de la matriz de paso son los vectores propios
,
colocados en el mismo orden que los valores propios en :

1 2
1 1

Se puede comprobar que
1 2
1 1

3 2
1 2

1 2
1 1

1 0
0 4


68

Propiedad

Si el polinomio caracterstico de
tiene races mltiples, es

diagonalizable si el orden de multiplicidad de cada raz coincide con la dimensin del
subespacio solucin que le corresponde. Dicho de otra forma, para que sea
diagonalizable la suma de las dimensiones de los subespacios solucin de las races del
polinomio caracterstico ha de ser igual a la dimensin del espacio vectorial.

Ejemplos

1. Comprobar que la matriz
1 1 0
0 1 1
0 0 1
no es diagonalizable.

En efecto, su polinomio caracterstico 1
tiene una raz
1 cuyo orden de multiplicidad es 3. Los vectores propios

asociados deben cumplir
, es decir:

0 1 0
0 0 1
0 0 0

0
0
0

o sea:

0
0
0
0

de donde se deduce que
0. Por tanto, cualquier vector propio es
, 0,0; por ejemplo, el vector 1,0,0 y otro ser LD del 1,0,0.

Obsrvese que el rango de la matriz de coeficientes del sistema de ecuaciones
de
es 2. Por lo tanto, la dimensin del subespacio solucin es dim

n incgnitas rango 3 2 1. Como el orden de multiplicidad de es
3 1 entonces no es diagonalizable.

2. Comprobar que la matriz
3 0 4
4 1 4
2 0 3
es diagonalizable aunque sus
valores propios no son todos distintos.

En efecto, su polinomio caracterstico 1
1 0 tiene una
raz doble
1 y otra simple
1.
Los vectores propios asociados a
1 deben cumplir
,
es decir:

4 0 4
4 0 4
2 0 2

0
0
0

que se reduce a

4 0 4
0

69

pues las filas 4, 0, 4 y 2,0, 2 son CL de 4, 0, 4. Operando:

4
0

es decir:

Por tanto, cualquier vector propio es de la forma
,
,
,
,
1,0, 1
0,1,0

Los vectores
1,0, 1 y
0,1,0 son LI y constituyen una base del

subespacio solucin de
1. La dimensin de esta base es 2 y coincide

con el grado de multiplicidad de
1. Otra forma de extraer esta

conclusin es comprobar que el sistema de ecuaciones tiene tres incgnitas
, pero el rango de la matriz de coeficientes es 1; entonces la dimensin del

subespacio solucin es dim n incgnitas rango 3 1 2.
Luego
1,0, 1 y
0,1,0 son dos vectores propios asociados a
1
El vector propio asociado a
1 debe cumplir
2 0 4
4 2 4
2 0 4
3

0
0
0

es decir:

Por tanto, cualquier vector propio es de la forma 2
, 2
. O sea, un vector
propio asociado a
es, por ejemplo
2,2,1.
La forma diagonal de es:

1 0 0
0 1 0
0 0 1

con los valores propios
1 y
1 situados la diagonal principal. La

matriz est formada por los vectores propios
dispuestos en columna
en el mismo orden que los valores propios en :

1 0 2
0 1 2
1 0 1

Se puede comprobar la relacin
1 0 2
0 1 2
1 0 1

3 0 4
4 1 4
2 0 3

1 0 2
0 1 2
1 0 1

1 0 0
0 1 0
0 0 1


70


La elipse, la hiprbola y la parbola son curvas planas, llamadas cnicas, que
responden a la ecuacin general

,
0

Reducir una cnica es el proceso de expresar su ecuacin en un sistema de
referencia cartesiano ortogonal situado en sus ejes de simetra. A continuacin se
resume el camino a seguir: Con los coeficientes de la ecuacin general se calcula
4. Este valor permite discriminar el tipo de cnica, as:

Si
4 0 es una elipse
Si
4 0 es una hiprbola
Si
4 0 es una parbola

Reduccin de la elipse y de la hiprbola

Primero se determinan las coordenadas de su centro

resolviendo el sistema de ecuaciones que resulta de anular las derivadas parciales
de , :

0;
0

A continuacin se trasladan los ejes de coordenadas al centro . En estas
condiciones, la ecuacin referida a los nuevos ejes , se transforma en:

0

con

en la que no aparecen ya trminos lineales en e . Por ltimo, se giran los ejes
, un ngulo tal que:

tan2

Tras el giro desaparece el trmino en y la cnica se reduce a:

con

1 2
; 1 2

Ejemplo

Reducir la cnica
4 5
6 7 15 0

71

Como
4 4
4 1 5 0 es una elipse. El centro se

calcula anulando las derivadas parciales:

0: 4 10 7 0
0: 2 4 6 0

Las soluciones del sistema de ecuaciones son:
5 2 ,
8.
Trasladando el origen al centro
, la ecuacin se transforma en:

4 5
1 4 0

pues

15 1 4

Si se giran los ejes un ngulo tal que:

tan2 4 1 5 1
2 135; 6730

como

1 2 1 5 16 1 5
3 22
1 2 1 5 16 1 5
3 22

entonces

3 22
3 22

1
4
0

que se puede expresarse de la forma

1

con

1 2

3 22; 1 2

3 22

Reduccin de la parbola

La ecuacin reducida de la parbola es:

con

cos

72

siendo

sen /
cos /

tal que

Para 0, con 0 y 0 entonces cos 0.
Para 0, con 0 y 0 entonces cos 0

Adems, con

cos sen

el nuevo origen
es:

4/4
2


Una forma cuadrtica responde a la expresin:

en la que slo se han empleado tres coordenadas, pero que, en general, podra ser -
dimensional.

Acabamos de ver que cuando en la elipse
4 5
6 7 15 0
se trasladan los ejes de coordenadas hasta su centro en el punto

5 2 , 8 se reduce a
4 5
1 4 0, es decir:

4 5
1 4

por tanto, es una forma cuadrtica.

Por otro lado, en el ejercicio propuesto en el punto 3 se pretende demostrar que
es un producto interior, siendo

1 2
2 5
. Pues bien, sea
. Calculemos

1 2
2 5

resulta que

4 5

es la forma cuadrtica de la elipse anterior. O sea, podemos afirmar que la matriz
est asociada a la forma cuadrtica
4 5
.

73

Calculemos los valores y unos vectores propios de
1 2
2 5
.

Los valores propios anulan el determinante de :

det
1 2
2 5
0

3 22;
3 22

Los vectores propios son las soluciones del sistema
para cada
valor propio con
(obsrvese que la coordenada es la superior):

Unos vectores propios son:
Para
3 22

3 22
1 0
0 1

1 2
2 5

0
0

es decir:

1 2 0

por tanto, un vector propio es, por ejemplo, con 1:

2 1
1

Para
3 22

3 22
1 0
0 1

1 2
2 5

0
0

o sea:

1 2 0

por tanto, un vector propio es, por ejemplo, con 1:

2 1
1

Obsrvese que los vectores propios
son perpendiculares. En efecto,

su producto escalar es nulo
2 1, 1 2 1, 1 0. Esta
propiedad se produce cuando la matriz es simtrica.

Ahora podemos calcular la matriz diagonal
tal que
.

es diagonalizable porque tiene dos valores propios distintos. La matriz de
paso
se construye con los vectores propios
dispuestos en columna:


74

2 1 2 1
1 1

y la matriz
se forma colocando los valores propios en su diagonal principal:

3 22 0
0 3 22

Se puede comprobar que
2 1 2 1
1 1

1 2
2 5

2 1 2 1
1 1

3 22 0
0 3 22

Obsrvese que:

a) Los valores propios coinciden con los coeficientes y , que, a su vez,
estn relacionados con los semiejes y de la elipse:

3 22

3 22

b) El vector propio

2 1
1

, asociado con el valor propio
3 22, forma un ngulo con el eje de abcisas cuyo valor es:

tag

2 1
1

67 30

Por tanto, el vector propio
se encuentra sobre la direccin del nuevo

eje , situado en el centro de la elipse.

c) El vector propio

2 1
1

, asociado con el valor propio
3 22, forma un ngulo con el eje de abcisas cuyo valor es:

tag

2 1
1

22 30

Por tanto, el vector propio
se encuentra sobre la direccin del nuevo

eje , situado en el centro de la elipse.

d) Al diagonalizar la matriz asociada a la forma cuadrtica desaparecen
los trminos en y slo se conservan los trminos en
.

Es decir, los resultados coinciden con los obtenidos siguiendo el mtodo de
reduccin de cnicas del punto 15.

75

Pero, aunque
son LI, perpendiculares y constituyen una base de
, no son
unitarios. Encontremos una base ortonormal asociada a
.

Si la ecuacin del vector propio asociado a
es 1 2 0, basta
imponer la condicin de que su mdulo sea la unidad, es decir:
1. De
estas dos ecuaciones se deduce que 1 2

2 2 y 1 2. De
manera que un vector propio unitario es, por ejemplo:

1
2
2 2
1
2 1

Anlogamente, si la ecuacin del vector propio asociado a
es
1 2 0, con
1 se deduce que 1 2

2 2 y
1 2. As pues otro vector propio unitario es, por ejemplo:

1
2
2 2
1
2 1

Ahora podemos calcular otra matriz diagonal tal que
. La matriz paso
se construye con los nuevos vectores propios
:

1
2

2 2

2 2
2 1
2 2 2 1
2 2

Comprubese que
es una matriz diagonal ; pero, como cabe esperar, se

cumple que:

Adems, se produce una curiosidad:

Matriz ortogonal

Una matriz cuadrada es ortogonal si
.

Propiedades

Si es ortogonal
. Y si es ortogonal diagonal, entonces los elementos

de la diagonal son 1 1.
Si y son ortogonales es ortogonal.
Siempre es posible encontrar una matriz de paso ortogonal, asociada a la
matriz de una forma cuadrtica, tal que
sea diagonal.


76

Acabamos de comprobar que tanto la matriz como la
reducen la elipse
4 5
6 7 15 0 diagonalizando la matriz , pero mientras que

es ortogonal se puede comprobar que
no lo es.


Siguiendo con el ejemplo de la elipse
4 5
6 7 15 0 ya
reducida a su forma cuadrtica ,
4 5
, podemos construir la
matriz asociada a dicha forma cuadrtica teniendo en cuenta lo siguiente:

a) El orden de la matriz se corresponde con el nmero de variables de la
forma cuadrtica. En este caso dos, e , por tanto es de orden 2.

b) La matriz es simtrica, con los coeficientes de los trminos al cuadrado
situados en la diagonal principal:

1
5

c) El coeficiente simtrico respecto de la diagonal principal es la mitad del
coeficiente del trmino en Y. En este caso: 4 2 2

1 2
2 5

Se procede de manera similar para construir la matriz simtrica asociada a
la forma cuadrtica
:

a) El orden de es el nmero de variables de la forma cuadrtica. En este
caso: tres variables:

b) es simtrica. Los coeficientes
de los trminos al cuadrado se

sitan en la diagonal principal

c) Simtricamente respecto de la diagonal principal se colocan 1 2
,
1 2
y 1 2
, como se indica a continuacin:

En estas condiciones podemos afirmar que, si el vector
se
expresa en forma de matriz columna , la forma cuadrtica
responde a la
expresin:

1
2
;
1
2
;
1
2


77

Y anlogamente se procede para construir la matriz simtrica asociada a
una forma cuadrtica -dimensional
en la que
y

:


De lo expuesto se puede demostrar que se cumplen las siguientes propiedades
en las matrices simtricas y reales:

Los valores propios de toda matriz simtrica y real son reales.
Toda matriz simtrica y real admite un vector propio.
Los vectores propios de toda matriz simtrica y real, asociados a valores propios
distintos, son perpendiculares entre s.
Toda matriz simtrica y real es diagonalizable. La matriz diagonal se forma
situando los valores propios en la diagonal principal, de manera que
,
siendo la matriz de paso constituida con los vectores propios dispuestos en
columna.
Si los vectores propios de una matriz simtrica y real son unitarios, entonces la
matriz de paso es ortogonal:
.

Ejercicio

E.7. Demostrar: a) el producto de toda matriz por su traspuesta es una matriz
simtrica. b) la suma de toda matriz cuadrada y su traspuesta es una matriz
simtrica.


Acabamos de ver que toda forma cuadrtica
est caracterizada
por una matriz simtrica respecto a una base . Si se considera otra base , el
vector
se representa mediante
tal que
donde es la matriz de paso.

Sustituyendo:

llamando

se dice que y son congruentes y

Si la matriz de paso de la base a la base se construye con vectores
propios de , entonces es diagonal. Y si se construye con vectores propios de
unitarios, entonces es ortogonal:
. Este proceso se conoce como

diagonalizacin ortogonal y se dice que es un operador ortogonal.


78

En otras palabras: En toda forma cuadrtica se puede encontrar un sistema de
coordenadas (una base) respecto al cual su matriz asociada sea diagonal, de manera
que los valores propios de ocupen la diagonal principal y los vectores propios formen
la base.

Propiedades

El operador : es ortogonal si preserva el producto interior. Es decir:

Si es ortogonal se conservan las longitudes de los vectores. Como consecuencia:
transforma los vectores unitarios en vectores unitarios.
Los operadores ortogonales mantienen la ortogonalidad

Pero, el recproco no siempre es cierto.
Si es ortogonal, es invertible:

Ejercicios

E.8. Sea el operador :
: , cos sen, sen cos

que representa una rotacin plana de ngulo y centro en el origen (0,0).
Demostrar que es ortogonal con el producto interior usual.

E.9. Determinar una matriz ortogonal que diagonalice a
2 2
2 1
.

E.10. Efectuar una transformacin de coordenadas que diagonalice la forma
cuadrtica
10
.


El cubo macizo de la figura, de masa y asista ,
gira en torno a un eje M-M diagonal con velocidad angular
. Hallar la expresin del momento cintico
respecto a
los ejes , , . Hallar el tensor de inercia, la matriz
diagonalizada y las direcciones principales de inercia.

Clculo de los momentos de inercia

; ;

2 3

Por simetra:

79

2 3

Clculo de los productos de inercia

1 4

Por simetra:

1 4

El tensor o matriz de inercia respecto a los ejes XYZ es:

2 3 1 4 1 4
1 4 2 3 1 4
1 4 1 4 2 3

1 12
8 3 3
3 8 3
3 3 8

El vector velocidad angular respecto a los ejes XYZ es:

1 3

El momento cintico respecto a los ejes XYZ es:

63

Para diagonalizar la matriz de inercia

1
12
8 3 3
3 8 3
3 3 8
1 12

trabajamos con la matriz :

8 3 3
3 8 3
3 3 8

Valores propios:

8 3 3
3 8 3
3 3 8
0; 8
27 8 54 0

2;
11
Vectores propios:

- Para
2:

80

6 3 3
3 6 3
3 3 6

0
0
0

1,1,1
- Para
11:
-
3 3 3
3 3 3
3 3 3

0
0
0

1,1,0
1,0,1

1,1,0
1,0,1

La matriz diagonalizada es:

La matriz de paso es:

con

Comprubese que
.

Anlisis de los resultados
El vector propio
1,1,1 tiene la misma direccin que la diagonal M-M. Y se

cumple que

11 1 1 1 0 0
11 1 0 1 1 0

pero

11 1 0 0 1 1 0

es decir,
no es perpendicular a
, pues
se han generado con el mismo valor

propio. Por tanto, aunque hemos encontrado una base, sta no est formada por
vectores ortogonales. Busquemos una nueva base ortogonal: Como
ya es
perpendicular a
, calculemos un vector
, , perpendicular a
tal que
0 para satisfacer la condicin
0 impuesta por

11.


81

1,1,1;
1,1,0;
, ,

0 1
0 2

La condicin 0 ya se cumple en (1) otra vez; se deduce de
(2) y, con (1), 2 0. Sea 1: un vector
es, por ejemplo:
1,1, 2.
La matriz es ahora:

y se sigue cumpliendo
, pero continua siendo
.

Obsrvese que con estamos haciendo un cambio del sistema de
coordenadas de la base cannica 1, 0, 0, 0, 1, 0, 0, 0, 1 al sistema de
coordenadas formado por los vectores ortogonales
que constituyen la base

1, 1, 1, 1, 1, 0, 1, 1, 2, de manera que:

es decir:

1
1
1

1
0
0
;

1
1
0

0
1
0
;

1
1
2

0
0
1

por tanto:

la ecuacin
est referida a los ejes de la base , es decir,

podemos expresarla de la siguiente manera:
.
y podramos calcular
, pero refirindolo a los ejes sealados por
de la base , o sea:
. Es decir, basta expresar en coordenadas

de la base y multiplicar por
para calcular
en coordenadas de la misma
base .
adems, los vectores propios de la base son las direcciones principales de
inercia.

La base 1, 1, 1, 1, 1, 0, 1, 1, 2 es ortogonal, pero no
ortonormal. Para ortonormalizarla basta dividir cada vector por su mdulo:

1 3 1, 1, 1, 1 2 1, 1, 0, 1 6 1, 1, 2

La matriz asociada a la base
es:


82

y se sigue cumpliendo
, pero, ahora s,
.

Comprobemos los resultados:

Calculemos el valor de
correspondiente a una velocidad angular

1,0,0 expresada en la base cannica:

1 12
8 3 3
3 8 3
3 3 8

1
0
0
1 12
8, 3, 3

Calculemos ahora el valor de
correspondiente a la misma velocidad angular
1,0,0, pero en la base . Para ello determinamos las coordenadas de la

velocidad angular en la base : 1,0,0 1,1,1 1,1,0 1,1, 2.
Es decir: 1 3, 1 2 y 1 6 , por tanto:

1 3 , 1 2 , 1 6

entonces:

1 2
2 0 0
0 11 0
0 0 11
1 3
1 2
1 6
1 12
2
3
,
11
2
,
11
6

Como comprobacin, calculemos
(las coordenadas de
en base ) a partir
de
(con las coordenadas de
expresadas en la base ):

1 12
8, 3, 3 1 12
1,1,1 1,1,0 1,1, 2

donde se deduce que 2 3 , 11 2 y 11 6 . Es decir, el mismo
resultado que el obtenido con la expresin
.


83

Ejercicios

1. Sea una matriz cuadrada de orden 3 que verifica:

0
1 2
1 2

0
1 2
1 2
;
1 3
1 3
1 3
2
1 3
1 3
1 3
;
2 6
1 6
1 6

2 6
1 6
1 6

Hallar: a) La matriz . b) Por qu es diagonalizable? Hallar la matriz diagonal
semejante a y la matriz de paso correspondiente. c) Consideremos la forma
cuadrtica de
: , ,
2 2. Hallar la matriz asociada.

2. Sea :

, , 2 3, , 2

Hallar, si existe, una base en
respecto a la cual la matriz asociada a sea diagonal.

3. Sea :

, ,
2 1 1
1 2 1
1 1 2

Hallar una base en
respecto a la cual la matriz asociada a sea diagonal.

4. Sea :

es:

0 1 1
1 0 1
1 1 0

Hallar una base ortonormal respecto a la cual la matriz asociada a sea diagonal.

5. Sea , , , , , hallar una base ortonormal respecto a la cual la
matriz de la aplicacin lineal admita una expresin diagonal.

6. Sea :

es:

2 1 1
1 2 1
1 1 2

Hallar: a) los autovalores y autovectores. b) Una base de
respecto a la cual
admite una expresin diagonal. c) La forma cuadrtica que tiene a como matriz
asociada.

7. Consideremos la forma cuadrtica de
, ,
. Hallar: a)
La matriz asociada respecto de la base cannica. b) Una base ortonormal de

respecto de la cual la matriz anterior adopta una forma diagonal.

84

8. Sea
1
2
1
y sea :
la aplicacin lineal cuya matriz asociada respecto a la

base cannica es
. Hallar: a) , , . b) Una base de
respecto de la cual la
matriz asociada a sea diagonal. c) La forma cuadrtica asociada a la matriz de .

9. Consideremos la aplicacin lineal :
dada por:

1, 1, 1 5, 3, 3; 1, 1, 1 3, 3, 1; 1, 1, 0 4, 1, 3

Calcular: a) La matriz asociada respecto de la base cannica. b) Estudiar si es
diagonalizable y, en caso afirmativo, hallar una base respecto de la cual la matriz
asociada a en dicha base sea diagonal.

10. Obtener una transformacin ortonormal que diagonalice la forma cuadrtica
,
26 2
.

11. Hallar una transformacin ortogonal para reducir la forma cuadrtica , ,
4
4 8 a una suma de cuadrados.

Álgebra para Ingenieros PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra para Ingenieros PDF

Cargado por

Copyright:

Formatos disponibles

Capitn de fragata ingeniero

AGUSTN E. GONZLEZ MORALES

. MDULO Y VECTOR UNITARIO

. Se obtiene cambiando filas por columnas. Ejemplo:

es la matriz inversa de , y se dice que es invertible o regular. Pero, si

no existe, entonces es singular.

, si existe, segn el esquema siguiente:

2. En el paso 3 se suma la fila 2 con dos veces la 3. Se elige como pivote el

5. En el paso 4 se resta cinco veces la fila 1 de la 3 y se suma

1, multiplicamos por 5 la fila 1 y

15. Multiplicamos por 15 la fila 3 y le restamos

137. Multiplicamos por 16 la fila 3 y le

son todos nulos, se dice que el

2, cuyo valor se sustituye en la 3,

5. Se procede de manara anloga con la 2 y 1 ecuacin, de

cualquier valor. Sea

. Empleando el mtodo de Cramer:

y . Sea la adicin definida en

, se llaman subespacios propios.

debe pertenecer a para afirmar que es un subespacio de .

debe pertenecer a para afirmar que es subespacio de .

, , , con las operaciones conocidas y ,

, , , con las operaciones conocidas y ,

. Si , los dos subespacios y se denominan subespacios

0 la combinacin lineal se llama trivial.

se denomina variedad lineal

es aquella en la que todos los escalares son

, , ,, determinar si los siguientes vectores son

3 en el espacio vectorial , , , y en el espacio vectorial , , ,.

. Un SG puede ser LI LD.

; deben existir escalares , , tales que: 1,0 0,1

un conjunto de vectores del espacio , , ,. El

a la formada por los vectores:

son dos subespacios vectoriales, se verifica:

1. De donde se deduce que: dim

una base de y el conjunto

como CL de los vectores de una cierta

y determinar las coordenadas del vector 1, 2, 3 respecto a dicha base.

es libre si su rango es igual

llamadas ecuaciones cartesianas o implcitas del

es la matriz columna del vector

es la matriz columna del vector expresado en la

es la matriz de paso expresada en trminos de la base .

0,3, 1,0. Calcular:

Qu clase de sistema es ? Existe alguna

que contenga a los vectores de una base de .

; es decir, 2,1 son las

0, se despeja una incgnita, por ejemplo

tenemos otras ecuaciones paramtricas de :

0 de , vemos que 3 1 0 3 0 0, por tanto no pertenece a .

con 1, 0, 0, 0 puesto que

a la base cannica se obtienen aplicando

, donde es la base cannica y

y . Sea la adicin definida en

. Hallar las coordenadas del vector 1, 1, 2 respecto de esta base.

son base de un espacio vectorial de dimensin 3, el

tambin es una base de dicho espacio.

. En el mismo espacio vectorial tenemos el

. Se pide: a) Demostrar que

es una base. b) Hallar la expresin del

. c) Calcular las coordenadas del

engendrado por el vector 1, 1, 1 y sea

3 0, 2 0. a) Demostrar que es subespacio de