Documentos de Académico
Documentos de Profesional
Documentos de Cultura
56ESPACIOS VECTORIALES
1.1. Definicin de un espacio vectorial
1.1.1. Base y Dimensin de un espacio vectorial
Definicin de Base
Si
S= { v 1 , v 2 , , v n }
V , entonces
base
se denomina una
es el conjunto de vectores en
V
para
condiciones siguientes:
a) S
es linealmente independiente.
b) S
genera a V .
Definicin de Dimensin
La
dim(V ) ,
V . Adems, por
se denomina de
1. Si
son objetos en
V , entonces
u+ v , estn en
5. Para todo
u , tal que
para
u
en
en
todo
V , denominado
u
de
V , tal que
V , existe un objeto
u+ (u )=(u ) +u=0
vector cero
en
V , denominado
negativo
de
( inverso aditivo ) .
1
6. Si
V
es cualquier escalar y
es cualquier objeto en
V , entonces
ku
est en
7. k ( u+ v )=k u+k v
8. ( k +m ) u=k u+ mu
9. k ( mu )=( km ) (u )
10. 1u=u
Bibliografa
Anton, H., Introduccin al Algebra Lineal, 5 Edicin, Limusa, Mxico, 2006 pp. 222, 251, 257, 258.
Grossman Stanley I. y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
Problema 1
Encuentre una base (y la dimensin) para el espacio de solucin S
del sistema
homogneo.
x+2 yz =0
2 x y+ 3 z =0
Solucin
Aqu
R
(12
A= 1 2 1
2 1 3
. Como
es una matriz de 2 x 3,
es un subespacio de
) (
) (
) (
2 10 1 2 10 1 2 10 1 0 10
1 30
0 5 50
0 1 10
0 1 10
Entonces
As,
y=z
()
1
1
1
x=z
()
z
z
z
es el conjunto de
Problema 2
Encuentre una base para el espacio solucin de
del sistema.
2 x y+ 3 z=0
4 x2 y +6 z=0
6 x +3 y9 z =0
Solucin
Reduciendo renglones se obtiene
)(
2 1 30
2 1 00
4 2 60 4 2 00
6 3 90
6 3 00
por
() ()
1
2
0
0
3
1
2 x y+ 3 z =0 . S
y dim S=2
Sea
u+ v , denominado la
suma
de
v ; por
multiplicacin escalar
se entiende
3
u en V un objeto
una regla que asocia con cada escalar k y con cada objeto
ku , denominado el multiplo escalar de u por k . Si los objetos u , v y w en
V los escalares k y m satisfacen los siguientes axiomas, entonces V se
denomina espacio vectorial y los objetos en V se denominan vectores .
1. Si
u y v
V , entonces u+ v , estn en V .
son objetos en
2. u+ v=v +u
3. u+ ( v+ w )= (u+ v ) +w
4. Existe un objeto
0+u=u+0=u para
5. Para todo
u , tal que
6. Si k
V .
en
V , denominado
todo u en V .
en
V , existe un objeto
en
vector cero
de
V , denominado
V , tal que
negativo
de
u+ (u )=(u ) +u=0 .
es cualquier escalar y
es cualquier objeto en
V , entonces
ku
est en
7. k ( u+ v )=k u+k v
8. ( k +m ) u=k u+ mu
9. k ( mu )=( km ) (u )
10. 1u=u
Problema 1
Solucin
Problema 2
Solucin
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-13.pdf
Problema 1
v 1=(1,1,2) ,
Consideremos
valores de h
v 2=(5,4,7)
el vector
(4,3, h) pertenece a
(4,3, h)
v 3=(3,1,0)
3. Para qu
(v 1 , v 2 , v 3) ?
Solucin
Sabemos que
v3
(v 1 , v 2 , v 3)
v1 , v2
tales que
(para
(1,1,2) ,
(4,3, h)
cualquier
h ).
En
efecto,
existen
tres
escalares
, ,
con
+ 4 3 =0
4 + =0
2 +7 =0
de donde
===0 .
Linck: http://www.escet.urjc.es/~matemati/maribel/PCapitulo7.pdf
Problema 2
Resuelva el sistema
2 x1 +4 x 26 x 3=18
4 x15 x 2 +6 x 3=24
2 x 17 x 2 +12 x 3=30
Solucin
Para resolver, primero se escribe el sistema como una matriz aumentada:
2 4 618
4 5 624
2 7 1230
9
1 2 3 0 1 2 0 3 6 4
12
9
1
1 2 3 0 3 6 0 3 6 12 R2 R2
3
12
9 R R 4 R
2
1
1 2 3 4 5 6 2 7 12 24 2
R
2
R
3
3
1
30
1
R1 R1
2
1
1 0 1 0 1 2 0 0 0 4
0
R1 R12 R2
R3 R33 R 2
Bibliografa
Grossman Stanley I. y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
Sea
y suponga que
xH
Si
x H , entonces
y H , entonces
a x H
es un subespacio de
x+ y H
para todo
Link: http://facultad.bayamon.inter.edu/ntoro/Subespacios.htm
Problema 1
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-13.pdf
Problema 2
10
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-13.pdf
Problema 1
Bibliografa
Grossman Stanley I. y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
Problema 2
Solucin
12
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-14.pdf
13
1.3.2
Concepto de los subespacios de dimensin finita compuesta por
funciones
Problema 1
v
un vector de
coordenadas en base de
Sea
espacio vectorial
de dimensin finita
x 2 x3
son (x 1 x n) , siendo
.
n 3
cuyas
Solucin
Como
x 2 x3
, el vector
obtenga al completar
v , esto es
B=( v 1 , v 2 , , v n )
, las coordenadas de
sern
(10 0) .
Problema 2
Hallar el conjunto general:
W ={( x , y , z ) y=2 xz }
Solucin:
W = { ( x , 2 x z , z )| x , z R }
W = { ( x , 2 x , 0 ) + ( 0, z , z )| x , z R }
W = { x ( 1,2,0 ) + z ( 0,1,1 )|x , z R }
S={(1,2,0),(0,1,1) }
S
genera a W
14
Link: http://www.buenastareas.com/ensayos/Serie-Geometr%C3%ADa-Analitica/7551998.html
Solucin
15
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-14.pdf
Problema 2
Solucin
16
Bibliografa
Grossman Stanley I. y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
1.3.4
Las funciones
puesto que
Solucin
e
xe
x2 ex
3x
( x , xe x , x 2 e x )= e x xe x +e x
x 2 e x + 2 x e x =2 e
e x xe x +2 e x x 2 e x + 4 xe x +2 e x
W
No es cero para ningn valor real de
x .
Link: http://2.bp.blogspot.com/-gxxS0e3PdWg/TulRc5qEzkI/AAAAAAAAAB8/vtd35_yVdEk/s1600/3.5.5.png
17
Problema 2
Las funciones
sen 2 ( x )
1cos ( x )
2 sen ( x ) cos ( x ) 2 sen (2 x )
Link: http://gmathematics.blogspot.mx/2011/12/35-dependencia-e-independencia-lineal.html
Problema 1
18
Solucin
Problema 2
Solucin
19
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-27.pdf
1.4.2
Concepto de Isomorfismo entre espacios vectoriales reales de una
dimensin finita
20
Problema 1
Solucin
Problema 2
Solucin
Bibliografa
Grossman Stanley I. y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
Problema 1
Solucin
Proble
ma 2
Solucin
Grossman Stanley I.
y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
Un espacio vectorial
f 1 S f 1 S
Si
Y si
f 1 S , f 2 S
entonces
Si los escalares
(donde R
C )
(f 1+ f 2 ) S
son reales,
PLANO R ESPACIO R
V =R2 { ( x , y )|x , y R } V =R 3 {( x , y , z )| x , y , z R }
Donde las funciones componentes
valores
(reales).
r ( g)
f ,g
con
son nmeros
t ).
x (t)=(t 3 32 t)
y (t)=(5 t 2+12)
z (t)=(7 t+15)
Si r=xi+ yj+ zk
Solucin:
r=( t 332t ) i+ ( 5 t 3 +12 ) j + ( 7 t+15 ) k
Sustituimos a
t=3 en
r :
r=69 i+ 57 j+36 k
Problema 2
Dadas las funciones vectoriales:
x ( t )=t 2+ ( 4 t 3t )7
3
2
y (t )=2 t t + 48 t , p ( t )=xi+ yj+ zk
z ( t )=6 t 25 t16
Hallar el punto
p que se encuentra en
t=5 s
Solucin:
p (t )=( t 2 + ( 4 t 3 t ) 7 ) i+ ( 2 t 3 t 2 + 48t ) j+ ( 6 t 25 t 16 ) k
Sustituimos a
t=5 en
p(t)
24
p (5 )=( (5 ) 2+ ( 4 (5 ) 35 ) 7 ) i+ ( 2 ( 5 ) 352+ 48 ( 5 ) ) j+ ( 6 ( 5 ) 25 ( 5 ) 16 ) k
p (5 )=( 25+ ( 4 ( 125 )5 )7 ) i+ ( 2 ( 125 ) 25+240 ) j+ ( 6 ( 25 )2516 ) k
p (5 )=( 25+ 4957 ) i+ ( 25025+ 240 ) j+ ( 1502516 ) k
p (5 )=513 i+ 465 j+109 k
Solucin
Link: http://noticias.espe.edu.ec/joegarcia/files/2012/06/ESPACIOS-EUCLIDEOS.pdf
Problema 2
25
Solucin
Link: http://noticias.espe.edu.ec/joegarcia/files/2012/06/ESPACIOS-EUCLIDEOS.pdf
interior, y si
(u)s=( u 1 , u2 , ,u n )
(v )s= ( v 1 , v 2 , , v n )
entonces
a u= u21+ u22+ + u2n
Problema 1
26
Demostrar que
Solucin
u+ v ,uw = u , u u , v + v ,u v , v
2
||u|| u , v + u , v ||v||
u2v2
Nicholson, W. Keith, ALGEBRA LINEAL con aplicaciones, 4. Edicin. McGraw-Hill, 2003, pp. 311.
Anton, H., Introduccin al Algebra Lineal, 5 Edicin, Limusa, Mxico, 2006 pp. 320 y 321.
Problema 2
Calcule la norma del siguiente vector
u= (1,1,1 )
Solucin
Si 3 tiene producto interior euclideano, entonces la norma del vector
u= (1,1,1 )
es
Anton, H., Introduccin al Algebra Lineal, 5 Edicin, Limusa, Mxico, 2006 pp. 321.
Problema 1
Diga si el vector
u= 1,2
es unitario.
Solucin
El vector 1,2
u= 1,2 1,2
27
1+ 4
5 0
Problema 2
Compruebe que el vector
v=
1
1
,
2 2
es unitario o no es unitario.
Solucin
||v||=
1 1
+ =1
2 2
v=
1
1
,
2 2
si es un vector unitario.
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-04.pdf
28
Dos vectores
de
Rn
u v =0 . Un conjunto
se denomina ortogonales si
{u1 ,u 2 , un } Rn es ortogonal si
u i=0
Conjunto ortonormal
Un conjunto de vectores
ortonormal si se cumple
v i v j=0
para todo i j
u i=1
Si adems
1
1
{ v1 , v 2 , v m } ortogonal v v 1 , , v v n
1
n
ortonormal
Problema 1
Diga si las siguientes parejas de vectores son o no ortogonales:
u1=( 2,3,4 ) , u2= (1,2,3 ) , v1 =(2,3)
y v2=(3,2)
Solucin
Los vectores
u1
u2
u1 u2= ( 2 )( 1 ) + ( 3 ) ( 2 )+ (4 ) ( 3 )=3 0
29
Los vectores
v1
v2
v1 v1=( 2 ) (3 ) + ( 3 )( 2 )=0
Problema 2
Ortonormalize el conjunto ortogonal de los siguientes vectores
()
2
1
2
5
v1= 0 , v2= 2 , v3=
2
2
1
1
() ( )
Solucin
v1 v1=( 1 )( 1 ) + ( 0 )( 0 )+ (2 )( 2 )=5 ||v1||= 5
v2 v2=(2 )(2 ) + ( 2 ) (2 )+ ( 1 ) ( 1 )=9 ||v2||=3
v3 v3=(2 )(2 ) +
()
2
1 1 2 2
1
=0 , = 2 ,
= 5
5 2 3 1 45 2
1
() ( )
30
Nicholson, W. Keith, ALGEBRA LINEAL con aplicaciones, 4. Edicin. McGraw-Hill, 2003, pp. 214.
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-04.pdf
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-21.pdf
S= { v 1 , v 2 , , v k }
en Gen(S)
esta
u=c1 v 1 +c 2 v 2 ++ ck v k
entonces
c i=
A las expresiones
u vi
vi vi
para i=1, , k
u vi
u respecto a
v i v i , se les llama los coeficientes de Fourier de
S .
Problema 1
Utilizando el conjunto ortogonal
respecto a
y compruebe
31
u v 2=( 1 )(2 ) + ( 2 ) ( 2 )+ ( 3 )( 1 ) =5
( 52 )+( 3) ( 1)=4
u v 3=( 1 ) (2 ) + ( 2 )
v 1 v 2=( 1 ) (1 ) + ( 0 )( 0 )+ ( 2 )( 2 )=5
v 2 v 2=(2 )(2 ) + ( 2 ) (2 )+ ( 1 ) ( 1 )=9
v 3 v 3=(2 )(2 ) +
][
7
1 0 0
1 2 21
5
5
5
0 2
2 0 1 0
2
9
2 1
13
16
0 0 1
45
[ v 1 , v 2 , v 3u ]
y la reducimos:
ci
Problema 2
Ortonormalize el conjunto ortogonal de los siguientes vectores
32
()
2
1
2
v1= 0 , v2= 2 , v3= 5
2
2
1
1
() ( )
Solucin
v1 v1=( 1 )( 1 ) + ( 0 )( 0 )+ (2 )( 2 )=5 ||v1||= 5
v2 v2=(2 )(2 ) + ( 2 ) (2 )+ ( 1 ) ( 1 )=9 ||v2||=3
v3 v3=(2 )(2 ) +
()
2
1
2
1
1
2
=0 , = 2 ,
= 5
3
2
5 2
1 45
1
() ( )
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-21.pdf
V , entonces B ' ={ u1 ,u 2 , , uk }
B={ v 1 , v 2 , , v k }
es
u1=v 1
33
u2=v 2
v 2 u1
u
u1 u1 1
u3=v 3
v 3 u1
v u
u 1 3 2 u 2
u1 u1
u2 u2
uk =v k
v k u1
v u
v u
u1 k 2 u2 2 k1 u k1
u1 u 1
u2 u 2
uk1 uk 1
y
Gen { v 1 , v2 , , v k } =Gen { u1 , u2 , ,u k } , i=1, , k
B''
se obtiene normalizando
u1
u2
uk
,
,,
u1 u2
uk
B' .
Problema 1
Determina una base ortogonal y una ortonormal de 2 aplicando el proceso de GramB={ v 1 , v 2 , v 3 }
Schmidt a la base
, en la cual
[] [] []
1
2
1
v 1= 1 , v2 = 3 , v 1= 2
1
1
4
Solucin
v j ui
ui u j
34
u1=v 1
Se toma
. Como
v 2 u 1=6
u1 u1=3
6
3
se tiene que
x 12=
, se tiene que
x 13=
y por tanto se
tiene:
u2=v 2x 12 u1
[ ] ( )[ ] [ ]
2
1
0
6
3
1 = 1
3
1
1
1
v 3 u 1=5
Ya que
v 3 u 2=2
u2 u2=2
5
3
x 23 =1
entonces
u3=v 3x 13 u1 x23 u2
[]
8
3
1
0
0
5 1
4
2
1 (1 ) 1 = 1 =
3
3
4
1
1
1
4
3
[ ] ( )[ ] [ ] [ ]
B ' ={ u1 ,u 2 , u3 }
donde
[]
8
3
1
0
4
u1= 1 , u2= 1 , v 1=
3
1
1
4
3
[ ] []
35
{[ ] [ ] [ ]}
1
2
0
3 1 6
1
1
B''=
, 2 ,
3 1 6
1
1
2
3
6
Problema 2
B , en la cual
{[ ] [ ] [ ]}
2
0
1
B= 1 , 3 , 2
1 1 0
Solucin
Utilizando
[ ] [ ] []
2
0
1
v 1= 1 , v2 = 3 , v 3 2
1
1
0
Iniciemos con
u2=v 2
u1=v 1
. Como
v 2 u 1=4
u1 u1=6
en ese caso
v 2 u1
u
u1 u1 1
[ ] ( )[ ]
0
2
4
3
1
6
1
1
[]
4
3
7
3
1
3
36
Ya que
v 3 u 1=1
u3=v 3
v 3 u 2=6
u2 u2=
22
3 , entonces
v 3 u1
v u
u 1 3 2 u 2
u1 u1
u2 u2
[]
4
3
1
1 1
6 7
2
1
6
22
3
0
1
3 1
3
[ ] ( )[ ] ( )
[]
14
13
17
66
7
66
donde
[] [ ]
4
3
2
7
u1= 1 , u2=
, u3=
3
1
1
3
[]
'
B ={ u1 ,u 2 , u3 }
14
13
17
66
7
66
O sea
37
{ [ ] [ ]}
4
14
3
13
2
7
17
'
B = 1 ,
,
3
66
1
1
7
3
66
[]
B '' :
{[ ] [ ] [ ]}
28
4
1
3
2
1122
4
17
1
B''=
,
,
4
66 1122
1
1
7
4
66 1122
Link: http://cb.mty.itesm.mx/ma1010/materiales/ma1010-22.pdf
38
39
Problema 2
40
41
Link: http://calculoavanzado.usach.cl/Apunte/ejercicios_resueltos_2011.pdf
42
3. TRANFORMACIONES LINEALES
3.1.
Definicin de Transformacin entre espacios vectoriales.
Sean
( v ) . Una
variable vectorial, es decir, depende de vectores, y es del tipo w=f
transformacin se representa como
codominio de la transformacin
T :V W , donde
es el dominio y
el
T.
Esquemticamente
3.1.1
Definicin
En matemticas, el dominio (conjunto de definicin o conjunto de partida) de una funcin
f : x y es el conjunto de existencia de ella misma, es decir, los valores para los cuales
la funcin est definida. Es el conjunto de todos los objetos que puede transformar, se
Domf
Df
denota
o bien
. En n se denomina dominio a un conjunto conexo, abierto y
cuyo interior no sea vaco.
43
Problema 1
Halle el dominio de la funcin:
f ( x)
x 2 x 12
x2 5x 4
Solucin:
Para hallar el dominio es necesario que se cumpla:
x 2 x 12
( x 4)( x 3)
0 2
0
( x 1)( x 4)
x 5x 4
Usaremos
el
x+1=0, x+4=0
mtodo
de
, entonces
los
puntos
crticos.
Haciendo
x 4=0, x+ 3=0,
Problema 2
Hallar el rango de la funcin f (x) = x2 + 6x 5
Solucin:
Como
x 2 +7 x 10=4 ( x 3)2
, y
4 ( x 3)2 4
entonces f (x) 4 .
Ran( f ) , 4]
44
Link: http://calculo0diiferenciial.blogspot.mx/2012/06/dominio-el-dominio-de-una-funcion-esta.html
http://www.uap.edu.pe/pregrado1/02/trabajos/020102121.asp -> dominio y contradominio
Propiedad de Linealidad.
3.1.2
La propiedad de linealidad est asociada al concepto de espacio vectorial, conjuntos en los que
se definen dos operaciones, una interna (suma de vectores x+ y ) y otra externa (multiplicacin
por un escalar
x , en la que
homogeneidad
las
propiedades
que
aditividad
por
separado,
con
mostrar
Problema 1
45
Problema 2
Link:
http://cvb.ehu.es/open_course_ware/castellano/experimentales/algebra/rel3.p
df
3.1.3
Problema 1
Solucin:
46
Problema 2
47
Link: http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-52.pdf
3.1.4
Definicin:
Problema 1
Problema 2
49
Link:http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-53.pdf
Linck:http://cvb.ehu.es/open_course_ware/castellano/experimentales/algebra/rel3.pdf
Problema 2
51
Link: http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-53.pdf
52
3.2.2
Anlisis de Transformaciones lineales inyectivas, suprayectivas y
biyectivas
Problema 1
Problema 2
Solucin:
53
Link:http://www.dmae.upct.es/~plgomez/archivos%20docencia/teoria2009-10/tema4-aplic-lineales-a.pdf
54
Problema 2
55
56
Link: http://www.fimee.ugto.mx/profesores/chema/documentos/Algebra%20Lineal/Algebra_Lineal_17.pdf
57
Problema 1
Solucin
58
Problema 2
Solucin:
59
60
Link: http://www.mty.itesm.mx/etie/deptos/m/ma00-130/lecturas/m130-09.pdf
61
3.4.2
A , el polinomio
xi
para
es:
( tx 1 )( tx2 ) ( tx 3 ) ( tx n )
El polinomio tiene esta forma ya que los elementos de la diagonal de una matriz diagonal
coinciden con sus valores propios.
Para una matriz
valor propio de
v 0
es un
tal que
Av =v
( A I ) v =0
(donde
es no nulo, la matriz
I A
es
singular, que a su vez significa que su determinante es 0. Acabamos de ver que las races
de la funcin determinante ( AtI) son los valores propios de A . Como que dicha
funcin es un polinomio en
t .
Problema 1
Encontrar el polinomio caracterstico de la matriz
Solucin:
62
dicho determinante es
A .
Problema 2
Hallar la matriz caracterstica y el polinomio caracterstico de la matriz A:
A= 1 2
2 0
Solucin:
La matriz caracterstica ser
( A I ) = 1 2
2
( A I ) . Luego:
det ( AI )= 1 2 =( 1 ) ( )+ 4= 2+ 4
2
63
Link: http://es.wikipedia.org/wiki/Polinomio_caracter%C3%ADstico
http://www.sectormatematica.cl/contenidos/policar.htm
3.4.3
Problema 1
Determina los valores propios y vectores propios de la matriz
Solucin:
Los valores propios son las races del polinomio caracterstico, que es
Para encontrar el vector propio correspondiente al valor propio 1, tenemos que resolver el
sistema de ecuaciones,
es decir,
64
y=0
es decir:
La solucin es la recta
(x , y )=t (1,2i ) con
x=2 iy
t0 .
1,2i 5
tenemos
Resumiendo:
Problema 2
Solucin:
65
66
Link:http://www.licimep.org/Preprope/2008/Algebra%20lineal/Ejercicios/Valores%20y%20vectores%20propios
%20matriz%202x2%20Ej%202.pdf
http://www.licimep.org/Preprope/2008/Algebra%20lineal/Ejercicios/Valores%20y%20vectores%20propios
%20matriz%202x2%20Ej%203.pdf
3.4.4
a:
Cuando vimos que las races del polinomio caracterstico son los valores propios de una
n
matriz A deducimos que un vector no nulo v k
era un vector propio de A
asociado al valor propio
propio de la matriz
si y slo si
de orden
se
tiene que:
67
Propiedad: Vectores propios asociados a distintos valores propios son LI; o dicho de otro
modo, la suma de los subespacios propios es directa. Esto se traduce en que la unin de
bases de cada subespacio propio resulta ser una base de la suma de los subespacios
propios.
Problema 1
Hallar los subespacios propios de la matriz
A :
Problema 2
Hallar los subespacios propios de la matriz
B :
0, 3 y 4 .
Solucin:
68
Link: http://www.dmae.upct.es/~plgomez/archivos%20docencia/teoriagrado201011/tema5diagonalizacion-a.pdf
y B
y B
son
1
tal que B=P AP .
Problema 1
Hallar la inversa de
son semejantes
P1 :
D=P1 AP
Problema 2
Encuentre los valores y vectores propios de la matriz. Determine si
una matriz diagonal
es semejante a
D .
70
Solucin:
Los valores propios son las races de la ecuacin:
As,
Entonces
base de
R3 de vectores propios de
A .
Link: http://docencia.udea.edu.co/ingenieria/algebralineal/contenido/capitulo2_2.html
http://www.dmae.upct.es/~plgomez/archivos%20docencia/teoriagrado2010-11/tema5diagonalizaciona.pdf
3.5.2
Problema 1
Es diagonalizable la siguiente matriz?
71
Solucin:
Comenzamos calculando el polinomio caracterstico
A :
Entonces
Para
( x, y ,z)
cumplen la ecuacin:
5 y =0
siendo
xyz
Para
con ( , )(0,0) } .
Por lo tanto
S 7={( , , )
con R }.
72
Problema 2
7 10
3 4
2 5
1 3 B C 1 AC.
Solucin:
2 5
1
B C AC. 1 3
2 5
1 3
2 5
3 5 7 10
1 3 1 2 3 4
2 5
1 3
6 10 2 5 2 0
1 2 1 3 0 1
73
Link: http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r66991.DOCX
http://estudiofacultad.hostoi.com/teoricogal/gal2/cap02.pdf
3.5.3
F ,
de
TU
es
diagonal.
Problema 1
Es diagonalizable el operador
, tal que
Solucin:
Si lo es, diagonalizarlo (o sea, hallar una matriz diagonal asociada a
y la base en la
Entonces:
74
En consecuencia
forma diagonal es
vectores propios.
Al
valor
propio
le
corresponde
como
vectores
propios
los
vectores
Luego,
(0,0,1)
=3
(0,1,1)
(1,0,1)
es un vector propio
=4 .
De esta manera, una base de vectores propios en la que
(no es nica)
{(0,0,1),(1,0,1) ,(0,1,1)}
y la correspondiente matriz
de cambio de
es:
, y comprobar que
P AP
es diagonal. Tambin
donde la primera columna es un vector propio con valor propio 3, la segunda tiene como
valor propio 4 y la tercera a 2, y hallar
Q1 AQ .
75
http://estudiofacultad.hostoi.com/teoricogal/gal2/cap02.pdf
Problema 2
Determine la diagonalizacion de la siguiente matriz
1 2
2 1
Solucin:
Se puede verificar que los valores propios de esta matriz son
t
A (C D C )
1,
V 1
C CD
t
1
s
1
CDC A
t
r
2
1
A
Como
1 0
0 3
D
es simtrica, se sabe que no puede ser diagonalizada para dar
V yV
1
esperarse, use un vector unitario de cada espacio propio como columna de una matriz
ortogonal C y obtenga.
1
D 2
1
2
1
2
1
2
es
76
C AC
1
2
1
1
2
1
1 2
2 1
1
2
1
1
2
1
Propiedades:
A 1. x + y= y + x
A 2. ( x + y ) + z=x + ( y + z )
A 3. x +0=0+ x=x
A 4. x+ (x )=x+ x=0
A 5. a ( x + y )=ax+ ay
A 6. ( a+b ) x=ax +bx
A 7. a ( bx ) =( ab ) x
A 8.1 x=x
donde
x, y ,z
E ,y
son
nmeros complejos.
Ejemplo:
Determine si el conjunto de vectores en el espacio vectorial
a1 + i a2 a3 =0
0 a1 +(1i) a2 =0
i a1
0
Cuya nica solucin es
a1=a2=a 3=0
linealmente independiente.
78
PRODUCTO HERMTICO
Sea
(,)
definida en
EE
y con valores en
vectores cualesquiera de
E , y
tal que, si
x, y
propiedades siguientes:
A 1. ( x , y )=( y , x )
A 2. ( x + y , z ) =( x , z )+ ( y , z )
A 3. ( a x , y )=a ( x , y )
A 4. ( x , x ) 0
A 5. ( x , x )=0 si y solo si , x =0
Un espacio vectorial E
hermtico.
Ejemplo
Calcular el producto hermtico en
C3
y v =(1+i ,i ,1)
Solucin
De acuerdo con la definicin de (,) dada anteriormente, resulta
) (1 )
( u , v )=1 ( 1+i )+ i ( i )+ (2+i
1+ i+12+i
2i
NORMA
79
Sea
al nmero
real no negativo.
x= (x , x)
Cuando x=1 diremos que
esta normalizado.
Ejemplo
Determina la norma del vector
u = (i , 1+i, 3 )
Solucin
1+2+ 9
12
1
2 3
1
Esto es un
2 3
MATRICES HERMITICAS
Una matriz
complejos.
El primer elemento diferenciador en el caso complejo es la conjugacin, solamente
para los nmeros complejos
Dada la matriz
donde
a ij
A= [ aij ]
es el complejo conjugado de
aij
a la matriz
[ a ij ]
A=
.
80
Ejemplo
Dadas las siguientes matrices
A=
1 1i
2+i i
A B
AB=
23 i
1
2i
2+i
1
2+3 i
B=
2i 2i
B=
B= A+
B
A+
Solucin I)
1 1+i
A=
2i
i
Solucin II)
AB =
4i
3i
4+i 3 i
AB=
94 i 3+3 i
9+ 4 i 33 i
4+i 3 i
A B=
9+ 4 i 33 i
][
i)
1+ ( 23
( 1i )+ 1
A + B=
= 3+3i 2+i
( 2+i ) +2 i (i ) + (2+i ) 23 i 2
]
81
A + B=
][
( 1+i )+1
1+(2+3 i)
= 3+ 3i 2+ i
( 2i ) +(12i) i+(2i) 23 i 2
Sea
m x n . La matriz
A H =( A T )
A . El elemento
de tamao
(k , j) de
AH
n xm
a jk
es
se
.
Ejemplo
Calcular la matriz transpuesta conjugada de la matriz siguiente:
1
2i
A= i 2+i
1 1+ 3i
T
( A)
Solucin
=
( A)
T
1
i
1
2+i 2i 13 i
i
1
T= 1
A H =( A)
2+i 2i 13 i
se dice hermtica si
A= A
. Si
A =A ,
es antihermtica.
Ejemplo
Sean
82
] [
3
45 i 3+2i
2i
5i
2+3 i
A= 4+5 i
y
B=
1
7 +6 i
5i
i
47 i
32 i 76 i
2
2+3 i 47 i
i
Es fcil comprobar que
es antihermtica.
Ntese que los elementos de la diagonal principal de una matriz hermtica son nmeros
reales, ya que tienen que coincidir con sus conjugados. En cambio, los elementos de la
diagonal principal de una matriz antihermtica son nmeros imaginarios puros
4.1.1 Enunciado del teorema espectral.
Es un teorema que expresa las condiciones bajo las cuales un operador o una matriz
pueden ser diagonalizados. A los eigenvalores de la matriz se le conoce como espectro.
Proporciona adems, una descomposicin cannica (llamada descomposicin
espectral) del espacio vectorial sobre el cual acta el operador
Propiedades
tiene n
es igual a la
Problema 1
Solucin:
Problema 2
Solucin
84
85
Solucin:
Ejemplo: Como nos dicen que la matriz unitaria tambin es igual a la inversa por lo tanto
tambin podemos invertir una matriz:
Problema 2
Solucin:
Una forma cuadrtica es una ecuacin en donde por lo menos dos o tres de sus trminos
se encuentran elevados a una potencia 2, se pueden utilizar estas ecuaciones
para
la
geometra
Forma cuadrtica
La expresin algebraica
ax bxy cy
2
En donde
a
xy b
b
2 x
c y
Sea
x
X
y
a
A
b
b
2
x Ax
A la matriz simtrica
forma cuadrtica.
Problema 1
87
5x 6 xy 4 y
2
Solucin:
ax bxy cy
2
, se tiene
a 5 b 6 c 4
,
,
Entonces, la forma matricial de la forma cuadrtica es
xy
3 4
5
x
y
Problema 2
Analice la siguiente ecuacin y dibuje su grafica
6 x 4 xy 9 y 20 0
2
6 x 4 xy 9 y
2
xy
6 2 x
y 20 0
2
9
1 10,
v r 2 ;
1
2 5,
2
;
1
s
2
88
Al normalizar estos vectores propios y escribirlos como las columnas de una matriz
C
ortogonal , se tiene
1
C 5
2
5
2
5
1
5
10 0
y 0 5
x
y 20 0
,
x
y
5
2
5
2
5
1
5
x
y
xy
,
es
y,
xy
,
xy
,
. La
. Slo queda
xy
. La
. Por lo que
89
cos
sen
cos 1
Esto da
sen 2
sen
cos
en donde
5
2
5
1.1071
5
1
5
radianes; o
63.4
63 .4349
grados, la
xy
sistema de coordenadas
Link: http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r66991.DOCX
90
En todo momento, la longitud del objeto que es rotado debe permanecer inalterada, no le
permitimos a la operacin de rotacin estirar o comprimir al objeto.
Procediendo de igual manera, para cada plano podemos definir una rotacin diferente:
Si trabajamos confinados a un solo plano, por ejemplo el plano x-y, entonces nos basta
con la siguiente matriz de rotacin 2x2:
v = Rzv
Problema 1
Para una rotacin de 60 grados, por ejemplo, la matriz de rotacin ser igual a:
Solucin
componentes horizontal y
original v son a=3 y
componentes a
y b
La primera matriz nos da una rotacin alrededor del eje-z, la segunda matriz nos da una
rotacin alrededor del eje-x, y la tercera matriz nos da una rotacin alrededor del eje-y. Las
92
rotaciones indicadas por estas tres matrices son rotaciones vlidas para cualquier ngulo,
independientemente de su magnitud.
Ejemplo terico (Problema 2):
Un ejemplo de los ngulos de Euler lo tenemos en La Tierra. La traslacin en torno al Sol
sera nuestra precesin, las oscilaciones que tiene el eje que une los dos polos sera la
nutacin y la rotacin es bien sabido por todos que es el giro que realiza sobre s misma.
Si queremos expresar estos tres giros en una ecuacin tenemos entonces que recurrir a
las matrices que hemos visto anteriormente y componerlas.
En primer lugar, la precesin es un giro sobre el eje z, por tanto la representamos como:
Para terminar, la rotacin es una vez ms un giro sobre el nuevo eje z trasmutar:
93
Link: http://estudiarfisica.wordpress.com/2011/03/17/ampliacion-del-solido-rigido-matrices-de-rotacionangulos-y-transformaciones-de-euler-velocidad-angular-momento-angular-tensor-de-inercia-teorema-desteiner-generalizado/
http://la-mecanica-cuantica.blogspot.mx/2009/08/la-matriz-generadora-de-rotacion.html
94