Espacios Vectoriales

1.
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 }
es cualquier espacio vectorial y
V , entonces
base
se denomina una
es el conjunto de vectores en
V
para
si se cumplen las dos
condiciones siguientes:
a) S
es linealmente independiente.
b) S
genera a V .
Definicin de Dimensin
La
dimensin de un espacio vectorial
de dimensin finita, denotada por
dim(V ) ,
V . Adems, por
se define como el numero de vectores que hay en una base para

definicin, el espacio vectorial cero tiene dimensin cero.
Se dice que un espacio vectorial
diferente de cero se denomina de
{ v1 , v 2 , , v n } que forma una base. Si no existe
se contiene un conjunto finito de vectores

tal conjunto,
dime nsion finita
dimensioninfinita . Adems, se considera que el
se denomina de
espacio vectorial cero es de dimensin finita.
1. Si
son objetos en
V , entonces
u+ v , estn en
( cerradura bajo la suma ) .

2. u+ v=v +u ( ley conmutativa de la suma de vectores ) .
3. u+ ( v+ w )= (u+ v ) +w ( ley asociativa para la sumade vectores ) .
4. Existe un objeto
0+u=u+0=u
5. Para todo
u , tal que
para
u
en
en
todo
V , denominado
u
de
V , tal que
en V ( vector cero o identico aditivo ) .
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
( cerradura bajola multiplicacion por un escalar ) .
7. k ( u+ v )=k u+k v
( primera ley distributiv a) .
8. ( k +m ) u=k u+ mu
9. k ( mu )=( km ) (u )
(segunda ley distributiva) .
( ley asociativa de la multiplicacin ) .
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
. Reduciendo por renglones, se encuentra, sucesivamente,
) (
) (
) (
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
de manera que todas las soluciones son de la forma
es una base para
dim S=1 . Observe que
()
z
z
z
es el conjunto de
vectores que se encuentran en la recta x=t , y=t , z=t .
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
Lo que da una sola ecuacin:
por
() ()
1
2
0
0
3
1
2 x y+ 3 z =0 . S
es un plano, una base est dada
y dim S=2
1.1.2. Propiedades elementales de los espacios vectoriales.

Definicin de un Espacio vectorial
V , un conjunto arbitrario no vaco de objetos sobre el que se estn definidas dos
operaciones: la adicin y la multiplicacin por escalares (nmeros). Por adicin se
entiende una regla que se asocia con cada par de objetos u y v en V un objeto
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
1.1.3. Conjunto solucin de un sistema homogneo de ecuaciones lineales un

ejemplo de espacio vectorial.
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)
, esto es, si y solo si existen escalares
si y solo si es combinacin lineal de

a1 , a2 , a3
v1 , v2
tales que
(4,3, h )=a 1 ( 1,1,2 ) + a2 (5,4,7)+ a3 (3,1,0) .
Esto, igualando coordenada a coordenada, nos proporciona el siguiente sistema de

ecuaciones:
a1 +5 a23 a3 =4
a14 a 2+ a3=3
2a 17 a2=h
Ahora, si los vectores columna de la matriz del sistema anterior

(3,1,0)
(para
(1,1,2) ,
(4,3, h)
son linealmente independientes, sabemos que el sistema tiene solucin nica
cualquier
h ).
En
efecto,
existen
tres
escalares
, ,
con
( 1,1,2 ) + ( 4,4,7 ) + (3,1,0 )=(0,0,0) , tenemos
+ 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
Despus se obtiene, sucesivamente,
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
Esto es equivalente al sistema de ecuaciones

x1
+ x3 1
0 x2 + 2 x 3 4
Bibliografa
1.2. Definicin de subespacio vectorial

1.2.1
Conjunto solucin de un sistema homogneo de ecuaciones
lineales un ejemplo de espacio vectorial.
Sea
un subconjunto no vaco de un espacio vectorial
y suponga que
mismo es un espacio vectorial bajo las operaciones de suma y multiplicacin escalar

definidos en V , entonces H es un subespacio de V .
Teorema: Un subconjunto H no vaco del espacio vectorial
V si satisface estas dos condiciones:
Si
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
Problema 2
10
1.3 Concepto de combinacin lineal y dependencia lineal

11
1.3.1 Concepto de conjunto generador de un espacio vectorial
Problema 1
Bibliografa
Problema 2
Solucin
12
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
.
Existe alguna base de V en la cual las coordenadas de
n 3
cuyas
sean (10 0) ? Por qu?
Solucin
Como
x 2 x3
, el vector
obtenga al completar
no es el vector nulo. Entonces, en cualquier base que se
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
1.3.3 Anlisis de la dependencia lineal de funciones.

Problema 1
Solucin
15
Problema 2
Solucin
16
Bibliografa
1.3.4
Definicin y aplicacin del Wronskiano.

f 1 ( x )=e x , f 2 ( x ) =xe x , f 3 ( x )=x 2 e x
Las funciones
cualquier intervalo del eje
son linealmente independientes en
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
f 1 ( x )=sen2 ( x), f 2 ( x )=1cos (2 x)
son linealmente dependientes en
< x < (Por qu?) Por el corolario precede, se observa que:

Solucin
W ( sen2 ( x ) , 1cos ( 2 x ) )=
sen 2 ( x )
1cos ( x )
2 sen ( x ) cos ( x ) 2 sen (2 x )
2 sen2 ( x ) sen ( 2 x )2 sen ( x ) cos ( x ) +2 sen ( x ) cos ( x ) cos ( 2 x )

sen ( 2 x ) [ 2 sen2 ( x )1+2 cos ( x ) ]=sen ( 2 x ) [ 2 sen 2 ( x )1+cos 2 ( x )sen2 ( x ) ]
sen (2 x ) [ sen 2 ( x )+ cos2 ( x )1 ]
Link: http://gmathematics.blogspot.mx/2011/12/35-dependencia-e-independencia-lineal.html
1.4 Concepto de una Base Ordenada

1.4.1 Coordenadas de un vector respecto a una base ordenada y matriz de
transicin.
Problema 1
18
Solucin
Problema 2
Solucin
19
1.4.2
Concepto de Isomorfismo entre espacios vectoriales reales de una
dimensin finita
20
Problema 1
Solucin
Problema 2
Solucin
Bibliografa
1.5 Definiciones del espacio rengln y el espacio columna de una matriz.

21
Problema 1
Solucin
Proble
ma 2
Solucin
Grossman Stanley I.
y Flores Godoy Jos Job, Algebra Lineal, Grupo Editorial Iberoamrica, 6a. Edicin.
1.6 Concepto de Espacio Vectorial de Funciones

22
Un espacio vectorial
f 1 S f 1 S
Si
Y si
f 1 S , f 2 S
es una coleccin de vectores tal que:
entonces
Si los escalares
(donde R
para todo escalar
C )
(f 1+ f 2 ) S
son reales,
es llamado un espacio vectorial real.

Si los escalares son complejos, S es llamado un espacio vectorial complejo.
Si los "vectores" en S son funciones o variables continuas, muchas veces S
es llamado un espacio lineal de funciones.
El espacio vectorial es una coleccin de funciones, coleccin de secuencias, as como una

coleccin de vectores tradicionales (es decir una lista finita de nmeros).
FUNCIONES VECTORIALES
Se llama funcin vectorial a cualquier funcin de la forma
r (t)=(f (t ), g(t))r (t)=(f (t) , g( t) ,h (t))
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)
(para cada valor especifico de
f ,g
son funciones del parmetro
es un vector; mientras que
f (t) , g(t) ,h (t)
con
son nmeros
t ).
Las funciones vectoriales toman un doble papel en la representacin de curvas. Tomando

como parmetro t el tiempo, las podemos usar para describir el movimiento a lo largo de
una curva, o para trazar la grfica de una curva.
Problema 1
Dados los siguientes datos, hallar la posicin de una partcula que se encuentra en el
tiempo t=3 s
23
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=(3332( 3))i+(5 (3 )2+12) j+(7 (3)+ 15) k

r=( 2796 ) i+ ( 45+ 12 ) j+(21+15) k
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
2. ESPACIOS CON PRODUCTO INTERNO

2.1 Definicin de producto interno de un espacio vectorial.
2.1.1 Espacios Eucldeos, reales y complejos, como casos particulares de los
espacios como producto interno.
Problema 1
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
2.1.2 Definicin y propiedades de la norma.

Definicin
Si
es una base ortonormal para un espacio
dimensional con productos
interior, y si
(u)s=( u 1 , u2 , ,u n )
(v )s= ( v 1 , v 2 , , v n )
entonces
a u= u21+ u22+ + u2n
b d (u , v )= (u 1v 1 )2+(u2v 2)2 ++(unv n )2

c u , v =u1 v 1 +u2 v 2+ +un v n
Problema 1
26
Demostrar que
u+ v ,uv =u2v 2 en cualquier espacio eucldeo.
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
||u||=(u u)2 = 12+ 12+12 =3
Anton, H., Introduccin al Algebra Lineal, 5 Edicin, Limusa, Mxico, 2006 pp. 321.
2.1.3 Concepto de vectores unitarios.
Problema 1
Diga si el vector
u= 1,2
es unitario.
Solucin
El vector 1,2
no es unitario debido a que
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
Por lo tanto el vector
v=
1
1
,
2 2
si es un vector unitario.
2.2 Definicin de ortogonalidad y ngulo entre vectores de un espacio con

producto interno.
2.2.1 Definicin de conjuntos ortogonales y ortonormales.
Conjunto ortogonal
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
para todo i y u i u j=0 si i j
Conjunto ortonormal
Un conjunto de vectores
{ v1 , v 2 , , v n } se dice conjunto ortonormal o simplemente
ortonormal si se cumple
v i v j=0
para todo i j
u i=1
Si adems
y para todo v i v i=1 para i, j=1, ,n
para todo i entonces { u1 ,u 2 , un } se denomina conjunto
ortonormal. Evidentemente, 0 es ortogonal a cualquier vector y 0 es el nico vector

n
de R que es ortogonal a s mismo. La razn por la que se excluye el vector cero de los
conjuntos ortogonales es que interesan ante todo las bases ortogonales.

Note que en caso de una base ortonormal S para un espacio las frmulas de Fourier para
c i=u v i
un u simplifican a
, por ello es que es deseable tener una base ortonormal a un
espacio. Si ya se posee una base ortogonal dividiendo cada vector entre su norma se
obtiene una ortonormal:
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
no son ortogonales debido a que:
u1 u2= ( 2 )( 1 ) + ( 3 ) ( 2 )+ (4 ) ( 3 )=3 0
29
Los vectores
v1
v2
son ortogonales debido a que:
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
( 52 )( 52 )+( 1) ( 1)= 454 ||v ||= 245
v3 v3=(2 )(2 ) +
Por lo tanto, el conjunto ortonormalizado es:
()
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.
2.2.2 Obtencin de las coordenadas de un vector respecto a una base

ortogonal y una base ortonormal.
Sean
S= { v 1 , v 2 , , v k }
en Gen(S)
un conjunto ortogonal de vectores distintos de cero. Si
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
del primer ejemplo de esta lectura y el vector
u =(1, 2,3)' , determine los coeficientes de Fourier
respecto a
y compruebe
que se obtienen los mismos valores resolviendo el sistema de ecuaciones lineales

correspondientes.
Solucin
u v 1=( 1 )( 1 ) + ( 2 ) ( 0 ) + ( 3 ) ( 2 )=7
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
( 52 )( 52 )+( 1) ( 1)= 454
v 3 v 3=(2 )(2 ) +
Y al aplicar las formulas obtendremos:

7
5
16
c 1= , c 2= , c3 =
5
9
45
Si por otro lado armamos la matriz aumentada
][
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:
de donde observamos que los valores de las constantes
ci
, coinciden con los valores
dados por los coeficientes de Fourier.
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
( 52 )( 52 )+( 1) ( 1)= 454 ||v ||= 245
v3 v3=(2 )(2 ) +
Por lo tanto, el conjunto ortonormalizado es:
()
2
1
2
1
1
2
=0 , = 2 ,
= 5
3
2
5 2
1 45
1
() ( )
2.2.3 Proceso de ortogonalizacin de Gram-Schmidt.

Definicin
Sea V un espacio vectorial con producto interno. Todo subespacio
tiene al menos una base ortogonal y una base ortonormal. Si
cualquier base de
V , entonces B ' ={ u1 ,u 2 , , uk }
con una base
B={ v 1 , v 2 , , v k }
es
es una base ortogonal, donde
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
Una base ortonormal

B ' '=
B''
se obtiene normalizando
u1
u2
uk
,
,,
u1 u2
uk
B' .
El proceso anterior es conocido como el proceso de Gram-Schmidt.
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
Por razones de conveniencia definamos

x ij=
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
[ ] ( )[ ] [ ] [ ]
As, la base ortogonal es
B ' ={ u1 ,u 2 , u3 }
donde
[]
8
3
1
0
4
u1= 1 , u2= 1 , v 1=
3
1
1
4
3
[ ] []
Por ltimo, normalizamos para obtener una base ortonormal de
35
{[ ] [ ] [ ]}
1
2
0
3 1 6
1
1
B''=
, 2 ,
3 1 6
1
1
2
3
6
Problema 2
Calcule una base ortogonal y una ortonormal de

Schmidt a la base
aplicando el proceso de Gram-
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
As, la base ortogonal es
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
[]
Por ultimo normalizamos para obtener una base ortonormal
B '' :
{[ ] [ ] [ ]}
28
4
1
3
2
1122
4
17
1
B''=
,
,
4
66 1122
1
1
7
4
66 1122
2.2.4 Concepto de la serie trigonomtrica de Fourier.

Problema 1
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
dos espacios vectoriales posiblemente iguales. Una transformacin

lineal o mapeo lineal de V a W es una funcin T :V W tal que para todos los
vectores u y v de V y cualquier escalar c :
T ( u+ v )=T ( u ) +T (v)
T ( cu )=c T (u)
En trminos generales, una transformacin es una funcin que permite transformar un

vector que pertenece a un espacio vectorial (dominio) en otro vector que pertenece a otro
espacio vectorial (codominio). Por esta razn, dicha funcin es una funcin vectorial de
( 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 de Dominio y Codominio.
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
El contradomio o codominio es el conjunto de todos los valores resultantes de la variable

dependiente y . Otros nombres para ste son: recorrido (poco empleado en clculo);
mbito (termino muy reciente para este concepto); imagen (muy utilizado en lgebra y
teora de conjuntos); y rango (muy empleado en clculo) y el dominio es el conjunto de
todos los valores de x .
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,
x=4, x= 3, x= 1, x= 4 . Si los ubicamos en la recta
numrica se tiene que

Dom( f ) , 4 [3, 1 [4,
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
pertenece a un conjunto externo), de ah que la propiedad
de linealidad se exprese referida a estas dos operaciones.

Para comprobar la linealidad de una funcin
de
homogeneidad
f (x) no es necesario realizar la comprobacin de
las
propiedades
que
f (ax+ by)=af ( x )+ bf ( y) la linealidad queda demostrada.
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
Definicin de Transformacin Lineal.
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 de recorrido y ncleo de una transformacin lineal.

48
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
3.2 El Recorrido y el Ncleo como Subespacios Vectoriales.

50
3.2.1 Caso de Dimensin finita: relacin entre las dimensiones del

dominio, recorrido y el ncleo de una transformacin lineal.
Problema 1
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
3.3 Concepto de obtencin de la Matriz asociada a una transformacin lineal con

dominio y codominio de dimensin finita.
3.3.1 Algebra de las Transformaciones lineales: definicin y propiedades de:
adicin, multiplicacin por un escalar, composicin e inversa.
Problema 1
Problema 2
55
56
Link: http://www.fimee.ugto.mx/profesores/chema/documentos/Algebra%20Lineal/Algebra_Lineal_17.pdf
57
3.4 Concepto de operador lineal

3.4.1 Definicin de valores y vectores propios de un operador lineal.
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
Caso de dimensin finita y definicin de polinomio caracterstico.
En lgebra lineal, se asocia un polinomio a cada matriz cuadrada llamado polinomio

caracterstico. Dicho polinomio contiene una gran cantidad de informacin sobre la matriz,
los ms significativos son los valores propios, su determinante y su traza.
Dada una matriz cuadrada
A , queremos encontrar un polinomio cuyas races son
precisamente los valores propios de
A . Para una matriz diagonal
A , el polinomio
caracterstico es fcil de definir: si los elementos de la diagonal son

i=1,2, n , el polinomio caracterstico en la indeterminada
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
genrica, se puede proceder de la siguiente forma: Si
A , entonces existe un vector propio
v 0
es un
tal que
Av =v
( A I ) v =0
(donde
I es la matriz identidad). Como que
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
Debemos calcular el determinante:
dicho determinante es
Finalmente hemos obtenido el polinomio caracterstico de
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:
Y el polinomio caracterstico es:
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
Propiedades de los vectores propios.
Problema 1
Determina los valores propios y vectores propios de la matriz
Solucin:
Los valores propios son las races del polinomio caracterstico, que es
Por tanto, los valores propios son:
Para encontrar el vector propio correspondiente al valor propio 1, tenemos que resolver el
sistema de ecuaciones,
es decir,
64
Es obvio que la solucin es la recta
y=0
que paramtricamente se puede poner como
(x , y )=t (1,0) con t 0

Por tanto, ponemos
Y lo mismo para el otro valor propio
es decir:
La solucin es la recta
(x , y )=t (1,2i ) con
x=2 iy
que paramtricamente se puede poner como
t0 .
El vector propio que usaremos ser uno normalizado. Como
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
Definicin de Espacio Propio
Dado un valor propio

la matriz
A , llamaremos subespacio propio de
de una matriz cuadrada
asociado al valor propio
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
propio de la matriz
si y slo si
v ker ( AI ) . De este modo, el subespacio
propios de la matriz A asociados al valor propio

Propiedades: Para cada valor propio
est formado por todos los vectores
, adems del vector 0.
de una matriz cuadrada
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 :
cuyos valores propios son 5 y 7.

Solucin:
Problema 2
Hallar los subespacios propios de la matriz
cuyos valores propios son
B :
0, 3 y 4 .
Solucin:
68
Link: http://www.dmae.upct.es/~plgomez/archivos%20docencia/teoriagrado201011/tema5diagonalizacion-a.pdf
3.5 Enunciado del teorema de Cayley-Hamilton

3.5.1 Definicin y propiedades de las matrices similares.
Cuando aplicamos a endomorfismos el concepto de matriz en distintas bases, visto para
aplicaciones lineales, utilizaremos siempre la misma base B en el espacio inicial y final:
Definicin: Matrices semejantes.

69
Se dice que dos matrices cuadradas
y B
son semejantes si son matrices del
mismo endomorfismo en distintas bases. Tambin se puede expresar as:

semejantes si existe una matriz cuadrada invertible
y B
son
1
tal que B=P AP .
Problema 1
Hallar la inversa de
y comprobar que las matrices
Mediante el mtodo de Gauss-Jordan es fcil comprobar que
Para probar que A y D son semejantes, basta vericar que
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,
es un valor propio con multiplicidad algebraica 3.
Entonces, para determinar los vectores propios resolvemos el sistema homogneo

.
Los vectores propios son de la forma
Entonces
base de
no es semejante a una matriz diagonal
R3 de vectores propios de
D , no es posible encontrar una
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
Concepto de operador diagonalizable
Problema 1
Es diagonalizable la siguiente matriz?
71
Solucin:
Comenzamos calculando el polinomio caracterstico
A :
Entonces
Para
=2 , los vectores propios asociados
( x, y ,z)
cumplen la ecuacin:
5 y =0
siendo
xyz
cualesquiera. Por lo tanto,

S 2={( ,0, )
Para
con ( , )(0,0) } .
=7 , los vectores propios asociados verican el sistema
Por lo tanto
S 7={( , , )
Resulta entonces que

y por lo tanto
con R }.
{ ( 1,0,0 ) , ( 0,0,1 ) , ( 1,1,1 ) } es una base de vectores propios de A
resulta diagonalizable. Una forma diagonal es:
72
Problema 2
7 10
3 4
2 5
1 3 B C 1 AC.
Considere las siguientes matrices
es invertible. Use la transformacin semejante Para transformar la matriz A en una matriz

B.
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
Proceso de Diagonalizacin de un Operador Lineal
Definicin (operador lineal diagonalizable).

Sean
T
un espacio vectorial sobre un campo
es diagonalizable si existe una base
F ,
de
dim ( V ) < ,T L(V ) . Se dice que

V
tal que la matriz
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
que lo es). Para esto en primer lugar calculamos su polinomio caracterstico.
Entonces:
74
En consecuencia
es diagonalizable ya que tiene tres valores propios distintos. Una

T
forma diagonal es
vectores propios.
Al
valor
propio
Una base en la que

=2
le
corresponde
como
se diagonaliza es una base de
vectores
propios
los
vectores
( x , y , z) (0,0,0) tales que
Luego,
(0,0,1)
es un vector propio. Anlogamente,
=3
(0,1,1)
(1,0,1)
es un vector propio
es un vector propio asociado al valor 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)}
base que diagonaliza a
se diagonaliza puede ser
y la correspondiente matriz
de cambio de
es:
Como ejercicio, se puede hallar
, y comprobar que
P AP
es diagonal. Tambin
como ejercicio, se puede tomar
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
Determine la transformacin. Los espacios propios
son ortogonales como era de
esperarse, use un vector unitario de cada espacio propio como columna de una matriz
ortogonal C y obtenga.
1
D 2
1
2
La transformacin ortogonal que conduce a
1
2
1
2
es
76

C AC
1
2
1
1
2
1
1 2
2 1
1
2
1
1
2
1
4. Operadores lineales en el espacio con producto interno

4.1 Definicin y propiedades de los operadores hermitianos y antihermitianos.
Un espacio vectorial en el que se permiten que los escalares sean nmeros complejos se
denomina espacio vectorial Complejo o Hermtico.
77
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
son elementos de un espacio vectorial complejo
E ,y
son
nmeros complejos.
Ejemplo:
Determine si el conjunto de vectores en el espacio vectorial
C3 { ( 1, i,1 ) , ( i ,0,1i ) ,(1,0,0) }
es linealmente dependiente o independiente.

Solucin:
Consideremos la combinacin lineal nula
a1 ( 1,i ,1 ) +a 2 ( i ,0,1i )+ a3 (1,0,0)
Igualando componentes obtendremos el sistema de ecuaciones
a1 + i a2 a3 =0
0 a1 +(1i) a2 =0
i a1
0
Cuya nica solucin es
a1=a2=a 3=0
. Por lo tanto el conjunto de vectores es
linealmente independiente.
78
PRODUCTO HERMTICO
Sea
(,)
un espacio vectorial complejo. Se llama Producto Hermtico a una funcin
definida en
EE
y con valores en
vectores cualesquiera de
E , y
tal que, si
x, y
son tres tipos de
es un nmero complejo, se satisfacen las
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
con un producto hermtico se dice que es un espacio vectorial
hermtico.
Ejemplo
Calcular el producto hermtico en
C3
de los vectores u =(1,i , 2+i)
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
x , un vector de un espacio vectorial hermtico. Se llama Norma de
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 )
para generar un vector
Solucin
u =|i| +|1+i| +|3|

2
1+2+ 9
12
1
2 3
1
Esto es un
2 3
para generar un vector
MATRICES HERMITICAS
Una matriz
se dice que es una matriz compleja si sus elementos son nmeros
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 ]
, se llama matriz conjugada de
es el complejo conjugado de
aij
a la matriz
[ a ij ]
A=
.
80
Ejemplo
Dadas las siguientes matrices
A=
1 1i
2+i i
I) Las matrices conjugadas de

II) Comprobar que
A B
AB=
23 i
1
2i
2+i
1
2+3 i
B=
2i 2i
B=
B= A+
B
A+
Solucin I)
Las matrices conjugadas son
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
MATRIZ TRANSPUESTA CONJUGADA

A
Sea
una matris de tamao
m x n . La matriz
llama matriz transpuesta conjugada de
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
Y obtener tambin la matriz
T
( A)
Solucin
=
( A)
T
1
i
1
2+i 2i 13 i
Por otra parte la transpuesta conjugada es
i
1
T= 1
A H =( A)
2+i 2i 13 i
Una matriz cuadrada compleja

entonces se dice que
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 una matriz hermtica, mientras 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
valores propios reales, contando multiplicidades.
La dimensin de espacio propio para cada valor propio

multiplicidad de
es igual a la
. como raz de la ecuacin cartesiana.
Los espacios propios son mutuamente ortogonales en el sentido de que vectores

propios correspondientes a valores propios diferentes son ortogonales.
A es diagonalizable ortogonalmente.
Una matriz A se puede descomponer en vectores propios y una matriz diagonal que
contiene valores propios, A esta descomposicin se le conoce como descomposicin
espectral.
Donde
A = Matriz Cuadrada Simtrica
P = Espacio columna de eigenvectores
D = Matriz diagonal de eigenvalores
P-1 = PT
83
Problema 1
Solucin:
Problema 2
Solucin
84
4.1.2 Definicin y propiedades de los operadores unitarios y ortogonales.

Operadores unitarios.
85
4.1.3 Enunciado del teorema espectral para los operadores unitarios.

Problema 1
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:
4.2 Definicin y Propiedades de las Formas Cuadrticas

86
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
obtener informacin acerca de secciones cnicas en

hiprbolas etc. Por
para
en crculos parbolas, elipses ,
lo tanto se puede decir que juegan un papel importante en
la
geometra
Forma cuadrtica
La expresin algebraica
ax bxy cy
2
En donde
son constantes es una forma cuadrtica. Las formas cuadrticas
juegan un papel importante en la geometra. Como el lector comprobar mediante la

multiplicacin de matrices siguientes, esta forma cuadrtica se escribe como:
a
xy b
b
2 x

c y
Sea
x
X
y
a
A
b
b
2
Se puede escribir la forma cuadrtica como:

t
x Ax
A la matriz simtrica
forma cuadrtica.
asociada a esta forma cuadrtica se le llama matriz de la
Problema 1
87
Escriba la siguiente forma cuadrtica en trminos de matrices.
5x 6 xy 4 y
2
Solucin:
ax bxy cy
2
Por comparacin con la forma estndar
, 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
Esta ecuacin contiene la forma cuadrtica

matricial:
. Escriba la ecuacin en forma
xy
6 2 x
y 20 0
2
9
Se encontraron los valores propios y los vectores propios correspondientes de la matriz

que son
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
Se sabe que la ecuacin puede transformarse de la forma
10 0
y 0 5
x
y 20 0
,
Mediante la trasformacin de coordenadas
x
y
5
2
5
2
5
1
5
x
y
xy
,
Al multiplicar las matrices y reordenar, la ecuacin en el sistema de coordenadas
es
y,
xy
,
Aqu se reconoce la ecuacin de una elipse en el sistema de coordenadas

longitud del semieje mayor es 2, y la longitud del semieje menor es
xy
,
localizar el sistema de coordenadas
. La
. Slo queda
xy
respecto al sistema de coordenadas
rotacin de las coordenadas est definida por la matriz
. La
. Por lo que
89
cos
sen
cos 1
Esto da
sen 2
sen
cos
en donde
5
2
5
1.1071
coordenada de rotacin es aproximadamente
5
1
5
radianes; o
63.4
63 .4349
grados, la
. Ahora sabe cul es la grfica en el
xy
sistema de coordenadas
Link: http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r66991.DOCX
4.2.1 Aplicaciones al giro de ejes en dos y tres dimensiones.

Antes de poder definir una matriz de rotacin que nos pueda ser til dentro de la Mecnica
Matricial para imprimirle rotaciones a los objetos matriciales propios de la Mecnica
Matricial, tenemos que repasar primero los resultados que nos son ya conocidos en la
mecnica clsica, con la esperanza de poder extender lo que ya se sabe al territorio de la
Mecnica Cuntica.
La rotacin ms sencilla es aquella mediante la cual tomamos un vector situado en el
plano x-y girndolo en sentido contrario a las manecillas del reloj, lo cual equivale a tomar
un eje-z (no visible) perpendicular al plano dndole un giro por un ngulo , moviendo
el vector v0 a su nueva posicin v:
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:
Esta matriz de rotacin, aplicada como un operador a un vector v, nos produce un

vector v cuya longitud es la misma que la del vector original, aunque las proyecciones
verticales y horizontales hayan cambiado:
91
v = Rzv
Problema 1
Para una rotacin de 60 grados, por ejemplo, la matriz de rotacin ser igual a:
Solucin
De este modo, si las

vertical del vector
b=1 , sus nuevas
componentes horizontal y
original v son a=3 y
componentes a
y b
despus de la rotacin sern:

a =(0.5) a( 0.86)b=1.5.86=0.64
b =( 0.86)a+(0.5) b=2.58+ 0.5=3.08
Sin embargo, si lo que vamos a describir son rotaciones en un sistema de coordenadas

tridimensional, entonces no nos basta con una sola matriz 2x2; necesitamos tres matrices
3x3, las cuales sern (el ngulo puede ser y ser de hecho diferente en cada matriz):
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:
En segundo lugar, la nutacin puede interpretarse como un giro en el nuevo sistema de

coordenadas sobre el eje x, as que:
Para terminar, la rotacin es una vez ms un giro sobre el nuevo eje z trasmutar:
Finalmente, la rotacin completa es la composicin de las 3 matrices, en la que para

simplificar escribiremos coseno como C y seno como S:
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

Espacios Vectoriales

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

Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

1.

es cualquier espacio vectorial y

si se cumplen las dos

dimensin de un espacio vectorial

de dimensin finita, denotada por

se define como el numero de vectores que hay en una base para

diferente de cero se denomina de

{ v1 , v 2 , , v n } que forma una base. Si no existe

se contiene un conjunto finito de vectores

dime nsion finita

dimensioninfinita . Adems, se considera que el

espacio vectorial cero es de dimensin finita.

( cerradura bajo la suma ) .

en V ( vector cero o identico aditivo ) .

( cerradura bajola multiplicacion por un escalar ) .

( primera ley distributiv a) .

(segunda ley distributiva) .

( ley asociativa de la multiplicacin ) .

. Reduciendo por renglones, se encuentra, sucesivamente,

de manera que todas las soluciones son de la forma

es una base para

dim S=1 . Observe que

vectores que se encuentran en la recta x=t , y=t , z=t .

Lo que da una sola ecuacin:

es un plano, una base est dada

1.1.2. Propiedades elementales de los espacios vectoriales.

1.1.3. Conjunto solucin de un sistema homogneo de ecuaciones lineales un

, esto es, si y solo si existen escalares

si y solo si es combinacin lineal de

(4,3, h )=a 1 ( 1,1,2 ) + a2 (5,4,7)+ a3 (3,1,0) .

Esto, igualando coordenada a coordenada, nos proporciona el siguiente sistema de

Ahora, si los vectores columna de la matriz del sistema anterior

son linealmente independientes, sabemos que el sistema tiene solucin nica

( 1,1,2 ) + ( 4,4,7 ) + (3,1,0 )=(0,0,0) , tenemos

Despus se obtiene, sucesivamente,

Esto es equivalente al sistema de ecuaciones

1.2. Definicin de subespacio vectorial

un subconjunto no vaco de un espacio vectorial

mismo es un espacio vectorial bajo las operaciones de suma y multiplicacin escalar

1.3 Concepto de combinacin lineal y dependencia lineal

1.3.1 Concepto de conjunto generador de un espacio vectorial

Existe alguna base de V en la cual las coordenadas de

sean (10 0) ? Por qu?

no es el vector nulo. Entonces, en cualquier base que se

1.3.3 Anlisis de la dependencia lineal de funciones.

Definicin y aplicacin del Wronskiano.

cualquier intervalo del eje

son linealmente independientes en

f 1 ( x )=sen2 ( x), f 2 ( x )=1cos (2 x)

son linealmente dependientes en

< x < (Por qu?) Por el corolario precede, se observa que:

2 sen2 ( x ) sen ( 2 x )2 sen ( x ) cos ( x ) +2 sen ( x ) cos ( x ) cos ( 2 x )

1.4 Concepto de una Base Ordenada

1.5 Definiciones del espacio rengln y el espacio columna de una matriz.

1.6 Concepto de Espacio Vectorial de Funciones

es una coleccin de vectores tal que:

para todo escalar

es llamado un espacio vectorial real.

El espacio vectorial es una coleccin de funciones, coleccin de secuencias, as como una

(para cada valor especifico de

son funciones del parmetro

es un vector; mientras que

f (t) , g(t) ,h (t)