Está en la página 1de 10

MAT2 ADE

BLOQUE 1: ÁLGEBRA LINEAL (continuación)

  • 1. Algunos conceptos sobre vectores.

  • 2. Planos en el espacio tridimensional.

  • 3. Valores propios de matrices.

  • 4. Formas cuadráticas.

2013-14

1. Algunos conceptos sobre vectores.

Ya hemos utilizado vectores en la asignatura Matemáticas 1 (vector director de una recta, solución de un sistema de

ecuaciones, matriz fila o matriz columna) aunque sin dedicar un estudio especial a los mismos. Como sabemos, un

vector en R n es un conjunto de n números reales ordenados v = ( x 1 , x 2 ,

...,

x n ) . En esta sección vamos a ver algunas

nociones básicas de vectores. Operaciones con vectores

Sean v = ( x 1 , x 2 ,

x n ) y w = ( y 1 , y 2 ,

y n ) dos vectores y ! un número real (en este contexto de ve ctores a los

números reales se les llama escalares) Suma/resta de vectores La suma o resta de vectores se realiza coordenada a coordenada

 
 

v + w = ( x 1 , x 2 , v ! w = ( x 1 , x 2 ,

x n ) + ( y 1 , y 2 , x n ) ! ( y 1 , y 2 ,

y n ) = ( x 1 + y 1 , x 2 + y 2 , y n ) = ( x 1 ! y 1 , x 2 ! y 2 ,

x n + y n ) x n ! y n )

MAT2 ADE BLOQUE 1: ÁLGEBRA LINEAL (continuación) 1. Algunos conceptos sobre vectores. 2. Planos en el
MAT2 ADE BLOQUE 1: ÁLGEBRA LINEAL (continuación) 1. Algunos conceptos sobre vectores. 2. Planos en el
MAT2 ADE 2013-14 • Producto por un escalar Para multiplicar un vector por un escalar (número
MAT2 ADE
2013-14
Producto por un escalar
Para multiplicar un vector por un escalar (número real) se multiplican todas las coordenadas del vector por
dicho número
! v = ! ( x 1 , x 2 , x n ) = (! x 1 , ! x 2 , ! x n )
Cuando se multiplica un vector por un número el resultado es un vector en la misma dirección. Si el número es
mayor que 1 alargamos el vector, si el número está entre 0 y 1 lo acortamos. Además si el número es de signo
negativo también cambia de sentido.
Producto escalar de vectores
El producto escalar de dos vectores da como resultado un número
v ! w = ( x 1 , x 2 ,
...,
x n ) ! ( y 1 , y 2 ,
...,
y n ) = x 1 y 1 + x 2 y 2 +
...
+ x n y n "
R

Ejemplos:

(

Dados los vectores v = 1, !1, 2

) y w = 0, 3, !2

(

)

3v + 5w = 3 1, !1, 2 ) + 5 0, 3, !2 ) = 3, !3, 6 ) + 0, 15, !10 )

(

(

(

(

(

= 3, 12, !4

)

v

! w = 1, "1, 2 ) ! 0, 3, "2 ) = 1 ! 0

(

(

+ "1 ) ! 3 + 2 ! "2 ) = 0 " 3 " 4 = "7

(

(

v

! v = 1, "1, 2 ) ! 1, "1, 2 ) = 1 2 + "1 ) 2 + 2 2 = 6

(

(

(

Notemos que, en general, el producto escalar de dos vectores puede ser un valor positivo o negativo. Sin embargo, cuando multiplicamos un vector por sí mismo el resultado será mayor o igual a cero ya que será la suma de sus componentes al cuadrado. De hecho siempre que el vector sea distinto del vector nulo el producto por sí mismo será un

número estrictamente positivo (el único vector q ue cumple que v ! v = 0 es el vector

(

0, 0, 0

...,

) ).

MAT2 ADE

2013-14

Norma o longitud de un vector

Dado un vector 2 v = v ! v = x 1 2 + x 2
Dado
un
vector
2
v
= v ! v = x 1 2 + x
2

v = ( x 1 , x 2 ,

...,

x n ) ,

llamamos

norma

o

longitud

del

vector

al

valor

+ + x

...

2

n

. La norma de un vector, como podemos observar para el caso de dos variables

utilizando el teorema de Pitágoras, nos indica lo que mide el vector v .

Si v = ( x, y ) ,

x e y son los catetos de un triángulo rectángulo y por tanto

  • v =

    • es, según el teorema de

Pitágoras, lo que mide la hipotenusa.

v
v

Ejemplos:

"

v = $ !

#

 

v =

(!2, 3)! " !

 

1

1

%

, 2
,
2
2 & ! ( !

2 &

' ! ( !

v

=

 
v = (!2 ) 2 + 3 2 = 13 2 2 " 1 % "
v
= (!2 ) 2 + 3 2 = 13
2
2
"
1
%
"
1
%
1
1
$
!
'
+
$
'
=
+
#
2 &
#
2 &
2
2

= 1

Normalización de vectores Un vector que mide uno (con norma 1) se llama unitario. En muchas ocasiones necesitamos los vectores para indicarnos una dirección y en realidad su longitud no es importante. En concreto en algunas situaciones necesitaremos que los

vectores tenga norma 1. Si tenemos un vector cualquiera v que no es el vector nulo, el vector

v

v
v

tiene la misma

dirección que v y tiene norma 1.

Ejemplo:

v 1 " v = 1, !1, 2 ( ) v = 1 2 + !1
v
1
"
v = 1, !1, 2
(
)
v = 1 2 + !1 ) 2 + 2 2 = 6
(
=
(
1, !1, 2
) =
$
v
6
#
Comprobemos que este último vector tiene norma 1.
2
2
2
v
!
1
$
!
'1
$
!
2
$
1
1
4
=
#
&
+
#
&
+
#
&
=
+
+
= 1
v
"
6 %
"
6 %
"
6 %
6
6
6

1

!1 2

%

 
6
6
, , 6
,
,
6

'

' 6 &

6 &

MAT2 ADE

2013-14

Distancia entre dos vectores Dados dos vectores u = ( x 1 , x 2 ,

...,

x n ) y v = ( y 1 , y 2 ,

...,

y n ) llamamos distancia entre ellos al valor

d (u, v ) = u ! v = ( x 1 ! y 1 ) 2 + + ( x n ! y n ) 2

...

.

d (u, v ) u v Ejemplo: v = (!2, 3)!,! u = 1, !1 )
d (u, v )
u
v
Ejemplo:
v = (!2, 3)!,! u = 1, !1 ) " ! d
(
(
u, v ) = !2
(
! 1, 3 + 1 )
= (!3) 2
+ 4 2 = 25 = 5
Ángulo entre dos vectores
Dados dos vectores no nulos v = ( x 1 , x 2 ,
...,
x n )
y w = ( y 1 , y 2 ,
y n ) es posible demostrar que el producto escalar
coincide con el valor
v ! w
= v !! w !cos !
siendo ! el ángulo que forman los vectores v y w . Entonces
v ! w
x 1 y 1 + x 2 y 2 + +
x n y n
cos ! =
=
v ! w
n
x 1 2 + x 2 2 + + x n n !! y 1 2 + y 2 2 + + y n
Estaremos particularmente interesados en ver si dos vectores son perpendiculares (ortogonales), esto es si el ángulo que
!
!
v ! w
forman es de 90º (
radianes). Como cos
= 0 =
entonces los vectores serán perpendiculares cuando
2
2
v ! w
v ! w = 0
Ejemplos: Dados v = 1, !1 ) y w = !2, 2 ( ( ) ,
Ejemplos:
Dados v = 1, !1 ) y w = !2, 2
(
(
) , como el producto v ! w =
(
1, "1
) ! "2, 2 ) = 1 ! "2 ) + "1 ) ! 2 = "4 # 0 no son
(
(
(
perpendiculares.
!4
!4
!4
cos ! =
=
=
= !1
(
1, !1 )
! !2, 2
(
)
2
8
16
entonces ! = " !(180 º )
v = 1, !1 ) y u = 1, 1
(
(
) sí son perpendiculares ya que v ! w = 1, "1
(
) ! 1, 1 ) = 0 .
(

MAT2 ADE

2013-14

2. Planos en el espacio tridimensional.

En

R 3 , dado un vector

n =

(

p 1 , p 2 , p 3 ) el conjunto

{

! " !!! x, y, z ) ! R 3 !:!! p 1 , p 2 , p 3 ) ! x, y, z ) =

(

(

(

c ! ! R } = x, y, z ! R !:!! p x + p y + p z = c

{

(

)

3

1

2

3

}

forma un plano.

Dado un punto

(

x 0 , y 0 , z 0

) ! R 3 y un vector no nulo n = p 1 , p 2 , p 3 ) , el único plano que pasa por

(

(

x

0

, y , z

0

0

)

y

es perpendicular al vector n = p 1 , p 2 , p 3 ) tiene la ecuación

(

(

p 1 , p 2 , p 3 ) ! x, y, z ) = p 1 , p 2 , p 3 ) ! x , y , z

(

(

(

0

0

0

)

Al vector n =

(

p 1 , p 2 , p 3 ) se le llama vector normal al plano.

MAT2 ADE 2013-14 2. Planos en el espacio tridimensional. En R , dado un vector n

Ejemplos:

a) Ecuación del plano que pasa por

(

1, !1, 2

) y es perpendicular al vector p =

(

!2, 2, !1

)

(

!2, 2, !1 ) " x, y, z ) = !2, 2, !1 ) " 1, !1, 2 ) ! # !! !2 x + 2 y ! z = !6

(

(

(

b) Dado el plano 3 x ! y + 5 z = !2 , calcula un vector perpendicular al plano y un punto con las tres coordenadas iguales que pertenezca al plano. Un vector perpendicular será el que tiene como coordenadas los coeficientes de las variables en la ecuación del plano

(

p = 3, !1, 5

) . El punto que se pide será de la forma

(

a, a, a

) y debe cumplir la ecuación

3a ! a + 5a = !2 !! " !! 7 a = !2 !! " !! a =

!2

7

" !2 !2 !2 %

$

#

7 ,

7 ,

'

7 &

3. Valores propios de Matrices. Dada una matriz cuadrada A llamamos valor propio de dicha matriz a cualquier valor ! que cumpla que

(

det !I " A

) = 0 .

Cuando

eso ocurre existirá un vector

v

no

nulo que cumple que

Av = !v ,

dicho

vector se

denomina vector propio de la matriz A asociado al valor propio ! .

MAT2 ADE

2013-14

Ejemplo:

!

A = #

"

1

2

2

4

$

&!! ' !! (I ) A

%

!

= #

"

(

0

0

(

$ ! & ) # % "
$
!
& ) #
%
"

1

2

2

4

!

$ &! = # "
$
&! = #
"

%

( ) 1 )2

)2 ( ) 4

$

&

%

(

det !I " A

) =

! " 1 "2

"2 ! " 4

= ! " 1 ! " 4 ) " 4 = ! 2 " 5! + 4 " 4 = ! 2 " 5! = ! ! " 5

(

)

(

(

)

det !I " A ) = ! ! " 5 ) = 0 !! # ! = 0,!! ! = 5

(

(

Polinomio característico Dada una matriz cuadrada A de orden n p !

(

) = det !I " A

(

) es polinomio de grado n que se denomina polinomio

característico de A. Sus raíces son los valores propios de la matriz. Ejemplo:

A =

"

$

$

$

#

!1 0

2

1

0

0

1

0

1

%

'

'

'

&

   

! + 1 0

!1

 

(

p !

) =

! I ! A

!2 !

0

!1

0 ! ! 1

=

(

! ! ! 1 ! + 1 ) ! 1

(

) (

) =

(

! ! 2

! 2

)

las raíces del polinomio serán los valores propios

(

p !

) = ! ! 2 ! 2 ) = 0 !! " !! ! = 0 !!!!! ! = 2 !!!! ! = ! 2

(

MAT2 ADE 2013-14 Ejemplo: ! A = # " 1 2 2 4 $ ' !!
MAT2 ADE 2013-14 Ejemplo: ! A = # " 1 2 2 4 $ ' !!

Propiedades

1)

Una matriz cuadrada de orden n tiene n valores propios

2)

Si la matriz es simétrica

(

A = A '

) todos los valores propios son números reales

3)

Para cualquier matriz cuadrada su determinante es el producto de sus valores propios

4)

Si una matriz es triangular, sus valores propios son los elementos de la diagonal

Ejemplo:

La matriz A tiene 5 filas y 5 columnas y sus valores propios son -1, 2 (doble), 1 y 3. ¿Cuánto vale su determinante?

det A ) = !1 ) " 2 " 2 " 1 " 3 = !12

(

(

4. Formas cuadráticas. Dada una matriz simétrica A se llama forma cuadrática asociada a dicha matriz a una función que a cada vector v le asigna el número

Caso dos variables:

Q v ) = v ' Av

(

Q x, y ) = x !! y

(

(

)

!

#

#

"

a 11

a 12

a 12

a

22

x

y

$

& & = a 11 x 2 + 2 a 12 xy + a 22 y

%

2

MAT2 ADE

2013-14

Caso tres variables:

Q x, y, z ) = x !! y !!! z #

(

(

)

#

#

"

a 11

a 12

a 13

a 12

a

22

a

23

a 13

a

23

a

33

$

&

!

#

$

&

x

& # y & = a 11 x 2 + 2 a 12 xy + 2 a 13 xz + a 22 y 2 + 2 a 23 yz + a 33 z

&

&

%

#

"

z

&

%

2

Ejemplos:

a)

Dada la matriz A =

"

$

#

1

3

3 !1

%

' define la forma cuadrática

&

Q x, y ) = x 2 + 6 xy ! y

(

2

b)

Dada la matriz A =

"

$

$

$

#

0

!1 3

!1 2

3

1

1

4

%

'

'

'

&

define la forma cuadrática

Q x, y, z ) = !2 xy + 2 y 2 + 6 xz + 2 yz + 4 z

(

2

  • c) Dada la forma cuadrática Q x, y, z ) = x 2 + 2 xy + 3 y 2 ! yz + 2 z 2 la matriz simétrica que la define es

(

A =

"

$

$

$

#

1

1

0

1

3

!1 / 2

0

!1 / 2

2

%

'

'

'

&

Signo de una forma cuadrática Una forma cuadrática Q v ) = v ' Av decimos que es

(

(

Definida positiva si para cualquier v no nulo Q v

) = v ' Av > 0

(

Definida negativa si para cualquier v no nulo Q v

) = v ' Av < 0

Semidefinida positiva si para cualquier v, Q v ) = v ' Av ! 0 y existe un vector no nulo para el cual

(

Q v ) = v ' Av = 0

(

Semidefinida negativa si para cualquier v, Q v ) = v ' Av ! 0 y existe un vector no nulo para el cual

(

 

Q v ) = v ' Av = 0

(

(

Indefinida en cualquier otro caso, esto es, existen vectores v y w tales que Q v

) = v ' Av > 0 y

 

Q w ) = w ' Aw < 0

(

MAT2 ADE

Ejemplos:

2013-14

  • a) ) = x 2 + 2 y 2 + 4 z 2 es definida positiva ya que al ser suma de cuadrados multiplicados por números

(

Q x, y, z

positivos es siempre positivo y únicamente se anula cuando las tres coordenadas son ceros.

  • b) ) = ! x 2 ! 2 y 2 es definida negativa ya que al ser cuadrados multiplicados por números negativos es

(

Q x, y

siempre negativo y únicamente se anula cuando todas las coordenadas son ceros.

(

  • c) Q x, y, z

) = x 2 ! 2 y 2 + 4 z 2

Q 0, 1, 0 ) = !2 <

(

0 .

es

indefinida

ya

que

por

ejemplo

Q 1, 0, 0 ) = 1 > 0 mientras

(

que

  • d) Q x, y, z Q 0, 1, 0 ) =

(

(

) = x 2 + 4 z 2 0 .

es

semidefinida

positiva

ya

que

siempre

da

un

valor

positivo

pero

por

ejemplo

Cuando en la expresión de la forma cuadrática aparecen únicamente los términos de las variables que están al cuadrado es fácil calcular su signo. Los siguientes resultados nos dan maneras sencillas de calcular el signo de las form as cuadráticas.

Método de los menores principales izquierda

Dada una matriz A =

!

#

#

#

#

#

#

#

"

a 11

a

21

a

31

!

a n1

a 12

a

22

a

32

!

a n 2

a 13

a

23

a

33

a

n 3

D 1 = a 11 ,

D 2 =

a 11

a 21

a 12

a

22

,

a 1n

a 2 n

a 3 n

!

a

nn

$

&

&

&

&

&

&

&

%

los menores principales izquierda son

a 11

a

21

a

31

a 12

a

22

a 32

a 13

a

23

a

33

, …, D n = A

Dada una matriz simétrica A, si D i ! 0 para todos los i = 1, 2,

...,

n ! 1

entonces

Q v ) = v ' Av = D 1 x 1 2 + D 2 x 2 2 + D 3 x 3 2 + + D n

(

D 1

D

2

...

D

n!1

x

2

n

Por lo tanto si todos los D i > 0 será definida positiva

D 1 < 0,!! D 2 > 0,!! D 3 < 0,

y

los

signos

siguen

alternando

será

definida

negativa

ya

que

todos

los

coeficientes serán negativos se anula el determinante y los patrones anteriores se cumplen, será semidefinida positiva si los demás menores son positivos y semidefinida negativa si los signos alternan empezando por negativo

Nota: Si alguno de los menores (salvo el último) se anula no se puede usar el método anterior.

MAT2 ADE

2013-14

Ejemplos:

  • a) La forma cuadrática definida por la matriz A =

"

$

$

$

#

%

'

  • 1 1 3

0

!1 / 2

  • 1 es definida positiva ya que

  • 0 !1 / 2

2

'

'

&

 
 

1

1

0

D 1 = 1 > 0,!!! D 2 =

  • 1 = 3 ! 1 = 2 > 0,!!!!!! D 3 =
    1

1

3

1

0

3

!1 / 2

!1 / 2

2

1

= 6 ! 2 ! =

4

  • b) La forma cuadrática definida por la matriz A =

"

$

$

$

#

%

'

  • 1 0

1

3 !6

  • 1 es indefinida ya que

  • 0 !6 !1

'

'

&

15

4

> 0

 

1

1

0

1

D 1 = 1 > 0,!!! D 2 =

  • 1 = 3 ! 1 = 2 > 0,!!!!!! D 3 =
    1

3

1

3 !6

0 !6 !1

= !3 + 1 ! 36 = !38 < 0

  • c) La forma cuadrática definida por la matriz A =

"

$

#

!3 2

2 !2

%

' es definida negativa ya que

&

 

D 1 = !3 < 0,!!! D 2 =

!3 2

= 6 ! 4 = 2 > 0 !!!!!!

 

2 !2

Método de los valores propios Dados los valores propios de la matriz simétrica A que define la forma cuadrática ! 1 ,! ! 2 ,! ! 3 ,

! n , dicha forma

cuadrática se puede expresar como

Q v ) = v ' Av = ! 1 x 1 2 + ! 2 x 2

(

2 + ! 3 x 3

2 + + ! n x n

...

2

Por lo tanto si todos los ! i > 0 será definida positiva

todos los ! i < 0 será definida negativa

todos los

! i ! 0

y alguno es cero será semidefinida positiva

todos los

! i ! 0

y alguno es cero será semidefinida negativa

si hay valores positivos y otros negativos será indefinida

Nota: Una de las ventajas de este método es que se puede utilizar siempre.

MAT2 ADE

2013-14

Ejemplos:

a)

La matriz

A =

!

#

#

#

"

1

1

1

1

0

2

1

2

0

$

&

&

&

%

tiene como

valores propios 3, -2

y

0, por

lo

tanto tiene asociada una

forma

b)

cuadrática indefinida.

Una matriz simétrica que tiene como valores propios semidefinida negativa.

-2,

-1,0

y

-3

tiene asociada una forma cuadrática

Formas cuadráticas restringidas En muchas ocasiones queremos estudiar el signo de una forma cuadrática no en cualquier vector sino en un conjunto de vectores que cumplen alguna condición particular. En estos casos se restringe la forma cuadrática al tipo particular de vectores que nos interesan y ello nos lleva a que algunas variable desaparecen y se reduce el orden de la matriz que define la nueva forma cuadrática restringida. Si la forma cuadrática de partida tenia un sigo determinado, la restringida tendrá el mismo signo. Si la forma era semidefinida o indefinida puede que en algunos conjuntos tenga un signo concreto.

Ejemplos:

  • a) Estudiar la forma cua drática definida por

A =

"

$

$

$

#

1

1

1

0

3 !6

0 !6 !1

%

'

'

'

&

en los vectores que tienen las dos últimas

coordenadas iguales pero de signo opuesto.

(

Q x, y, z

) = x 2 + 2 xy + 3 y 2 ! 12 yz ! z 2

es en general una forma cuadrática indefinida pero si la analizamos en

vectores de la forma

(

x, y, ! y

)

Q x, y, ! y ) = x 2 + 2 xy + 3 y 2 ! 12 y ! y ) ! ! y ) 2 = x 2 + 2 xy + 14 y

(

(

(

2

 

!

Notemos que ahora sólo hay dos variables y la matriz de esta nueva forma cuadrática será B =

#

"

(

definida positiva ya que D 1 = 1 > 0 y D 2 = det B

) = 13 > 0 .

1

1

1 14

$

&

%

que es