Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3. Sustituir una fila por la suma de ella misma con el producto de otra por un número real.
Ejemplo
2 1 0 0 1 0 0 1 0 0 1 0
f1 ↔f3 2f2 →f2 f2 −f3 →f2
1 2 −1 −
−−−→ 1 2 −1 −−−−−→ 2 4 −2 −−−−−−→ 0 3 −2
0 1 0 2 1 0 2 1 0 2 1 0
Ejemplo
1 0 0 0 1 0 1 0 0 1 0 0
f1 ↔f2 −2f3 →f3
I = 0 1 0 −−−−→ E = 1 0 0 ; I = 0 1 0 −−−−−−→ E = 0 1 0
0 0 1 0 0 1 0 0 1 0 0 −2
1 0 0 1 0 0
f3 −2f2 →f3
I = 0 1 0 −−−−−−−→ E = 0 1 0
0 0 1 0 −2 1
Ejemplo
1 2 −1 1 1 2 −1 1 1 0 0
f2 −2f1 →f2
A = 2 −1 1 0 −−−−−−−→ 0 −5 3 −2 = −2 1 0 · A
1 0 3 −2 1 0 3 −2 0 0 1
1 2 −1 1 1 0 3 −2 0 0 1
f1 ↔f3
A = 2 −1 1 0 −−−−→ 0 −5 3 −2 = 0 1 0 · A
1 0 3 −2 1 2 −1 1 1 0 0
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
1 2 −1 1 1 2 −1 1 1 0 0
−f3 →f3
A = 2 −1 1 0 −−−−−→ 2 −1 1 0 = 0 1 0 · A
1 0 3 −2 −1 0 −3 2 0 0 −1
Ejemplo
Si se quiere hallar una matriz escalonada, y la matriz de paso asociada, de la matriz
1 1 0 1 1
2 −1 3 1 3
A= 1 −1 2 1 1
1 1 0 0 2
2 −1 3 1 3 ¯ 0 1 0 0 f4 −f1 →f4
(A | I) = ¯
1 −1 2 1 1 ¯ 0 0 1 0 −−−−−−−→
¯
1 1 0 0 2 ¯ 0 0 0 1
¯ ¯
1 1 0 1 1 ¯¯ 1 0 0 0 1 1 0 1 1 ¯¯ 1 0 0 0
0 −3 3 −1 1 ¯ −2 1 0 0 f2 ↔f3 0 −2 2 0 0 ¯ −1 0 1 0
¯ ¯
0 −2 2 0 0 ¯ −1 0 1 0 −−−−→ 0 −3 3 −1 1 ¯ −2 1 0 0
¯ ¯
0 0 0 −1 1 ¯ −1 0 0 1 0 0 0 −1 1 ¯ −1 0 0 1
¯
−1
f2 →f2
1 1 0 1 1 ¯¯ 1 0 0 0 1
f3 →f3
3f2 −2f3 →f3 0 1 −1 ¯ 1/2 0 −1/2 0 2f24 +f3 →f4
2
0 0 ¯
−−−−−−−−→ −−−−−−−→
0 0 0 2 −2 ¯¯ 1 −2 3 0
0 0 0 −1 1 ¯ −1 0 0 1
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
¯
1 1 0 1 1 ¯¯ 1 0 0 0
0 1 −1 0 0 ¯¯ 1/2 0 −1/2 0
= (Ar | E r ) con Ar = E r · A
0 0 0 1 −1 ¯¯ 1/2 −1 3/2 0
0 0 0 0 0 ¯ −1 −2 3 2
Puesto que la matriz escalonada tiene tres filas no nulas, su rango es tres:
rg A = 3
Para hallar la matriz canónica por filas, y la matriz de paso asociada, se continúan las operaciones
elementales:
¯
1 0 1 1 1 ¯¯ 1/2 0 1/2 0
f1 −f2 →f1 0 1 −1 0 0 ¯¯ 1/2 0 −1/2 0
(A | I) → (Ar | E) −−−−−−→ 0 0 0 1 −1 ¯ 1/2 −1 3/2 0
¯
0 0 0 0 0 ¯ −1 −2 3 2
¯
1 0 1 0 2 ¯¯ 0 1 −1 0
f1 −f3 →f1 0 1 −1 0 0 ¯ 1/2 0 −1/2 0
¯
−−−−−−→
0 0 0 1 −1 ¯ 1/2 −1 3/2 0 = (Ae | E ) con Ae = E · A
e e
¯
0 0 0 0 0 ¯ −1 −2 3 2
Teorema
Una matriz cuadrada es regular si y sólo si se puede reducir a la matriz identidad por operaciones
elementales de filas.
Además, si
operaciones elementales
(A | I) −−−−−−−−−−−−−−→ (I | E) con I =E·A
se tiene que A−1 = E.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
Ejemplo
Halla, si existe, la matriz inversa de:
1 −1 1
A = 2 1 −1
1 1 1
1 −1 1 1 0 0 f2 −2f1 →f2 1 −1 1 1 0 0 f2 /3→f2
f3 −f1 →f3 f3 −2f2 /3→f3
(A | I) = 2 1 −1 0 1 0 −−−−−−−→ 0 3 −3 −2 1 0 −−−−−−−−→
1 1 1 0 0 1 0 2 0 −1 0 1
f3 /2→f3
1 −1 1 1 0 0 f2 +f3 /2→f2 1 −1 0 5/6 1/3 −1/2
f1 −f3 /2→f1
0 1 −1 −2/3 1/3 0 −−−−−−−−→ 0 1 0 −1/2 0 1/2
0 0 2 1/3 −2/3 1 0 0 1 1/6 −1/3 1/2
1 0 0 1/3 1/3 0 ¡ ¢
f1 +f2 →f1
−−−−−−→ 0 1 0 −1/2 0 1/2 = I | A−1
0 0 1 1/6 −1/3 1/2
de donde
1/3 1/3 0 2 2 0
1
A−1 = −1/2 0 1/2 = −3 0 3
6
1/6 −1/3 1/2 1 −2 3
o también como
Teorema
Si un sistema Ax = b tiene más de una solución entonces tiene infinitas soluciones.
Demostración: Si x0 , x1 ∈ Mn×1 son dos soluciones distintas del sistema, entonces, para
cualesquiera α, β ∈ R con α + β = 1, se cumple que x = αx0 + βx1 ∈ Mn×1 es también solución:
¡ ¢
Ax = A αx0 + βx1 = αAx0 + βAx1 = αb + βb = (α + β)b = b
Luego si el sistema tiene dos soluciones distintas, entonces tiene infinitas soluciones.
Teorema
Si (A0 | b0 ) es la matriz que se obtiene después de aplicar un número finito de operaciones
elementales a la matriz (A | b), los sistemas Ax = b y A0 x = b0 son equivalentes.
Demostración: Sea (A0 | b0 ) = Er · . . . · E2 · E1 · (A | b), es decir
A0 = Er · . . . · E2 · E1 · A y b0 = Er · . . . · E2 · E1 · b
Entonces:
x0 es solución de A0 x = b0 ⇐⇒ A0 x0 = b0 ⇐⇒ Er . . . E2 E1 Ax0 = Er . . . E2 E1 b
⇐⇒ E1−1 E2−1 . . . Er−1 Er . . . E2 E1 Ax0 = E1−1 E2−1 . . . Er−1 Er . . . E2 E1 b
⇐⇒ IAx0 = Ib ⇐⇒ Ax0 = b ⇐⇒ x0 es solución de Ax = b
Ejemplo
Para resolver el sistema
x−y+z =4
2x + y − z = −1
x + 2y − z = −3
por el método de Gauss, se procede ası́:
1 −1 1 4 f2 −2f1 →f2 1 −1 1 4 f3 −f2 →f3 1 −1 1 4
f3 −f1 →f3 f2 /3→f2
2 1 −1 −1 −− −−−−−→ 0 3 −3 −9 −−−−−−→ 0 1 −1 −3
1 2 −1 −3 0 3 −2 −7 0 0 1 2
Ejemplo
Para resolver el sistema de 3 ecuaciones con 5 incógnitas:
x1 + x2 + x4 = −1
x1 + x2 + x3 + 2x4 + x5 = 0
x1 + x2 + x4 + x5 = −1
Ejemplo
Para resolver el sistema lineal homogéneo
2x + 3y − z = 0
x− y+ z =0
x + 9y − 5z = 0
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 8
es equivalente a encontrar un sistema del que sea solución, y ésto es equivalente a obtener los
valores (x1 , x2 , . . . , xn ) para los que el sistema
a11 λ1 + a12 λ2 + . . . + a1r λr = x1 − b1
a21 λ1 + a22 λ2 + . . . + a2r λr = x2 − b2
..
.
an1 λ1 + an2 λ2 + . . . + anr λr = xn − bn
Ejemplo
Para eliminar los parámetros a, b ∈ R en la expresión:
x1 = a + 2b
x2 = a − b
x =1+b
3
x4 = a + b − 1
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 9
Para imponer esta condición, se busca una matriz escalonada de ambas matrices, lo que se hace
simultáneamente considerando la segunda matriz:
1 2 x1 f2 −f1 →f2
1 2 x1
1 −1 x2 x2 − x1
f4 −f1 →f4 0 −3
0 1 x3 − 1 −−−−−−→ 0 1 x3 − 1
1 1 x4 + 1 0 −1 x4 − x1 + 1
3f3 +f2 →f3
1 2 x1
3f4 −f2 →f4 0 −3 x2 − x1
−−−−−−−→ 0 0
3(x3 − 1) + (x2 − x1 )
0 0 3(x4 − x1 + 1) − (x2 − x1 )
Para que las dos matrices tengan el mismo rango, es necesario que en la tercera columna los
elementos de las filas tercera y cuarta sean nulos, es decir que:
½
3(x3 − 1) + (x2 − x1 ) = 0
3(x4 − x1 + 1) − (x2 − x1 ) = 0
2 Espacios vectoriales
2.1 Espacio vectorial
Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V 6= ∅ sobre el que
hay definidas dos operaciones:
1. Suma:
+ : V × V −→ V
(u, v) −→ u + v
· : K × V −→ V
(λ, u) −→ λ · u
(a) 1 · u = u, ∀u ∈ V .
(b) λ · (µ · u) = (λµ) · u, ∀λ, µ ∈ K, ∀u ∈ V .
(c) (λ + µ) · u = λ · u + µ · u, ∀λ, µ ∈ K, ∀u ∈ V .
(d) λ · (u + v) = λ · u + λ · v, ∀λ ∈ K, ∀u, v ∈ V .
Ejemplos
Son espacios vectoriales reales, con las operaciones que se indican, los siguientes:
x + y = (x1 + y1 , x2 + y2 , . . . , xn + yn )
λx = (λx1 , λx2 , . . . , λxn )
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
F(R) = {f : R −→ R}
S = {(xn )∞
n=0 : xn ∈ R, n ≥ 1}
7. Si Z2 = {0, 1}, entonces Zn2 es un espacio vectorial sobre el cuerpo Z2 , con las operaciones:
2.2 Propiedades
Si V es un espacio vectorial, entonces
1. 0 · u = 0.
2. (−1) · u = −u.
para todo u ∈ V .
Demostración:
(⇒) Evidente, pues S es espacio vectorial.
(⇐) (1) y (2) garantizan que las operaciones están bien definidas sobre S, al ser éste un conjunto
cerrado respecto de ellas. Además, por ser S un subconjunto de V , se verifican todas las
propiedades de la suma y el producto siempre que sea cierto que 0 ∈ S y que el opuesto de
cualquier elemento de S está en S. Ahora bien, para cualquier u ∈ S,
0=0·u∈S y − u = (−1) · u ∈ S
2.5 Corolario
Si V es un espacio vectorial y S ⊂ V , S 6= ∅, entonces
Ejemplos
1. En todo espacio vectorial V , el conjunto {0} es un subespacio vectorial llamado subespa-
cio trivial.
y no lo son
3. Son subespacios vectoriales del espacio vectorial P(R), de todos los polinomios en x con
coeficientes reales, los siguientes:
© ª
S1 = p ∈ P(R) : p0 (0) = 0 S2 = {p ∈ P(R) : a0 = a1 = 0}
y no lo es ½µ ¶ ¾
0 1
S3 = : a∈R
a 0
Ejemplos
1. En R3 , para averiguar si el vector v = (1, 2, 3) es combinación lineal de v1 = (1, 1, 1),
v2 = (2, 4, 0) y v3 = (0, 0, 1), se plantea la ecuación vectorial:
que equivale al siguiente sistema de ecuaciones, cuyas soluciones son las que se indican:
α + 2β =1 α=0
α + 4β = 2 =⇒ β = 1/2
α +γ =3 γ=3
Ejemplos
1. En R4 , los vectores v1 = (1, 0, −1, 2), v2 = (1, 1, 0, 1) y v3 = (2, 1, −1, 1) son linealmente
independientes, pues
α + β + 2γ = 0
β+ γ=0
αv1 + βv2 + γv3 = 0 =⇒ =⇒ α = β = γ = 0
−α − γ=0
2α + β + γ = 0
2.8 Propiedades
En un espacio vectorial V se cumplen las siguientes propiedades:
2. 0 ∈ A ⊂ V =⇒ A es linealmente dependiente
2.9 Lema
Si V es un espacio vectorial y A = {v1 , . . . , vm } ⊂ V , entonces
(m )
X
L(A) = αi vi : αi ∈ K
i=1
es un subespacio vectorial de V , que se llama subespacio generado por A. El conjunto A se
llama sistema de generadores
Pm de L(A). P
Demostración: Si u = i=1 αi vi ∈ L(A), v = m i=1 βi vi ∈ L(A), y λ, µ ∈ K, entonces
m
X
λu + µv = (λαi + µβi )vi ∈ L(A)
i=1
Ejemplos
1. Si V = R3 y A = {v1 = (1, 0, 1), v2 = (1, 1, −1)}, entonces
L(A) = {v = αv1 + βv2 : α, β ∈ R} = {v = (α + β, β, α − β) : α, β ∈ R}
Las ecuaciones
x=α+β
y=β ; α, β ∈ R
z =α−β
se llaman ecuaciones paramétricas de L(A). Las ecuaciones paramétricas son útiles
para obtener, dándo valores reales a los parámetros α y β, los diferentes vectores de L(A).
Ası́, por ejemplo, para α = 2 y β = −1 se obtiene el vector v = (1, −1, 3) ∈ L(A).
Eliminando parámetros en las ecuaciones paramétricas, se obtiene:
x − 2y − z = 0
que se llaman ecuaciones implı́citas de L(A) (en este caso sólo una). Las ecuaciones
implı́citas son útiles para comprobar si un determinado vector pertenece a L(A) (el vector
debe verificar todas las ecuaciones). Por ejemplo, el vector (3, 1, 1) ∈ L(A) pues 3−2·1−1 =
0, y el vector (−1, 2, 1) 6∈ L(A), pues −1 − 2 · 2 − 1 6= 0.
2. En R4 , las ecuaciones paramétricas e implı́citas del subespacio generado por
A = {v1 = (1, −1, 1, −1), v2 = (1, 2, −1, 3)}
son
x1 =α+β ½
x2 = −α + 2β x1 − 2x2 − 3x3 = 0
; α, β ∈ R =⇒
x =α−β x1 − 2x3 − x4 = 0
3
x4 = −α + 3β
2.10 Propiedades
Si A y B son dos subconjuntos finitos de un espacio vectorial V , entonces:
1. A ⊂ B =⇒ L(A) ⊂ L(B).
2. A ⊂ L(B) ⇐⇒ L(A) ⊂ L(B).
3. L(A) = L(B) ⇐⇒ A ⊂ L(B) y B ⊂ L(A).
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 7
2.11 Proposición
Sea V un espacio vectorial y {v1 , . . . , vm } ⊂ V . Si vm es combinación lineal de {v1 , . . . , vm−1 },
entonces
L ({v1 , . . . , vm }) = L ({v1 , . . . , vm−1 })
Demostración:
(⊃) Si v ∈ L ({v1 , . . . , vm−1 }), entonces
m−1
X m−1
X
v= αi vi = αi vi + 0vm ∈ L ({v1 , . . . , vm })
i=1 i=1
Pm−1
(⊂) Sea vm = i=1 βi vi . Si v ∈ L ({v1 , . . . , vm }), entonces
m
X m−1
X m−1
X m−1
X
v= αi vi = αi vi + αm βi vi = (αi + αm βi )vi ∈ L ({v1 , . . . , vm−1 })
i=1 i=1 i=1 i=1
v = (x1 , . . . , xn )B
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 8
ya que los vectores de B son linealmente independientes. Luego las coordenadas de cualquier
vector respecto de la base son únicas.
2. En Mn×m (R), B=
1 0 ··· 0 0 1 ··· 0 0 0 ··· 0
0
0 ··· 0 0 0 ··· 0 0 0 ··· 0
= E1 = . .. .. , E2 = .. .. .. , . . . , En·m = .. .. ..
.. . . . . . . . .
0 0 ··· 0 0 0 ··· 0 0 0 ··· 1
3. En Pn (R), © ª
B = 1, x, x2 , . . . , xn
Siempre que no haya confusión, se suele omitir la indicación de la base en la expresión de las
coordenadas respecto de las bases usuales.
Ejemplos
1. Si A = {v1 = (1, 3, 4), v2 = (2, −1, 1), v3 = (3, 2, 5), v4 = (5, 15, 20)} ⊂ R3 , entonces
1 3 4 1 3 4 1 3 4
2 −1 1
−→ 0 7 7 −→ 0 1 1
3 2 5 0 7 7 0 0 0
5 15 20 0 0 0 0 0 0
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 9
y B = {u1 = (1, 3, 4), u2 = (0, 1, 1)} es una base de L(A). Para hallar las coordenadas del
vector v = (2, −1, 1) respecto de dicha base, se procede ası́:
α =2 ½
α=2
v = αu1 + βu2 =⇒ (2, −1, 1) = α(1, 3, 4) + β(0, 1, 1) =⇒ 3α + β = −1 ⇒
β = −7
4α + β = 1
de donde v = 2u1 − 7u2 = (2, −7)B . En referencia a esta base, las ecuaciones paramétricas
e implı́citas de L(A) son:
x=α
y = 3α + β ; α, β ∈ R =⇒ x + y − z = 0
z = 4α + β
A = {p1 = (1, 0, 0, −1), p2 = (0, 1, 0, −1), p3 = (1, −1, 0, 0), p4 = (1, 1, 0, −2)}
Entonces
1 0 0 −1 1 0 0 −1 1 0 0 −1
0 1 0 −1 0 1 0 −1 0 1 0 −1
−→
1 −1 0 0 −→ 0 1 0 −1 0 0 0 0
1 1 0 −2 0 1 0 −1 0 0 0 0
y una base de L(A) es:
© ª
B = q1 = (1, 0, 0, −1) = 1 − x3 , q2 = (0, 1, 0, −1) = x − x3
3. Antes de proceder a hallar una base del subespacio generado en M2×2 (R) por A =
½ µ ¶ µ ¶ µ ¶ µ ¶ µ ¶¾
1 −1 0 0 2 −2 −3 3 −1 1
= M1 = , M2 = , M3 = , M4 = , M5 =
0 −1 1 1 2 −2 5 3 3 1
Entonces
1 −1 0 −1 1 −1 0 −1 1 −1 0 −1 1 −1 0 0
0 0 1 1 0 0 1 1 0 0 1 0 0 0 1 0
2 −2 2 −2
−→ 0 0 2 0 −→ 0 0 0 1 −→ 0 0 0 1
−3 3 5 3 0 0 5 0 0 0 0 0 0 0 0 0
−1 1 3 1 0 0 3 0 0 0 0 0 0 0 0 0
Puesto que la base se ha obtenido llegando hasta la matriz escalonada, ahora es mucho
más fácil obtener las coordenadas de una matriz respecto de ella. De esta manera
µ ¶
2 −2
M= = (2, −2, 3, −2) = 2N1 + 3N2 − 2N3 = (2, 3, −2)B
3 −2
2.18 Proposición
Si V 6= {0} es un espacio vectorial con una base formada por n vectores, entonces cualquier
conjunto de n + 1 vectores es linealmente dependiente.
Demostración: Sea B = {v1 , . . . , vn } una base de V y A = {u1 , . . . , un , un+1 } ⊂ V , con
n
X
ui = aij vj = (ai1 , ai2 , . . . , ain )B , 1 ≤ i ≤ n + 1
j=1
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 11
Para que una combinación lineal de los vectores de A sea igual al vector cero, se ha de cumplir:
Pn+1
à !
i=1 ai1 αi = 0
n+1
X n+1
X n+1
X n+1
X Pn+1 ai2 αi = 0
i=1
αi ui = ai1 αi , ai2 αi , . . . , ain αi = 0 ⇐⇒ ..
.
i=1 i=1 i=1 i=1
Pn+1
i=1 ain αi = 0
que es un sistema lineal homogéneo de n ecuaciones con n + 1 incógnitas, y tiene por tanto
infinitas soluciones (α1 , α2 , . . . , αn+1 ) 6= (0, 0, . . . , 0). Luego A es linealmente dependiente.
2. Si dim S = 1, S = L({u}) es la recta que pasa por el origen con vector de dirección u.
3. Si dim S = 2, S = L({u, v}) es el plano que pasa por el origen con vectores de dirección
u y v.
S ∩ T = {v ∈ V : v ∈ S y v ∈ T } y S + T = {u + v ∈ V : u ∈ S y v ∈ T }
Ejemplo
Sean S = {(x, y, z) : y = 0} y T = {(x, y, z) : x − z = 0} dos subespacios vectoriales de R3 .
Los vectores de S ∩ T son aquellos que están S y T , por lo que sus ecuaciones implı́citas son la
unión de las de ambos subespacios. Por lo tanto, las ecuaciones y una base de S ∩ T son
½ x=α
y=0
=⇒ y = 0 ; α ∈ R =⇒ BS∩T = {(1, 0, 1)}
x−z =0
z=α
Demostración:
(⇒) Si S ∩ T 6= {0}, entonces existe v 6= 0 con v ∈ S ∩ T , de donde v = v + 0 = 0 + v, y la
suma no serı́a directa.
(⇐) Si u = v1 +w1 = v2 +w2 , entonces v1 −v2 = w2 −w1 ∈ S ∩T , luego v1 −v2 = w2 −w1 = 0
de donde v1 = v2 y w1 = w2 , y la suma serı́a directa.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 13
Ejemplo
En R4 se consideran los subespacios vectoriales
S = L ({(1, 0, −1, 2), (0, 1, 1, 0)}) y T = L ({(1, 0, 1, −1), (0, 1, −1, 3)})
Puesto que
1 0 −1 2 1 0 −1 2 1 0 −1 2
0 1 1 0 0 1 1 0 0 1 1 0
−→ −→
1 0 1 −1 0 0 2 −3 0 0 2 −3
0 1 −1 3 0 0 2 −3 0 0 0 0
una base de S + T es BS+T = {(1, 0, −1, 2), (0, 1, 1, 0), (0, 0, 2, −3)}, y sus ecuaciones son:
x1 = α
x2 = β
; α, β, γ ∈ R =⇒ x1 + 3x2 − 3x3 − 2x4 = 0
x3 = −α + β + 2γ
x4 = 2α − 3γ
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 14
y también:
½
{v1 , . . . , vr } base de S
=⇒ L ({vr+1 , . . . , vn }) es suplementario de S
{v1 , . . . , vr , vr+1 , . . . , vn } base de V
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1
3 Geometrı́a afı́n
3.1 Variedad o subespacio afı́n
Se llama variedad afı́n o subespacio afı́n de un espacio vectorial V a cualquier conjunto de
la forma
u + S = {u + v : v ∈ S} ⊂ V
con u ∈ V y S un subespacio vectorial de V , que se llama subespacio de direcciones.
Si S = L ({v1 , v2 , . . . , vm }), entonces
( m
)
X
u+S = u+ αi vi : αi ∈ K, 1 ≤ i ≤ m ⊂ V
i=1
3.2 Observaciones
1. u ∈ u + S
2. 0 ∈ u + S ⇐⇒ u ∈ S ⇐⇒ u + S = S
3. Si V = Rn , entonces
un punto , si dim S = 0
una recta , si dim S = 1
u + S es un plano , si 2 ≤ dim S < n − 1
un hiperplano , si dim S = n − 1
el espacio V = Rn , si dim S = n
3.3 Ejemplos
1. En R3 , la recta que pasa por P (1, −1, 0) con vector de dirección v = (1, 1, 1) es:
−−→
OP + L ({v}) = {(x, y, z) = (1, −1, 0) + α(1, 1, 1) : α ∈ R}
cuyas ecuaciones paramétricas e implı́citas son:
x=1+α ½
x−y =2
y = −1 + α ; α ∈ R =⇒
x−z =1
z=α
3. En R3 , el plano que pasa por P (1, 0, 0) con vectores de dirección u = (1, 1, 0) y v = (0, 0, 1)
es:
−−→
OP + L ({u, v}) = {(x, y, z) = (1, 0, 0) + α(1, 1, 0) + β(0, 0, 1) : α, β ∈ R}
cuyas ecuaciones paramétricas e implı́citas son:
x=1+α
y=α ; α, β ∈ R =⇒ x−y =1
z=β
4. En R4 , el hiperplano que pasa por P1 (1, 0, 0, 0), P2 (0, 1, 0, 0), P3 (0, 0, 1, 0) y P4 (0, 0, 0, 1)
es:
−−→ ³n−−−→ −−−→ −−−→o´
OP1 + L P1 P2 , P1 P3 , P1 P4 =
= {(x1 , x2 , x3 , x4 ) = (1, 0, 0, 0) + α(−1, 1, 0, 0) + β(−1, 0, 1, 0) + γ(−1, 0, 0, 1) : α, β, γ ∈ R}
Demostración:
(⇐) Puesto que S = T y u − v ∈ T :
u + S = (u − v) + v + T = v + T
(⇒)
½
u ∈ v + T =⇒ u − v ∈ T
u + S = v + T =⇒ =⇒ u − v ∈ S ∩ T
v ∈ u + S =⇒ v − u ∈ S =⇒ u − v ∈ S
y además
S = −u + u + S = −u + v + T = −(u − v) + T = T
3.5 Ejemplo
Para estudiar la igualdad de las variedades afines
x1 = 1 + α
x1 = 2 + α + β + γ
x1 = −1 + α + β
x2 = −α + β x2 = −α + γ x2 = −α − 2β
A≡ B≡ C≡
x = β
x = 1 + β + 2γ
x = −β
3 3 3
x4 = −1 + β x4 = β + 2γ x4 = −1 − β
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
En primer lugar se comprueba, hallando la matriz escalonada de la matriz asociada a sus vectores
de dirección, si coinciden los subespacios vectoriales asociados:
µ ¶ µ ¶
1 −1 0 0 1 0 1 1
SA ≡ −→
0 1 1 1 0 1 1 1
1 −1 0 0 1 −1 0 0 1 0 1 1
SB ≡ 1 0 1 1 −→ 0 1 1 1 −→ 0 1 1 1
1 1 2 2 0 2 2 2 0 0 0 0
µ ¶ µ ¶ µ ¶
1 −1 0 0 1 −1 0 0 1 0 1 1
SC ≡ −→ −→
1 −2 −1 −1 0 1 1 1 0 1 1 1
Luego S = SA = SB = SC = L ({v1 = (1, 0, 1, 1), v2 = (0, 1, 1, 1)}) y las tres variedades afines
verifican la primera condición. Para verificar la segunda se comprueba, mediante operaciones
elementales, si las diferencias entre cada dos vectores de los que definen las variedades pertenecen
al subespacio vectorial:
v1 1 0 1 1 1 0 1 1
v2 0 1 1 1 0 1 1 1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
uA − uB −→ −1 0 −1 −1 −→ 0 0 0 0
uA − uC 2 0 0 0 0 0 −2 −2
uB − uC 3 0 1 1 0 0 −2 −2
de donde uA − uB ∈ S, uA − uC ∈
/ S y uB − uC ∈
/ S. Luego A = B 6= C.
3.8 Ejemplos
1. En R2 , las rectas
½ ½
x=α−1 x=α−1
r1 ≡ x − y = −1 r2 ≡ r3 ≡
y =α+3 y = 3α − 2
3. En R3 , las rectas
½ x=α
x−y =0
r1 ≡ ≡ y=α ≡ (0, 0, 1) + L ({(1, 1, −1)})
x+z =1
z =1−α
½ x = 1 + 2α
x − 2z = 1
r2 ≡ ≡ y=1 ≡ (1, 1, 0) + L ({(2, 0, 1)})
y=1
z=α
½ x=1+α
x−y =0
r3 ≡ ≡ y = 1 + α ≡ (1, 1, 3) + L ({(1, 1, −1)})
x+z =4
z =3−α
4 Aplicaciones lineales
4.1 Aplicación lineal
Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C). Una aplicación
f : V −→ W se llama aplicación lineal u homomorfismo si
• f (αu) = αf (u), ∀u ∈ V , ∀α ∈ K.
4.2 Ejemplos
1. Las siguientes aplicaciones, f : R2 −→ R2 , son aplicaciones lineales:
4.3 Propiedades
Si f : V −→ W es una aplicación lineal, se cumple:
1. f (0) = 0.
2. f (−u) = −f (u).
4.5 Definiciones
Una aplicación lineal (homomorfismo) se llama monomorfismo si es inyectiva, epimorfismo
si es sobreyectiva, e isomorfismo si es biyectiva. Cuando los espacios inicial y final coinci-
den, la aplicación lineal y el isomorfismo se suelen llamar endomorfismo y automorfismo,
respectivamente.
Demostración:
(⇒) Si f es inyectiva, entonces:
f (u) = f (v) =⇒ f (u − v) = 0 =⇒ u − v = 0 =⇒ u = v
luego f es inyectiva.
luego w ∈ L ({f (v1 ), f (v2 ), . . . , f (vn )}). Inversamente, si w ∈ L ({f (v1 ), f (v2 ), . . . , f (vn )}),
entonces à n !
Xn X Xn
w= αi f (vi ) = f αi vi y v= αi vi ∈ V
i=1 i=1 i=1
luego w ∈ Im f .
f (vi ) = wi , para 1 ≤ i ≤ n
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
Pn
Demostración: Para cada v = i=1 xi vi ∈ V se define
n
X
f (v) = xi wi
i=1
Es fácil ver que f es aplicación lineal y que f (vi ) = wi , para 1 ≤ i ≤ n. Además es única, pues
si g : V −→ W verifica la misma condición, entonces
à n ! n n
X X X
g(v) = g xi vi = xi g(vi ) = xi wi = f (v)
i=1 i=1 i=1
4.9 Observaciones
Si f : Rn −→ Rm viene definida por f (u) = Au, A ∈ Mm×n (R), entonces
4.10 Ejemplo
1 0 1
Si f : R3 −→ R3 es la aplicación lineal asociada a la matriz A = 0 1 0, entonces
1 1 1
Im f = L ({(1, 0, 1), (0, 1, 1), (1, 0, 1)}) = L ({(1, 0, 1), (0, 1, 1)})
Ker f = {u : Au = 0} = L ({(1, 0, −1)})
ya que
1 0 1 1 0 1 x=λ
0 1 0 −→ 0 1 0 =⇒ y=0 , λ∈R
1 1 1 0 0 0 z = −λ
donde las columnas de la matriz A ∈ Mm×n (R), llamada matriz de la aplicación respecto
de las bases BV y BW , son las coordenadas en la base BW de las imágenes de los vectores de la
base BV . Se suele indicar A = M (f, BV , BW ).
Fijadas las bases BV y BW , a cada aplicación lineal le corresponde una matriz y viceversa.
En el caso particular de que V = W y que la base B en ambos es la misma, se indica simplemente
A = M (f, B).
4.12 Ejemplo
La expresión matricial de la aplicación lineal f : R4 −→ R3 definida, respecto de las bases
canónicas, por
f (x1 , x2 , x3 , x4 ) = (x1 + x4 , x1 + x2 + x3 , x1 + x2 + x3 )
es
x
1 0 0 1 1
x2
f (x1 , x2 , x3 , x4 ) = 1 1 1 0
x3
1 1 1 0
x4
Para hallar el núcleo, se resuelve el sistema:
½
x1 =α
x1 + x4 = 0 x2 =β
f (u) = Au = 0 =⇒ =⇒ , α, β ∈ R
x1 + x2 + x3 = 0
x = −α − β
3
x4 = −α
de donde Ker f = {(1, 0, −1, −1), (0, 1, −1, 0)}. La imagen es
Im f = {(1, 1, 1), (0, 1, 1), (0, 1, 1), (1, 0, 0)} = {(1, 0, 0), (0, 1, 1)}
• B2 es un sistema de generadores:
n
X
w ∈ Im f =⇒ w = f (v) con v = xi vi ∈ V
i=1
à n ! n n
X X X
=⇒ w = f (v) = f xi vi = xi f (vi ) = xi f (vi )
i=1 i=1 i=r+1
• B2 es linealmente independiente:
n
à n ! n n r
X X X X X
αi f (vi ) = f αi vi = 0 =⇒ αi vi ∈ Ker f =⇒ αi vi = (−αi )vi
i=r+1 i=r+1 i=r+1 i=r+1 i=1
n
X
=⇒ αi vi = 0 =⇒ αi = 0 , 1 ≤ i ≤ n =⇒ αi = 0 , r + 1 ≤ i ≤ n
i=1
4.15 Proposición
Si f : V −→ W es una aplicación lineal con dim V = dim W = n < ∞, entonces
Demostración:
4.17 Ejemplo
Si f : R2 −→ R3 y g : R3 −→ R2 vienen definidas por
1 −1 µ ¶ µ ¶ x
x 1 0 1
f (x, y) = 0 −1 g(x, y, z) = y
y 0 1 0
−1 1 z
dos bases de V . La aplicación que hace corresponder a cada vector u ∈ V en la base B el mismo
vector expresado en la base B 0 es la apl8icación identidad:
0
Id : V B −→ V B
uB −→ uB 0 = AuB
donde A ∈ Mn×n (R) es la matriz cuya columna i-ésima es la imagen de vi , es decir las coorde-
nadas de vi en la base B 0 .
Puesto que esta aplicación es un isomorfismo, rg A = n y la matriz A es regular. Su inversa A−1
es la que pasa de las coordenadas respecto de B 0 a las coordenadas respecto de B. Resumiendo:
4.19 Ejemplo
Si en R3 se considera la base canónica Bc = {e1 , e2 , e3 } y la base
entonces
1 0 1
A = M (Id, B, Bc ) = 0 1 1 y uBc = AuB
−1 2 0
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 7
4.21 Ejemplo
Sea f : R3 −→ R3 la aplicación lineal que respecto de la base canónica Bc tiene asociada la
matriz
1 0 2 1 0 2 x
A = M (f, Bc , Bc ) = M (f, Bc ) = 1 −1 3 , es decir f (x, y, z) = 1 −1 3 y
1 1 1 1 1 1 z
1. ¿Cuál es la matriz de f respecto de la base
B = {v1 = (1, 0, −1), v2 = (0, 1, 2), v3 = (1, 1, 0)} ?
Se construye el diagrama
A
(R3 )Bc −−−−→ (R3 )Bc
x 1 0 1
−1 donde P = M (Id, B, Bc ) = 0 1 1
P yP
C
−1 2 0
(R3 )B −−−−→ (R3 )B
y entonces
2 1 4
C = M (f, B, B) = M (f, B) = P −1 AP = 1 2 3
−3 3 −3
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 8
5 Diagonalización de endomorfismos
5.1 Endomorfismo
Se llama endomorfismo a una aplicación lineal f : V −→ V de un espacio vectorial V en si
mismo.
Av = λv ⇐⇒ (A − λI)v = 0
que es un sistema homogéneo, la existencia del vector no nulo (solución no nula del sistema
homogéneo) viene garantizada si
Por lo tanto, los autovalores de la matriz A (o endomorfismo asociado) son las raı́ces reales del
polinomio caracterı́stico P (λ) = |A − λI| = 0, y los autovectores asociados son los vectores
no nulos del núcleo de la aplicación asociada a la matriz A − λI.
Se llama espectro de A, que se representa por σ(A), al conjunto de todos sus autovalores, y
subespacio propio asociado al autovalor λ a todos sus autovectores asociados más el vector
nulo, es decir a
S(λ) = {v : (A − λI)v = 0} = Ker(A − λI)
5.5 Ejemplo
0 0 1
Sea f : R3 −→ R3 el endomorfismo asociado a la matriz A = −4 2 2, respecto de la base
−2 0 3
canónica. El polinomio caracterı́stico, y sus raı́ces, son
¯ ¯
¯−λ 0 1 ¯¯ ½
¯ λ = 1, con m(1) = 1
P (λ) = |A − λI| = ¯¯ −4 2 − λ 2 ¯¯ = −(λ − 2) (λ − 1) = 0 =⇒
2
¯ −2 λ = 2, con m(2) = 2
0 3 − λ¯
donde m(λ) indica la multiplicidad del autovalor λ. El espectro es σ(A) = {1, 2}.
Los subespacios propios asociados a estos autovalores son:
−1 0 1 x ½ ¾
x − z = 0
S(1) = Ker(A − I) = v : −4 1 2 y = 0 = v : = L ({(1, 2, 1)})
y − 2z = 0
−2 0 2 z
−2 0 1 x
S(2) = Ker(A − 2I) = v : −4 0 2 y = 0 = {v : 2x − z = 0}
−2 0 1 z
= L ({(1, 0, 2), (0, 1, 0)})
que es diagonal, luego el endomorfismo f y la matriz A son diagonalizables. Para relacionar las
matrices A y D se recurre al diagrama:
A
(R3 )Bc −−−−→ (R3 )Bc
x 1 1 0
−1 donde P = M (Id, B, Bc ) = 2 0 1
P yP
D
1 2 0
(R3 )B −−−−→ (R3 )B
• Para cada autovalor λ ∈ σ(A) se halla su subespacio propio S(λ) = Ker(A − λI), compro-
bando que
dim S(λ) = m(λ) (multiplicidad de λ)
Si algún autovalor no verifica lo anterior, el endomorfismo no es diagonalizable.
5.9 Propiedades
1. El polinomio caracterı́stico de un endomorfismo, respecto de cualquier base, es siempre el
mismo.
Demostración: Si A y C son las matrices de un endomorfismo f respecto de dos bases
distintas, están relacionadas por la matriz del cambio de base por una relación del tipo
C = P −1 AP . Entonces:
¯ ¯ ¯ ¯ ¯ ¯
|C − λI| = ¯P −1 AP − λIP −1 P ¯ = ¯P −1 (A − λI)P ¯ = ¯P −1 ¯ · |A − λI| · |P | = |A − λI|
¯ ¯
pues ¯P −1 ¯ = |P |−1 .
2. La suma de todos los autovalores de una matriz, contando cada uno de ellos tantas veces
como indica su multiplicidad, es igual a su traza.
Demostración: Sean λ1 , . . . , λn los n autovalores de una matriz cuadrada A = (aij ) de
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
dimensión n. Puesto que los autovalores son las raı́ces del polinomio caracterı́stico, se tiene
que
|A − λI| = (a11 − λ) · . . . · (ann − λ) + Pn−2 (λ) = (λ1 − λ) · . . . · (λn − λ)
donde Pn−2 (λ) es un polinomio de grado menor o igual que n − 2 en λ. Igualando los
coeficientes de grado n − 1, en cada una de las dos expresiones anteriores, se obtiene:
de donde
λ1 + . . . + λn = a11 + . . . + ann = traza(A)
3. El producto de todos los autovalores de una matriz, contando cada uno de ellos tantas
veces como indica su multiplicidad, es igual a su determinante.
Demostración: Sean λ1 , . . . , λn los n autovalores de una matriz cuadrada A = (aij ) de
dimensión n. Entonces
|A − λI| = (λ1 − λ) · . . . · (λn − λ)
Haciendo λ = 0 en la expresión anterior, se obtiene:
|A| = λ1 · . . . · λn
6 Espacios euclı́deos
6.1 Producto escalar. Espacio euclı́deo
Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
< · , · > : V × V −→ R
(u, v) −→< u, v >
6.2 Ejemplos
1. Si u = (x1 , . . . , xn ) y v = (y1 , . . . , yn ) son dos vectores de Rn en la base canónica, el
producto
Xn
< u, v >= xi yi
i=1
es un producto escalar, que se llama producto usual y se representa, simplemente, por
u · v.
2. En R2 , es un producto escalar:
µ ¶ µ ¶µ ¶
1 1
t
¡ ¢ 1 1 x2
< u, v >= u v = x1 y1
1 2 1 2 y2
ya que es:
· µ ¶ ¸t µ ¶
1 1 1 1
• Conmutativo: < u, v >=< u, v >t = ut v =v t u =< v, u >.
1 2 1 2
µ ¶
1 1
• Bilineal: < u, λv + µw >= ut (λv + µw) = λ < u, v > +µ < u, w >, y por la
1 2
propiedad conmutativa se verifica también en la primera variable.
• Definido positivo: Si u = (x, y), < u, u >= (x + y)2 + y 2 ≥ 0, y es cero sólo si
x = y = 0.
< u, v >= ut Av
con A ∈ Mn×n (R) simétrica (A = At ) es siempre conmutativo y bilineal, por lo que será
un producto escalar si es definido positivo.
de donde
< v1 , v1 > < v1 , v2 > · · · < v1 , vn >
< v2 , v1 > < v2 , v2 > · · · < v2 , vn >
< u, v >= ut Gv con G = .. .. ..
. . .
< vn , v1 > < vn , v2 > · · · < vn , vn >
6.4 Ejemplo
En Rn , la matriz de Gram del producto escalar usual, respecto de la base canónica, es la matriz
identidad:
1 0 ··· 0 y1
¾
u = (x1 , x2 , . . . , xn ) Xn
¡ ¢ 0 1 ··· 0 y2
=⇒ u · v = xi yi = x1 x2 · · · xn . .. .. ..
v = (y1 , y2 , . . . , yn ) .. . . .
i=1
0 0 ··· 1 yn
Luego G0 = P t GP .
6.8 Ejemplo
La norma usual de Rn , inducida por el producto usual, de u = (x1 , . . . , xn ) ∈ Rn es
v
u n
uX
kuk = t x2i
i=1
° ° µ ¶1/2 Ã !
2 1/2
° u ° u u 1 kuk
° ° 1/2
° kuk ° =< kuk , kuk > = kuk2 < u, u > =
kuk2
=1
6.10 Ejemplos
√
1. Sean u = (1, 2) y v = (3, 4) vectores de R2 , con el producto
³ usual.
´ Puesto que kuk = 5
u
y kvk = 5, ninguno de ellos es unitario, siendo kuk = √15 , √25 el vector normalizado de
dv) = arccos 511
u. Además no son ortogonales, pues u · v = 11, siendo (u, √ .
5
2. En R4 con el producto usual, los vectores normalizados de los siguientes son los que se
indican:
µ ¶
√ u 1 1
u = (1, 0, 1, 0) =⇒ kuk = 2 =⇒ = √ , 0, √ , 0
kuk 2 2
µ ¶
√ v 1 1
v = (0, 1, 0, 1) =⇒ kvk = 2 =⇒ = 0, √ , 0, √
kvk 2 2
µ ¶
w 1 1 1 −1
w = (1, 1, 1, −1)=⇒ kwk = 2 =⇒ = , , ,
kwk 2 2 2 2
Es decir:
(
< ui , uj >= 0 , para i 6= j
{u1 , . . . , um } es ortogonal ⇐⇒
kui k 6= 0 , para 1 ≤ i ≤ m
(
< ui , uj >= 0 , para i 6= j
{u1 , . . . , um } es ortonormal ⇐⇒
kui k = 1 , para 1 ≤ i ≤ m
Es claro que:
½ ¾
u1 um
{u1 , . . . , um } ortogonal =⇒ ,..., ortonormal
ku1 k kum k
Una base ortogonal es una base formada por un conjunto ortogonal, y una base ortonormal
es una base formada por un conjunto ortonormal. Es fácil observar que:
• La matriz de Gram de un producto escalar respecto de una base ortogonal es una matriz
diagonal.
• La matriz de Gram de un producto escalar respecto de una base ortonormal es la matriz
identidad. Por lo tanto: < u, v >= ut Iv = ut v.
6.13 Ejemplo
En R3 , el conjunto de vectores
{u1 = (1, 1, 0), u2 = (1, −1, 0), u3 = (0, 0, 1)}
es linealmente independiente, pues u1 ·u2 = u1 ·u3 = u2 ·u3 = 0, luego forma una base ortogonal.
Una base ortonormal es
½ µ ¶ µ ¶ ¾
u1 1 1 u2 1 −1 u3
v1 = = √ , √ , 0 , v2 = = √ , √ , 0 , v3 = = (0, 0, 1)
ku1 k 2 2 ku2 k 2 2 ku3 k
• Ahora se elige u2 = v2 + α21 u1 con la condición de que < u2 , u1 >= 0, para lo que se
necesita que
− < v2 , u1 >
< u2 , u1 >=< v2 , u1 > +α21 < u1 , u1 >= 0 =⇒ α21 =
ku1 k2
Por lo tanto
< v2 , u1 >
u2 = v2 − u1
ku1 k2
Por lo tanto
< v3 , u1 > < v3 , u2 >
u3 = v3 − 2 u1 − u2
ku1 k ku2 k2
para 2 ≤ k ≤ m.
Para obtener una base ortonormal, se aplica el proceso de normalización después de aplicar
Gram-Schmidt:
Gram-Schmidt Normalización
Base −−−−−−−−−→ Base ortogonal −−−−−−−−−→ Base ortonormal
6.15 Ejemplo
Sea S el subespacio de R4 generado por el conjunto de vectores
que es linealmente independiente (es una base de S). Aplicando el proceso de Gram-Schmidt:
u1 = v1 = (1, 1, 0, 0)
v2 · u1 0
u2 = v2 − 2 u1 = v2 − 2 u1 = (1, −1, 1, 1)
ku1 k
µ ¶
v3 · u1 v3 · u2 −1 2 3 1
u3 = v3 − u1 − u2 = v3 − u1 − u2 = −1, 1, ,
ku1 k2 ku2 k2 2 4 2 2
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 7
S ⊥ = {v ∈ V : < u, v >= 0, ∀u ∈ S}
6.18 Ejemplo
En R4 , con el producto usual, el complementario ortogonal del subespacio
es el subespacio:
© ª
S ⊥ = v ∈ R4 : < u, v >= 0, ∀u ∈ S = {v = (x1 , x2 , x3 , x4 ) : < u1 , v >=< u2 , v >= 0} =
½ ¾ x1 = α
4 x1 − x 2 + x4 = 0 4 x 2 = β
= v∈R : = v∈R : , α, β ∈ R =
x1 + x2 + x3 = 0
x3 = −α − β
x4 = −α + β
= L ({v1 = (1, 0, −1, −1), v2 = (0, 1, −1, 1)})
6.19 Teorema
Si S es un subespacio vectorial del espacio vectorial euclı́deo V , se cumple que
V = S ⊕ S⊥
• S ∩ S ⊥ = {0}:
u ∈ S ∩ S ⊥ =⇒< u, u >= kuk2 = 0 =⇒ u = 0
• S + S⊥ = V :
6.20 Proyecciones
Si S un subespacio vectorial del espacio vectorial euclı́deo V , cada vector u ∈ V se descompone
de forma única como suma de un vector de S y otro de S ⊥ , que se llaman, respectivamente,
proyección de u sobre S y sobre S ⊥ , y se representan:
½ ½
v∈S v = proyS u
u = v + w con =⇒ y u = proyS u + proyS ⊥ u
w ∈ S⊥ w = proyS ⊥ u
Se define el ángulo que forman un vector u ∈ V con un un subespacio S como el ángulo que
forma con su proyección, es decir:
que es
Pun sistema lineal de ecuaciones, cuya solución {α1 , . . . , αk } proporciona la proyección
u = ki=1 αi vi .
6.22 Ejemplo
En R4 con el producto usual, para hallar la proyección de u = (0, 2, 1, −1) sobre el subespacio
S = {(x1 , x2 , x3 , x4 ) : x1 + x2 = 0} hay que hallar una base, a ser posible ortonormal. Puesto
que
x1 = α
x2 = −α
S = (x1 , x2 , x3 , x4 ) : , α, β, γ ∈ R =
x3 = β
x4 = γ
= L ({u1 = (1, −1, 0, 0), u2 = (0, 0, 1, 0), u3 = (0, 0, 0, 1)})
y sobre S ⊥ es
proyS ⊥ u = u − proyS u = (1, 1, 0, 0)
El ángulo que forman u y S, y la distancia entre ellos, es:
d u · proyS u 4 2
(u, S) = (u, \
proyS u) = arccos = arccos √ = arccos √
kuk · kproyS uk 6·2 6
√
d(u, S) = kproyS ⊥ uk = ku − proyS uk = k(1, 1, 0, 0)k = 2
6.24 Ejemplos
0 1 0
1. La matriz A = 1 0 0 es simétrica y, por tanto, ortogonalmente diagonalizable. Sus
0 0 1
autovalores son 1, con multiplicidad 2, y −1. Los subespacios propios asociados, y la base
ortogonal respecto de la que es diagonalizable, son:
½
S(1) = L ({(1, 1, 0), (0, 0, 1)})
=⇒ B = {(1, 1, 0), (0, 0, 1), (1, −1, 0)}
S(−1) = L ({(1, −1, 0)})
7 Aplicaciones ortogonales
7.1 Aplicación ortogonal
Se llama aplicación ortogonal a un endomorfismo f : V −→ V sobre un espacio vectorial
euclı́deo (V, < · , · >) que conserva el producto escalar, es decir que
7.3 Ejemplos
µ ¶
√1
1 −1
1. La matriz A = es ortogonal, pues
2 1 1
µ ¶ µ ¶ µ ¶
t 1 1 1 1 1 −1 1 2 0
AA= √ √ = =I
2 −1 1 2 1 1 2 0 2
µ ¶
√1
1 −1
2. La matriz A = no es ortogonal, pues
2 1 2
µ ¶ µ ¶ µ ¶
t 1 1 1 1 1 −1 1 2 1
AA= √ √ = 6= I
2 −1 2 2 1 2 2 1 5
7.4 Teorema
Sea A = M (f, B) la matriz de la aplicación ortogonal f : V −→ V respecto de una base
ortonormal B de (V, < · , · >). Entonces:
7.5 Observación
Si A = (aij )1≤i,j≤n ∈ Mn×n (R), entonces At = (bij = aji )1≤i,j≤n y At A = (cij )1≤i,j≤n donde
n
X n
X
cij = bik akj = aki akj = ci · cj
k=1 k=1
7.6 Lema
La matriz de un cambio de base entre bases ortonormales es ortogonal.
7.7 Teorema
Sea f : V −→ V una aplicación sobre el espacio euclı́deo (V, < · , · >). Entonces, la aplicación
f es ortogonal si y sólo si conserva la norma, es decir:
Demostración:
(⇒) Si f es ortogonal, entonces
p √
kf (v)k = < f (v), f (v) > = < v, v > = kvk
7.8 Observación
Las aplicaciones ortogonales conservan normas, distancias, ángulos.
7.9 Teorema
Sea f : V −→ V una aplicación sobre el espacio euclı́deo (V, < · , · >). Entonces, la aplicación
f es ortogonal si y sólo si transforma bases ortonormales en bases ortonormales.
Demostración:
(⇒) Si f es ortogonal, y B = {e1 , e2 , . . . , en } es una base ortonormal, entonces:
(
0 , si i 6= j
< f (ei ), f (ej ) >=< ei , ej >=
1 , si i = j
y también que
n
X n
X
< f (u), f (v) > =< xi f (ei ), yi f (ej ) >=< (x1 , x2 , . . . , xn )f (B) , (y1 , y2 , . . . , yn )f (B) >
i=1 i=1
n
X
= xi yi
i=1
eiα (x + iy) = (cos α + i sin α)(x + iy) = (x cos α − y sin α) + i(x sin α + y cos α)
se tiene que:
µ 2 ¶
−1 1 b − a2 −2ab
C = M (Sr , Bc ) = P AP = 2
a + b2 −2ab a2 − b2
3. En R3 , un giro cuyo eje pasa por el origen es una aplicación ortogonal. Sean α y r ≡
L ({u1 }), con ku1 k = 1, el ángulo y eje de giro. Completando el vector de dirección
del eje hasta formar una base B = {u1 , u2 , u3 } ortonormal que verifique |P | > 0, donde
P = (u1 , u2 , u3 ) = M (B, Bc ), las matrices del giro respecto de esta base y la canónica son:
1 0 0
M (Gr,α , B) = A = 0 cos α − sin α y M (Gr,α , Bc ) = P AP −1
0 sin α cos α
4. En R3 , la simetrı́a respecto del plano π ≡ L ({u1 , u2 }) (que pasa por el origen) es una
aplicación ortogonal. Añadiendo a los vectores de dirección del plano un vector u3 , que
sea ortogonal a ambos, se obtiene una base B = {u1 , u2 , u3 } respecto de la cual la matriz
de la simetrı́a es
1 0 0
M (Sπ , B) = A = 0 1 0
0 0 −1
La matriz respecto de la base canónica será:
M (Sπ , Bc ) = P AP −1 donde P = (u1 , u2 , u3 ) = M (B, Bc )
7.11 Teorema
El determinante de una matriz ortogonal es ±1.
Demostración: Si A ∈ Mn×n (R) es una matriz ortogonal se cumple que At A = I, y tomando
determinantes: ¯ t ¯
¯A A¯ = |A|2 = 1 =⇒ |A| = ±1
7.12 Teorema
Los autovalores reales de una aplicación ortogonal sólo pueden ser 1 o −1.
Demostración: Si λ ∈ R es un autovalor de la aplicación ortogonal f : V −→ V , existen
autovectores no nulos v ∈ V tales que f (v) = λv. Puesto que las aplicaciones ortogonales
conservan la norma:
kvk = kf (v)k = kλvk = |λ| · kvk =⇒ |λ| = 1 =⇒ λ = ±1
1. Si |A| = 1, entonces
µ ¶
a −c
A= con |A| = a2 + c2 = 1
c a
luego existe un único α ∈ [0, 2π) tal que a = cos α y c = sin α de donde
µ ¶
cos α − sin α
A=
sin α cos α
traza(A)
traza(A) = 2a = 2 cos α =⇒ α = arccos
2
donde la traza de una matriz es la suma de los elementos de su diagonal principal.
ya que f (u3 ) 6= u3 al ser dim S(1) = 2. Luego la aplicación ortogonal f es una simetrı́a
respecto del plano π ≡ S(1) y su matriz respecto de la base B es
1 0 0
M (f, B) = 0 1 0
0 0 −1
y la aplicación f en el plano S(1)⊥ , que no puede ser una simetrı́a, es un giro centrado
en el origen. Luego la aplicación ortogonal f es un giro con eje en la recta r ≡ S(1) y su
matriz respecto de la base B es
1 0 0
M (f, B) = 0 cos α − sin α
0 sin α cos α
Puesto que las matrices asociadas a un endomorfismo respecto de cualquier base tienen la
misma traza, se ha de cumplir que
traza(A) − 1
1 + 2 cos α = traza(A) =⇒ α = arccos
2
4. Si dim S(1) = 0, entonces λ = −1 es autovalor, ya que λ = 1 no puede serlo. Se considera
una base ortonormal B = {u1 , u2 , u3 }, siendo u1 ∈ S(−1) y |(u1 , u2 , u3 )| > 0. Puesto que
las aplicaciones ortogonales conservan bases ortonormales:
Puesto que las matrices asociadas a un endomorfismo respecto de cualquier base tienen la
misma traza, se ha de cumplir que
traza(A) + 1
−1 + 2 cos α = traza(A) =⇒ α = arccos
2
En el caso particular de que α = π, entonces
−1 0 0
M (f, B) = 0 −1 0
0 0 −1
y f es una simetrı́a central con centro en el origen. En este caso dim S(−1) = 3.
8 Movimientos
8.1 Movimiento
Se llama movimiento a una aplicación f : Rn −→ Rn , no necesariamente lineal, que se puede
escribir en la forma:
½
A una matriz ortogonal (At A = I)
f (u) = Au + b con
b ∈ Rn
8.2 Observaciones
1. Un movimiento, f (u) = Au + b, es la composición de una aplicación ortogonal con una
traslación: )
n A n Tb n
R −→ R −→ R =⇒ f = Tb ◦ A
u −→ Au −→ Au + b
8.4 Movimientos en R2
1. Traslación de vector v = (α, β):
Tv (u) = u + v = Iu + v
En forma cartesiana:
µ ¶µ ¶ µ ¶ µ ¶ ½ 0
1 0 x α x+α x =x+α
Tv (x, y) = + = =⇒
0 1 y β y+β y0 = y + β
No tiene puntos fijos, salvo en el caso trivial de que v = 0 (en este caso el movimiento es
la identidad y todos los puntos son fijos).
El único punto fijo es el centro de giro, salvo en el caso trivial de que α = 0 o α = 2π (en
estos casos el movimiento es la identidad y todos los puntos son fijos).
donde µ ¶µ ¶µ ¶−1 µ 2 ¶
b a 1 0 b a 1 b − a2 −2ab
A= = 2
−a b 0 −1 −a b a + b2 −2ab a2 − b2
es la matriz de la simetrı́a respecto de la recta ax + by = 0. Todos los puntos de la recta
r son puntos fijos.
8.5 Ejemplos
1. Las ecuaciones de la traslación de vector v = (1, −1) son
µ ¶µ ¶ µ ¶ µ ¶ ½ 0
1 0 x 1 x+1 x =x+1
Tv (x, y) = + = =⇒
0 1 y −1 y−1 y0 = y − 1
8.6 Movimientos en R3
1. Traslación de vector v:
Tv (u) = u + v
No tiene puntos fijos, salvo en el caso trivial de que v = 0 (en este caso el movimiento es
la identidad y todos los puntos son fijos).
2. Giro de ángulo α y eje la recta r ≡ u0 +L({u1 }): Se puede obtener como la composición
de una traslación de vector −u0 (que hace pasar el eje de giro por el origen), con un giro
de eje L({u1 }) y ángulo α, y con una traslación de vector u0 (que devuelve el eje de giro
a su posición inicial). Por lo tanto:
donde A es la matriz del giro de ángulo α y eje L({u1 }). Los únicos puntos fijos son los
del eje de giro, salvo en el caso trivial de que α = 0 o α = 2π (en estos casos el movimiento
es la identidad y todos los puntos son fijos). Si α = π, el giro se suele llamar simetrı́a
axial de eje r.
donde A es la matriz del giro de ángulo α y eje L({u1 }). En general, no hay puntos fijos.
4. Simetrı́a respecto del plano π ≡ u0 + L({u1 , u2 }): Se puede obtener como la com-
posición de una traslación de vector −u0 (que hace pasar al plano de simetrı́a por el
origen), con una simetrı́a respecto del plano L({u1 , u2 }), y con una traslación de vector
u0 (que devuelve el plano de simetrı́a a su posición inicial). Por lo tanto:
donde A es la matriz de la simetrı́a respecto del plano L({u1 , u2 }). Todos los puntos del
plano π son puntos fijos.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
donde A es la matriz de la simetrı́a respecto del plano L({u1 , u2 }). No hay puntos fijos,
salvo en el caso en que v = 0 (el movimiento es una simetrı́a sin deslizamiento y los puntos
fijos son los del plano π).
donde A es la matriz de la composición de una simetrı́a respecto del plano L({u1 , u2 }) con
un giro de ángulo α y eje L({u3 }). El único punto fijo es el punto u0 de intersección de la
recta y el plano, salvo en el caso de que α = 0 o α = 2π en que la simetrı́a rotacional se
reduce a la simetrı́a respecto del plano π. En el caso particular α = π la simetrı́a rotacional
se llama simetrı́a central y su ecuación es:
8.7 Ejemplos
½
y=1
1. Para hallar la ecuación de un giro de ángulo α = π/2 y de eje la recta r ≡ , hay
z=2
que comenzar hallando la matriz del giro del mismo ángulo y eje la recta y = z = 0, que
es
1 0 0 1 0 0
π
A = 0 cos 2 − sin 2 = 0 0π −1
0 sin π2 cos π2 0 1 0
y puesto que (0, 1, 2) ∈ r, la ecuación del giro es:
1 0 0 x 0 x
Gr,α (x, y, z) = 0 0 −1 y − 1 + 1 = 3 − z
0 1 0 z−2 2 y+1
½
y=1
2. La simetrı́a axial respecto de la recta r ≡ es el giro con eje en la misma recta y
z=2
ángulo α = π. Como en el ejemplo anterior, su ecuación es:
1 0 0 x 0
Gr,π (x, y, z) = 0 cos π − sin π y − 1 + 1
0 sin π cos π z−2 2
1 0 0 x 0 x
= 0 −1 0 y − 1 + 1 = 2 − y
0 0 −1 z−2 2 4−z
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 5
½
y=1
3. Para hallar la ecuación del movimiento helicoidal de eje r ≡ , ángulo α = π2 y
z=2
vector v = (2, 0, 0), se halla la matriz del giro del mismo ángulo y eje la recta y = z = 0,
que es
1 0 0 1 0 0
A = 0 cos π2 − sin π2 = 0 0 −1
0 sin π2 cos π2 0 1 0
y puesto que (0, 1, 2) ∈ r, la ecuación del movimiento helicoidal es:
1 0 0 x 0 2 x+2
M Hr,α,v (x, y, z) = 0 0 −1 y − 1 + 1 + 0 = 3 − z
0 1 0 z−2 2 0 y+1
4. Para hallar la ecuación de la simetrı́a respecto del plano π ≡ y − z = 1, hay que hallar la
matriz de la simetrı́a respecto del plano y − z = 0, que es
1 0 0
A = 0 0 1
0 1 0
9 Cónicas
9.1 Cónicas
Se llama cónica a cualquiera de las secciones planas que se producen al cortar en el espacio un
doble cono recto por un plano.
Si el doble cono recto tiene vértice O, eje r y ángulo α, 0 < α < π2 , y el plano Π forma un
ángulo β con el eje del cono, se pueden presentar los siguientes casos:
con a11 , a12 , a22 , a1 , a2 , a ∈ R, que también se llama ecuación general de la cónica.
• Si p = 1, la cónica reducida es
– una elipse, si a 6= b, con centro el origen, ejes los cartesianos y focos en los puntos
(±c, 0), si a > b (c2 = a2 − b2 ), o (0, ±c), si a < b (c2 = b2 − a2 ).
– una circunferencia, si a = b, con centro el origen y radio a.
• Si p = 0, la cónica reducida es un punto (el origen).
• Si p = −1, la cónica reducida carece de puntos, y se llama elipse imaginaria.
x2 y2
2. a2
− b2
= p, con a, b > 0 y p = −1, 0, 1 (cónica de tipo hiperbólico).
• Si p = 1, la cónica reducida es una hipérbola con centro el origen, ejes los cartesianos
y focos en los puntos (±c, 0), con c2 = a2 + b2 .
• Si p = 0, la cónica reducida es un par de rectas secantes.
• Si p = −1, la cónica reducida es una hipérbola con centro el origen, ejes los carte-
sianos y focos en los puntos (0, ±c), con c2 = a2 + b2 .
3. y 2 = 2px, con p 6= 0 (cónica de tipo parabólico). La cónica reducida es una parábola con
centro o vértice en el origen, ejes los cartesianos, foco ( p2 , 0) y directriz x = − p2 .
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
4. x2 = 2py, con p 6= 0 (cónica de tipo parabólico). La cónica reducida es una parábola con
centro el origen, ejes los cartesianos, foco (0, p2 ) y directriz y = − p2 .
1. Si a12 6= 0, los ejes de la cónica no son paralelos a los ejes cartesianos, por lo que se hace
un giro para obtener una una cónica equivalente con los ejes paralelos a los cartesianos.
Se determinan los autovalores de la matriz A, σ(A) = {λ1 , λ2 }, y una base ortonormal
de autovectores B = {u 1 , u 2 } con u 1 u 2
= 1. La matriz del cambio de base P =
u1 u2 = M (B, Bc ) es ortogonal, es decir P −1 = P t , y se cumple que
t λ1 0
P −1
AP = P AP = D =
0 λ2
x1 t x x x1
Aplicando el giro = P , se tiene que = P y, sustituyendo en la
y1 y y y1
ecuación de la cónica, queda:
t x1 x1
x1 y1 P AP + a1 a2 P +a=0
y1 y1
es decir:
λ1 0 x1 x1
x 1 y1 + b1 b2 +a=0
0 λ2 y1 y1
donde b1 b2 = a1 a2 P . Operando, la ecuación de la cónica después del giro es
λ1 x21 + λ2 y12 + b1 x1 + b2 y1 + a = 0
2. Si (b1 , b2 ) 6= (0, 0), el centro de la cónica (si es una cónica con centro) no es el origen o la
cónica (si no tiene centro) no pasa por el origen. En este caso se aplica una traslación para
que el centro (si es una cónica con centro) sea el origen o la cónica (si no tiene centro)
pase por el origen. Se pueden presentar los siguientes casos:
(a) Si δ = |A| = λ1 λ2 > 0, la cónica es de tipo elı́ptico. Completando cuadrados en su
expresión:
b1 2 b2 2 b2 b2
λ1 x 1 + + λ 2 y1 + = 1 + 2 −a=c
2λ1 2λ2 4λ1 4λ2
(
b1
x2 = x1 + 2λ
Aplicando la traslación b2
1 , se obtiene la ecuación reducida de la
y2 = y1 + 2λ 2
cónica:
una elipse real, si cλ1 > 0
λ1 x22 + λ2 y22 = c que es un punto, si c = 0
una elipse imaginaria, si cλ1 < 0
Si b1 = b2 = 0, el centro de la cónica (si es una cónica con centro) es el origen o la cónica (si
no tiene centro) pasa por el origen, y la ecuación obtenida después del giro es la ecuación
reducida de la cónica.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
9.5 Ejemplos
1. Para hallar la ecuación reducida de la cónica 3x2 + 3y 2 − 2xy − 2 = 0, se expresa en forma
matricial:
3 −1 x
x y −2=0
−1 3 y
La matriz asociada y sus autovalores son
3 −1 3 − λ −1 λ1 = 2
A= ; |A − λI| = = (λ − 2)(λ − 4) =⇒
−1 3 −1 3 − λ λ2 = 4
y operando:
y12
2x21 + 4y12 = 2 =⇒ x21 + =1
1/2
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 5
que es la ecuación reducida de la cónica, que corresponde a una elipse. No es necesario usar
traslaciones. La ecuación reducida también se suele expresar renombrando las variables
(x1 , y1 ) como (x, y), es decir como
y2
x2 + =1
1/2
Puesto que no se ha aplicado traslación, el centro de la elipse coincide con el de la cónica
reducida, es decir es el origen. Sus ejes son las rectas que pasan por el origen con la
dirección de los autovectores:
x y
−1 = 1 =⇒ x+y =0
x y
1 = 1
x−y =0
x+ 12 y− 12
=⇒
x−y+1=0
1 = 1
La representación gráfica de la cónica es la de la figura.
con a11 , a12 , a22 , a1 , a2 , a ∈ R, no es necesario encontrar el movimiento (giro y/o traslación) que
la transforma en su ecuación reducida. Se puede hacer a partir de las matrices:
7. Discute, según los valores reales de los parámetros, los siguientes sistemas lineales:
x − 3y + 5z = 2 x + y + az = 1 x − 2y + 3z = 1
(a) 2x − 4y + 2z = 1 ; (b) x + ay + z = 1 ; (c) 2x + ky + 6z = 6 ;
5x − 11y + 9z = k ax + y + z = 1 −x + 3y + (k − 3)z = 0
y+z =2 ax + by + z = 1 ax + by + z = 1
(d) x+y+z =a ; (e) ax + y + bz = 1 ;(f) x + aby + z = b ;
x+y =2 ax + y + z = b x + by + az = 1
ax + by + 2z = 1
(g) ax + (2b − 1)y + z = 1 .
ax + by + (b + 3)z = 2b − 1
Resuelve, cuando sea posible, los que dependen de un único parámetro.
8. Resuelve la ecuación matricial Ax = b donde
µ ¶ µ ¶ µ ¶
1 −1 −1 1
A= y (a) b = o (b) b =
−1 1 1 −1
Soluciones
1 1 0 1 0 0 2 −1 1
1. (a) Ae = 0 1 1, rg(A) = 3, Ac = 0 1 0, y E = −1 1 −1;
0 0 1 0 0 1 2 −1 2
1 −1 1 0 0
(b) Be = Bc = 0 0 , rg(B) = 1, y E = 2 1 0;
0 0 −3 0 1
1 −1 1 2 1 1 −1 0 0 13
(c) Ce = 0 0 1 1 −2, rg(C) = 3, Cc = 0 0 1 0 8 ,
0 0 0 −1 10 0 0 0 1 −10
−14 1 −6
y E = −11 1 −4.
13 −1 5
2. k = −1.
1 1 −3 1 0 0
3. (a) A−1 = 13 −2 1 0 ; (b) No existe B −1 ; (c) C −1 = −a 1 0;
0 0 3 ac − b −c 1
1 1 −1 1 −1
1 0 0 0 −1 1
1 −1 1
−2 1 0 0
1
−1
(d) D =
−1
; (e) E = 2 1 −1 1 1 −1 ;
3 −3 1 0 −1 1 −1 1 1
−8 8 −4 1
1 −1 1 −1 1
1 −2 1 0 0
0 1 −2 1 0
(f) F =
−1
0 0 1 −2 1 .
0 0 0 1 −2
0 0 0 0 1
1 −a 0 0
0 1 −a 0
4. A−1 = 0 0
.
1 −a
0 0 0 1
3 , si n 6= 0 y n 6= −3 n + 2 −1 −1
5. (a)rg(An ) = 2 , si n = −3 ; A−1
n
1
= n(n+3) −1 n + 2 −1 , si
1 , si n = 0 −1 −1 n + 2
n 6= 0 y n 6= −3.
(
3 , si n 6= 0 y n 6= −2
(b) rg(Bn ) = ;
2 , si n = 0 o n = −2
n(n + 1) −n −n2 − n + 1
1
Bn−1 = n2 (n+2) −n n(n + 1) −1 , si n 6= 0 y n 6= −2.
0 0 n(n + 2)
6. (a) x = 2, y = 1, z = −1.
(b) x = −3 − λ, y = 2, z = −1, t = λ; λ ∈ R.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
(a) {(0, 1, 0), (1, 1, −1), (−1, 0, 1)} (c) {(1, 0, a), (a, 1, 0), (0, a, 1)}
(b) {(0, 0, 1), (1, 1, 0), (1, 0, 0)} (d) {(1, 0, a), (a, 1, 0), (a, 0, 1)}
(a) {(3, 5, 1), (2, 1, 3)} (c) {(1, 0, 1, 0), (2, 1, 3, 1), (0, 1, 1, 1), (2, 2, 4, 2)}
© ª
(b) {(1, 2, 3), (1, 3, 2), (0, −1, 1)} (d) 1 + 3x + 4x2 , 4 + x2 , 3 + x + 2x2 ⊂ P2 (R)
7. ¿Para qué valores de a el conjunto B = {(a, 1, 0), (1, a, 1), (0, 1, a)} es base de R3 ?
Para a = 2, calcula las coordenadas del vector v = (−1, 1, 3) respecto de dicha base.
© ª
8. En P3 (R) se considera la base B = 1, 1 − x, (1 − x)2 , (1 − x)3 . Halla las coorde-
nadas del polinomio p = 2 − 3x + x2 + 2x3 respecto de dicha base.
© ª
9. En P2 (R) se considera el conjunto B = 1, x + 3, (x + 3)2 . Prueba que es una base,
y halla las coordenadas del polinomio p = a + bx + cx2 respecto de dicha base.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
10. Averigua si los vectores u = (1, −1, 0) y w = (2, −3, 1) pertenecen al espacio vectorial
generado por el conjunto de vectores {v1 = (2, 5, 1), v2 = (3, 4, 1), v3 = (5, 9, 2)}.
11. Determina a y b para que el vector (2, a, 3, −b) pertenezca al subespacio generado
por los vectores (2, 3, 1, −5) y (0, 2, −1, 3).
12. Sean los conjuntos: A = {(1, 0, −1), (1, 1, 0), (0, 1, 1)}, B = {(2, 1, −1), (1, 2, 1)} y
C = {(2, 1, −1), (1, −1, 0)}. Demuestra que A y B generan el mismo subespacio, y
que éste no coincide con el generado por C.
13. Halla una base del espacio vectorial generado por el conjunto de vectores:
{v1 = (3, 2, 0, 5), v2 = (−1, 0, 3, −4), v3 = (2, 2, 3, 1), v4 = (0, 2, −9, 17)}
17. Encuentra un sistema de generadores, una base y la dimensión del subespacio vec-
torial de soluciones del sistema:
x1 + 2x2 − 3x4 + x5 = 0
x1 + 2x2 + x3 − 4x4 − x5 = 0
x + x3 − 2x4 − x5 = 0
2
x1 + x3 − 2x4 − 3x5 = 0
3 1 1
18. Si A = 0 3 1, determina la dimensión y una base del espacio vectorial generado
0 0 3
por {An : n ≥ 0}.
Halla bases de U , W , U + W y U ∩ W .
U = {(a, b, c) : a = c, a, b, c ∈ R}
V = {(0, 0, c) : c ∈ R}
W = {(a, b, c) : a + b + c = 0, a, b, c ∈ R}
S = L ({(1, 0, 1), (1, 1, −1), (2, 1, 0)}) T = L ({(1, 0, 1), (0, 0, 1), (3, 0, −1)})
Soluciones
1. No.
2. (a), (b), (d) y (h) Si; (c), (e), (f) y (g) No.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 5
3. (a) l.d.; (b) l.i.; (c) l.d. si a = −1, y l.i. si a 6= −1; (d) l.i. si a 6= ±1, y l.d. si
a = ±1.
5. Son l.i.
6. (a) l.i.; (b) l.d., {v1 = (1, 2, 3), v2 = (1, 3, 2)} es l.i., y v3 = (0, −1, 1) = v1 − v2 ;
(c) l.d., {v1 = (1, 0, 1, 0), v2 = (0, 1, 1,©1)} es l.i., y v3 = (2, 1, 3, 1) = 2v1ª+ v2 y
v4 = (2, 2, 4, 2) = 2v1 + 2v2 ; (d) l.d., p1 (x) = 1 + 3x + 4x2 , p2 (x) = 4 + x2 es l.i.,
y p3 (x) = 3 + x + 2x2 = 31 p1 (x) + 32 p2 (x).
¡ ¢
7. Es base para a 6= 0 y a2 6= 2. Para a = 2, v = − 12 , 0, 23 B .
11. a = −1 y b = 11.
12. L(A) = L(B) = L ({(1, 0, −1), (0, 1, 1)}) = S, y L(C) 6= S porque (1, −1, 0) 6∈ S.
17. Un sistema generadores y base es {(1, 1, 1, 1, 0), (1, −1, 2, 0, 1)}. Su dimensión es 2.
1 0 0 0 1 0 0 0 1
18. La dimensión es 3, y la base I = 0 1 0 , B = 0 0 1 , C = 0 0 0
0 0 1 0 0 0 0 0 0
19. (b) BS = {(1, 0, −1), (0, 1, 0)} y u = (a, b, −a) = (a, b)BS .
(c) (−2, 1, −1) = (−1, 2)BT
x1 = α
x2 = β
20. S + T : , α, β, γ ∈ R; x1 + x2 − x4 = 0;
x3 = α + γ
x4 = α + β
y BS+T = {(1, 0, 1, 1), (0, 1, 0, 1), (0, 0, 1, 0)}.
x1 = 3α
x1 + 2x2 − x3 = 0
x2 = −α
S ∩ T: , α ∈ R; x2 − x3 + x4 = 0 ; y BS∩T = {(3, −1, 1, 2)}.
x =α
3 2x3 − x4 = 0
x4 = 2α
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 6
29. La suma S1 + S2 no es directa. BS1 +S2 = {(1, 0, 1, 0), (0, 1, −2, 2), (0, 0, 1, −1)}.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 7
2. Halla½las ecuaciones de la recta que pasa por el punto (1, 1, 1) y es paralela a la recta
3x − y + z = 1
r≡ .
x + y − 3z = 0
3. Sean P (1, 2, 3), Q(−1, −2, −3), R(0, 1, −1), u = (0, 1, −1) y v = (5, 1, 2). Halla las
ecuaciones paramétricas e implı́citas de los siguientes planos:
(g) Recta que pasa por (1, −1, 2) y es paralela a los planos
x = 1 − 3λ + µ
π ≡ x − 3y + 2z = −1 σ≡ y = λ − 2µ ; λ, µ ∈ R
z =2+µ
5. Halla la recta que pasa por (1, −1, 0) y (−2, 1, 1), y su punto de intersección con el
plano 3x − y + z = 0.
y−1
6. Halla la ecuación del plano que contiene a la recta r ≡ x = = z + 3 y es paralelo
½ 2
2x + y + z = 1
a la recta .
x − y + 2z = 0
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
7. Sea r la recta que para por (−1, 1, 0) y (−3, 2, 1), y s la recta que pasa por (1, 0, −1)
con subespacio de direcciones {(x, y, z) : x + y = 0, 2y + z = 0}. Prueba que se cor-
tan y halla la ecuación del plano que determinan.
8. Obtén las ecuaciones
½ implı́citas de la recta
½ paralela a t ≡ x = y = z y que se apoya
x − z = −1 x − 5z = 4
en las rectas r ≡ ys≡ .
y + 3z = 2 y − 4z = −3
9. Determina la posición relativa, y la intersección en su caso, de los siguientes pares
de rectas:
(a) (x, y, z) = (−1, 2, 1) + α(4, 3, 2) y (x, y, z) = (0, 1, 0) + α(1, 3, 2).
(b) x+4 = y−3 z+1 x+9 y−1
2 = −4 y −5 = 3 = 2 .
z−3
½5 ½
2x − 3y − z = 3 x+y =2
(c) y .
x − 3y = 4 y − z = −1
10. Halla la intersección de los siguientes pares de planos:
(a) x − y + z = 1 y 2x + 2y − 3z = 4.
(b) (x, y, z) = α(1, 1, −1) + β(0, 1, −2) y (x, y, z) = (0, 1, 0) + α(0, 1, −1) + β(2, 3, 5).
11. Averigua la posición relativa de los siguientes planos:
π1 ≡ 2x + 2y − z = −1 π3 ≡ 4y + 7z = 3
π2 ≡ x − y − 4z = −2 π4 ≡ 2x + 2y − z = 3
Soluciones
x = 1 − 2α ½
x + 2z = 3
1. (a) y = 1 + 3α , α ∈ R; y
y − 3z = −2
z =1+α
x=1−α ½
x+z =2
(b) y=1 , α ∈ R; y
y=1
z =1+α
x=α ½
x+y =1
(c) y = 1 − α , α ∈ R; y
x+z =2
z =2−α
2. x = 1 + α, y = 1 + 5α, z = 1 + 2α; α ∈ R.
x=α−β
3. (a) y = 1 + α − 3β , α, β ∈ R; y 5x − y − z = 0
z = −1 + 4α − 2β
x = α + 5β
(b) y =1+α , α, β ∈ R; y 3x + 17y − 5z = 22
z = −1 + 4α + 3β
x = 10α + 5β
(c) y = 1 + 3α + 3β , α, β ∈ R; y 3x − 5y − 5z = 0
z = −1 + 3α
x = 1/2 − λ ½
2x + y = 0
4. (a) y = −1 + 2λ , λ ∈ R; y .
3y + 2z = 1
z = 2 − 3λ
x = −λ ½
2x + y = 0
(b) y = 2λ , λ ∈ R; y .
3y + 2z = 0
z = −3λ
x=3+λ
(c) y =λ+µ , λ, µ ∈ R; y 5x + z = 14.
z = −1 − 5λ
x=λ
(d) y=µ , λ, µ ∈ R; y 3x + 4y + z = −6.
z = −6 − 3λ − 4µ
x = 1 − λ − 3µ
(e) y=λ , λ, µ ∈ R; y x + y + 3z = 1.
z=µ
= 3λ
x
(f) y = 3 + 2λ + 2µ , λ, µ ∈ R; y 2x − 3y + 6z = −9.
z=µ
x = 8 − 7λ ½
x − 3y + 2z = 8
(g) y = −λ , λ ∈ R; y .
x + 3y + 5z = 8
z = 2λ
6. x − 2y + 3z = −11.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
7. r ∩ s = {(1, 0, −1)}. 3x + 5y + z = 2.
½
4x − 4y = 23
8. .
x − z = −1
10. (a) (x, y, z) = (2, 3, 2) + λ(1, 5, 4); (b) (x, y, z) = (0, −1, 2) + λ(1, −3, 7).
x−1 y+1 z−1
11. π1 ∩ π2 ∩ π3 = r ≡ 9 = −7 = 4 ; π4 k π1 ; y π4 ∩ π2 = s1 y π4 ∩ π3 = s2 con
s1 k s2 .
14. a = 6.
3. Prueba que las siguientes aplicaciones, definidas sobre el espacio vectorial de los
polinomios P(R), son lineales. Obtén la imagen y el núcleo de cada una de ellas.
Z x
0
(a) f (p(x)) = p (x) (b) g(p(x)) = p(t) dt
0
(a) f (1, −1, 0) = (2, 1), f (0, −1, 2) = (1, 1), f (3, 0, 1) = (0, 3).
(b) g(1, −1, 0) = (2, 1), g(0, −1, 2) = (1, 1), g(1, −2, 2) = (−1, 4), g(3, 0, 1) = (0, 3).
11. Sea B = {v1 , v2 } una base de V , y f y g dos endomorfismos sobre V definidos por
½ ½
f (v1 ) = −3v1 + v2 g(v1 ) = v1 + v2
f (v2 ) = v1 − v2 g(v2 ) = v1
13. Sea
f : R3 −→ 3
R la aplicación lineal cuya matriz, respecto de la base canónica es
2 0 −1
3 1 −1. Encuentra bases de la imagen y del núcleo.
−1 1 1
14. Encuentra la matriz, respecto de las bases usuales en los correspondientes espacios,
de las siguientes aplicaciones lineales:
µ ¶
1
(a) f : M2×2 (R) −→ M2×1 (R), definida por f (A) = A .
−1
µ ¶ µ ¶
1 1 1 1
(b) f : M2×2 (R) −→ M2×2 (R), definida por f (A) = A − A.
0 1 0 1
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
17. Sean f : R3 −→ M2×2 (R) y g : M2×2 (R) −→ P3 (R) las aplicaciones definidas por
µ ¶ µ ¶
x1 − x2 x2 ¡ ¢ x
f (x1 , x2 , x3 ) = g(A) = 1 x A 2
x2 x2 − x3 x
(a) Halla los valores de a para los que f no es automorfismo. En estos casos, halla
bases del núcleo y de la imagen.
(b) Para a = 2, encuentra un vector u 6= 0 tal que f (u) ∈ L({u}).
20. Sea f : R3 −→ R3 una aplicación lineal tal que f (0, 0, −1) = (2, −5, −3) y f (v) =
3v, para todo v ∈ S = {(x, y, z) : x + z = 0}. Halla½su matriz respecto de la base
2x + 4y + 3z = 0
canónica y f −1 (r) donde r es la recta de ecuaciones .
x + 2y + z = 0
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
1 2 1
0 1 0
21. Sea f : R3 −→ R4 la aplicación lineal definida por la matriz A =
−1 1
.
0
1 −1 −1
22. Halla las matrices del cambio de base de B1 a B2 en los siguientes casos:
Encuentra los vectores de V que tienen las mismas coordenadas respecto de ambas
bases.
24. Sea f : R3 −→ R3 una aplicación lineal tal que: f (1, 1, 1) = (1, 1, 0), f (−1, 1, 1) =
(0, 0, 1) y f (−1, −2, 1) = (0, 0, 0).
(a) Halla bases del núcleo e imagen de ©g. Hallaª las ecuaciones de g respecto de
las bases B1 = {A, B, C} y B2 = 1, x, x2 , y respecto de las bases B3 =
½ µ ¶¾
3 0 © ª
A, B, E = y B4 = x, x2 + 1, 1 .
−2 1
(b) Estudia si existe algún homomorfismo f : S −→ P2 (R) tal que f (A) = x,
f (B) = x2 + 1, f (C) = x2 + x + 1 y f (D) = 2x2 + x.
(b) Para a = 1 se considera el subespacio vectorial W = L({(1, 1, 0), (2, 0, 1)}). ¿Es
Ker f ⊕ W = R3 ? ¿Es Im f ⊕ Ker f = R3 ? Calcula f −1 (−2, −2, 0).
(c) Para a = 2, sea B 0 = {u1 = e1 − e2 , u2 = e3 , u3 = 2e2 + e3 }. Prueba que B 0
es base y halla la matriz de f respecto de B 0 .
27. Sea f : R3 −→ R3 una aplicación lineal tal que dim(Im f ) = 1, las ecuaciones
del
½ Ker f respecto de la base B 0 = {u1 = (1, 0, 0), u2 = (1, 1, 0), u3 = (1, 1, 1)} son
x + y0 = 0
0
, y tal que existe v = (b, 0, 0) 6= (0, 0, 0) verificando que
ax0 − y 0 + (a + 1)z 0 = 0
f (v) = f 2 (v) = u1 + u2 + u3 . Halla las ecuaciones de f respecto de la base canónica.
28. Seafk : R3 −→R3 una aplicación lineal cuya matriz respecto de la base canónica
1 0 1
es −1 k 0, k ∈ R.
2 −1 1
31. Sean U = L ({(1, 1, 1, 0), (0, 1, 1, 1), (1, 0, 0, 1)}), V = L ({(0, 0, 0, 1), (−1, 1, −1, 0)})
y f : U −→ V definida por f (1, 1, 1, 0) = (0, 0, 0, 1), f (0, 1, 1, 1) = (−1, 1, −1, 1) y
f (1, 0, 0, 1) = (0, 0, 0, 0).
(a) Obtén bases de U y V de forma que al colocar los vectores de dichas bases como
filas de una matriz, se obtenga una forma canónica por filas.
(b) Halla la matriz de f respecto de las bases obtenidas en el apartado anterior.
Soluciones
1. (a), (b), (e) y (f) son aplicaciones lineales, mientras que (c) y (d) no lo son.
2. (a) y (c) son aplicaciones lineales, mientras que (b) y (d) no lo son.
4. f es epimorfismo, y g no es homomorfismo.
12. f (e1 ) = (1, 0, 2), f (e2 ) = (3, 1, −1), f (e3 ) = (2, 1, 0) y f (e1 + 2e2 − e3 ) = (5, 1, 0).
Es un isomorfismo.
13. {(1, 1, −1), (0, 1, 1)} es base de la imagen y {(1, −1, 2)} del núcleo.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 7
µ ¶ 0 0 −1 0 1 2 0 1
1 −1 0 0 1 0 0 −1
14. (a) . (b) . (c) 0 1 −1 0.
0 0 1 −1 0 0 0 0 1 0 0 0
0 0 1 0 0 0 1 0
µ ¶
1 1 1 1
(d) .
1 1/2 1/3 1/4
1 0 0 0 ½µ ¶ ¾
1 1 0 0 α α+β ¡© ª¢
15. ; Im f = : α, β, γ ∈ R ; Ker f = L x2 + x3 .
0 0 1 −1 γ α−β
1 −1 0 0
18. (a) a = 1 y a = −2. Para a = 1, BIm f = {(1, 1, 1)} y BKer f = {(1, −1, 0), (1, 0, −1)}.
Para a = −2, BIm f = {(1, 1, −2), (0, 1, −1)} y BKer f = {(1, 1, 1)}. (b) u = (1, −1, 0).
µ ¶
a b ¡ ¢
19. (a) No es única. Por ejemplo: f = 0, a+b
3 + c, −5a+b
3 + d ; (b) No.
c d
1 0 −2
20. M (f, Bc ) = 5 3 5 ; y f −1 (r) = L ({(6, −11, 0)}).
0 0 3
1 0
21. (a) a = 1/5; (b) f −1 (1, 0, 0, 0) = ∅; (c) 1 1.
1 1
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 8
µ ¶ 8 −1 −1
1 3 1
22. (a) ; (b) 9 3 −6 3 .
−1 1
−10 8 −1
7. (a) Determina,
según
los valores de a y b, cuándo es diagonalizable la matriz:
a b 0
A = 0 −1 0.
0 0 1
(b) Determina, según los valores de a, cuándo los endomorfismos siguientes son
diagonalizables:
i. f (x, y, z) = (x − 2y − (2 + a)z, y + az, z).
ii. f (x, y, z) = (x + a(x − y + z), (a + 2)x − ay + (a − 1)z, 2x − y)
Diagonaliza en los casos posibles.
10. Halla los autovalores y subespacios propios del endomorfismo f : P3 (R) −→ P3 (R)
definido por f (p(x)) = p(x + 1).
15. De un endomorfismo sobre R3 se sabe que los vectores (1, 0, 0), (1, 1, 0), (0, 1, 0) y
(0, 0, 1) son autovectores, y que hay vectores que no lo son. Halla todos los autovec-
tores del endomorfismo.
1 1 0 0
1 0 0 1
16. Sea f el endomorfismo definido sobre R4 cuya matriz asociada es 0 0 1 0, y
0 1 0 1
sea U = L ({(1, 0, −2, −1)}).
Soluciones
1. (a) S(1) = L ({(1, 0)}) y S(2) = L ({(0, 1)}).
(b) S(1)
√ = L ({(1,
¡© 0)}) y√S(0)ª¢= L ({(1,
√ −1)}). ¡© √ ª¢
(c) S( 3) = L (1, 2 − 3) y S(− 3) = L (1, 2 + 3) .
(d) S(−1) = L ({(2, −1)}) y S(5) = L ({(1, 1)}).
Todos los subespacios propios son rectas que pasan por el origen.
5. (a) BIm f = {(1, 0, −2), (0, 1, −3)} y BKer f = {(1, −1, 1)}
(b) No es diagonalizable, pues dim S(0) 6= m(0).
7. (a) A es diagonalizable
si si a= −1 y b= 0, caso en
que ya es diagonal, y si a 6= −1
a 0 0 1 0 −b
y b ∈ R con D = 0 1 0 y P = 0 0 a + 1.
0 0 −1 0 1 0
(b-i) Para cualquier a ∈ R no es diagonalizable.
−1 0 0 0 1 1
(b-ii) Es diagonalizable si a = 0, en cuyo caso D = 0 1 0 y P = 1 2 0.
0 0 1 1 0 2
8. Es diagonalizable si a = 0, y una base respecto de la cual es diagonal es B =
{(0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1), (1, 2, 1, 1)}.
1 0 0 0
© ª 0 1 0 0
9. Si B = 1 + x3 , x + x2 , 1 − x3 , x − x2 , la matriz es D =
0
.
0 −1 0
0 0 0 −1
14. (a) f (x, y, z) = (y + z, x + 2y + z, x + y); (b) B 0 = {(1, −1, 1), (1, 0, −1), (1, 2, 1)}.
15. S(λ1 ) = L ({(1, 0, 0), (0, 1, 0)}) y S(λ2 ) = L ({(0, 0, 1)}), con λ1 6= λ2 .
5. Sea W = L ({u1 = (1, 2, 0, 0), u2 = (1, 0, 0, 2), u3 = (1, −1, −1, 2)}) en R4 con el pro-
ducto usual.
10. En
un espaciovectorial euclı́deo, cuyo producto escalar tiene por matriz de Gram
1 0 0
0 2 −1 en la base B = {u1 , u2 , u3 }, calcula la proyección ortogonal de u3
0 −1 2
sobre S = L ({u1 , u2 }).
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
11. En R3 se considera
el
producto escalar cuya matriz de Gram, respecto de la base
1 1 1
canónica, es 1 2 2, y sea U = {(x, y, z) : x = −z = y}. Halla:
1 2 3
13. En R½4 con el producto usual, halla la distancia del vector (1, 0, −1, 0) al subespacio
x1 + x2 = 0
S≡ . Calcula S ⊥ .
x2 + x3 − x4 = 0
Halla:
16. Sean B = {(1, 1, 0), (1, 0, 1), (1, 2, 0)} una base de R3 . Estudia si son simétricas las
aplicaciones lineales f, g : R3 −→ R3 cuyas matrices respecto de B son:
1 −4 2 −4 −5 −6
M (f, B) = A1 = 2 2 3 M (g, B) = A2 = 4 2 7
0 3 0 3 5 4
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
20. Sea A ∈ M2 (R) una matriz simétrica tal que σ(A) = {1, 9} y u = (1, 1) es un
autovector asociado al autovalor 1. Halla razonadamente:
22. Sabiendo que f (1, 0, 0) = (1, 0, 1), f (1, 1, 0) = (1, 1, 1) y f (1, 1, 1) = (2, 1, 2), estudia
si f es diagonalizable ortogonalmente y, en caso afirmativo, diagonalı́zala.
25. Sabiendo que el núcleo de una proyección ortogonal f es la recta generada por el
vector (1, −1, 1), halla su matriz respecto de la base canónica.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4
Soluciones
1. La matriz identidad.
3. arccos √1n .
2 1 5
4. G = 1 1 3 .
5 3 14
n o
5. (a) w1 = √15 (1, 2, 0, 0), w2 = √130 (2, −1, 0, 5), w3 = √1 (2, −1, −6, −1)
42
.
n o
(b) w1 , w2 , w3 , w4 = √17 (2, −1, 1, −1) .
n o
6. (a) √1 (1, 0, 1), √1 (−1, 1, 1) ; S ⊥ = L ({(1, 2, −1)}).
©√2 3 ª ¡© ª¢
(b) n 3(1 − x), 3x − 1 ; T ⊥ = L x2 − x + 16 . o
(c) √12 (1, 0, 1, 0), √16 (−1, 2, 1, 0), √112 (1, 1, −1, −3) ; U ⊥ = L ({(1, 1, −1, 1)}).
9 3 0 18 −9 −9
7. (a) G(B) = 3 4 3. (b) G(B 0 ) = −9 19 5 .
0 3 9 −9 5 7
n o
1 1 −1
(c) 3 (1, 0, 0), 3 (0, 0, 1), 3√2 (1, −3, 1) .
17. (a) σ(A) = {−1 doble, 2}; S−1 = L {(−1, 1, 0), (−1, 0, 1)}; S2 = L {(1, 1, 1)}.
(b) σ(B) = {a + 1 doble, a − 2}; Sa+1 = L {(1, 1, 0), (−1, 0, 1)};
Sa−2 = L {(1, −1, 1)}.
(c) σ(C) = {0, 12, −1, −3}; S0 = L {(1, 0, 2, −2)}; S12 = L {(2, 0, 1, −2)};
S−1 = L {(0, 1, 0, 0)}; S−3 = L {(−2, 0, 2, 1)}.
(d) σ(D) = {9 doble, −3}; S9 = L {(1, 1, 0), (−1, 0, 1)}; S−3 = L {(1, −1, 1)}.
(e) σ(E) = {4 doble, −6}; S4 = L {(1, 1, 0), (0, 0, 1)}; S−6 = L {(−1, 1, 0)}.
18. Las matrices de las aplicaciones lineales respecto de la base usual son:
1 0 0 0 0 0 0 0
0 0 1 0 0 1 −1 0
M (T1 , Bu ) = A1 =
0 1 0 0
M (T 2 , B u ) = A2 =
0 −1 1 0
0 0 0 1 0 0 0 0
27. Por ser (1, 2, −1) ⊥ (−2, 1, 0), ambas composiciones son la proyección ortogonal
sobre la recta intersección de los dos planos: S = L {(1, 2, 5)} y
1 2 5
1
f ◦g ≡g◦f ≡ 2 4 10
30
5 10 25
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1
Soluciones
1. No son aplicaciones ortogonales: √ (a), (b) y (c). Sı́ son aplicaciones ortogonales: (d)
Simetrı́a respecto de la recta x − 3y = 0, (e) √ Giro de centro el origen y ángulo π/6,
y (f) Simetrı́a respecto de la recta x − (2 + 3)y = 0.
√ √
2. (a) Simetrı́a respecto del plano (2 − 2)x − 2z = ³n³0. ´o´
−3
(b) Giro de ángulo α = arccos 4 y eje la recta L 1, √13 , −1 .
(c) Composición de½una simetrı́a respecto del plano y − z = 0 con un giro de ángulo
x=0
α = arccos 31 y eje .
y+z =0
2 −1 0 −1
−1 2 0 −1
3. F ⊥ = L ({(0, 0, 1, 0), (1, 1, 0, 1)}), y M (proyF , Bc ) = 13 0
. No es
0 0 0
−1 −1 0 2
una aplicación ortogonal.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
1 −2 −2
4. (a) M (f, B) = A = 13 −2 1 −2. (b) At A = I.
−2 −2 1
(c) S = S(1) = L ({(1, 0, −1), (0, 1, −1)}), y f (S ⊥ ) = S ⊥ .
(d) Simetrı́a respecto del plano x + y + z = 0.
µ ¶ µ ¶ µ√ ¶
0 1 1 3 −4 3/2 √ −1/2
5. (a) . (b) 5 . (c) .
1 0 −4 −3 1/2 3/2
√ √
4/5 −2/5 0 −3/5 4/5 0 0√ −1/ 2 1/ 2
6. (a) −2/5 1/5 0. (b) 4/5 3/5 0. (c) 1/ √2 1/2 1/2 .
0 0 0 0 0 1 −1/ 2 1/2 1/2
√ √ √ √ √ √
−2 2 −3 2 2 2 2 4+3 2 4−3 2
5√2 10√ 2
1 √ 5 10√ 10√
3+4 2 .
(d) c ◦ b = 4−3
10√
3+4 2
10√ 2
y b ◦ c = 3102 3−4 2
10 10
4+3 2 3−4 2 1 −1
√ 1 1
10 10 2 2 2 2
9. (a) No. (b) σ(f ) = {0, 3, 6} con S(0) = L ({(2, −2, −1)}), S(3) = L ({(1, 2, −2)}) y
S(6) = L ({(2, 1,
2)}).
0 0 0 ©¡ ¢ ¡ 1 2 −2 ¢ ¡ 2 1 2 ¢ª
(c) M (f, B) = 0 3 0 con B = 23 , −2 −1
3 , 3 , 3, 3, 3 , 3, 3, 3 .
0 0 6
3/5 4/5 0
10. (a) M (f, Bc ) = 4/5 −3/5 0, con S(1) = L ({(2, 1, 0), (0, 0, 1)}) y
0 0 1
S(−1) = L ({(1, −2, 0)}). Simetrı́a respecto del plano S(1).
3/5 4/5 0
(b) M (f, Bc ) = 4/5 −3/5 0 , con S(1) = L ({(2, 1, 0)}) y
0 0 −1
S(−1) = L ({(1, −2, 0), (0, 0, 1)}). Giro de eje S(1) y ángulo π.
−3/5 −4/5 0
(c) M (f, Bc ) = −4/5 3/5 0, con S(1) = L ({(1, −2, 0), (0, 0, 1)}) y
0 0 1
S(−1) = L ({(2, 1, 0)}). Simetrı́a respecto del plano S(1).
−3/5 −4/5 0
(d) M (f, Bc ) = −4/5 3/5 0 , con S(1) = L ({(1, −2, 0)}) y
0 0 −1
S(−1) = L ({(2, 1, 0), (0, 0, 1)}). Giro de eje S(1) y ángulo π.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1
Tema 8: Movimientos
Ejercicios
1. Halla las ecuaciones de las simetrı́as respecto de las rectas:
√
(a) x − 3y = 2 (b) x + 2y = 4 (c) 2x − y = 1
5. Determina todos los movimientos que transforman (1, 0) en (2, 1) y (0, 1) en (1, 0).
(a) Giro de ángulo 90◦ respecto de la recta que pasa por (1, 0, 1) con vector director
u = (1, 1, 0).
(b) Composición del giro de ángulo 180◦ respecto de la recta r ≡ (x, y, z) =
(0, 0, 1) + (0, 1, 1)t, con la traslación de vector v = (1, 1, 0). ¿Qué movimiento
se obtiene?
(c) Simetrı́a respecto del plano que pasa por (0, 1, 1) y es perpendicular al vector
u = (2, 1, 1). Obtén el punto simétrico de P (2, 1, −1).
½
x−z =0
(d) Simetrı́a axial respecto de la recta r ≡ . Obtén el punto simétrico
y − 3z = 2
de P (1, 1, 1).
(e) Simetrı́a rotacional (simetrı́a
½ compuesta con ½
giro) respecto del plano que con-
x − 3y = 1 x=4
tiene a las rectas r1 ≡ y r2 ≡ , con ángulo de giro
y−z =3 y−z =3
½
x=2
180◦ y eje de giro r ≡ .
y+z =0
(f) Movimiento helicoidal de eje r ≡ {(1, −1, 0)t : t ∈ R}, ángulo 180◦ y vector de
traslación v = (2, −2, 0).
(g) Giro respecto de la recta que pasa por los puntos (1, 1, 0) y (0, 0, 1), y que
transforma P (0, 1, 0) en P 0 (1, 1, 1).
(h) Composición de la simetrı́a respecto del plano 3x−y +2z = 1 con el movimiento
helicoidal del apartado (f).
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
Soluciones
µ √ ¶µ ¶ µ ¶
1 √ 1 3 x 1
√
1. (a) S(x, y) = 2 + ;
3 −1 y − 3
·µ ¶ µ ¶ µ ¶¸
1 3 −4 x 8
(b) S(x, y) = 5 + ;
−4 −3 y 16
·µ ¶ µ ¶ µ ¶¸
−3 4 x 4
(c) S(x, y) = 15 + .
4 3 y −2
µ ¶µ ¶ µ ¶
0 1 x 5
2. SD(x, y) = + .
1 0 y 1
µ ¶µ ¶ µ ¶
0 1 x −1
3. G(x, y) = + .
−1 0 y 3
·µ ¶µ ¶ µ √ ¶¸
1 −1 −1 x 1+ 2
4. (a) G(x, y) = 2√ + ;
1 −1 y −1
µ ¶µ ¶ µ ¶
−3 −4 x 3
(b) SD(x, y) = 15 + ;
−4 3 y 1
·µ √ ¶µ ¶ µ √ ¶¸
1 √ 1 − 3 x 3 √
(c) G(x, y) = 2 + ;
3 1 y −1 − 2 3
·µ ¶µ ¶ µ √ ¶¸
1 7 1 x 5 2 − 15
(d) M(a) ◦ M(b) (x, y) = 5√2 + ;
1 −7 y 5
·µ ¶µ ¶ µ √ ¶¸
1 −1 7 x √ 2+1 .
12
M(b) ◦ M(a) (x, y) = 5√ +
2 7 1 y 2−7
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 3
π
(c) Movimiento helicoidal con eje de giro r ≡ {x = 1, z = 0}, ángulo α = 2 y vector
v = (0, 1, 0).
(d) Simetrı́a respecto del plano π ≡ x + y = 1.
(e) Simetrı́a rotacional respecto del plano π ≡ y = 1/2, eje de giro
r ≡ {x = 0, z = −1} y ángulo α = π2 .
(f) Traslación de vector v = (1, 1, −1).
(g) Giro de eje r ≡ {x = 1, z = 0} y ángulo α = π2 .
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1
Tema 9: Cónicas
Ejercicios
Clasifica las siguientes cónicas dando su ecuación reducida, centro o vértice y ejes, cuando
corresponda, y dibujándolas si es posible.
1. 3x2 − 2xy + 3y 2 + 2x − 4y + 1 = 0.
2. x2 − 2xy + y 2 + 4x − 6y + 1 = 0.
3. x2 + 2xy − y 2 − 6x + 4y − 3 = 0.
4. x2 + 3xy + 2y 2 + 2x + 5y − 3 = 0.
5. x2 + 4xy + 4y 2 − 2x − 4y − 3 = 0.
6. 3x2 − 2xy + 3y 2 + 2x − 4y + 2 = 0.
7. x2 + y 2 + 2x + 1 = 0.
8. x2 + 4xy + 4y 2 − 2x − 4y + 1 = 0.
9. x2 + 4xy + 4y 2 + 2x + 4y + 2 = 0.
10. x2 + y 2 + 2xy − 7x − 5y + 7 = 0.
12. x2 + y 2 + 4x − 4y − 2xy − 5 = 0.
16. x2 − y 2 + 2x + 6y − 13 = 0.
17. x2 − 2y 2 − xy + 2x + 5y − 3 = 0.
18. x2 + y 2 + x − 1 = 0.
19. x2 − 4y 2 − 2x − 8y − 3 = 0.
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 2
Soluciones
x2 y2 −1
1. Elipse de ecuación reducida 3/16 + 3/32 = 1, centro 8 , 58 , y ejes x − y + 3
4 =0y
x + y − 12 = 0.
√
2
−31
2. Parábola de ecuación reducida y 2 = 2 x, vértice 8 , −11
8 , y eje x − y +
5
2 = 0.
2 2 1
3. Hipérbola de ecuación reducida 1/2x √2 − 1/2y √2 = −1, centro 5
2, 2 , y ejes x − (1 +
√ √ √ √
2)y = −2 − 5 2 2 y (1 + 2)x + y = 3 + 22 .
8. Recta doble: x + 2y = 1.
x2 y2 1 −1
2
11. Hipérbola de ecuación reducida 5/12 − 5/18 = 1, centro 6, 3 , y ejes 2x − y = 3 y
x + 2y = −12 .
SOLUCIONES
Ecuaciones parametricas:
8 a =
>
< a01 =
> ; 2 R
: aa23 == ;;2
(b) Del apartado anterior, dim S = 2 y una base
BS = (1; 0; ;2; 0) = 1 ; 2x2 ; (0; 1; 0; ;1) = x ; x3
Haciendo operaciones elementales con los generadores de T y S + T , se obtiene:
0;1 1 1 11 0;1 1 1 1 1 0;1 1 1 1 1
BB 0 1 0 1CC ;! BB 0 1 0 1 C B0 1 0 1 C
@ b 0 b 1A @ 0 b 2b b + 1C A ;! B@ 0 0 2b 1 C A
;1 2 1 b 0 1 0 b;1 0 0 0 b;2
01 0 ;2 0
1 1
0 0 ;2 0
1 1
0 0 ;2 0 1
BB 0 1 0 C
;1 C B0 B 1 0 C
;1 C B0 B 1 0 ;1CC
BB;11 1 1 C
C ;!
B
B0 1 ;1 1 C
C ;!
B
B0 0 1 ;2CC
BB 0
1 0 1 C
CA B B0 0 0 2 C
C B
B0 0 0 2CC
@
0 0 2b 1 @0 0 2b 1 A @0 0 0 0A
0 0 0 b;2 0 0 0 b;2 0 0 0 0
de donde:
(
dim(S + T ) = 4 dim T = 3 , si b = 0 o b = 2
4 , si b 6= 0 y b 6= 2
(
dim(S \ T ) = dim S + dim T ; dim(S + T ) = 1 , si b = 0 o b = 2
2 , si b 6= 0 y b 6= 2
1
Ejercicio 2. Sea f : R4 ;! R4 un endomorsmo tal que
f (1; 1; 0; 0) = (0; 1; 0; ;1) ; f (1; 0; 1; 0) = (1; 1; 1; 0) ; y Ker f = Im f
Halla su matriz respecto de la base canonica.
Solucion: En R4 se considera la base canonica Bc = fe1; e2 ; e3 ; e4 g, y la base
B = fu1 = (1; 1; 0; 0); u2 = (1; 0; 1; 0); u3 = (0; 1; 0; ;1); u4 = (1; 1; 1; 0)g
Segun los datos del problema f (u1 ) = u3 , f (u2 ) = u4 y Ker f = Im f = L (fu3 ; u4 g), es decir
f (u3) = f (u4) = 0. Por lo tanto
8 f (u ) = f (e ) + f (e ) 8 f (e ) = (1; 2; 1; ;1)
>
< f (u2) = f (e1) = (0; 1; 0; ;1) >
= (1; 1; 1; 0) =) < f (e2 ) = (;1; ;1; ;1; 0)
1 1 2 1
+ f (e3 )
>
: ff ((uu34)) == f (e1) + ff ((ee22)) + f (e3) ; f (e4) == (0; 0; 0; 0) >
: ff ((ee34)) == (0(;;1;; 1;;10;;;1)1; 0)
(0; 0; 0; 0)
La matriz de f , respecto de la base canonica, es
0 1 ; 1 0 ;1 1
B 2 ; 1 ; 1 ;1 C
M (f; Bc) = B
@ 1 ; 1 0 ;1 C A
;1 0 1 0
2
Ejercicio 4. En R4 , con el producto escalar usual, se considera el hiperplano
H = (x1 ; x2; x3 ; x4 ) 2 R4 : x1 ; x3 ; x4 = 0
Halla:
(a) Una base ortonormal de H .
(b) La distancia del vector ;! OA = (1; 0; 1; 1) al hiperplano H .
(c) La proyeccion sobre H de la recta que pasa por A(1; 0; 1; 1) y B (2; 0; 0; 1).
Solucion: Las ecuaciones parametricas y una base de H son:
8 x =
>
< x12 =
x1 ; x3 ; x4 = 0 =) > x =
; ;
2 R
: x34 = ;
B = fu1 = (1; 0; 0; 1); u2 = (0; 1; 0; 0); u3 = (0; 0; 1; ;1)g
(a) Aplicando el proceso de Gram-Schmidt:
v1 = u1 = (1; 0; 0; 1)
v2 = u2 = (0; 1; 0; 0) 1 ;1
v3 = u3 ; u 3 v1
v ; u 3 v2 ; 1 0
v = u ; v ; v = ; 0; 1; 2 == (1; 0; 2; ;1)
kv1k2 1 kv2 k2 2 3 2 1 1 2 2
Dividiendo cada uno de los vectores obtenidos por su norma, se obtiene la base ortonormal:
1 1
BOT N = w1 = p (1; 0; 0; 1); w2 = (0; 1; 0; 0); w3 = p (1; 0; 2; ;1)
2 6
(b) Se halla la proyeccion del vector sobre H :
proyH ;!
OA = ;! OA w1 w1 + ;! OA w2 w2 + ;!
OA w3 w3 = p2 w1 + 0w2 + p2 w3
1 2 ;1 4 2 2 2 6
= (1; 0; 0; 1) + 3 ; 0; 3 ; 3 = 3 ; 0; 3 ; 3
y entonces, la distancia es
;!
;! ;!
;1 1 1
1
d OA; H =
OA ; proyH OA
=
3 ; 0; 3 ; 3
= p
3
(c) La proyeccion de la recta que pasa por A y B es la recta que pasa por los puntos
;;! ;!
4 2 2
0 0
A = OA = proyH OA = 3 ; 0; 3 ; 3
B0 = ; ;!0 = proy ;!
OB H OB = ;! OB w w + ;! OB w w + ;! OB w w
1 ;1 5
1 1 2 2 3 3
= p3 w1 + 0w2 + p1 w3 = ( 23 ; 0; 0; 23 ) + 6 ; 0; 31 ; 6 = 3 ; 0; 13 ; 3 4
2 6
luego la recta proyeccion es
;;! ;;! 4 2 2 1 ;1 2
0 0 0
u = OA + A B =) (x1; x2 ; x3; x4 ) = 3 ; 0; 3 ; 3 + 3 ; 0; 3 ; 3
3
Ejercicio 5.
(a) Halla las ecuaciones del movimiento M = GP; pSr , en R2 , que se obtiene al
componer la simetra respecto de la recta r x ; 3y = 1 con el giro de centro
P (1; 0) y angulo = =2.
(b) Determina el tipo de movimiento que es M y halla, si existen, sus puntos jos.
Solucion:
(a) La matriz de la simetra Sr (u) = A1u + b1 es
p3 1 1 0 p3 1 ;1 1 1 p3
A1 = 1 ;p3 0 ;1 1 ;p3 = 2 p3 ;1
y, puesto que los puntos de la recta son jos y (1; 0) 2 r, entonces
1 1 1 1
Sr (1; 0) = A1 0 + b1 = 0 =) b1 = 0 ; A1 0 = 21 ;p
1
3
La matriz del giro GP;(u) = A2 u + b2 es
cos =2 ; sen =2 0 ;1
A2 = sen =2 =
cos =2 1 0
y, puesto que el centro de giro (1; 0) es un punto jo, entonces
GP;(1; 0) = A2 10 + b2 = 10 =) b2 = 10 ; A2 10 = ;11
Las ecuaciones del movimiento son
M (u) = GP; Sr (u) = GP; (Sr (u)) = A2 (A1 u + b1 ) + b2 = A2A1 u + A2 b1 + b2
Operando:
p p
M (u) = Au + b = 21 ;1 3 p13 u + 12 2 +;1 3
(b) Se halla el subespacio invariante S (1) asociado a la matriz A:
1
;p3 ; 2 1 x ;(p3 + 2)x + y = 0 x = (2 ; p3)
(A ; I )u = 2 p p
1 3 ; 2 y = 0 =) x + ( 3 ; 2)y = 0 =) y =
Puesto que dim S (1) = 1, el movimiento es una simetra o simetra deslizante. Se buscan, si existen,
los puntos jos:
;(p3 + 2)x + y = ;2 ; p3 p
Au + b = u =) (A ; I )u = ;b =) x + (p3 ; 2)y = 1 =) x + ( 3 ; 2)y = 1
p
Luego los puntos jos son los puntos de la recta x + ( 3 ; 2)y = 1 y el movimiento es una simetra
respecto de dicha recta.
4
FACULTAD DE INFORMATICA CURSO 99/00
DPTO. DE MATEMATICA APLICADA
ALGEBRA LINEAL
EXAMEN FINAL DE SEPTIEMBRE (15/09/00)
SOLUCIONES
Ejercicio 1.
(a) Sean V y W dos espacios vectoriales, y f : V ! W una aplicacion lineal. De-
muestra que el conjunto Ker f es un subespacio vectorial de V .
(b) En el espacio vectorial M22 (R) = a b : a; b; c; d 2 R se considera el subespa-
c d
cio vectorial V = ab ba : a; b 2 R . Encuentra un subespacio vectorial W tal
que M22 (R) = V W .
Solucion:
(a) Si u; v 2 Ker f y ; 2 R, entonces
f (u + v) = f (u) + f (v) = 0 + 0 = 0
de donde u + v 2 Ker f . Luego Ker f es un subespacio vectorial de V .
(b) Una base de V es
1 0
BV = 0 1
; 01 10 = f(1; 0; 0; 1); (0; 1; 1; 0)g
siendo esta ultima expresion respecto de la base usual de M22 (R). Extendiendo esta base con los
vectores (matrices):
0 0
f(0; 0; 1; 0); (0; 0; 0; 1)g = 1 0
; 00 01
1
(d) Halla su matriz de f respecto de las bases canonicas de R3 y R4 .
Solucion:
(a) Usando operaciones elementales:
0 1 0 1 0 1
1 1 1 1 1 1 1 0 1
@2 1 2A ! @0 1 0A ! @0 1 0A
0 1 0 0 1 0 0 0 0
se obtiene una base del Ker f , BKer f = f(1; 0; 1); (0; 1; 0)g, que se completa con el vector (0; 0; 1)
para formar una base de R3 :
(d) Teniendo en cuenta que B 0 = Bc0 , que la matriz del cambio de base en R3 de B a Bc es
0 1
1 0 0
M (B; Bc) = P = 0 1 0A
@
1 0 1
y el siguiente diagrama:
(R3 )B
x
A
! (R4?)B0
? ?
?P 1 yI
(R3 )Bc
C
! (R4 )B0 c
2
Ejercicio 3. Sea f : R3 ! R3 el endomorsmo denido, respecto de la base canocica,
por la matriz
0 1
1 2 2
A = @2 1 2A
2 2 3
(a) Halla los autovalores de f y los subespacios propios asociados.
(b) Estudia si f es diagonalizable y, en caso armativo, halla una base en la que su
matriz sea diagonal.
(c) Halla A198 .
Solucion:
(a) El polinomio caracterstico es
1
2 2
P () = jA I j = 2 1 2
= ( + 1)2 ( 1)
2 2 3
luego los autovalores de f son = 1, de multiplicidad 2, y = 1, de multiplicidad 1. Los
subespacios propios son:
8 0 10 1 9
< 2 2 2 x =
S ( 1) = fv : (A + I )v = 0g = (x; y; z ) : @2 2 2A @y A = 0
: ;
2 2 2 z
= f(x; y; z ) : x + y z = 0g = L (f(1; 0; 1); (0; 1; 1)g )
8 0 10 1 9
< 0 2 2 x =
S (1) = fv : (A I )v = 0g = (x; y; z ) : @2 0 2A @y A = 0
: ;
2 2 4 z
= (x; y; z ) :
y z = 0 = L (f(1; 1; 1)g)
x z=0
(b) S, es diagonalizable porque todos los autovalores son reales y la dimension de los subespacios
propios coincide con la multiplicidad de los autovalores correspondientes. Respecto de la base
B = f(1; 0; 1); (0; 1; 1); (1; 1; 1)g
la matriz es diagonal:
0 1 0 1
1 0 0 1 0 1
D=@ 0 1 0A = P 1
AP con P = @0 1 1A
0 0 1 1 1 1
(c) Puesto que A = P DP 1 , se cumple que:
0 1
( 1)198 0 0
A = PD P = P
198 198 1 @ 0 ( 1)198 0 AP 1
= P IP 1
=I
0 0 1 198
3
Ejercicio 4.
(a) En R3 , dado el plano 2 x + y z = 2, encuentra las ecuaciones de la simetra S2
respecto de 2 .
(b) Sea S1 la simetra respecto del plano 1 z = 1, cuya ecuacion es:
0 01 0 1 0 10 1
x 0 1 0 0 x
@y 0 A = @0A + @0 1 0 A @ yA
z0 2 0 0 1 z
Halla las ecuaciones del movimiento M = S1 Æ S2 , demuestra que es un giro y
encuentra su eje.
Solucion:
(a) La matriz de la simetra respecto del plano 2 x + y z = 2 en la base B =
fv1 = (1; 0; 1); v2 = (0; 1; 1); v3 = (1; 1; 1)g, formada por dos vectores paralelos a 2 (v1 y v2 )
y otro ortogonal (v3 ), y en la base canonica son:
0 1
1 0 0
M (S2 ; B ) = @0 1 0A
0 0 1
0 10 10 1 1 0 1
1 0 1 1 0 0 1 0 1
1 1 2 2
M (S2 ; Bc ) = @0 1 1 A @0 1 0 A @0 1 1A = @ 2 1 2A = A
3
1 1 1 0 0 1 1 1 1 2 2 1
La simetra respecto del plano 2 sera S2 (u) = Au + b manteniendo jos los puntos del plano,
por ejemplo (1; 1; 0), luego:
0 1 0 1 0 1 0 1
1 1 @ 1A
1
4@ 1 A
S2 (1; 1; 0) = A 1 + b =
@ A 1 + b = 1A
@ =) b= 1
3 3
0 4 0 1
Por lo tanto:
0 1 0 1
1 2 2 1
1 4
S2 (u) = @ 2 1 2A u + @ 1 A
3 2 2 1 3 1
(b) Las ecuaciones del movimiento M = S1 Æ S2 son
0 12 0 1 0 13 0 1
1 0 0
1 1
2 2
4 1
0
M (u) = @0 1 0 A 4 @ 2 1 2A u + @ 1 A5 + @0A
0 0 1 3 2 2 1 3 1 2
0 1 0 1
1 2 2 4
1 1
= @ 2 1 2 Au + @ 4 A
3 2 2 1 3 10
4
FACULTAD DE INFORMATICA CURSO 98/99
DPTO. DE MATEMATICA APLICADA
ALGEBRA LINEAL
EXAMEN FINAL DE JUNIO (11/06/99)
Se pide:
1. Dar una base ortonormal de S .
2. Hallar el complementario ortogonal de S .
3. Calcular la proyeccion ortogonal de v = (1; 1; 1; 1) sobre S y la distancia de v a S .
SOLUCIONES
1 1+a 1+a 2 0 1 a 1 0 0 a 1 0 0 0 0
luego una base de V (a) es:
BV (a) = fu1 = (1; a; 1; 1); u2 = (0; 1; 2a; 2); u3 = (0; 0; a; 1)g
2.
0 1 0 1 0 1 0 1
u1 1 a 1 1 1 a 1 1 1 a 1 1
Bu2 C B0 1 2a 2 C B0 1 2a 2 C B0 1 2a 2C
B C=B
@u3 A @0 0 a 1 A
C !B
@0 0 a 1 A
C !B
@0 0 a 1A
C
u 1 1 + a 1 + 2a a + 3 0 1 2a a + 2 0 0 0 a
luego u 2 V (a) s y solo s a = 0.
3. Puesto que
BV (0) = f(1; 0; 1; 1); (0; 1; 0; 2); (0; 0; 0; 1)g y BV (1) = f(1; 1; 1; 1); (0; 1; 2; 2); (0; 0; 1; 1)g
entonces
V (0) + V (1) = L BV (0) [ BV (1) = R4
de donde dim(V (0) + V (1)) = 4, y de aqu:
dim(V (0) \ V (1)) = dim V (0) + dim V (1) dim(V (0) + V (1)) = 3 + 3 4=2
f (a; b; c; d) = (a + b)x2 + bx + (c d)
1
1. Calcular la matriz de la aplicacion con respecto a las bases canonicas de R4 y
usual de IP2 (R).
2. Calcular las ecuaciones implcitas de Ker f y las parametricas de Im f, especi-
cando una base de cada uno de ellos.
3. Razonar si f es monomorsmo (inyectiva), epimorsmo (sobreyectiva), isomor-
smo (biyectiva).
Solucion:
1. Considerando la base canonica Bc de R4 y la usual B = 1; x; x2 de IP2 (R),
0 1
0
0 0 1
1
1 B C
a 0 0 1
0 1
1
f (a; b; c; d) = (c d; b; a + b) = @0 1 0 0 AB
bC luego M (f; Bc ; B ) = @0 1 0 0A
@cA
1 1 0 0 1 1 0 0
d
2. Las ecuaciones implcitas del nucleo son:
8 8
< c d=0 < a=0
f (a; b; c; d) = (c d; b; a + b) = 0 =) b = 0 =) b=0
: :
a+b =0 c d=0
luego una base del nucleo es BKer f = f(0; 0; 1; 1)g . La imagen es
Im f = L (ff (1; 0; 0; 0); f (0; 1; 0; 0); f (0; 0; 1; 0); f (0; 0; 0; 1)g )
= L (f(0; 0; 1); (0; 1; 1); (1; 0; 0); ( 1; 0; 0)g )
= L (1; 0; 0) = 1; (0; 1; 0) = x; (0; 0; 1) = x2 = IP2 (R)
Puesto que el subespacio propio asociado al autovalor de multiplicidad dos tiene dimension dos, la
matriz es diagonalizable, siendo la matriz diagonal y la matriz del cambio de base, respectivamente:
0 1 0 1
0 0 0 1 1 0
D = @0 1 0A y P = @1 0 1A
0 0 1 1 1 1
con D = P 1 AP .
2. Consultar la teora de la asignatura.
Ejercicio 4. Consideremos el subespacio vectorial S = (x; y; z ) 2 R3 : x + z = 0 .
1. Dar una base ortonormal del subespacio S.
2. Calcular la proyeccion ortogonal de v = (1; 1; 1) sobre S, y la distancia de v a S.
3. Obtener las ecuaciones, en la base canonica de R3 , de la simetra respecto del
plano S.
Solucion:
1. Una base ortogonal de S es BOTG = f(1; 0; 1); (0; 1; 0)g , luego una base ortonormal es:
1
BOTN = u1 = p (1; 0; 1); u2 = (0; 1; 0)
2
2.
proyS v = hv; u1 i u1 + hv; u2 i u2 = p1 0 u 1 + ( 1) u2 = (0; 1; 0)
2
p
d(v; S ) = kproyS ? vk = kv proyS vk = k(1; 0; 1)k = 2
3
3. La base ortogonal de S se completa con un vector u3 = (1; 0; 1) 2 S ? para formar una base de
R3 :
B = fu1 = (1; 0; 1); u2 = (0; 1; 0); u3 = (1; 0; 1)g
En esta base, la matriz de la simetra respecto del plano S es
0 1
1 0 0
M (f; B ) = A = 0 1
@ 0A
0 0 1
siendo la matriz de cambio de la base B a la base canonica Bc :
0 1
1 0 1
M (B; Bc ) = P = @ 0 1 0A
1 0 1
Luego la matriz de la simetra respecto de la base canonica, y sus ecuaciones son:
0 1
0 0 1
M (f; Bc ) = P AP 1 = @ 0 1 0A de donde f (x; y; z ) = ( z; y; x)
1 0 0
v1 = p1 (1; 1) 2 S (3) y v2 = p1 ( 1; 1) 2 S ( 1)
2 2
Aplicando a la conica el giro
t
x1 = P t x = p1 11 1 x = p1 1 1 x
y1 y 2 1 y 2 1 1 y
4
que corresponde a un giro de centro el origen y angulo 45o , se obtiene
y1 P t AP x1 + x
x1 y1 1 1 P 1 +1=0
y1
y operando:
p 2
3x21 y12 + 2y1 + 1 = 0 =) 3x21 y1 p1 =
3
2
2
Si ahora se aplica la traslacion
(
x1 = x2
y1 = y2 + p12
se llega a
3 x2 y22
3x22 y22 = =) 12 = 1
2 2
3
2
1 1
5
FACULTAD DE INFORMATICA CURSO 98/99
DPTO. DE MATEMATICA APLICADA
ALGEBRA LINEAL
EXAMEN FINAL DE SEPTIEMBRE (15/09/99)
SOLUCIONES
1
4. Se hallan las ecuaciones implcitas de L 2x2 x+1 :
8
< c0 = 0 0 0
b = =) 2cc0 + ab0 =
0
L 2x 2
x+1 = L (f(1; 1; 2)g) =)
=0
:
a0 = 2
y entonces
f 1
L 2x2 x + 1 = (c; b; a) : f (c; b; a) = (b + 2c; c a; 2a 2c) 2 L 2x2 x + 1
(b + 2c) + (c a) = 0
= (c; b; a) : = f(c; b; a) : 3c + b a = 0g
2(b + 2c) (2a 2c) = 0
8 9
< c= =
= (c; b; a) : b = = L (f(1; 0; 3); (0; 1; 1)g )
:
a = 3 + ;
= L 1 + 3x2 ; x + x2
Ejercicio 2. Sea
0 1
0 1 0
A=@ 0 0 1A
1 0 0
que corresponde a la recta x = y = z que pasa por el origen con vector de direccion (1; 1; 1). El
angulo de giro es
traza(A) 1 1 2
= arccos = arccos = 120o =
2 2 3
2
Ejercicio 4. En el espacio eucldeo R4 , con el producto escalar usual, se considera el
subespacio vectorial
S = (x; y; z; u) 2 R4 : x + z u = 0
Se pide:
1. Dar una base ortonormal de S.
2. Hallar el complementario ortogonal de S.
3. Calcular la proyeccion ortogonal de v = (1; 1; 1; 1) sobre S y la distancia de v a S.
Solucion:
1. Las ecuaciones parametricas y una base de S son
8
>
> x= +
<
y= =) B = fv1 = (1; 0; 0; 1); v2 = (0; 1; 0; 0); v3 = ( 1; 0; 1; 0)g
>
>
:
z=
u=
Aplicando el proceso de ortogonalizacion de Gram-Schmidt:
u1 = v1 = (1; 0; 0; 1)
u2 = v2 = (0; 1; 0; 0)
u3 = v3
hv3; u1 i u hv3; u2 i u = ( 1; 0; 1; 0) 1
(1; 0; 0; 1)
0
(0; 1; 0; 0) =
1
; 0; 1;
1
ku1k2 1 ku2 k2 2 2 1 2 2
con lo que se obtiene la base ortogonal:
BOTG = f(1; 0; 0; 1); (0; 1; 0; 0); (1; 0; 2; 1)g
y, normalizando, la base ortonormal:
(1; 0; 0; 1) (1; 0; 2; 1)
BOTN = w1 = p ; w2 = (0; 1; 0; 0); w3 = p
2 6
2. La dimension de S ? es
dim S ? = dim R4 dim S = 4 3=1
luego
8 9
< a+d=0 =
?
S = fw = (a; b; c; d) : hw; w1 i = hw; w2 i = hw; w3 i = 0g = w = (a; b; c; d) : b=0
: ;
a 2c d = 0
= fw = (; 0; ; ) : 2 Rg = L (fw = (1; 0; 1; 1)g )
3. Si v = (1; 1; 1; 1), entonces
proyS v = hv; w1 i w1 + hv; w2 i w2 + hv; w3 i w3 = p2 0 w1 + 1 w2 + p2 w3
2
6
1 2 1 2 2 4
= (1; 0; 0; 1) + (0; 1; 0; 0) + ; 0; ; = ; 1; ;
3 3 3 3 3 3
1 1 1
d(v; S ) = kproyS ? vk = kv proyS vk =
; 0; ;
= p1
3 3 3
3
3
Ejercicio 5. Se considera la siguiente conica: 3x2 + 3y2 2xy 2 = 0.
1. Hallar su ecuacion reducida, dando el giro y la traslacion utilizadas.
2. Hallar el centro y los ejes. Dibujar la conica del enunciado.
Solucion:
1. La forma matricial de la conica es
x y
3 1 x 2=0
1 3 y
La matriz asociada y sus autovalores son
3 1
jA I j
3 1 1 = 2
A= 1 3
; =
1 3 = ( 2)( 4) =) 2 = 4
Los subespacios propios son
1 1 x
S (2) = v : (A 2I )v =
1 1 y = 0 = fv : x y = 0g = L (f(1; 1)g)
1 1 x
S (4) = v : (A 4I )v = = 0 = fv : x + y = 0g = L (f( 1; 1)g)
1 1 y
y los vectores que forman la base ortonormal de autovectores son
y operando:
y12
2x21 + 4y12 = 2 =) x21 + 1 =1
2
que es la ecuacion reducida de la conica, que corresponde a una elipse. No es necesario usar
traslaciones.
2. Aplicando el giro al centro y ejes de la conica reducida, se obtienen el centro y ejes de la conica
original. Por lo tanto, el centro de la conica es el origen, y los ejes son las rectas que pasan por el
centro y cuyos vectores de direccion son los girados de los vectores (1; 0)1 y (0; 1)1 , que coinciden
con los vectores propios, luego:
x =y
1 1 =) x+y =0
x=y x y=0
1 1
4
Figure 1: Representacion graca de la conica 3x2 + 3y2 2xy 2=0
5
FACULTAD DE INFORMATICA CURSO 99/00
DPTO. DE MATEMATICA APLICADA
ALGEBRA LINEAL
PARCIAL (31/03/00) GRUPO 12M
Problema 1.
En R4 se consideran los subespacios
S = L (f(1; 0; 1; 2); (1; 1; 1; 1); (1; 2; 5; 8)g )
T = f(x1 ; x2 ; x3 ; x4 ) : x1 2x2 3x3 = 0; x2 + 2x3 x4 = 0g
Problema 2.
Sea f : P2 (R) ! R3 la aplicacion lineal denida por
f a + bx + cx2 = (a + 2b + c; b + c; a + b + 2c)
(a) (4 puntos) Halla su matriz (respecto de las bases canonicas) y bases del nucleo e imagen.
(b) (4 puntos) Halla una base de f 1 (L (f(2 1 1)g)).
; ;
(c) (3 puntos) >Es un subespacio vectorial la imagen de todos los polinomios que se anulan en
x = 0? En caso armativo, halla una base de dicho subespacio.
SOLUCIONES
1
y, por tanto, dim(S \ T ) = 1. Para que un vector u = u1 + u2 = (; ; + 2; 2 3 ) 2 S
pertenezca tambien a T , ha de vericar sus ecuaciones implcitas, es decir:
2 3( + 2 ) = 0
+ 2( + 2 ) (2 3 ) = 0 =) 2 = 0 =) = 2
Luego
S \ T = fu = 2u1 + u2 = (2; ; 0; ) : 2 Rg = L (f(2; 1; 0; 1)g )
y BS \T = f(2; 1; 0; 1)g .
(c) Puesto que S = L (fu1 = (1; 0; 1; 2); u2 = (0; 1; 2; 3)g ), el hiperplano pedido es
H ! + L nu ; u ; AB
OA !o
1 2
!
con AB = (1; 1; 1; 2), cuyas ecuaciones parametricas son:
8
>
> x1 = 1 + +
<
x2 =
; ; ;
2 R
>
> x3 = 2 + 2 +
:
x4 = 1 + 2 3 + 2
Eliminando parametros:
0 1 0 1
1 0 1 x1 1 1 0 1 x1 1
B
B 0 1 1 x2 C C
B 0
!B 1 1 x2 C
C !
@ 1 2 1 x3 2 A @ 0 2 2 x1 + x3 3 A
2 3 2 x4 + 1 0 30 2x1 + x4 + 3
0 1 0 1
1 0 1 x1 1 1 0 1 x1 1
B
B 0 1 1 x2 C
C
B 0
!B 1 1 x2 C
C
@ 0 0 4 x1 2x2 + x3 3 A @ 0 0 4 x1 2x2 + x3 3 A
0 0 3 2x1 + 3x2 + x4 + 3 0 0 0 5x1 + 6x2 + 3x3 + 4x4 + 3
la ecuacion implcita del hiperplano es 5x1 6x 2 3x3 4x4 = 3.
f a + bx + cx2 = (a + 2b + c; b + c; a + b + 2c)
(a) Halla su matriz (respecto de las bases canonicas) y bases del nucleo e imagen.
(b) Halla una base de f 1
(L (f(2; 1; 1)g)).
(c) >Es un subespacio vectorial la imagen de todos los polinomios que se anulan en
x = 0? En caso armativo, halla una base de dicho subespacio.
(d) Si S es un subespacio suplementario de Im f en R3 , >quien es f 1 (S )?
Solucion:
(a) La matriz de la aplicacion lineal es
0 10 1 0 1
1 2 1 a 1 2 1
f a + bx + cx 2
= f (a; b; c) = 0 1 1
@ A @ b =) M (f; Bc; Bc ) = 0 1 1A
A @
1 1 2 c 1 1 2
2
Una base de la imagen es
0 1 0 1 0 1
1 0 1 1 0 1 1 0 1
@2 1 1A ! @0 1 3A ! @0 1 3 A =) BIm f = f(1; 0; 1); (0; 1; 3)g
1 1 2 0 1 3 0 0 0
Las ecuaciones del nucleo son:
8 8
< a + 2b + c = 0
a +b=0 < a=
f (a; b; c) = 0 =) b+c=0 =)
b + c = 0 =) : bc = ; 2R
:
a + b + 2c = 0 =
y una base BKer f = (1; 1; 1) = 1 x + x2 .
(b) Se hallan las ecuaciones implcitas de L (f(2; 1; 1)g ):
8
< x = 2
y = ; 2 R =) xx 22yz =
=0
0
:
z=
y entonces
f 1
(L (f(2; 1; 1)g)) = fp = (a; b; c) : f (a; b; c) = (a + 2b + c; b + c; a + b + 2c) 2 L (f(2; 1; 1)g)g
a + 2b + c 2(b + c) = 0
= p = (a; b; c) :
a + 2b + c 2( a + b + 2c) = 0 = fp = (a; b; c) : a c = 0g
Una base es
8
< a=
a c = 0 =) b = ; ; 2 R =) B = (1; 0; 1) = 1 + x2 ; (0; 1; 0) = x
:
c=
(c) Si, pues el conjunto P de todos los polinomios que se anulan en x = 0 es un subespacio vectorial:
P = p = p(x) = a + bx + cx2 : p(0) = 0 = p = bx + cx2 : b; c 2 R = L x; x2
Ademas
f (P ) = L f (x); f (x2 ) = L (ff (0; 1; 0); f (0; 0; 1)g ) = L (f(2; 1; 1); (1; 1; 2)g )
3
FACULTAD DE INFORMATICA CURSO 98/99
DPTO. DE MATEMA TICA APLICADA ALGEBRA LINEAL
PARCIAL (30/04/99) GRUPO 12M
APELLIDOS: NOMBRE:
Teora. (5 puntos)
Demostrar que, en un espacio vectorial , las coordenadas de un vector respecto de una base
V
B =f 1 2 n g son u
v ;v ;::: ;v nicas.
Problema 1. (5 puntos)
En R4 se consideran los subespacios vectoriales
S = (f(1 0 1 0) (1 ;1 0 0)g )
L ; ; ; ; ; ; ;
T = f( 1 2 3 4 ) : 1 = 0 2 ;
x ;x ;x ;x x ; x x3 = 0g
Obtener bases de \ y de + .
S T S T
Problema 2.
Sea : R3 ;! R3 un endomorsmo cuya matriz respecto de la base canonica,
f Bc =f e1 ; e2 ; e3 g, es
0 0 2 11
M ( f; Bc ) = @ ;1 ;3 ;1 A
2 4 1
Se pide:
1. (5 puntos) Hallar las ecuaciones implcitas del nucleo y de la imagen.
2. (5 puntos) Hallar la matriz del endomorsmo respecto de la base
B = f 1 = (;1 1 1)
u ; ; ; u2 = (1 ;1 0)
; ; ; u3 = (;1 0 2)g
; ;
SOLUCIONES
0 1 0 1 0 1
1 1
x1 1 1
x1 1 1
x1
x2 C !B x2 !B x2 x1 + x2 x3 = 0
x1 + x2 x3 A =)
B0 1 B0 1 C B0 1 C
B C C C
@1 0
x3 A @ 0 1
x1 x3 A @ 0 0
x4 = 0
0 0
x4 0 0
x4 0 0
x4
Las ecuaciones param
etricas, y una base de T son:
8
>
>
x1 = 0
<
x2 = ) BT f ; ; ; ; ; ; ; g
>
>
:
x3 = = = (0 1 1 0) (0 0 0 1)
x4 =
Las ecuaciones impl
citas y param
etricas de S\T son:
8 8
>
>
x1 + x2 x3 = 0 8
x1 >
>
x1 = 0
<
x4 = 0
):
<
x2 x3
= 0
)>
<
x2 =
>
>
:
x1 = 0
=
x4
= 0 =
>
:
x3 =
x2 x3 = 0
= 0
x4 = 0
luego una base de S\T es BS \T = f ; ; ; g
(0 1 1 0) .
0 1 0 1 0 1
1 0 1 0 1 0 1 0 1 0 1 0
!B !B
B1 1 0 0C B0 1 1 0C B0 1 1 0C
B C C C
@0 1 1 0A @ 0 0 0 1A @ 0 0 0 1A
0 0 0 1 0 1 1 0 0 0 0 0
BS +T = f ; ; ; ; ; ; ; ; ; ; ; g
(1 0 1 0) (0 1 1 0) (0 0 0 1)
1
Problema 2. Sea f : R3 ! R3 un endomorsmo cuya matriz respecto de la base
canonica, Bc = fe1 ; e2 ; e3 g, es
0 1
0 2 1
M (f; Bc) = @ 1 3 1 A
2 4 1
Se pide:
1. Hallar las ecuaciones implcitas del nucleo y de la imagen.
2. Hallar la matriz del endomorsmo respecto de la base
B = fu1 = ( 1; 1; 1); u2 = (1; 1 0); ; u3 = ( ; ;
1 0 2) g
3. Hallar los autovalores, subespacios propios asociados y, si es diagonalizable, dar
la matriz diagonal y la matriz asociada de cambio de base.
Solucion:
1. Las ecuaciones implcitas del nucleo son
0 10 1 8
0 2 1 x < 2y + z = 0
x + 4y + z = 0
@ 1 3 1 A @ y = 0 =)
A x 3y z = 0 )
=
2
2y + z = 0
:
2 4 1 z 2x + 4y + z = 0
La imagen est
a generada por las im
agenes de los vectores de la base, que son las columnas de la
matriz de la aplicaci
on.
0 1 0 1 0 1 0 1
0 1 2 1 1 1 1 1 1 1 1 1
@2 3 4A !@ 0 1 2A !@ 0 1 2A !@ 0 1 2A
1 1 1 2 3 4 0 1 2 0 0 0
y, a partir de
estas eliminando par
ametros, las impl
citas:
8
< x=
:
y = + = )x +2 y+z =0
z = 2
2. Sean A = M (f; Bc), y B = M (f; B ). El cambio de base se puede expresar en el siguiente
diagrama:
Rx3Bc A! R3 0 1
Bc
x 1 1 1
?
?P
?
? P donde P = M (B; Bc ) = @ 1 1 0 A
R3B B! R3 1 0 2
B
de donde:
0 10 10 1 0 1
2 2 1 0 2 1 1 1 1 3 2 2
B = M (f; B ) = P 1 AP = @ 2 1 1A @ 1 3 1A @ 1 1 0 A = @6 4 3 A
1 1 0 2 4 1 1 0 2 0 0 1
2
3. El polinomio caractr
stico y sus autovalores son:
2 1
= 0 (simple)
P () = jA I j
= 1
1 = ) 2 = 0 =)
2
3
4 1
( + 1)
= 1 (doble)
S (0) = fv : ( A 0 I v Av
) = = 0 g = Ker f = L (f(1; 1; 2)g)
8 0 10 1 9
< 1 2 1 x =
S( 1) = v : ( A + I )v = @ 1 2 1A @ y A = 0 = f v : x + 2 y + z = 0g =
: ;
2 4 2 z
= L (f(1; 0; ; ; ;
1) (0 1 2) )g
Puesto que el subespacio propio asociado al autovalor de multiplicidad dos tiene dimensi
on dos, la
matriz es diagonalizable, siendo la matriz diagonal y la matriz del cambio de base, respectivamente:
0 1 0 1
0 0 0 1 1 0
D = @0 1 0 A y Q=@ 1 0 1 A
0 0 1 2 1 2
con D = Q 1 AQ.