Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Libro en Avance de Ma-124
Libro en Avance de Ma-124
MATRIZ
Es un arreglo rectangular de números ordenandos en filas y columnas, que
presenta la siguiente estructura:
a11 a12 ⋯ a1 j ⋯ a 1n
( )
a21 a22 ⋯ a2 j ⋯ a 2n
⋮ ⋮ ⋮
ai 1 a i2 ⋯ aij ⋯ a¿
⋮ ⋮⋮
a m 1 a m 2 ⋯ amj ⋯ a mn mxn
Los aij son los elementos de la matriz; las “m-n” uplas horizontales son las filas,
y las “m-n” uplas verticales son las columnas.
El orden de la matriz está dado por el número de filas y columnas (matriz de
orden mxn)
A= [aij]mxn
Dónde: i= 1, 2,3,…, m
j=1, 2,3,…, n
Observación:
Los elementos de una matriz no necesariamente son números, también
pueden ser funciones.
La matriz no tiene valor numérico, no se le puede identificar con un número.
Igualdad de matrices
Dos matrices Ay B son iguales si y solo si son idénticas, es decir si son del
mismo orden y sus respectivos elementos son iguales.
CLASES DE MATRICES
Matriz cuadrada
Se presenta cuando el número de filas es igual al número de columnas, se
denota Anxn , An
Matriz nula
Es una matriz en la cual todos sus elementos son ceros.
Ejemplo:
0= (00 00)
Matriz diagonal
Es una matriz cuadrada en la cual los elementos fuera de la diagonal principal
son ceros. Ejemplo:
3 0 0
( 0 2 0
0 0 5 )
Matriz escalar
Es una matriz diagonal en al cual los elementos de la diagonal principal son
iguales.
Ejemplo:
7 0 0
( 0 7 0
0 0 7 )
Matriz identidad
Es una matriz escalar donde los elementos de la diagonal principal es el 1.
Ejemplo:
1 0 0
( 0 1 0
0 0 1 )
Notación: I n , I
Transpuesta de una matriz
La transpuesta de una matriz A mxn es la matriz construida a partir de A ubicando
la i-ésima fila de A en la i-ésima columna de la matriz transpuesta.
Notación: At
Si A=[ aij ]mxn →At =[ a ijt ]nxm= [ a ji ]nxm
Matriz simétrica
Se presenta cuando A= At
La matriz debe ser cuadrada, los elementos de la diagonal principal
permanecen fijos al efectuar la transposición.
Matriz nilpotente
Es aquella matriz tal que si existe algún p entonces A p = 0( 0 matriz nula)
Se dice que el grado de nilpotencia es p.
Matriz idempotente
Se dice que una matriz cuadrada A es idempotente si A2= A.
Matriz involutiva
Se dice que una matriz cuadrada A es involutiva si A2 = I.
Propiedades
Sean A y B dos matrices y c un escalar tal que con A y B se puedan hacer
operaciones, entonces:
1) tr(A+B) = tr(A) + tr(B)
2) tr(AB) = tr(BA)
3) tr(c A) = ctr(A)
4) tr(At) = tr(A)
5) (A+B)t = At + Bt
6) (c A)t = c At
7) (AB)t = BtAt
8) (At)t = A
9) Si A es cuadrada entonces A+ A t es simétrica y A−A t es anti
simétrica
10) Toda matriz cuadrada A se puede expresar como la suma de
una matriz simétrica y anti simétrica.
( 0
1
2
2
0
1
0
3
0
0
0
4
)
OPERACIONES CON MATRICES
Dadas las matrices A y B del mismo orden se tiene:
A+B = B +A
k(A+B) =kA+kB ; k es un escalar
A-B = A+ (-B)
Producto de matrices
A=[ aij ]mxn
B=[ b jk ] nxp
1) A(BC) = (AB)C
2) (A+B)C =AC + BC
3) A(B+C) = AB + AC
4) No siempre: AB = BA (no conmutan)
5) 0.A = 0
6) AB = 0 no implica A= 0 ó B = 0
7) Si AB=AC no implica B=C
A= (2+i4 3−2 i
5i ), B= (1+i3 2i
2+3 i )
Luego:
A+B= (5+i
5+i
3
2+ 8i ) AB= (11+ 4i
7+5 i
10+ 9i
−15+ 18i )
2A= ( 4+28 i 6−4 i
10 i )
A=(2+36 i 1−4 i
7i )
2−3i 1+ 4 i
Ā=(
6 −7 i )
A* = (2−3i
1+4 i
6
−7 i )
Se dice que la matriz cuadrada “E” es hermitiana si E = E*
Ejemplo:
E= (3+24 i 3−4 i
6 )
Ē=(3−42 i 3+46 i )
2 3−4 i
E=(
6 )
*
=> E = E*
3+ 4 i
PROPIEDADES
Sean “A” y “B” matrices con elementos complejos y “z” un número complejo.
1. (A + B)* = A* + B* transpuesta conjugada de una matriz
2. (zA)* = ź A ¿ traspuesta conjugada de un múltiplo escalar
3. (AB)* = B*A* traspuesta conjugada de un producto
4. (A*)* = A traspuesta conjugada de una traspuesta conjugada
Matriz Ortogonal
Es aquella matriz cuadrada donde se cumple: (A -1 = At)
Ejemplo:
1 0 0
A= 5 4 0
2 8 7( )
Es una matriz ortogonal?
1 5 2
At = 0 4 8
0 0 7 ( )
1 0 0 1 0 0 1 0 0 1 0 0
( 5 4 0 0 1 0 0 4 0 −5 1 0
2 8 7 0 0 1 0 0 7 8 −2 1 )( )
1 0
0 1 0 0
(
0 1 0
0 0 1
−5
4
1
7
1
4
0
−2 1
7 7
)
1 0 0
−5
A-1 = 4
8
7
( ) 1
4
−2
7
0
1
7
A no es ortogonal
Matriz normal:
Una matriz es normal si conmuta con su transpuesta. Las matrices simétricas,
anti simétricas u ortogonales son necesariamente normales.
A.At = At.A
Ejemplo: Hallar todas las matrices de orden 4x4 que sean conmutables con la
matriz A:
0 1 0 0
A=
0
0
0
( 0
0
0
1
0
0
0
1
0
)
Solución: AB = BA
0 1 0 0 a b c d a b c d 0 1 0 0
( 0
0
0
0
0
0
1
0
0
)( ) (
0 e f g h
1 i j k i
0 m n o p
=
e f
i j
m n
)(
g h 0 0 1
k i 0 0 0
o p 0 0 0
0
1
0
)
e f g h 0 a b c
( i
m
0
j k l
n o p
0 0 0
=
)( )
0 e f g
0 l j k
0 m n o
Luego:
a b c d
B=
0
0
0
( a
0
0
b c
a b
0 a
)
Ejemplo: Dadas las matrices
A = [aij] = [|i− j|]12x12 y
B = [bij] = [ i+j ]3x12
Hallar los elementos de C69 y C96 de “C = ABAt = [cij]
Ejemplo: Sea A = [aij] una matriz triangular superior de orden n tal que a ij = 1, si
i≤j
De A3 = [bij] hallar el elemento bij si:
a) i = 3 ; j = n
b) i = n ; j = 3
c) i = 3 ; j = 3
DETERMINANTES
Donde “x” e “y” son las incógnitas eliminando variables y despejando se tiene:
dr −sb
x = ad−bc
as−cr
y = ad−bc
( ac db )( xy ) = (rs)
Se dice que el determinante de la matriz de los coeficientes denotado por:
a11 a12 a
⋯ 1n
(
A= a21 a22
⋮
a2 n
⋱ ⋮
an 1 an 2 ⋯ a nn
)
Cuyas filas son:
Definición
Sea una matriz cuadrada de orden 2x2
a11 a12
A= ( a21 a22 )
El determinante de segundo orden es el número definido por:
| A| = a11 . a22- a12 . a21
Definición:
Sea una matriz cuadrada de orden 3x3
a11 a12 a 13
(
A = a21 a22 a 23
a31 a32 a 33 )
El determinante de tercer orden es el número definido por:
| A| = a11 .a22 .a33+ a12 .a23 .a31+ a13 .a21.a32- a31 .a22 .a13-a32 .a23 .a11 - a21 .a12 .a33
MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn
a11 a12 ⋯ a1 j ⋯ a1 n
( )
a21 a22 ⋯ a2 j ⋯ a2 n
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
A=
ai 1 ai 2 ⋯ a ij ⋯ a¿
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
a¿ an 2 ⋯ a nj ⋯ ann
Sea Mij la submatriz cuadrada de orden n-1 que resulta de eliminar la fila “i” y la
columna “j” de la matriz A.
Entonces:
1) |M ij| se llama menor complementario del elemento aijde A.
2) El cofactor del elemento aij que se simboliza por Aij se define por:
A
⏟ ⏟
(−1)i+ j
¿ M ij ∨ ¿⏟ ¿
ij
= menor
cofactor signo
n
| A| = ∑ ¿¿ ¿)
k =1
3 6 −9
Ejemplo:
(
A= 0 2 1
3 −1 2 )
Si elegimos la primera fila:
3
| A| = ∑ ¿¿ ¿) = (a ¿ ¿11 A 11 )¿ + (a ¿ ¿12 A12) ¿ + (a ¿ ¿13 A13 )¿
j=1
MATRIZ DE COFACTORES
Sea A una matriz cuadrada de orden nxn y A ij es el cofactor de aij entonces la
matriz:
A11 A12 ⋯ A1 n
Cofact A = ⋮
A n1 ( ⋮ ⋱ ⋮
A n 2 ⋯ A nn )
Se llama matriz de cofactores de A.
La transpuesta de esta matriz es conocida como Matriz adjunta de A.
Propiedades de la matriz adjunta de A
1) adj (In) = In
2) adj (At) = (adj (A))t
3) adj (An) = (adj (A))n
4) adj (AB) = adj (B) adj (A)
A
5) adj (A-1) = (adj (A))-1 =
detA
6) |adj ( A)|= | A|n−1
7) adj (xA) = x-1adj (A)
TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo (
| A| ≠ 0).
PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.
TEOREMA:
A (adj A) = det A (In)
COLORARIO:
Si A es una matriz no singular de orden n entonces:
1 1
A-1 = adj(A). | A| = (cofact (A))t . | A| ; | A| ≠ 0
5 −1 8
( )
87 29 29
3 6 −9 5 −3 24
A= 0 2
(
3 −1 2 )
1 A-1 = 3 33 −3 .
−6 21 6 ( 1
87
=
1
29
−2
) 11
29
7
−1
29
2
29 29 29
Observación:
1. Si una matriz tiene inversa entonces esta es única.
2. Si B es una matriz inversa de A entonces también se puede decir que A es la
matriz inversa de B.
3. No siempre una matriz cuadrada tiene inversa.
4. Se dice que una matriz cuadrada A es singular si y solo si su
determinante es cero.
5. Si una fila o columna de una matriz A se le suma el múltiplo de
otra fila o columna, entonces el valor del determinante no varía.
6. Si los elementos de una fila o columna cualquiera constan de dos
términos, el determinante puede expresarse como la suma de
otros dos determinantes.
7. El determinante de una matriz triangular superior o inferior es
igual al producto de los elementos de la diagonal principal.
8. det (A + B) ≠det(A) + det(B)
En general el determinante de una matriz triangular superior o
inferior es igual al producto de los elementos de la diagonal
principal.
9. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al
producto de los determinantes de las matrices siempre y cuando
la matriz sea cuadrada del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices
1 2 3 n
[ −1 0 3
1. −1 −2 0
⋮
⋯ n
n
⋱ ⋮
−1 −2 −3 ⋯ 0
]
DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
REGLA DE CRAMER
Es un teorema en el álgebra lineal que da solución a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 – 1752) quien publico un
trabajo dando nociones sobre el método.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x 1 , x2, … , xn) el
vector de las incógnitas; b el vector de los términos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:
det ( A j )
xj = det( A)
Ejemplo: Sea
x1 b1
() ()
a11 ⋯ a1 n
X=
x2
⋮
xn
; A= ⋮ ⋱ ⋮
an 1 ⋯ ann ( ) nxn
b
; B= 2
⋮
bn
a11 ⋯ a1 , j−1 b1 a 1, j +1 ⋯ a 1n
Aj =
( a21 ⋯ a2 , j−1
⋮ ⋱ ⋮
b2
⋮
an−1,1 ⋯ a n−1 , j−1 bn−1
an 1 ⋯ an , j−1
Usando propiedades:
bn
a 2, j +1 ⋯
⋮ ⋱
a n , j +1 ⋯
a 2n
⋮
a n−1, j +1 ⋯ an −1 , n
ann
)
AX = B
A-1 AX = A-1B
I X = A-1 B
X = A-1 B
adj( A ) B
X=
|A|
t
A 11 A 12 ⋯ A1 n b1 x1
X = A-1 B =
adj( A ) B
|A| =
(cofactA ) B
| A|
t
= ( ⋮ ⋮ ⋱
A n1 A n 2 ⋯
⋮
A nn )( ) ( )
⋮
bn =
⋮
xn
| A| | A|
n
∑ A ji b j
Xi= j =1
| A|
( 2 4 3
3 2 1
6 8 7
2
3
5
0
0
0
1
0
0
0
1
0
0
0
1
)( 0 12 0 7 −15 0 −11 8
0 0 3 −2
0 0 0 0
3
1
0
1
1
1
−1
−1
)
∄matriz inversa
Ejemplo:
Halle la inversa de la matriz A de orden “n”
Donde:
a ij=0 si i=j ; a ij=1 si i≠j
Matricialmente se presenta
AX=b
Dónde:
A: es la matriz de los coeficientes
X: es la matriz de las incógnitas
b: es la matriz de los términos independientes
Matrices equivalentes
Se dice que una matriz A=[ aij ]mxnes equivalente por filas a una matriz B=[ bij ]mxn.Si
B se puede obtener de A por medio de un numero finito de las llamadas
operaciones elementales por filas.
Operaciones elementales
Se llaman operaciones elementales o transformaciones elementales por filas
sobre una matriz A:
[ E1 ]: intercambiar la fila i-ésima y la fila j- ésima
[ E2 ]: multiplicar la fila i-ésima por un escalar k (k≠0)
[ E3 ] : reemplazar la fila i-ésima por k veces la fila j- ésima más la fila i-ésima
Ri → kR j + Ri
Matriz escalonada
Se dice que una matriz se encuentra en su forma escalonada si el número de
ceros anteriores a la primera componente distinta de cero de una fila crece fila
por fila.
A los números diferentes de cero que se encuentran solos en una columna se
les llaman elementos distinguidos.
Matriz ampliada
Es aquella matriz que se forma con los coeficientes y los términos
independientes de un sistema de ecuaciones lineales.
Se denota: [A: b]
El siguiente diagrama resulta útil para resolver un sistema de ecuaciones
lineales.
Inicio
AX= b
[A:b]
≠ el sistema es
r(A):r(Ab)
incompatible
no existe sistema
solución compatible ¿
existe
r:n solución
única
existe
infinitas
soluciones
n-r = k
k: numero de
parametros
hallar las
soluciones
fin
Ejemplo: resolver
x1- 2x2+ x3- x4- x5= -6
2x1+ 2x2- x3- x5= -4
4x1- 3x2+ x3- 2x4- 3x5= -16
3x1- 6x2+ 3x3- 3x4- 3x5= -18
Solución:
1 −2 1 −1 −1 −6 1 0 1 −1 −1 −6
( 2 2 −1 0 −1 −4 0
4 −3 1 −2 −3 −16 0
3 −6 3 −3 −3 −18 0
)( 0 −3 2
1 0
0 0
0
0
1
0
0
8
0
0
)
3 0 0 −1 −2 −10
( 0
0
0
1 0 0
0 −3 2
0 0 0
0
1
0
0
8
0
)
r(A) = 3 , r(AB) = 3 ,
( 3 −1 2
0 0 3
3
1
7 0
1 2 −2 −1 −1 0
9 0
)( 1
0
0
0
1
0
0
0
1
2
3
0
)
r(A) = r(AB) = 4 = n x1= 1 x2= 2 x3=3 x4 = 0
Ejemplo:
Para que valores de x el rango de la matriz es menor que 4.
x 1 0 x
( 0
1
x
x
x
0
x
x
1
1
0
x
)
Solución:
x 1 0 x x 0 1 x x 0 1 x
( 0 x x 1
1 0 0 −1
0 −1 1 0
x≠0
) ( 0 0 −1 −2 x
0 0 2x
0 −1 1
1
0
)( 0 0 −1 −2 x
0 0 2 x+1 2 x +1
0 −1 1 0
)
1 0 0 −1
( 0
0
0
1 −1
0 1
0
2x
0 0 1−2 x
)
Observación:
Se dice que un sistema es homogéneo cuando los términos independientes
son ceros, es decir:
a 11 x 1 +a12 x 2 +…+ a1 n x n=0
…
a m 1 x 1+ am2 x2 +…+ amn x n = 0
El sistema tiene por lo menos una solución (llamada solución trivial)
x 1=x 2=…=x n=0 , por lo cual es consistente o compatible.
Una condición necesaria y suficiente para que un sistema de ecuaciones
lineales tenga más de una solución es que r(A) =r(Ab) = k ¿n , donde n es el
número de incógnitas, en este caso el sistema posee soluciones no triviales.
Ejemplo
Resolver
( 2 4 3
3 2 1
6 8 7
2
3
5
0
0
0
1
0
0
0
1
0
0
0
1
)( 0 12 0 7 −15 0 −11 8
0 0 3 −2
0 0 0 0
3
1
0
1
1
1
−1
−1
)
∄matriz inversa
Ejemplo:
Halle la inversa de la matriz A de orden “n”
Donde:
a ij=0 si i=j ; a ij=1 si i≠j
Adición:
Multiplicación:
Notación
a; b / a , b
z z (x; y),x,y
Ejemplo:
3 Re(z)
z (3; 4)
4 Im(z)
Propiedades
Sea z1 ;z 2
c) Re(i z) Im(z)
d) Im(iz) Re(z)
R ' 0
Sea un subconjunto de C, formado por los pares ordenados cuya
R ' (a,b) / b 0
segunda componente es cero: .
f : R'
Consideremos la función: x (x , 0)
Como existe una función biyectiva f : R ' que conserva las operaciones
de adición y multiplicación, diremos que y R ' son isomorfos.Esto
significa que operar con (a,0) lleva a resultados análogos a los obtenidos
al operar con x, por este motivo podemos escribir:
a (a , 0) a
Forma binomica de un número complejo
La unidad imaginaria
Entonces z (a,b) (a,0) (0,b) como: (0,b) (b,0) (0,1) , podemos escribir:
Proposición
i1 i i5 i i9 i
i2 1 i6 1 i10 1
i3 i i7 i i11 i
i4 1 i8 1 i12 1
in (i i2 i3 i4 ) in (0) . n
2 3 4 n1 in 2 in 3 in 4 0
1) i i i i 0 , entonces i
La suma de cuatro potencias enteras consecutivas de la unidad
imaginaria es cero.
4k 1 i4k a ia
2) i , , k es entero.
Corolario
Definiciones
NúmeroReal: a : z (a,0) a a 0i
Imaginario Puro: b
z (0;b) (b;0).(0;1) bi
Im
Z
Re
–Z
Conjugado de un complejo:
Re
= (a; –b)
La conjugación nos permite calcular fácilmente el inverso de un complejo
z x yi 0 en forma binomica
1 1 1 x yi
z x yi x yi x yi
x yi 1 x y
i
x 2 y2 z x2 y 2 x2 y 2
Complejos iguales:sea z1 y z2
Re(z1) Re(z 2 )
z1 z2 Im(z
1) Im(z2 )
Z
Sea Z a bi , el modulo del complejo Z denotado por , se define como:
Z a2 b2 , a,b
Ejemplo:
2 2
Z = 4 + 3i Z 4 3 25 5
1. Z Z ;
2. Z1 Z 2 Z1 Z 2
3. Z1.Z2 Z1.Z2
Z1 Z1
Z ; Z2 0
4. 2 Z 2
Re Z Z Z
5. 2
Im Z Z Z
6. 2i
7. Z Z Z
2. Z 0 Z 0 (Complejo nulo)
3. | Z1 . Z2 | = | Z1 | | Z2 |
4. Z Z ;
Z1 Z1
; Z2 0
Z2 Z2
5.
6. |Z|=| Z |=|–Z|
7. | Z |2 = Z . Z
8. | Z1 + Z2 | | Z1 | + | Z2 |
(Desigualdad triangular)
9. | Zn | = | Z |n ; n \ 0
Operaciones en forma cartesiana
Adición:
Sustracción:
Multiplicación:
a bi (a bi)(c di) ac bd bc ad
i
c di (c di)(c di) c 2 d2 c 2 d2
División:
n
(a bi)n Cnkank (bi)k
Potencia: k 1 ,
n n
Radicación: x yi a bi x yi (a bi) ,
z \ (0 , 0)
Dado , un argumento de z es cualquier tal que:
Re(z) Im(z)
cos , sen
z z
Re(z) Im(z)
argz / cos ,sen
z z
z \ (0 , 0)
Un número complejo , tiene infinitos argumentos si uno de
ellos es los demás están expresados por la fórmula: 2k , k
.Para que θ sea único, basta con imponer la condición adicional que
pertenezca a un cierto intervalo semiabierto de longitud 2 tal como
[0,2 , , ] , etc.Entonces, de entre los infinitos argumentos de z,
z \ (0 , 0)
se denomina argumento principal de y se denota Arg z, al
que verifica la condición 0 2 .
z \ (0 , 0)
Nota: En otros países, el argumento principal de , es el
valor de Arg z , tal que Arg z
Propiedades
1) arg(z) 2 argz
arg z , 0 arg z
arg( z)
2) arg z , arg z 2
1
arg( ) 2 arg z
z
3)
z C \ (0,0)
Dado el número
Im
b (a; b)
Afijo de z
r=|z|
a Re
De la figura:
a r cos , a r cos
b
arctg , 2 2
a , r a b ,
r = módulo de complejo Z
= argumento principal del complejo Z
Como z a ib , entonces:
z r cos ir sen r(cos isen ) , es la forma polar o trigonométrica de
z.
Operaciones en forma polar o trigonométrica
Ejemplo: Si n = 2
Si z cos isen
1
z 1 cos isen
a) z
1 2cos
b) z z
1 n n n
c) (z z ) 2 cos
zn cos(n) isen(n) y
z n cos(n) isen(n)
n n 2cos(n)
d) z z
Ejemplo:
1 6 6 6
Si n = 6 (z z ) 2 cos ;
(z z 1)6 z6 6z 4 15z2 20
15z 2 6z 4 z 6
(z z 1)6 (z 6 z 6 ) 6(z 4 z 4 )
2 cos(6) 2 cos(4)
2
15(z z ) 20 2 cos6
2 6
2cos (2)
1 3 15 5
cos6 cos 6 cos 4 cos 2
32 16 32 16
Notación fasorial
z r(cos isen ) z r
Notación científica
Operaciones:
Z r Cis1 , Z2 r2Cis2
Sea: 1 1
Entonces:
Z1 r1
Cis 1 2
Z1Z2 r1r2 Cis 1 2 Z2 r2
Propiedades:
1. Cis 1
Cis 1 .Cis 2 Cis 1 2
2.
cos 1 2 isen 1 2
Cis 1
Cis 1 2
Cis 2
3.
cos 1 2 isen 1 2
Propiedades
i(0) 1
1) e
i
2) : e 0
: ei 1
3)
i( 2k) ei , k
4) e
i 1 i 2
5) e e 1 2 2k , k
i i
6) : (e ) e
i 1 i 2 i( 1 2 )
7) 1, 2 : e e e
i n in
8) n , : (e ) e
z1 r1 ei1 , z2 r2 e
i 2
Sean:
z1 r1 i(12 )
e
z2 r2
b)
zn r n ei(n1) ; n
c) 1 1
2k
i( 1 )
nz nr e n ,
1 1
d) k 0 , 1, 2 , 3 , ... , (n 1)
Ejemplo: Sea Z = 1 – i
2 2
Z r 1 1 , entonces r 2
Z=1–i
El argumento
Re
2
1
4
7
4
–1
Im
7 i
Z 1 i 2e 4
2 2 k
i i
k
Si hacemos w e n , entonces w e n , las n raíces forman el
conjunto
Gn wk ,k 0,1,2,3,...,(n 1)
1,w ,w 2 ,w 3 ,...,w n 1
w se denomina raíz enésima de la unidad.De la forma exponencial de las
61
Calcular
Ejemplo:
Solución:
G6 wk ,k 0,1,2,3,4,5
G6 1,w,w 2 ,w3 ,w 4 ,w 5 / w ei(2 /6)
G6 1,ei( /3) ,ei(2 /3) ,ei( ) ,ei(4 /3) ,ei(5 /3)
1 3 1 3 1 3 1 3
G6 1, i , i , 1, i , i
2 2 2 2 2 2 2 2
Nota:
n 1
b) El producto de las raíces enésimas de la unidad es ( 1)
2k
i( )
3 1 e 3 , k 0,1,2
Si k 0 R1 1
1 3
k 1 R 2 w ei(2 /3) i
Si 2 2
1 3
k 2 R3 w 2 ei(4 /3) i
Si 2 2
Propiedades
3 4 3 3 a wa
a) w 1 , w w , w 1 , w
2
b) 1 w w 0
4 2
c) w w 1 0
2
d) w w
La exponencial compleja
z a
Si z a bi e e (cosb isenb)
Propiedades
z : e z 0
1)
z : (ez ) ez
2)
z1 , z2 : e z1.e z2 e z1 z2
3)
e z 1 z 2k i ; k
4)
z : e z eRe(z)
5)
z
6) arg(e ) Im(z) 2k , k
z 2k i e z ,k
7) e
z1 z2
8) z1 , z2 : e e z1 z2 2k i
i
e w 2i w ln2 2ki , k
2
Solución:
z r x 2 y2 r x 2 y 2 r 2
Solución:
z z0 r (x x 0 )2 (y y0 )2 r
(x x 0 )2 (y y0 )2 r 2
Solución:
iz 1 i 1 i (x iy) 1 i 1
x x1
y y1 1
, en la relación (1),
Entonces
( x1 1)2 (y1 1 1)2 1 (x1 1)2 (y1 2)2 1 , es la ecuación de una
circunferencia de centro ( -1 , 2) y radio 1.
El polinomio complejo
Teorema
n1 a zn a 0
Sea P(z) a0 a1z ......... an 1z n , n un polinomio complejo
,
de grado n 1, P(z) tiene n raíces complejas(contando cada una según
su multiplicidad). Es decir, existen n números complejos (iguales o
Teorema
Nota
DETERMINANTES
Donde “x” e “y” son las incógnitas eliminando variables y despejando se tiene:
dr −sb
x = ad−bc
as−cr
y = ad−bc
( ac db )( xy ) = (rs)
Se dice que el determinante de la matriz de los coeficientes denotado por:
Definición
El determinante viene a ser una función que aplicada a una matriz cuadrada da
un único valor numérico.
a11 a12 a
⋯ 1n
(
A= a21 a22
⋮
a2 n
⋱ ⋮
an 1 an 2 ⋯ a nn
)
Cuyas filas son:
Definición
Sea una matriz cuadrada de orden 2x2
a11 a12
A= ( a21 a22 )
El determinante de segundo orden es el número definido por:
| A| = a11 . a22- a12 . a21
Definición:
Sea una matriz cuadrada de orden 3x3
a11 a12 a 13
(
A = a21 a22 a 23
a31 a32 a 33 )
El determinante de tercer orden es el número definido por:
| A| = a11 .a22 .a33+ a12 .a23 .a31+ a13 .a21.a32- a31 .a22 .a13-a32 .a23 .a11 - a21 .a12 .a33
MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn
a11 a12 ⋯ a1 j ⋯ a1 n
( )
a21 a22 ⋯ a2 j ⋯ a2 n
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
A=
ai 1 ai 2 ⋯ a ij ⋯ a¿
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
a¿ an 2 ⋯ a nj ⋯ ann
Sea Mij la submatriz cuadrada de orden n-1 que resulta de eliminar la fila “i” y la
columna “j” de la matriz A.
Entonces:
3) |M ij| se llama menor complementario del elemento aijde A.
4) El cofactor del elemento aij que se simboliza por Aij se define por:
A
⏟ i+ j
¿⏟ ¿
⏟ ¿ M ij∨menor
ij
= (−1)
cofactor signo
n
| A| = ∑ ¿¿ ¿)
j=1
3 6 −9
Ejemplo: A= 0 2 1
3 −1 2( )
Si elegimos la 1rafila:
3
| A| = ∑ ¿¿ ¿) = (a ¿ ¿11 A 11 )¿ + (a ¿ ¿12 A12) ¿ + (a ¿ ¿13 A13 )¿
j=1
A11 A12 ⋯ A1 n
Cofact A = ⋮
A n1 ( ⋮ ⋱ ⋮
A n 2 ⋯ A nn )
Se llama matriz de cofactores de A. La transpuesta de esta matriz es conocida
como Matriz adjunta de A.
TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo (
| A| ≠ 0).
PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.
TEOREMA:
A (adj A) = det A (In)
COLORARIO:
Si A es una matriz no singular de orden n entonces:
1 1
A-1 = adj(A). | A| = (cofact (A))t . | A| ; | A| ≠ 0
5 −1 8
( )
87 29 29
3 6 −9 5 −3 24
A= 0 2
(
3 −1 2 )
1 A-1 = 3 33 −3 .
−6 21 6
1
87(=
1
29
−2
) 11
29
7
−1
29
2
29 29 29
Observación:
10. Si una matriz tiene inversa entonces esta es única.
11. Si B es una matriz inversa de A entonces también se puede decir que A
es la matriz inversa de B.
12. No siempre una matriz cuadrada tiene inversa.
13. Se dice que una matriz cuadrada A es singular si y solo si su
determinante es cero.
14. Si una fila o columna de una matriz A se le suma el múltiplo de otra fila o
columna, entonces el valor del determinante no varía.
15. Si los elementos de una fila o columna cualquiera constan de dos
términos, el determinante puede expresarse como la suma de otros dos
determinantes.
16. El determinante de una matriz triangular superior o inferior es igual al
producto de los elementos de la diagonal principal.
17. det(A + B) ≠det(A) + det(B)
En general el determinante de una matriz triangular superior o inferior es igual
al producto de los elementos de la diagonal principal.
18. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al producto de
los determinantes de las matrices siempre y cuando las matrices sea
cuadradas del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices
1 2 3 n
[ −1 0 3
1. −1 −2 0
⋮
⋯ n
n
⋱ ⋮
−1 −2 −3 ⋯ 0
]
DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
REGLA DE CRAMER
Es un teorema en el álgebra lineal que da solución a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 – 1752) quien publico un
trabajo dando nociones sobre el método.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x 1 , x2, … , xn) el
vector de las incógnitas; b el vector de los términos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:
det ( A j )
xj = det( A)
Ejemplo: Sea
x1 b1
() ()
a11 ⋯ a1 n
X=
x2
⋮
xn
; A= ⋮ ⋱ ⋮
an 1 ⋯ ann ( ) nxn
b
; B= 2
⋮
bn
a11 ⋯ a1 , j−1 b1 a 1, j +1 ⋯ a 1n
Aj =
( a21 ⋯ a2 , j−1
⋮ ⋱ ⋮
b2
⋮
an−1,1 ⋯ a n−1 , j−1 bn−1
an 1 ⋯ an , j−1
Usando propiedades:
bn
a 2, j +1 ⋯
⋮ ⋱
a n , j +1 ⋯
a 2n
⋮
a n−1, j +1 ⋯ an −1 , n
ann
)
AX = B
A-1 AX = A-1B
I X = A-1 B
X = A-1 B
adj( A ) B
X=
|A|
t
A 11 A 12 ⋯ A1 n b1 x1
X = A-1 B =
adj( A ) B
|A| =
(cofactA ) B
| A|
t
= ( ⋮ ⋮ ⋱
A n1 A n 2 ⋯
⋮
A nn )( ) ( )
⋮
bn =
⋮
xn
| A| | A|
n
A bj
Xi= ∑ j =1
ji
| A|
PROBLEMAS
1. Indique si las siguientes proposiciones son verdaderas o falsas, fundamente su
b) Si A es una matriz cuadrada de orden n y rango menor que n−1 entonces adjA =0
ax + y−z =a2
x− y + z=1
3 x− y−z =1
6 x− y + z=3 a 4 puntos
x y x+ y
( y
x+ y
x+ y
x
x
y ) 3 puntos
0 1 a b
(
A= −1 0
a c
b d
c d
0 −e
e 0
) 4 puntos
5. El sistema AX=b tiene solución por única solución (2 ;−2; 3)t si la matriz de
8 −4 −4
(
Cofactores de A es −5 7
−1 −1 5
1
) . Determine los elementos de la matriz
1 |
( m+3 ) 1 m+1
1
1 =( m+ 3 ) −m m+1
m+1 0 1
1
| |
m+1 |
¿
( m+3 ) ( m ) 1 1 =( m+3 ) ( m )( m ) m≠ 0
| |
1 m+1
Para m=0
x + y + z=2
x + y + z=−2
x + y + z=0
1 1 1 2 1 1 10
( 1 1 1−2 → 0 0 0 1
1 1 1 0 0 0 00 )( )
r(A)=1 r(Aa)=2
Solución
Para m=−3
−2 1 1 5 −3 0 3 0
(1 −2 1 −2 → 0 −3 3 1
1 1 −2 −3 0 0 00 )( )
r(A)=2 = r(Aa) < 3 depende de un parámetro
Conclusión:
2º Solución: m= 0
3º Más de una solución: m = -3
Ejemplo 3:
Realice un análisis de la compatibilidad del sistema para todos los valores de a
y b si:
ax +by + z=1
x +aby + z=b
x +by +az=1
Solución:
Analizando para la existencia de una solución:
a b 1
|
1 ab 1 =a
1 b a |
ab 1 = b 1 + b 1
| || || |
b a b a ab 1
¿ b ( a−1 )2 (a+2)≠ 0
b ≠ 0 ∧a ≠ 1∧ a ≠−2
PROBLEMAS
1. Halle el rango de la matriz A para todos los valores de a y b.
2 a b a+b
A= a
b
a+b
( a
0
0
0 0
b 0
0 a+b
)
2. Determine el rango de la matriz, para cualquier valor de t
3 0 6 3t
(
A= t 2 2(t +1) 0
−2 4 0 2 t−t 2 )
3. Halle la inversa de la matriz de orden “n” donde:
aij=0 , si i=j
aij=1 , si i j
4. Indique si es verdadero (v) o falso (f) (fundamente)
A) Si A y B son matrices cuadradas de orden “n” tal que AB=A y BA=B
A y B son idempotentes.
B) Si A es una matriz cuadrada de orden n entonces A + A T, ATA y AATson
matrices simétricas.
C) Si A y B son matrices ortogonales entonces A + B también es ortogonal.
D) Si A es nilpotente entonces es invertible.
E) Si A2 es simétrico entonces A es simétrico.
PROBLEMAS RESUELTOS
1. Que valores debe tener m para que el sistema tenga solución
( m+1 ) x + y + z=2−m
x + ( m+ 1 ) y + z=−2
x + y + ( m+ 1 ) z=m
Solución
Para que el sistema de ecuaciones lineales tenga solución el determinante de
la matriz de coeficientes debe ser diferente de cero. │ A │ ≠ 0
m+1 1 1 m+3 1 1 1 1 1 0 1 1
|
det ( A )= 1
1
m+1
1
1 = m+3 m+1
m+ 1 m+3 1 ||1 = ( m+3 ) 1 m+1
m+1 1 1 | |
1 =( m+3 ) −m m+1
m+ 1 0 1 m+1| |
1 =( m
|
El sistema tiene solución si y solo si ( m+3 ) m 2 ≠ 0 ↔m ≠∨ m≠−3
Si m=0 tenemos el sistema x + y + z=2
x + y + z=−2
x + y + z=0 es un sistemainconsistente
Si m=−3 tenemos el sistema −2 x+ y+ z =5
x−2 y + z=−2
x + y−2 z=−3
Trabajando con la matriz ampliada (dándole una forma escalonada)
−2 1 1 5 1 −2 1 −2 1 −2 1 −2 1 −2
|
1 1 −2 −3 |
Aa = 1 −2 1 −2 → ( f 1 x f 2 ) −2 1
1 | 1 5
1 −2 −3
→ f f
|
; f
|
0 3 −3 −1
→ f
( 2 1 3 1 ) 0 −3 3 1 ( 3 2) 0 −3
+2 −f +f
0 0| |
r ( Aa ) =r ( A )=2<3 (tiene mas de una solucion)
1 8
Depende de un parámetro la solución es z=t , y =t− , x=t− , t ∈ R
3 3
2.
ESPACIOS VECTORIALES
Un espacio vectorial sobre un cuerpo K (en los reales o complejos) es un
Mnxm ( ) ={ A=( a ij ) 1≤ i≤ n ; 1≤ j ≤ m }
con las operaciones: suma de matrices y productos por números reales.
3. El conjunto de todos los polinomios con coeficientes reales en la variable x.
n
P( )= {∑
k=0
a k x k : n∈ N , ak ∈ R }
con las operaciones de suma y producto por números reales
4.El conjunto de todas las funciones reales:
PROPIEDADES:
Si V es un espacio vectorial, entonces:
1° 0.u=0
2° (-1).u=-u ∀ u ∈V
SUBESPACIOS VECTORIALES
Se llama subespacio vectorial de un espacio vectorial V a cualquier
subconjunto no vacio S⊂V que es un espacio vectorial con las mismas
operaciones definidas sobre V
Si V es un espacio vectorial y S⊂V, S ≠ ϕ
⟹ S es un subespacio vectorial de V ⟺ { u+ v ∈ S , ∀ u , v ∈ S }
{ λu ∈ S , ∀ λ ∈ K , ∀ u ∈ S }
TEOREMA:
Sea U un Subespacio de un espacio Vectorial V, U tiene como elemento al
vector cero de V.
COMBINACIÓN LINEAL DE VECTORES
Sea V un espacio vectorial, se dice que v ∈ V es combinación lineal de los
vectores { v 1 , v 2 , v 3 , … , v n } ∈V, si existen α 1 , α 2 , … , α n ∈ K tal que:
n
V= ∑ α i v i
i=0
Ejemplo:
Expresar el vector (4,4,5) como una combinación lineal de los vectores (1,2,3);
(-1,1,4) y (3,3,2)
Solución:
(4,4,5)= x(1,2,3) + y(-1,1,4) + z(3,3,2)
x – y + 3z= 4
2x + y + 3z = 4
3x + 4y + 2z = 5
1 −1 3 4 1 0 20
( 2 1 34
3 4 25
⟶
) ( )
0 1 1 0 no existen x,y,z , el sistema no tiene solución no se
0 0 01
puede formar una combinación lineal.
Ejemplo
Solución:
n
con algún α i ≠ 0 tales que la ∑ α i vi =0
i=0
n
dependiente o independiente se plantea la ecuación ∑ αi v i=0
i=0
( )( )
0
1
2
1
0
1
10 ⟶ 0 1
10
10
0 0
0 0
00
10
01
x=0, y=0 , z=0
Son vectores linealmente independientes
PROPIEDADES
1° { v } es linealmente dependiente si y solo si v=0
2° 0 ∈ A ⊂V ⇒ A es linealmente dependiente
3° { u , v } es linealmente dependiente ⟺ u = λv (λ ≠ 0 ¿
4° Si A es L.I. y B⊂A ⇒B es linealmente independiente
5° A linealmente dependiente y A ⊂ B ⇒ B es linealmente dependiente.
6° A linealmente dependiente ⟺ ∃ v ∈ A que es combinación lineal de A.
OBSERVACIÓN
1. El conjunto { v 1 , v 2 , v 3 , … , v n } se llama conjunto dependiente o independiente
según sean los vectores LD ó LI
2. Se define al conjunto vació como independiente
3. Si dos de los vectores { v 1 , v 2 , v 3 , … , v n } son iguales entonces los vectores son
dependientes
4. Dos vectores v1 y v 2 son dependientes si y solo sí uno de ellos es múltiplo
escalar del otro.
5. Todo vector no nulo de un espacio vectorial constituye un conjunto LI
6. El vector nulo de cualquier espacio vectorial constituye un conjunto LD
7. Un conjunto finito y no vacio de vectores es LD si y solo si algún vector es
combinación lineal de los demás
8. Un conjunto finito y ordenado de vectores al que no pertenece el vector nulo
es LD si y solo si algún vector es combinación lineal de los precedentes
DEFINICION
Los elementos del conjunto A={ ai tal que i=1,2 , .. ,n } si son linealmente
independientes determinan una base.
Es decir el conjunto A es una base
Ejemplo:
Indique si el conjunto de vectores { 2 t−1 ,t +cos 2 t , 3+e 3 t , cos 2 t+ e3 t } es LI
SOLUCION
α ( 2 t−1 ) + β ( t +cos 2 t )+θ ( 3+ e 3t ) +δ ( cos 2t +e 3 t )=0
t ( 2 α + β ) + cos 2t ( β+θ )+ e3 t ( δ +θ ) + (−α +3 θ )=0
2 α + β =0
β +δ =0
θ+ δ=0
3 θ−α =0
2 1 000 1 0 000
(0
0
−1
1
0
0
)(
010 ⟶ 0 1
110
300
0 0
0 0
000
100
010
)
α =0 , β=0 , δ =0 , θ=0
Es un conjunto L.I.
Ejemplo:
Sea V= R3, Luego ¿Es un subespacio?
2
{
W1= ( x , y , z ) talque
√3
x + √ 5 y + z=0 ; x , y , z ∈ Z }
Solución:
El único punto que satisface es (0, 0, 0) W1 es un subespacio de R3
Ejemplo:
W2={( x , y , z ) /2 y +3 z ≥ 0 }¿ es un subespacio?
Solución:
Con un contraejemplo:
u W2
Para 1
(1) (3 , 2 , 0) (4) 3 (0) ≥ 0 (F)
W2 no es un subespacio
Lema:
Si V es un espacio vectorial y A v1 , v2 , … , vn está contenido en V,
entonces:
n
L(A) ∑ i v i, i K es un subespacio vectorial de V que se llama subespacio
i1
Proposición:
Sea V un espacio vectorial y v1, v2, … , vn V, si vm es una combinación lineal
de v1, v2, … , vm-1 entonces L(v1, v2, … , vm) L(v1, v2, … , vm-1)
−4 c+3 b +19 a
Sea: x3 a x1
8
4 c−25 b+7 a
x4 b x2
8
x5 c
−4 c+3 b +19 a 4 c−25 b+7 a
(x1 , x2 , x3 , x4 , x5) ( , , a , b , c)
8 8
a(19/8,7/8,1,0,0) + b(3/8,-25/8,0,1,0) + c(-4/8,4/8,0,0,1)
Una base del sistema es (19/8,7/8,1,0,0) , (3/8,-25/8,0,1,0) , (-4/8,4/8,0,0,1)
también es una base (19,7,8,0,0) , (3,-25,0,8,0) , (-1,1,0,0,2)
V (19,7,8,0,0) + (3,-25,0,8,0) + (-1,1,0,0,2) (0,0,0,0,0)
19 + 3 - 0
7 - 25 + 0
8 0
8 0
2 0
Como estos vectores son Linealmente Independientes entonces forman una
base.
Obs. Desde el punto de vista intuitivo una base es un conjunto eficiente para
representar un espacio vectorial, en el sentido de que cualquier vector se
puede expresar como una combinación lineal de los vectores de la base,
además los vectores de la base son Linealmente Independientes.
Definición
Se dice que un espacio vectorial V tiene dimensión finita “n” o es n-dimensional
denotado: dimV n, si existen vectores linealmente independientes e 1, e2, …,
en que generan a V , el conjunto e1, e2, …, en se llama base de V y tiene
como dimensión n.
OBSERVACIONES
1. El origen es un subespacio de R3 , la dimension de este subespacio es cero
2. Los subespacios de una dimensión de R3 son rectas que pasan por el origen.
3. Los subespacios de dos dimensiones de R3 son planos que pasan por el
origen.
Definición.- Si un espacio vectorial V tiene una base que consta de n vectores
entonces la dimensión de V es n, que se denota por dim(V).
PROBLEMAS RESUELTOS
Solución:
(00 a 0
1 0 ) (
+
0 1 0
0 a a
+
0 1 0 0 0 0
) (
0 a 0 0 0 0 )( )
u + v + w 0
Es L.I. si 0
a 0
a + + 0
+ a + a 0
0 00 0 1 0a 0
( a 11 0
1 aa 0 )
( 0 10 0
a 01 0 ) ,a0
Para a1:
1 01 0 1 01 0
( 0 10 0
1 01 0 )
( 0 10 0
0 00 0 )
+ 0 , 0
Para a -1:
1 0 −1 0
( 0 1 0 0
0 0 0 0 )
- 0 , 0
Para a -1, 0,1 es un conjunto L.D.
1 0 0 0
0 1 0 0 , a -4 , a 0
0 0 1 0
0 0 0 1
x y z w 0
Para a -4 a 0 (1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1) es una base, dim4. Es
la base canónica usual.
x+z0
y+t0
(x , -t , -x , t) x(1,0,-1,0) + t(0,-1,0,1)
(1,0,-1,0) , (0,-1,0,1)
En T:
(a+b+2c,b+c,-a+b,3b+3c) a(1,0,-1,0) + b(1,1,1,3) + c(2,1,0,3)
(1,0,-1,0) , (1,1,1,3) , (2,1,0,3)
S + T:
SUMA DIRECTA
La suma de V1 y V2 subespacios de V se llama suma directa si V1∩ V2 0, en
este caso se dice que dicha suma es directa y se denota V 1V2, tanto V1 como
V2 se llaman sumandos directos.
Ejemplo:
En R3 sea U el plano xy y W el eje z, luego:
U (a, b, 0) / a, b R
W (0, 0, c) / c R
Verificar si U y W determinan una suma directa
SOLUCION
Cualquier vector (a, b, c) R3 se puede escribir como la suma de un vector
u y un vector w, es decir:
(a, b, c) (a,b,0) + (0,0,c)
SOLUCION
Formamos una combinación lineal e igualamos a cero.
aP(X)+bQ(X)+cR(X)=0x3+0x2+0x+0→a(x3-3x2-5x+1)+b(-x3-x2+5x+2)+c(-x3-
7x2+4x)=0x3+0x2+0x+0→(a-b-c)x3+(-3a-b-7c)x2+(-5a+5b+4c)x+(a+2b)=
0x3+0x2+0x+0
Comparando:
a-b-c=0 -3a-b-7c=0
-5a+5b+4c=0
a+2b+0c=0
1 −1 −1 0 1 0 0 0
(−3 −1 −7 0
−5 5 4 0
1 2 0 0
) ( )
→
0
0
0
1
0
0
0
1
0
0
0
0
SOLUCION
⇒ P:{(s;t;-s-t)} ⇒ P:{s(1;0;-1)+t(0;1;-1)}
→a(1;3;2)+b(1;0;-1)+c(0;1;-1)=(0;0;0) → (a+b;3a+c;2a-b-c)=(0;0;0)
Comparando
1 1 0 0 1 0 0 0
( 3 0 1 0
2 −1 −1 0 ) ( 0 1 0 0
→ 0 0 1 0
) , comor(A)=r(Ab)=n=3 ⇒ el sistema es
compatible, solución única.
→ a=0, b=0 y c=0
∴ La base es B={(1;3;2),(1;0;-1),(0;1;-1)}
i) B={
(10 00 ) (10 10 ) (11 10 ) (00 01 )
; ; ; } 2i) B={
(10 01 ) (−11 −10 )
; ;
(11 00 ) (10 11 )
; }
SOLUCION
a) Si el conjunto es LI
b) Si el conjunto genera A2x2
Demostración de a)
a
(10 00 ) +b
(10 10 ) (11 10 )
+c +d
(00 01 ) (00 00 )
=
→
(a+b+c
c
b+c
d ) (00 00 )
= , por comparación:
Demostración de b)
a
(10 00 ) +b
(10 10 ) (11 10 )
+c +d
(00 01 ) (mp nq )
=
→
(a+b+c
c
b+c
d ) (mp nq )
= ; por comparación:
( 0
0
0
1
0
0
1
1
0
0
0
1
n
p
q
) (
→
0
0
0
sistema es compatible, solución única.
1
0
0
0
1
0
0 n− p
0
1 q
p ) , comor(A)=r(Ab)=n=4 ⇒ el
1 0 −1 −1 1 0 1 1
2i) B={ 0 1
( ) ( ; 1 0 ; 1 0
) ( ) ( ) ; 0 1 }, utilizando un procedimiento
análogo al anterior.
Demostración de a)
a
(10 00 ) +b
(10 10 ) (11 10 )
+c +d
(00 01 ) (00 00 )
=
→
(a−b+c+d
b+c
−b+d
a+d ) (00 00 )
= , por comparación:
Demostración de b)
a
(10 00 ) +b
(10 10 ) (11 10 )
+c +d
(00 01 ) (mp nq )
=
→
(a−b+c+d
b+c
−b+d
a+d ) (mp nq )
= , por comparación:
1 −1 1 1 m 1 0 0 0 m/2−n− p/2+q /2
( 0 −1 0 1 n
0 1 1 0 p
1 0 0 1 q
) (
→
0
0
0
1
0
0
0
1
0
0 −m/2+ p/2+q /2
0 m/2+n+ p /2−q /2
1 −m/2+n+ p /2+q /2
) comor(A)=r(Ab)=n
=4 ⇒ el sistema es compatible, solución única.
∴ El conjunto si genera a A2x2
⇒ El conjunto si es una base.
SOLUCION
a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)
1 1 1 m 0 1 0 0 −m+n− p 0
( 1
−1
1
1
0
1
2
1
1
n
p
q
0
0
0
) (
→
0
0
0
1
0
0
0 −3 m−2 n+ p
1
0
−m+n
−m+q
0
0
0
)
Pero para que tenga la forma que nos conviene hacemos:
−1 1 −1 0 0 1 0 0 0 0
(−3 −2 1 0 0
−1 1 0 0 0
−1 0 0 1 0
) (
→
0
0
0
1
0
0
0
1
0
0
0
1
0
0
1
) , luego m=n=p=0 y q=1
Si dim=1 ⇒ La base solo tiene un elemento. Todas las bases del espacio
vectorial deben ser equivalentes( es decir, multiplicados por un escalar)
W{
(10 −10 ) (11 11 )
; }
SOLUCION
(01 01 )
⇒ Una base de U es {
(10 01 ) (00 −11 ) (01 01 )
; ; }; dim(U)= 3
λ −λ 1 −1 0 0
( μ −μ ) ( )
=λ 0 0
( )
+μ 1 −1
⇒ Una base de V es {
(10 −10 ) (01 −10 )
; }; dim(V)= 2
→a
(10 −10 ) +b
(11 11 ) (00 00 ) (a+bb
= →
b
−a+b ) (00 00 )
=
a
(10 −10 ) (11 11 ) (mp nq ) (a+bb
+b = →
b
−a+b ) (mp nq )
=
1 1 m 1 0 m−n
[ ] [
0
0
−1
1
1
1
n
p
q →
incompatible
0
0
0
1
0
n
p−n
0 (m+q)/2−n
] ; luego r(A)≠r(Ab); el sistema es
SOLUCION
→SᴒT={(0;0;z)}, notamos
(0;0;z)=z(0;0;1)
Para S+T
SOL:
Para que S sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicación escalar. Sean u y v que pertenecen a S.
→u+v=(u1+v1;u2+v2) pertenece a S
∴ S no es un subespacio vectorial.
Para que T sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicación escalar. Sean u y v que pertenecen a T.
u=(u;eu) y v=(v;ev)
Para que W sea un subespacio vectorial debe ser cerrada sobre la suma y
la multiplicación escalar. Sean u y v que pertenecen a W.
u=(u1;u2;-u12-u22) y v=(v1;v2;-v12-v22)
5 0 0
( )
1 5 0
8. Sea A= 0 1 5 , para qu valores de X existe un escalar “a” tal que
AX=aX. Donde X es una matriz columna.
SOLUCION
→(A-aI)X=0
5−a 0 0
→A-aI= 0 (
1 5−a 0
1 5−a ) , formando la mtriz ampliada
5−a 0 0 0 1 0 0 0
→ 0 (
1 5−a 0 0
1 5−a 0 ) ( 1 5−a 0 0
→ 0 1 5−a 0 ) ;
si a≠5
1 0 0 0
(
0 1 0 0
→ 0 0 1 0
) , esto genera una solución trivial.
Si a=5
1 0 0 0
(
1 0 0 0
→ 0 1 0 0
) , este sistema tiene infinitas soluciones.
0 0
∴
0
X m
() 0
si a=5; X= 0
() si a≠5
1 a b
−a 1 c
B) Averiguar si la matriz A= −b −c 1
( ) es no singular.
SOL:
A) Sea W={
(ac cb )
ϵ M2x2 tal que a,b,cϵ R}; separamos la matriz
convenientemente
(ac cb ) =a
(10 00 ) +b
(00 01 ) (01 10 )
+c
1 0 0 0 0 1
⇒ una base de W es { 0 0
( ) ( ) ( ) ; 0 1 ; 1 0 }; dim(W)= 3
B) A es singular si det(A)=0
0 1/2 1/2
(
1 /3 1/3 1/3
10. Resolver el sistema XTB=XT; donde B= 1/4 0 3/ 4
) .
SOLUCION
(XTB)T= (XT)T
→ BTX=X →(BT-I)X=0
−1 1/3 1/ 4
(
1/2 −2/3 0
→BT-I= 1/2 1/3 −1/ 4
) , formando la matriz ampliada
−1 1/3 1/ 4 0 1 −4/3 0 0
( 1/2 −2/3 0 0
1/2 1/3 −1/ 4 0 ) (0
→ 0
1 −1/4 0
0 0 0 ) resolviendo el sistema.
( 4 /3)t
∴ X=
( )t
4t , donde “t” es un parámetro lo cual no indica que hay
infinitas soluciones.
SOLUCION
iii)U+W: aϵ U y bϵ W → m(1;-1;0)+n(0;0;1)+p(1;0;0)+q(0;1;1)=0
1 0 1 0 0 1 0 1 1 0
(
−1 0 0 1 0
→ 0 1 0 1 0
) ( 0 1 0 0 0
→ 0 0 1 0 0
) el sistema presenta solución
única , entonces las vectores son LI
SOLUCION
1 λ 0 0 1 1 0 0
( 0 −1 λ 0
−1 0 −1 0
2 1 1 0
) (
→
0
0
0
1 −1 0
0 λ−1 0
0 0 0
) ; si analizamos λ=1
13. Sean los subespacios S={(x;y;t;z) ϵ R4 tal que –x+y=0 y t=z} y T={(x;y;t;z)
ϵ R4 tal que x=ay-at y z=-ay+at}. Determine las bases y la dimensión se S;
T; SᴒT; SᴗT. Hallar “a” para que S+T tenga dimensión 3 y con “a” determine
una base para SᴒT
SOLUCION
Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)
1 0 a −a 0
( 1
0
0
0 1 0 0
1 −a a 0
1 0 1 0
) ; por lo menos uno debe ser dependiente →det(A)=0
0 1 0 0 a −a
|1 −a a | |1 −a a |
Det(A)= 1 0 1 - 1 0 1 =-(1-a)-a(1-a)-a2=-1+2a=0
∴ a=1/2
Problemas Resueltos
1. En el espacio P3de los polinomios de grado ≤ 3, verifique si los siguientes polinomios son
Igualando coeficientes
α 1+ α 2 +α 3=0
3 α 1+ α 2 +7 α 3=0
5 α 1+6 α 2 +4 α 3 =0
α 1+ 2α 2=0
1 11 0 0 0 0 0
( )(
3
5
1
17
64
20
0 → 0 0 2
0
0
0 −1 1
1 2 0
0
0
0
)
Dando forma escalonada a la matriz se obtiene que:
2 α 3 =0
−α 2+ α 3 =0
α 1+ 2α 2=0
1 0 , 1 1 , 1 1 , 0 0
i) B = {( ) ( ) ( ) ( )}
0 0 0 0 1 0 0 1
α 1+ α 2 +α 3=0
α 2+ α 3 =0
α 3=0
α 4=0
1 0 , −1 −1 , 1 0 , 1 1
2i) B= {( ) (
0 1 1 0 ) ( ) ( )}
1 0 0 1
β 1−β 2+ β3 + β 4 =0
−β 2+ β3 =0
β 2+ β3 =0
β 1+ β 4=0
Llevando a una matriz
1 −1 1 10 0 01 00
( 0 −1 0 10 → −1
0 1 1 00
1 0 0 10
0
1
)( 01
11
00
00
00
10
)
Dando forma escalonada a la matriz se obtiene que:
β 3=0
β 3=β 1=0
β 2+ β3 =0
β 1+ β 4=0
4. A) Extender el conjunto S={ ( 1,1 ,−1,1 ) , ( 1,1,0,1 ) ,(1,2,1,1) } para que formen una base de
R4
R4 =S={( 1; 0; 0; 1 ) , ( 0 ; 1; 0 ; 0 ) , ( 0 ; 0 ; 1 ; 0 ) }
5. Sean los subespacios del espacio vectorial de las matrices cuadradas de orden 2
x y tal que x− y + z−t=0
U= {( )
z t }
x y tal que x=λ , y=−λ , z=μ ,t=−μ
V={( )z t }
1 0 , 1 1
W= {( 0 −1 1 1 ) ( )} .Calcular la base y dimensión de U,V ,W ,U∩W,U+W
Solución
U:
W = 1 0 , 2 1 =¿ dim ( W )=2
{(
0 −1 1 0 ) ( )}
U ∩W :
b=α 1=β 2
c=α 2=β 2
d=α 3 =−β 1
3
S={ ( a , 2 a , a+b ) tal que a y bϵ R } , T¿ {( x , y , z ) ϵ R tal que x =0 , y=0 }
Solución
a=α 1=0
b=2 α 1=0
c=α 1 +α 2=β 1
S+T :
1 2 1 1 2 0
(
S+T = 0 0 1 = 0 0 1
0 0 1 0 0 0 )( )
S+T = {( 1,2,1 ) , ( 0,0,1 ) }=¿ dim ( S+T )=2
2 2 x
S={( x , y ) ϵ R talque x ≥ 0 , y ≥ 0 } de R2; T={( x , y ) ϵ R talque e + y=0 } de R2,
3
W¿ {( x , y , z ) ϵ R talquex ²+ y ²+ z=0 } de R3
Seau=( 3,3 ) ∈ S
∃! 0 ∈ T /0+ a=a , a∈ T
Sea a=( x ,−e x )
∀ w ∈W ,θ ∈ R , θ ∈θw ∈W
W ={x , y ,−( x 2+ y 2 ) }
θw=(2 x , 2 y ,−( 2 x2 +2 y 2 ) )
5 0 0
( )
8. Sea A = 1 5 0 para que valores de X existe un escalar “a” tal que AX=Ax donde X es
0 1 5
m
X= n
p ()
AX =ax
5 0 0 m m
( 0 1 5 )() ()
1 5 0 x n =a n
p p
5m am
( )( )
m+5 n
n+5 p
= an
ap
5 m=am … ( 1 )
m+5 n=an … ( 2 )
De ( 1 ) → a=5 … ( 4 )
( 4 ) en(2)
( 4 ) en(3)
0
X ={
()
0 / p ∈ R}
p
9. A) Determine una base y la dimensión para el conjunto W, definido por las matrices
Simétricas de orden 2.
w={ a m /a ,b ,m , n ∈ R }
( )
b m
α =β=γ =0=¿ ES L . I .
1 0 ; 0 1 ; 0 0 es una base de W
{( ) ( ) ( )}
0 0 1 0 0 1
¿> Dim (W )=3
1 a b
[
B) Averigüe si la matriz A= −a 1 c es no singular
−b −c 1 ]
1 a b
1 c +a a b +(−b) a b
| A|=¿ −a 1
−b −c
c ∨¿ 1
1
|
−c 1 | |
−c |
1 | |
1 c
| A|>0=¿ es no singular
W =( x , y , z ) =( x , y , y ) =( x , 0,0 ) + ( 0 , y , y )=x ( 1,0,0 ) + y ( 0,1,1 )=¿ {( 1,0,0 ) , ( 0,1,1 ) }=¿ Es L . I . ,es una base de W
U +W
−1 1 0 1
( )( )
0
1
0
00
0¿
1
1
0¿
1
→ 0 00
1 0¿
0 0
1
0¿
1
U ∩W
SeaV ϵ U ∩W =¿ V ϵ U y V ϵ W
12. En R4 sean los vectores u=( 1,0 ,−1,2 ) , v=( λ ,−1,0,1 ) , w=(0 , λ ,−1,1)
Para que U,V,W sean LD deben formar una combinación lineal y tener una solución no
trivial.
αU + βV +γW =0
α +θβ=0
−β +θγ=0
−α −γ=0
2 α + β + γ=0
Llevando a una matriz.
1 θ 0 0
( 0 −1 θ 0
−1 0 −1 0
2 1 1 0
)
Llevando a la forma de la matriz escalonada.
1 θ 0 0
( 0 −1 θ
0 θ −1
0 1−θ 0
0
0
0
)
Para θ=1
1 1 0 0 1 1 0 0
( 0 1 −1 0
0 0 0 0
)(
0 −1 1 0 → 0 −1 1 0
0 0 0 0
0 0 0 0
)
γ =b ; β =b ; α =−b=¿ Es L. D .
Hallar a para que S+T tenga dimensión 3 y con a determine una base para S ∩T .
T =( x , y , t , z )=( ay−at , y ,t , at −ay )=( ay , y , 0 ,−ay ) + (−at , 0 ,t , at ) = y ( a ,1,0 ,−a ) +t (−a , 0,1, a )=¿ {( a , 1,
¿> Es una base de T y de dimensión 2
1 10 0 1 1 0 0
( 0
a
−a
01 1 → 0
1 0 −a
01 a
)(
−1 0
0 1−2 a 0
2 1 1
1
0
0
)
Para que tenga dimensión3=¿1−2 a=0=¿ a=1/2
SeaV ϵ S ∩T
V =α 1 ( 1,1,0,0 )−α 1 ( 0,0,1,1 ) =α 1 ( 1,1,−1 ,−1 )=¿ { (1,1 ,−1,−1 ) } es una base de S ∩ T
PRODUCTO INTERNO
1. ⟨ au+bv , w ⟩=a ⟨ u , w ⟩+ b ⟨ v , w ⟩
2. ⟨ u , v ⟩= ⟨ v , u ⟩
3. ⟨ u ,u ⟩ ≥0 , ∀ u ∈V ; ⟨ u , u ⟩ =0 ↔u=0
donde u , v , w son vectores y a , b son escalares
Un espacio vectorial necesita de una métrica, el producto interno garantiza una métrica en
un espacio vectorial, el símbolo ⟨ x , y ⟩ se lee producto interno entre los vectores x e y.
Todo producto interno de un espacio vectorial real asigna a cada par de vectores un único
escalar real.
Donde x = ( x 1 , y 1); y = ( y 1 , y 2)
Solución: Para que β sea un producto interno se deben cumplir los axiomas:
i) ⟨ x , y ⟩ =⟨ y , x ⟩
⟨ x , y ⟩ =3 x 1 y 1+ 2 x 1 y 2 +6 x 2 y 2 +2 x 2 y 1
⟨ y , x ⟩ =3 y 1 x 1+ 2 y 1 x2 +6 y 2 x2 +2 y 2 x 1
Se cumple:
ii) ⟨ x + y , z ⟩= ⟨ x , z ⟩ + ⟨ y , z ⟩ , ∀ x , y , z ∈V
⟨ ( x 1 , x 2 ) + ( y 1 , y 2) , ( z 1 , z 1 ) ⟩
¿ 3 ( x 1+ y1 ) z 1+ 2 ( x 1 + y 1 ) z2 +6 ( x 2+ y 2 ) z 2 +2 ( x2 + y 1 ) z 1
¿ ( 3 x 1 z 1+ 2 x 1 z 2 +6 x 2 z 2 +2 x 2 z1 ) + ( 3 y 1 z 1+2 y 1 z 2 +6 y 2 z 2 +2 y 1 z 1 )
¿ ⟨ ( x 1 , x 2 ) , ( z1 , z2 ) ⟩ + ⟨ ( y 1 , y 2 ) , ( z1 , z 2) ⟩
¿ ⟨ x , z ⟩ +⟨ y , z ⟩
iii) ⟨ ax , y ⟩ =a ⟨ x , y ⟩ , ∀ x , y ϵ R , a ϵ R
⟨ a ( x 1 , x 2 ) , ( y 1 , y 2 ) ⟩ + ⟨( a x 1 , ax 2) , ( y 1 , y 2) ⟩
3 a x 1 y 1 +2 a x1 y +6 a x 2 y 2 +2 a x2 y 1
a ( 3 x 1 y 1 +2 x1 y +6 x 2 y 2 +2 x2 y 1 )=a ⟨ x , y ⟩
iv) ⟨ x , x ⟩ ≥0 ∀ xϵV ; ⟨ x , x ⟩=0 ⟺ x=0
⟨ x , x ⟩=3 x 12+ 2 x 1 x 2 +6 x 22+2 x 2 x 1=3 x 12+ 4 x 1 x 2 +6 x 22=( x 12+ 4 x 22)
2
¿ ( 2 x 12+ 4 x 1 x 2 +2 x 22 )=( x 12 + 4 x 22) + 2 ( x 1 + x 1 ) ≥ 0
v) ⟨ x , x ⟩=0 ⟺ x=0⟹ ( x 12 +4 x 22 ) +2 ( x 1+ x 1 )2=0 ;
x 1 ¿ 0 ∧ x 2=0
x=( 0,0 )
β es un producto interno
Ejemplo
Indique si la expresión sobre R3,θ ( x , y , z ) =x1 y 1+ 2 x 2 y 2+3 x 3 y3
es un producto interno , donde u=(u1 , u2 ,u3 ) es un vector de R3
Ejemplo
Indique si la siguiente relación es un producto interno en R2 , donde
α =(a1 , a2) , β (b1 , b2 ) y ⟨ α , β ⟩=a12+ b12+ a1 b1 +a2 b2
DEFINICIÓN.-C – espacio vectorial con producto interno se llama espacio unitario,
mientras R – espacio vectorial se llama espacio euclideo o espacio euclidiano.
ESPACIO EUCLIDIANO (o Euclideo)
Es todo espacio vectorial real con producto interno, la adjunción de un producto
interno permite establecer una métrica en él, los conceptos de distancia, módulo de un
vector, ángulo de dos vectores y ortogonalidad son nociones que dependen de un producto
interno.
PRUEBA:
1. ⟨ X ,Y ⟩= X t AY
⟨ Y , X ⟩=Y t AX
t
( X t AY ) =Y t At X=Y t AX
Entonces:
⟨ X ,Y ⟩= ⟨ Y , X ⟩
y1 y1
⟨ X ,Y ⟩=( x1 x 2 )1 x2 1 −2
) ( )
(−2 5 2x 2 y2 2x 1
=( x 1−2 x 2 −2 x 1+5 x 2 )1 x 2
()
y2 2 x1
(−2 −25 ) ( xx )
⟨ Y , X ⟩=( y 1 y 2 )1 x 2 1
2x 2
1
2 2 x1
=( y 1−2 y 2 −2 y 1+5 y 2 )1 x2
x1
()
x2 2x 1
3. ⟨ ∝ X , Y ⟩ =( ∝ X )t AY =∝ X t AY =∝ ⟨ X , Y ⟩
4. ⟨ X , X ⟩ ≥ 0 ⇔ X t AX =( x 1 x 2 ) 1(−2 −25 )( xx ) 1
NORMA DE UN VECTOR
La norma de un vector v que pertenece a un espacio vectorial V se define:
|v|=‖v‖=√ ⟨ v , v ⟩
OBSERVACION
PRODUCTOS INTERNOS USUALES
⟨ A , B ⟩ =tr ( A Bt )
3. En el espacio vectorial Rn :
⟨ a , b ⟩ =⟨ ( a 1, a2 ,… , a n ) , ( b1 ,b 2 , … , bn ) ⟩
¿ a1 b1 +…+ an bn
4. En el espacio vectorial C n :
⟨ A , B ⟩ =a1 b́1 +a 2 b́ 2+ …+an b́n
5. En el espacio vectorial de los polinomios de grado ≤ n
⟨ p , q ⟩ =p ( x 1 ) q ( x 1 ) + p ( x2 ) q ( x 2 ) + …+ p ( x n ) q ( x n )
PROPIEDAD
|λu|=|λ||u|
ANGULO ENTRE VECTORES
Sea V un espacio vectorial, sean u y v vectores de dicho espacio, existe un único θ que
pertenece [ 0 , π ] tal que:
⟨u , v ⟩
cos θ=
|u||v|
A este número θ se le llama ángulo entre los vectores u y v y se denota por:
θ=ang ( u , v )
PROPIEDADES
. ‖u‖ ≥0
. ‖u‖=0 ⟺ u=0
. ‖∝ u‖=|∝|‖u‖
. En todo espacio con producto interno, el producto interno de cualquier vector y el vector
nulo es 0 : ⟨ u ,0 ⟩= ⟨ 0 , u ⟩ =0
Sea V un espacio con producto interno, sean u y v vectores del espacio vectorial V,
se dice que u y v son ortogonales si el producto interno de estos vectores es cero
( ⟨ u , v ⟩ =0 ) .
x ⊥ y ⟺ ⟨ x , y ⟩=0
Ejemplo:
{ x 1 , x 2 ,… , x n } es ortogonal ⟺i ≠ j⟹ ⟨ x i , x j ⟩ =0
PROPOSICION
3 4 4 3
Ejemplo: { ( )(
( 1, 0 , 0 ) , 0 , , , 0 , ,−
5 5 5 5 )} es un conjunto ortogonal
3 4
(
( 1 , 0 ,0 ) . 0 , , =0
5 5 )
(0 , 35 , 45 ).( 0 , 54 ,− 35 )=0
4 3
(
( 1 , 0 ,0 ) . 0 , ,− =0
5 5 )
Es un conjunto ortogonal
DEFINICION. -Si una base es un conjunto ortogonal, se dice que es una base
ortogonal. Si una base es un conjunto ortonormal se dice que es una base
ortonormal.
TEOREMA
v=⟨ v , u1 ⟩ u1 + ⟨ v , u2 ⟩ u2 +…+ ⟨ v ,u n ⟩ un
3 4 4 3
{ ( )(
( 1, 0 , 0 ) , 0 , , , 0 , ,−
5 5 5 5 )}
base ortonormal
Solución:
3 4
⟨ (
( 7 ,−5 ,10 ) =⟨ (7 ,−5 , 10 ) , ( 1 , 0 , 0 ) ⟩ ( 1 , 0 , 0 ) + (7 ,−5 , 10 ) , 0 , ,
5 5 ) ⟩( 0 , 35 , 45 )+⟨ ( 7 ,−5 , 10) ,(0 , 45 ,− 35 )⟩ (0 , 45
3 4 4 3
( )
¿ 7 ( 1 ,0 , 0 )+5 0 , , + (−10 ) 0 , ,−
5 5 5 5 ( )
DEFINICIÓN.- La proyección de un vector v sobre un vector distinto de 0 (vector nulo) se
denota:
⟨ v , u⟩
Proy u v= u
‖u‖‖u‖
PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT
Para tener una base ortonormal, se normaliza cada uno de los vectores u1 , … ,u n :
u1=v 1
u2=v 2−Proy u v 2 1
⋮
un =v n−Proy u v n−…−Proy u v n
1 n−1
Ejemplo:
Solución:
Sean v1 =( 1, 2 , 0 ,3 ) , v 2=( 4 ,0 , 5 , 8 ) , v 3=( 8 , 1 ,5 ,6 )
Aplicando GRAM-SCHMIDT
u1=v 1=( 1 , 2, 0 , 3 )
U ⊥ ={ vϵV / ⟨ u , v ⟩=0 ∀ u ∈U }
‖v−Proyu v‖≤‖v−u‖ ∀ u ∈U
OBSERVACION
Las series de FOURIER { 1 , cos x , sin x , cos 2 x ,sin 2 x , … , cos nx , sin nx } es un conjunto
ortogonal con respecto al producto usual definido en [ 0 , 2 π ] .
Ejemplo:
3
Considere el vector v=( 3,2,6 ) ∈ R , sea W un subespacio de R 3
( a , b , b ) =a ( 1,0,0 ) +b ( 0,1,1 )
1 1
u1= (1,0,0 ) , u2= 0 , ( ,
√2 √ 2 )
1 1
⟨ (
w=Proy w v =⟨ v ,u 1 ⟩ u1 + ⟨ v ,u 2 ⟩ u2= ⟨ ( 3 , 2 ,6 ) , ( 1 , 0 , 0 ) ⟩ ( 1 , 0 ,0 )+ ( 3 , 2 , 6 ) , 0 , ,
√2 √ 2 )⟩ (0 , √12 , √12 )
8 1 1
¿ ( 3 , 0 , 0) + (
0, ,
√2 √2 √ 2 )
=( 3 , 4 , 4 )
Luego:
( 3 , 2 ,6 )=( 3 , 4 , 4 ) + ( 0 ,−2 ,2 )
v=( v1 , v 2 , v 3 )
Solución:
Para que β se llamado producto interno, entonces deberá cumplir los 4
axiomas.
i) ¿ x , y ≥¿ y , x >, ∀ x , y ∈ V
.¿ ( x 1 , x 2 ) , ( y 1 , y 2 )≥3 x 1 y 1 +2 x1 y 2 +6 x 2 y 2 +2 x 2 y 1=3 y 1 x 1+ 2 y 1 x 2+6 y 2 x 2+2 y 2 x 1
.¿ ( y 1 , y 2 ) , ( x 1 , x 2 )≥3 y 1 x1 +2 y 1 x 2 +6 y 2 x 2 +2 y2 x 1
Ejemplo:
En ( Rn ,+, R ,∙ ) se define:
¿ ,>: Rn × R n → R
¿ x , y >¿ x t y
x1 y1
x
⋮
xn
() ()
Donde: x= 2 , y=
y2 .
⋮
yn
Indique si es un producto interno.
Solución:
y1 x1
() ()
n n
t y x 2 =¿ y , x >¿
i) ¿ x , y ≥x y =( x 1 x 2 … x n ) 2 =∑ xi y i=∑ y i x i=( y 1 y 2 … y n )
⋮ i=1 i=1 ⋮
yn xn
PROPIEDAD
En todo espacio con producto interno, el producto interno de cualquier vector y
el vector nulo es cero.
¿ 0 , x≥¿ x , 0≥0
Definición
La norma de todo vector v que pertenece a V es un número real no negativo:
‖v‖=|v|=√ ¿ v , v >¿ ¿
En el espacio Euclidiano Rn representa la longitud del segmento de extremo O
y v=( x 1 , x 2 , … , x n ) en general la distancia entre dos puntos P y Q.
ORTOGONALIDAD
Sea (V ,+, R ,∙) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales sí y sólo sí su producto interno es nulo.
ORTOGONALIDAD
Sea (V, +, R, .) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales sí y sólo sí su producto interno es nulo.
Ejemplo:
Sea el conjunto de funciones reales continuas sobre el intervalo [ −1,1 ]
1
⟨ f , g ⟩ =∫ f x g x dx
−1
PROPIEDADES
1.- Desigualdad de Schawrs
En todo espacio vectorial euclidiano se cumple que el valor absoluto del
producto interno es menor o igual que el producto d los módulos de dichos
vectores.
¿
2.- Desigualdad triangular
En todo espacio con producto interno, el modulo de la suma de dos vectores
cualquiera es menor o igual que la suma de sus módulos.
|x + y|≤| x|+| y|
3.- Ángulo entre dos vectores
Sean x e y dos vectores no nulos en un espacio con producto interno. De la
desigualad de Schawrs:
¿
−|x|| y|≤< x , y >≤|x|| y|
−1 ≤¿ x , y > ¿ ≤ 1 ¿
|x|| y|
Para 0 ≤ θ ≤ π
cosθ=¿ x , y > ¿ ¿
|x|| y|
→< x , y ≥|x|| y| cosθ
Proposición:
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es
linealmente independiente.
Demostración:
Sea { x 1 ,… , x r } un conjunto ortogonal tal que x i ≠ 0 ∀ i=1,2 ,… , r y sea la
r
combinación lineal: ∑ α j x j =0
j=1
⟨ ∑ α j x j , xi
j=1
⟩ =¿ 0 , xi ≥0
Luego
r
∑ α j ⟨ x j , x i ⟩ =0
j=1
Definición:
Un conjunto de vectores en un espacio vectorial V se dice que es un conjunto
ortogonal si cada par de vectores es ortogonal.
Se dice que es un conjunto ortonormal si es ortogonal y cada vector es unitario.
Ejemplo:
3 4 4 3
{ 5 5 ( 5 5 ) }
Un conjunto ortonormal es: ( 1,0,0 ) , 0 , , ,(0 , ,− ) debido a que:
3 4 4 3
( 5 5 )
( 1,0,0 ) , 0 , , y ( 0 , ,− ) son vectores unitarios
5 5
El producto interno, tomado de dos en dos, es 0
TEOREMA:
Un conjunto ortogonal de vectores diferentes del vector nulo en un espacio
vectorial V es L.I. en consecuencia determinan una base.
DEFINICIÓN
Una base que es un conjunto ortogonal se dice que es una base ortogonal. Una
base que es un conjunto ortonormal, se dice que es una base ortonormal.
Observación
Hay muchas bases para un espacio vectorial, la base que se utilice depende
del problema en consideración, se recomienda utilizar la base más
conveniente, a menudo la base más adecuada es un conjunto ortogonal o un
conjunto ortonormal.
d ( Q , P ) =|Q−P|,
vemos que Q−P=γv, con v ortogonal a μ , γ ∈ R
O sea Q−P /¿ v de donde
P=Q−γv =(r−γa, s−γb ), siendo Q=(r , s)
En la ecuación cartesiana reemplazando :a ( r −γa )+ b ( s−γb ) +c =0
ar +bs +c
γ=
a 2 + b2
ar +bs+ c
d (Q , P)=
| a2 +b2
(a , b)
|
|ar +bs+ c|
d (Q , P)=
√ a2 +b2
TEOREMA
Sea {μ1 , … , μ n } una base ortonormal, sea “ν” un vector en V , el vector ν se
puede expresar como una C.L de los vectores de las base de la manera
siguiente:
ν=( ν . μ1 ) μ 1+ ( ν . μ 2) μ2 +…+ ( ν . μ n ) μ n
Ejemplo:
Dado el vector ν=(7 ,−5,10) se puede trabajar como C.L de los vectores:
3 4 4 −3
( ) (
µ1=( 1,0,0 ) , µ2= 0 , , , µ3= 0 , ,
5 5 5 5 )
, que determinan una base ortonormal
………………………………….
μn=ν n−Proy µ ν n −Proy µ ν n−…−Proy µ ν n
1 2 n−1
Ejemplo:
El conjunto { ( 1,2,0,3 ) , ( 4,0,5,8 ) , ( 8,1,5,6 ) } es L.I en R4 , los vectores forman una
base para el subespacio de 3 dimensiones de Vde R4 . Construya una base
ortonormal para ν .
Solución:
Sean ν1 =( 1,2,0,3 ) , ν 2=( 4,0,5,8 ) , ν 3= ( 8,1,5,6 ), aplicando Gram-Schmidt para
construir un conjunto ortogonal.
Sea: μ1=ν 1=( 1,2,0,3 )
ν2 . µ1
μ2=ν 2−Proy µ ν 2=( 4,0,5,8 )− µ
1
‖µ1‖‖µ1‖ 1
( 4,0,5,8 ) . ( 1,2,0,3 )
μ2=( 4,0,5,8 )− ( 1,2,0,3 )=( 2 ,−4,5,2 )
( 1,2,0,3 ) . (1,2,0,3 )
μ3=ν 3−Proy µ ν 3−Proy µ ν 3
1 2
ortonormal de ν.
LEMA:
Un conjunto ortonormal{μ1 , … , μ n } es L.I y cualquier vector "𝜈" que pertenece a
V , es tal que el vector ω=ν−⟨ ν , μ 1 ⟩ μ1− ⟨ ν , μ2 ⟩ μ2 −…− ⟨ ν , μn ⟩ μ n es ortogonal a
cada uno de los μi .
OBSERVACION
Las bases ortonormales desempeñan un papel importante en las espacios con
producto interno, en el lema anterior se muestra que siempre existe una base
ortonormal.
Ejemplo
Se define el producto interno ⟨ u , v ⟩= ( u1 v 1+ 3u 2 v 2+5 u3 v 3 )ortonormalice por Gram-
⟨ x3 , y 1 ⟩ ⟨ x3 , y2 ⟩
y 3=x 3−Proy y x 3−Proy y x3 =x3 − y 1− y
1 2
⟨ y1 , y1 ⟩ ⟨ y2 , y2⟩ 2
( 1 ) (−1 ) +3 (1 )( 0 ) +5 (−1 ) ( 0 ) (−1 )( 0 )+3 ( 1 ) ( 1 )+ 5 (−1 )(0)
y 3=(−1,1 ,−1 )− ( )
( 1 ) ( 1 ) +3 (1 )( 0 ) +5 ( 1 ) ( 0 ) (
( 1,0,0 )−
)
( 0 )( 0 )+3 ( 1 ) ( 1 )+ 5 ( 0 ) (0)
(0,1,0)
TEOREMA
Sea {ν 1 , … , ν n } una base arbitraria con producto interno ν entonces existe una
ω2
ω 2=ν 2 −⟨ ν 2 , μ1 ⟩ μ 1 , μ2= ⟹ω es ortogonal a μ1 , entonces {μ1 , μ2 } es
‖ω2‖ 2
ortogonal.
Por el lema ω 2 es ortogonal a μ1 , entonces { μ1 , μ 2 } es un conjunto ortogonal.
ω3
ω 3=ν3 −⟨ ν 3 , μ1 ⟩ μ 1−⟨ ν 3 , μ 2 ⟩ μ2 , tal que μ3= , nuevamente por el lema ω 3 es
‖ω3‖
ortogonal, en general al obtener {μ1 , … , μ n } consideramos los siguiente:
ωi +1
ω i+1=ν i+1− ⟨ νi +1 , μ1 ⟩ μ 1−…− ⟨ ν i+1 , μ i ⟩ μi , μi+ 1= se puede observar que
‖ωi +1‖
ω i+1 ≠ 0 , νi +1 ∉ L(μ 1 , … , μn ) , {μ1 , … , μ n } es ortonormal que forma una base de “𝜈“.
Ejemplo:
Sea { ν 1=( 1,1,1 ) , ν 2=( 0,1,1 ) , ν 3=( 0,0,1 ) } una base de R3 , encuentre una base
Ortonormal utilizando el proceso de ortogonalización de Gram – Schmidt.
Solución:
ν 1 ( 1,1,1 ) 1 1 1
Sea μ1= =
‖ν 1‖ √3
= , ( ,
√3 √ 3 √ 3 )
2
Hacemos: ω 2=ν 2 −⟨ ν 2 , μ1 ⟩ μ 1=( 0,1,1 )−
√3 ( √13 , √13 , √13 )=( −23 , 13 , 13 )
ω2 −2 1 1
μ2= = (
, ,
‖ω2‖ √6 √6 √ 6 )
, luego ω 3=ν3 −⟨ ν 3 , μ1 ⟩ μ 1−⟨ ν 3 , μ 2 ⟩ μ2
1 1 1 1 1 −2 1 1 −1 1
ω 3=( 0,0,1 )− ( , , − ) (
, ,
√ 3 √3 √ 3 √3 √ 6 √ 6 √ 6 √ 6
= 0, ,
2 2 )( ) ,
ω3 −1 1
μ3=
‖ω3‖
= 0,( ,
√2 √ 2 )
1 1 1 −2 1 1 −1 1
La base ortonormal es μ 1= { ( , ,
√ 3 √ 3 √3
, μ2= ) (
, ,
√6 √6 √ 6
μ3 = 0 , ,
√ 2 √2
. ) ( )}
PROYECCIÓN DE UN VECTOR SOBRE UN SUBESPACIO
Sea W un subespacio de Rn , sea {μ1 , … , μ n } una base ortonormal para W . Si
es un vector en Rn , la proyección de ν sobre W , denotada Proy w ν se
define como:
Proy w ν =⟨ ν , μ1 ⟩ μ 1+ ⟨ ν , μ2 ⟩ μ 2+ …+ ⟨ ν , μ n ⟩ μn
TEOREMA:
Sea W un subespacio de Rn, cada vector ν en Rn se puede expresar de forma
única de la siguiente manera:
ν=w+ w⊥
Donde w se encuentra en W y w ⊥ es ortogonal a W, los vectores w y w ⊥ son:
w=Proy w ν y w⊥ =ν −Proy w ν
Ejemplo:
Considere el vector ν=( 3,2,6 ) en R3, seaW el subespacio de R3 que consta de
todos los vectores ( a , b , b ) . Descomponga ν en la suma de un vector que se
encuentra en W y un vector ortogonal a W .
Solución:
Se requiere una base ortonormal para W , cualquier vector de W se pueda
expresar de la siguiente manera: ( a , b , b ) =a ( 1,0,0 ) +b ( 0,1,1 ) .
El conjunto { ( 1,0,0 ) , ( 0,1,1 ) } genera a W, es L.I formara una base para W .Los
vectores ( 1,0,0 ) y ( 0,1,1 ) son ortogonales, busquemos una base ortonormal
{ μ1 , μ 2 }
1 1
Para W, donde μ1=( 1,0,0 ) y μ 2= 0 , ( ,
√ 2 √2
, )
1 1
⟨ (
w=Proy w ν =⟨ ν , μ 1 ⟩ μ1+ ⟨ ν , μ2 ⟩ μ2 w= ⟨ ( 3,2,6 ) , ( 1,0,0 ) ⟩ ( 1,0,0 ) + ( 3,2,6 ) , 0 , ,
√2 √2 )⟩ (0 , √12 , √12 )=( 3,4,4 ) w =
⊥
Ejemplo:
Dado los vectores:μ= ( 2,−1,2 ) , ν=( 1,2,1 ) y w=(−2,3,3 ). Determine un vector de R3
que es la proyección ortogonal de w sobre el plano generado por μ y ν .
Solución
(21 −1 2
2 1
⟶
1 0 1
) (
0 1 0 )
Sea H= { ( 1,0,1 ) , ( 0,1,0 ) } donde h1 =( 0,1,0 ) ,h 2=( 1,0,1 ); ⟨ h1 , h2 ⟩ =0 , H es ortogonal.
⟨ w , h1 ⟩ ⟨ w , h2 ⟩
Proy H w=
⟨ |⟨ h1 ,h 1 ⟩| ⟩ ⟨
h 1+
|⟨ h2 , h2 ⟩| ⟩ 1
( 1 1
)
h2=3 ( 0,1,0 ) + ( 1,0,1 )= , 3 , .
2 2 2
Otro método:
Sea μ= ( 2,−1,2 ) , ν=( 1,2,1 ) vectores que pertenecen a H entonces
μ × ν=(−5,0,5 )=w1.
(−2,3,3 )(−5,0,5 ) 1 1
Proy H w=w−Proy H w1= (−2,3,3 )−
‖(−5,0,5 )‖‖(−5,0,5 )‖ (
(−5,0,5 )= ,3 ,
2 2 )
OBS:
Sea V una espacio euclideo yU un subespacio vectorial de V . Se llama
ortogonal de U en V al conjunto de todos los vectores de V ortogonales a
cualquier vector de U .
U ⊥ ={ v ∈V / ⟨ v , u ⟩ =0 , ∀ u ∈U }
PROPIEDADES:
1) Si v ∈V es ortogonal a todos lo elementos de una base de U , entonces
v ∈U ⊥ .
2) Si U ⊂W ⟹W ⊥ ⊂U ⊥ .
COMPLEMENTO ORTOGONAL
Sea un subespacioSde un espacio vectorial V , cuando los elementos de un
subespacio vectorial son ortogonales a S, se dice que dicho subespacio es un
complemento ortogonal .Se denota como S⊥ y se denomina complemento
ortogonal porque la suma de las dimensiones de S y S ⊥ es igual a la dimensión
del espacio vectorial V .
Ejemplo
a −a tal que a , c ∈ R
Dado el subespacio vectorial N=
a c {( ) } su complemento
1 −1 , 0 0
arbitraria B=
1 0 {(0 1 ) ( )} y aplicando las condiciones de ortogonalidad con
un vector genérico del espacio vectorial, tenemos
1 −1 w x w+ y x+ z
⟨( ) ( )⟩ (
1 0
,
y z
=0=tr
−w −x )
=0=w−x + y → x=w+ y
0 0 w x 0 0
⟨( ) ( )⟩ ( )
,
0 1 y z
=0=tr
y z
=0=z+ 0
w w+ y tal que w , y ∈ R
⊥
Tendremos el complemento ortogonal N =
y 0 {( ) }
OBSERVACION
En un espacio vectorial lineal complejo, un producto interno ⟨ x , y ⟩ es un número
complejo que satisface los mismos axiomas que los del producto interno real
2+i
)‖ √ ⟨(−4−2+i 2+i 2+i ´
(‖ −4−2+i 1−6 i
= ,
−2
)(
1−6i −4+i 1−6 i
= (−2 ) (−2 )⟩ √
´ )+ ( 2+ i ) (2+i)+(−4+i)
´ (−4 +i¿)+(1−6 i
Ejemplo
−i 0 1 −2i 1−i
También: ⟨ A , A ⟩=tr
(( )(
2 3i
1−i 1
i 2 1+i =tr
0 −3i 1
2i )) (
13
1+ i 2−5 i
2+5 i =17
3 )
−3 −2 i 13 −12 8−3i
⟨ B , B ⟩ =tr
( 4 0
−2−i −i
2i 0)(
−3 4 −2+i =tr
i
−12
) (
)
16
8+3 i −8−4 i
−8+4 i =35
6 )
i)
φ=arc cos ( ℜ(7+7
√ 17 √ 35 )
=73,32 0
= 6(αx1 + γ y1)z1 – 4[(αx1 + γ y1)z2 + (αx2 + γ y2)z1] + 7z2 (αx2 + γ y2) ……(1)
También:
De (1) y (2)
⟨ u ,u ⟩ = 0 ↔ u = 0
La norma de u = ⟨ 1,2 ⟩
‖u‖= √⟨ u ,u ⟩= √18=3 √2
PROBLEMA 2
a) (x,y,t,z) Si t = x + y + z ( x , y , x + y + z , z) = x( 1,0,1,0) +
y(0,1,1,0) + z(0,0,1,1)
{ ( 1,0,1,0) ; (0,1,1,0) ; (0,0,1,1) } el conjunto LI y por lo tanto una
base del subespacio W
Si consideramos V1 = ( 1,0,1,0) , V2 = (0,1,1,0) y V3 = (0,0,1,1)
¿
u2=¿ V2 - Proy Vu = (0,1,1,0) - ¿ V 2 ,u 1> ¿<u , u >¿ u 1 ¿
2
1
1 1
¿
u2=¿(0,1,1,0) - ¿ ( 0,1,1,0 ) , ( 1,0,1,0 )> ¿ .( 1,0,1,0) = (0,1,1,0) -
1 +0 +12 +02
2 2
1
(1,0,1,0)
2
1 1
u2=¿ (- , 1, ,0)
2 2
¿
u3=¿V3 - Proy Vu - Proy Vu = (0, 0, 1,1) - ¿( 0,0,1,1), (1,0,1,0 )>
3 3 ¿
1 +0 +12 +02
1 2
2 2
−1 1 1 1
(1, 0, 1,0) - ¿( 0,0,1,1),( , 1 , , 0)> ¿ ¿(- , 1, ,0)
2 2 ¿ ¿ 2 2
1
1 2 1 1 1 1 1 1 1
u3= (0, 0, 1,1) - (1, 0, 1,0) - (- , 1, ,0) = (- , 0, ,1) - (- , 1,
2 3 2 2 2 2 3 2 2
2
,0)
1 1 1
u3= (- ,- , ,1)
3 3 3
1 1 1 1 1
H = { (1,0,1,0) ; (- , 1, ,0) ; (- ,- , ,1) }
2 2 3 3 3
PROBLEMA 3
SOLUCION
Sea:
u1=v1= (1,1,1)
1 8 −1 −1
u2=(1,0,0)−¿ ( 1,0,0 ) , ( 1,1,1 )> ¿¿¿ ¿= (1,0,0)− (1,1,1)=( , , )
9 9 9 9
8 −1 −1
⟨
− (1 ,−1,0 ) ,( , ,
9 9 9
) ⟩ 8 −1 −1 ⟨ ( 1 ,−1,0 ) ,(1,1,1) ⟩
( , , )−
u3=(1,-1,0) 9 9 9 |⟨ (1,1,1 ) ,(1,1,1)⟩|
(|⟨ 89 , −19 , −19 ) ,( 89 , −19 , −19 )⟩|
(1,1,1)
−11 8 −1 −1 2 −5 3
u3=(1,-1,0) ( , , )+ (1,1,1)=(0, , )
8 9 9 9 9 8 8
8 −1 −1 −5 3
{(1,1,1), ( , , ), (0, , )} Es un conjunto ortogonal
9 9 9 8 8
8 −1 −1 8 3 5
⟨ (1,1,1),( , ,
9 9 9
) = - - =0
9 9 9 ⟩
−5 3 15 15
⟨ (1,1,1),(0 , , ) =-
8 8 8 ⟩
+
8
=0
8 −1 −1 −5 3 15 15
⟨ ( , ,
9 9 9
) ,(0 , , )=
8 8
-
72 72
=0 ⟩
Luego:
|u1|=√ ⟨ u 1 , u1 ⟩ =¿3
2
|u2|=√ ⟨ u 2 , u2 ⟩ = 3 √ 2
15
|u3|=√ ⟨ u 3 , u3 ⟩= √ 8
La base ortonormal
1 1 1 4 −1 −1 −5 2 3 2
{( , , ), (
3 3 3
, ,
3 √ 2 6 √2 6 √2
), (0, ,
4 15 4 15
)}
√ √
PROBLEMA 4
definido el producto interno ¿ x , y >¿ ∫ x ( y) y (t)dt, para que valor de λ los vectores
−1
2 2
x(t )=t + 1 y y (t )= λ(t +1), son ortogonales.
SOLUCION
1 1
2 2 2
1
2 2
3(t +1)
= ∫( λ ¿ + λ(t +1 )) ¿dt
−1
U1¿{(a,b,c)/a+b+c¿0}
U2¿{(a,b,c)/a¿c}
U3¿{(0,0,c)/c ∈ R3}
SOLUCION
En U1 a + b + c = o → a = -b –c
(a,b,c ) = (-b -c,b,c) = b(-1,1,0) + c(-1,0,1)
{(-1,1,0); (-1,0,1)}
Luego α(-1,1,0) + β(-1,0,1) = (0,0,0)
α =β=0 ; es un conjunto LI entonces es una base de U1
En U2 a=c
(a,b,c ) =(a,b,a)= a(1,0,1) + b(0,1,0)
{(1,0,1) ;(0,1,0)}
Luego α(1,0,1) + β(0,1,0)= (0,0,0)
α =β=0 ; es un conjunto LI entonces es una base de U2
En U3
(0,0,c ) = c(0,0,1)
{(0,0,1) } ; es una base de U3
En U1+U2
U1 ∩U2 ∈V → U1 ∈ V ∩ U2 ∈ V
V= m(-1,1,0) + n(-1,0,1)= p(1,0,1) + q(0,1,0)= (a,b,c )
-m-n=p; m=q; n=p → q=m= -2p
V=(a,b,c)= (p, -2p, p) = p(1,-2,1)
U1 ∩U2 ={(1,-2,1)} ; (NO HAY SUMA DIRECTA DE U1 ⊕U2 )
−1 1 0 −1 0 0 1 0 0
( )( )( )
−1
1
0
0
0
1
1 → 0
1
0
1
0
0
0
1
2 → 0 1
1
0
0 0
0 0
0
1
0
En U2+U3
U2 ∩U3 ∈V → U2 ∈ V ∩ U3 ∈ V
V= k(1,0,1) + g(0,1,0)= f(0,0,1)= (a,b,c )
K=0 ; g=0 ; k=f=0 → k=g=f=0
V=(a,b,c)=(0,0,0)
U2 ∩U3 = 0; (SI HAY SUMA DIRECTA DE U2 ⊕U3)
1 0 1 1 0 0
( )(
0 1 0 → 0 1 0
0 0 1 0 0 1 ) {(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 2+U3)
En U1+U3
U1 ∩U3 ∈V → U1 ∈ V ∩ U3 ∈ V
V= ñ(-1,1,0) + s(-1,0,1)= d(0,0,1)= (a,b,c )
-ñ -s = 0 ; ñ = 0 ; s = d → ñ = s = d = 0
V=(a,b,c)=(0,0,0)
U1 ∩U3 = 0; (SI HAY SUMA DIRECTA DE U1 ⊕U3)
−1 1 0 −1 1 0 0 1 0 1 0 0
( )( )(
−1 0 1 → −1 0 0 → 1 0 0 → 0 1 0
0 0 1 0 0 1 0 0 1 0 0 1 )( )
{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 1+U3)
Luego del desarrollo comprobamos que se cumple que R 3¿ U1+U2 ¿
U2+U3 ¿ U1+U3
PROBLEMA 6
Dado L = { t(1,-1,2) / tϵ IR }
SOLUCION
(x,y,z) pertenece a L y P
Dado que P es un plano tiene dimensión 2
(x,y,z) = α(1,-1,2) = β(a,b,c) + θ(m,n,p) Si L y P hacen una suma directa
entonces (x,y,z) = 0
1=a+m (a,b,c) ; (1-a ; -1-b ; 2 - c)
-1 = b + n
2=c+p
PROBLEMA 7
i) {V1+aV2+bV3,V2+cV3 ,V3}
SOLUCION
α=0
αb+γ +cβ=0
α =0
βa +γ = 0
PROBLEMA 8
Determine una base para el subespacio
U = { A = (a ij ¿4x4 / tr(A) = 0 ; a 12 - 2 a 13 = 0 }
SOLUCION
( a21 a22
a31 a32
a 41 a42
a 23
a 33
a 43
a24
a34
)
a 44
a 11 +a22 +a33 +a 44 =0
0 0 0 0 0 0 0 0 0 0 0 0
a 23
( 0
0
0
0
0
0
1
0
0
0 a
0
0
)
+ 24
( 0
0
0
0
0
0
0
0
0
)( )
1 a
0
0
+ 31
0
1
0
0
0
0
0
0
0
0
0
0
+
0 0 0 0 −1 0 0 0 0 0 0 0
a 32
( 0
0
0
0
1
0
0
0
0
0 a
0
0
)
+ 33
( 0
0
0
0
0
0
0
1
0
) ( )
0 a
0
0
+ 34
0
0
0
0
0
0
0
0
0
0
1
0
+
0 0 0 0 0 0 0 0 0 0 0 0
a 41
( 0
0
1
0
0
0
0
0
0
0 a
0
0
)
+ 42
( 0
0
0
0
0
1
0
0
0
0 a
0
0
)( )
+ 43
0
0
0
0
0
0
0
0
1
0
0
0
+
−1 0 0 0
a 44
(0
0
0
0
0
0
0
0
0
0
0
1
)
Entonces una base para el subespacio es:
0 2 1 0 0 0 0 1 0 0 0 0 −1 0 0 0
{0
0
0
( 0
0
0
0
0
0
)( )( )( )
0 ; 0 0
0 0 0
0 0 0
0
0
0
0 ; 1 0
0 0 0
0 0 0
0
0
0
0 ; 0
0
0
0
0
1
0
0
0
0
0
0 ;
0
0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
( 0
0
0
0
0
0
1
0
0
)( )( )( )
0 ; 0 0
0 0 0
0 0 0
0
0
0
1 ; 0 0
0 1 0
0 0 0
0
0
0
0 ; 0 0
0 0 1
0 0 0
0
0
0
0 ;
0
0
−1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
( 0
0
0
0
0
0
0
1
0
)( )( )( )
0 ; 0 0
0 0 0
0 0 0
0
0
0
0 ; 0 0
1 0 0
0 1 0
0
0
0
0 ; 0 0
0 0 0
0 0 1
0
0
0
0 ;
0
0
0 0 0 0 −1 0 0 0
( 0
0
0
0
0
0
0
0
1
)( )
0 ; 0
0
0
0
0
0
0
0
0
0
0
0 }
0
1
PROBLEMA 9
¿Los polinomios 1; x-1; x2-3x+1; forman una base de P2, de ser cierto, exprese
el polinomio 2x2-5x+6 como una C.L. de los vectores de dicho base?
SOLUCION
α + β ( x−1)+ γ(x2-3x+1)¿0
α −β +γ =0
Como es una base expresar el polinomio 2x2-5x+6 como una C.L. de los
vectores de dicha base.
2x2-5x+6 = (c)x2+(b-3c)x+(a-b+c)
a-b+c =6
b-3c =-5
c=2
1 −1 1 6 1 −1 0 4 1 0 0 5
( 0 0 1 2 )(
0 1 −3 −5 → 0 1 0 1 → 0 1 0 1
0 0 1 2 0 0 1 2 )( )
a=5, b=1, c=2 2x2-5x+6 = 5(1)+1( x-1)+ 2( x2-3x+1)
PROBLEMA 10
αa + βa + θx = 0
αb + βb + θy = 0 Si α = β = 0 Necesariamente θ = 0
αc + βc + θz = 0
αd +βd + θt = 0 Entonces es V
α0 + βa + θx = 0
α0 + βb + θy = 0 Si β = θ = 0 No necesariamente α = 0
α0 + βc + θz = 0Entonces es LD
α0 +βd + θt = 0 Por lo tanto es V
d) αe x +θe3 x + βx2 + λx = 0
Entonces es V
3 3
e) (x,y, y) = x(1,0,0) + y(0,1, )
2 2
3
Tiene una base {(1,0,0) ; (0,1, ) }
2
3
α (1,0,0) + β(0,1, ) = 0 α = β = 0 es LI
2
Por lo tanto es un subespacio vectorial.
a11 b c 1 0 0 0 0 0
f)
( c d a33) ( ) ( )
b a22 d = a 11 0 0 0 + a22 0 1 0 +¿
0 0 0 0 0 0
0 0 0 0 1 0 0 0 1 0 0 0
a 33
( )( )(
0 0 0 +b 1 0 0 +c 0 0 0 + d 0 0 1
0 0 1 0 0 0 1 0 0 0 1 0 )( )
Tiene base:
1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0
( )( )( )( )(
{0 0 0 ; 0 1 0 ; 0 0 0 ; 1 0 0 ; 0 0 0 ; 0 0 1 }
0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 )( )
Y es LI Por lo tanto es un subespacio vectorial.
PROBLEMAS PROPUESTOS
matrices
5. Sean x=( x 1 , x 2 ) , y=( y 1 , y 2) dos vectores, indique si las siguientes
expresiones corresponden a un producto interno (en R o en C )
a) f ( x , y )=2 x1 y 1+ 4 x 2 y 2
b) g ( x , y )=x 1 y 1+2 x 1 y 2 +2 x2 y 1+ 4 x 2 y 2
c) φ ( x , y ) =x1 ý 1−i x 1 ý 2+i x 2 ý 1 +2 x 2 ý 2
6. Determine el complemento ortogonal de los siguientes subespacios
a) V =R 5 , W ={ ( 2,2,1 ,−1,0 ) , (−1,2 ,−2,2,1 ) , ( 0,1,−3,2 ,−1 ) } para el producto
interno usual
b) V =R 3 , W 1 ={ ( 1,2,1 ) , ( 0,1,2 ) } para el producto interno definido por
⟨ x , y ⟩ =x1 y 1+ 2 x 2 y 2+ x 3 y 3−x 1 y 2−x 2 y 1
c)
V =C 4 , W 2= {( x 1 , x 2 , x 3 , x 4 ) ∈ C 4 tal que x1 +2 i x 2−x 3 + ( 1+i ) x 4 =0 ; x2 + ( 2−i ) x 3+ x 4 =0 }
para el producto interno ⟨ x , y ⟩ =x1 ý 1+ 2 x 2 ý 2+ x 3 ý 3+ 3 x 4 ý 4
TRANSFORMACIONES LINEALES
TRANSFORMACION LINEAL ENTRE DOS ESPACIOSVECTORIALES
SOBRE UN MISMO CUERPO
Sean ( V ,+, K ,∙ ) y ( W ,+, K ,∙ ) dos espacios vectoriales sobre un mismo cuerpo K
.La función f :V →W es una transformación lineal u homomorfismo si y solo si:
1) La imagen de la suma de dos vectores cualesquiera de V es igual a la suma
de sus imágenes enW es decir:
f ( x + y )=f ( x )+ f ( y )
2) La imagen del producto de cualquier escalar por todo vector deV es igual al
producto del escalar por la imagen de dicho vector:
f ( αx )=αf ( x )
Ejemplo:
Sean los espacios vectoriales ( R3 ,+, R , . ) y ( R2 ,+, R , ∙ ) . La función: R3 → R2
Hallando su imagen:
x +x 0
I (f )= { A ∈ R2 ×2 / f ( x 1 , x 2 ) ∈ A } , A= a b ∈ I ( f ) ⇔ ∃ ( x1 , x2 ) ∈ R 2 /f ( x1 , x 2) ∈ A ⇔ 1 2 = a b ⇔ x1
( ) c d ( 0 )( )
x 1+ x 2 c d
TRANSFORMACIONES LINEALES
f (αx )=α f (x )
x f (x)
y f ( y)
x + y f (x+ y) =f (x) + f ( y)
αx f (αx)=αf (x)
Ejemplo 1:
3 2
Sean los espacios vectoriales ( R ,+ , R , . ) y ( R ,+, R , . ) la función f : R3 → R 2definida por
f(x ,x
1 2
=( x 1−x 3 , x2 −x3 ). Indique si es una transformación lineal.
, x3 )
Solución:
i) f [ ( x1 , x2 , x3 ) + ( y 1 , y 2 , y 3 ) ]=f ( x + y
1 1 , x2 + y 2 ,x 3 + y 3)
=( x 1− y1 −x3 − y 3 , x 2− y 2−x3 − y 3 )
f ( x 1 , x 2 , x3 ) + f ( y 1 , y 2 , y 3) =( x 1−x 3 , x 2−x 3 ) + ( y 1 − y 3 , y 2 − y 3 )=( x 1 + y 1−x 3 − y 3 , x 2+ y 2−x 3− y 3 ) …
ii) f¿
Ejemplo 2:
Supongamos que f : R 2 → R 3 es una transformación lineal que verifica
f ( 1 , 0 )= (1 , 2 ,3 ) yf ( 0 , 1 )=( 0 ,−1 ,2 ) , halle la imagen de f ( 2 ,−3 ) .
Solución:
f ( 2 ,−3 )=f ( ( 2, 0 )+ ( 0 ,−3 ) ) =f ( 2 , 0 ) +f ( 0 ,−3 )=f ( 2 ( 1 , 0 ) ) + f (−3 ( 0 ,1 ) ) =¿
2 f ( 1 , 0 )+ (−3 ) f ( 0,1 )=2 ( 1 ,2 , 3 ) + (−3 ) ( 0 ,−1 , 2 )=(2 ,7 ,0)
Ejemplo3:
Determine una transformación lineal o aplicación lineal generado por F : R3 → R 4 , si las
imágenes están dadas por ( 1,2,0 ,−4 ) y (2,0 ,−1,−3)
Solución
Sea
F ( x , y , z )=F ( x e1 + y e 2+ z e 3 )=xF ( e 1 )+ yF ( e2 ) + zF ( e 3 )=x (1,2,0 ,−4 ) + y (2,0 ,−1 ,−3 ) + z ( 0,0,0,0 )=( x+ 2 y ,
Luego F ( x , y , z )=(x +2 y ,2 x ,− y ,−4 x−3 y )
Ejemplo 4:
V W
N (f ) 0w
El núcleo de toda transformación lineal es la preimagen del vector nulo del segundo
espacio.
x ϵ N ( f ) ⟺ f ( x ) =0w
Ejemplo:
Solución:
N ( f ) ={( x 1 , x 2 , x 3 ) ϵ R3 / f ( x 1 , x 2 , x3 ) =( 0 ,0) }
Ejemplo
Ι ( f )= { f ( x )/x ϵ V }
PROPIEDAD
La imagen de toda T.L. entre dos espacios vectoriales es un subespacio del codominio.
Ejemplo:
Solución:
También:
f ( ∝ ( a , b ) ) =f ( ∝ a ,∝ b )= (∝ a+∝
0
b 0
∝ a+∝ b
=∝
a+ b
) (
0
0
a+ b )
=∝ f ( a , b )
Hallando su núcleo:
N ( f ) = { ( x 1 , x 2 ) ∈ R 2 / f ( x1 , x2 ) ∈ R 2 x 2 }
x +x 0
( x 1 , x 2 ) ∈ N ( f ) ⟺ f ( x 1 , x 2 )= 0 0 ⟺ 1 2
(0 0 ) ( )
⟺ x 1 + x 2=0 ⟺ x 1=−x 2
0 x1 + x2
La imagen:
I ( f )= { A ϵ R2 x 2 /f ( x 1 , x 2 ) ϵ A }
A= a b ϵ I ( f ) ⟺ ∃ ( x 1 , x 2 ) ϵ R2 /f ( x 1 , x 2 ) ϵ A ⟺
( )
c d
x1 + x2 0
= a b ⟺ x 1 + x 2=a=d ∧b=c=0
( 0 x1 + x 2 )( )
c d
TEOREMA:
Sea V un espacio vectorial de dimensión finita, entonces la dimensión de V está dada por:
Observación
ran ( f )=dim ( I ( f ) )
Ejemplos
Solución
1 0 1 0 1 0
Luego 1 1
1 1( )( )( )
→ 1 1
0 0
→ 0 1 , la imagen de f es generada por { ( 1,0 ) ,(0,1) }
0 0
2. Ejemplo
2 3
Sea la transformación lineal f : R → R definida por f ( x 1 , x 2 ) =( x 1+ x2 , x1 −x2 , x1 +2 x 2) ;
determine el núcleo y la imagen e indique una base y la dimensión
Solución
Determinando el núcleo f ( x 1 , x 2 ) =( x 1+ x 2 , x 1−x 2 , x 1 +2 x2 ) =( 0,0,0 )
Se tiene el siguiente sistema de ecuaciones lineales x 1+ x2=0 , x 1−x 2=0 , x 1−2 x 2=0
Entonces x 1=0 , x 2=0 , se obtiene f ( v )=0 R tal que v=(0,0) , cuya base { ( 0,0 ) } es de
3
dimensión cero.
(11 1 1
−1 2
→
2 0 3
) (
1 −1 2
→
2 0 3
0 −2 1 ) ( )
, luego la imagen es generada por los vectores
PROBLEMAS
1 −4 −4
1
P=
( ) ( )
5
−3
5
5
−3
5
Q=
−1
3
−1
3
1 −4 −4 5
1 0
( )( ) ( )
5
−3
5
5
−3
5
−1
3
−1
3
=
5
0
5
5
=I
−4 1 −4 5
1 0
( )( ) ( )
−1
3
−1
3
5
−3
5
5
−3
5
=
5
0
5
5
=I
[T]B2= (31 −1
−7 )
[T]B1=
0 4
−3 5 ( ) por lo tanto
−4 1 −4
1
( 3 −1
1 −7
= ) ( )( )( )
−1
3 0 4 5
−1 −3 5 −3
3 5
5
−3
5
−4
1
(31 −1
−7
= ) (3/5)
( )(
−1
3 −4 −4
−1 −6 −1
3
)
(31 −1
−7
=
3 −1
) (
1 −7 )
2.Si Q-1AQ=B donde B es un matriz triangular cuyos elementos de la diagonal principal
son valores propios de λ1, λ2, λ3, …… λn Demostrar que Bk es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K
λ1 0 ⋯ λ1 0 ⋯ λ1 0 ⋯
B=
( 0
⋮
λ2
0 ⋱
⋯ 0
0 ⋯
⋯
0 ⋮
⋱ 0
0 λn
) ( B2=
0
⋮
λ2
0 ⋱
⋯ 0
0 ⋯
⋯
0 ⋮
⋱ 0
0 λn
)( 0
⋮
λ2
0 ⋱
⋯ 0
0 ⋯
⋯
0 ⋮
⋱ 0
0 λn
)
B2=¿
Bn B1=¿
Bn B1=¿ Bk=¿
por lo tanto queda demostrado por inducción que B k es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K
1 1 1 1 1
0
3. Es posible diagonalizar la matriz A= 0
0
0
( 1
0
0
0
1
1
0
0
1
1
0
0
1
1
1
1
)
Solución:
1 1 1 1 1 1 0 0 0 0
0
P(x)=/ 0
0
0
( 1
0
0
0
1
1
0
0
1
1
0
0
1
1
1
)( 0 1
1 -λ 0 0
0 0
0 0
0
1
0
0
0
0
1
0
0
0 /¿
0
1
)
1−λ 1 1 1 1
0
P(x)=/ 0
0
0
(
1−λ
0
0
0
0
0
1 1 1
1−λ 1
−λ 1
0 1−λ
)
1 /¿ P(x)=(1--λ)4 (-λ ¿=0
()()
q q
Sea V(1)=¿ ( p , q , r , s , t ) ϵ R ❑ A r = r > ¿
s
t
s
t
1 1 1 1 1 p p
( 0
0
0
0
1
0
0
0
1
1
0
0
1
1
0
0
1
1
1
1
)( ) ( )
q q
r = r
s
t
s
t
p+q+r+s+t=0
q+r+s+t=0
r+s+t=0
t=s
t=0
resolviendo nos sale que
q=0, r=0, s=0, t=0 como no aparece p entonces es un definido con un parámetro
α
por lo tanto quedaría:
a)
F(-1,1,3)=(6,-4,16) → (-1)F(1,0,0) +(1)F(0,1,0) + (3)F(0,0,1) =(6,-4,16) ……….(1)
F(-2,1,1)=(-2,-5,1) → (-2)F(1,0,0) +(1)F(0,1,0) + (1)F(0,0,1) =(-2,-5,1) ……….(2)
F(3,2,-1)=(1,14,-12) →(3)F(1,0,0) +(2)F(0,1,0) + (-1)F(0,0,1) =(1,14,12) ………..(3)
2 −1 3
(
A= 3 2 −1
1 4 7 )
b)
2 −1 3 x 0
1 4(
A= 3 2 −1 y = 0
7 z 0 )( ) ( )
De la matriz asociada A obtenemos.
Restando filas….
2 −1 3 x 0 1 0 0 x 0
( 1 4 7 z )( ) ( ) (
3 2 −1 y = 0 → 0 1 0 y = 0
0 0 0 1 z 0 )( ) ( )
Por lo tanto el núcleo o Kerf será =¿ ¿
a1
()
[ V ] e = a2
⋮
an
T (e )=an 1 e1 +a n2 e 2+ …+ann e n
n
a 11 a21 … an 1
(
[ T ]e = a12 a22 … an 2 a2 n ¿ … ¿ a nn¿
⋮ ¿⋱ ¿ ¿ )
Ejemplo 1:
D(t )=1=1+0 t+ 0t 2 +0 t 3
D ( t )=2t=0+ 2t +0 t 2+0 t 3
2
D ( t ) =3 t 2=0+0 t+3 t 2+ 0 t 3
3
0 1 0 0
(
[ D ]e= 0
0
0
0
0
0
2
0
0
0
3
0
)
Ejemplo 2:
Tenemos:
[ T ]e [ V ]e =[ T (V ) ]e
Ejemplo 3:
[ V ]f = 7
(2 )
[ T (V ) ]f = 17
( )
11
[ T ] f [ V ] f = 3 −2 7 = 17 =[ T (V ) ]f
( )( ) ( )
1 2 2 11
TEOREMA
[ T + S ]e = [ T ] e + [ S ] e y [ kT ] e=k [ T ] e
TEOREMA
Ejemplo
a1 b 1 c d
[ T ]e =
( a2 b 2 ) (
[ S ]e= 1 1
c2 d2 )
( T + S )(e )=T ( e )+ S (e )=a1 e1 +a2 e 2+ c1 e 1+ c 2 e 2
1 1 1
a 1+ c1 b1 +d 1 a b c d
[ T + S ]e =
( a 2+ c2 b2 +d 2
= 1 1+ 1 1
)(
a2 b 2 c 2 d 2 )( )
¿ [ T ]e + [ S ] e
También para k ϵ K
ka1 k b 1 a b
[ kT ] e =
( k a2 kb2 ) (
=k 1 1 =k [ T ] e
a 2 b2 )
CAMBIO DE BASE
Definición.- Sea { e 1 , e2 , … , en } una base de V y sea { f 1 , f 2 ,… , f n } otra base, supongamos
que:
f 1=a11 e1 +a12 e2 +… + a1 n e n
f n=a n 1 e 1+ an 2 e2 +… +a nn e n
a11 a21 … an 1
(
P= a 12 a22 … an 2 … ¿ ann ¿
⋮ ¿ ⋱ ¿ a1 n ¿ )
Como los vectores f 1 , f 2 , … , f n son linealmente independientes, la matriz P es invertible,
su inversa P−1 es la matriz de transición de la nueva base a la base antigua.
Ejemplo
f 1=( 1 ,1 ) =( 1, 0 ) + ( 0 ,1 )=e1 +e 2
P= (11 −10 )
e 1=( 1 , 0 )=0 ( 1 , 1 )+ (−1 )(−1 , 0 )=0 f 1−f 2
P−1=Q= 0 1 ( )
−1 1
P [ V ] f =[ V ] e
Es decir:
[ V ] f =P−1 [ V ] e
TEOREMA
[ T ] f =P−1 [ T ] e P
SIMILARIDAD
Supongamos que A y B son matrices cuadradas para los cuales existe una matriz invertible
P tal que: B=P−1 AP, entonces se dice que B es similar a A o que se obtiene de A por una
transformación de similaridad. La similaridad de matrices es una relación de equivalencia.
TEOREMA
Dos matrices A y B representan el mismo operador lineal T si y solo si son similares la una
a la otra. Todos los representantes matriciales del operador lineal T forman una clase de
equivalencia de matrices similares.
Ejemplo
Sea T el operador lineal sobre R2 definido por T (3 ,1) =( 2 ,−4 ) y T (1 ,1) =( 0 ,2 ) , por el teorema
el operador lineal existe y es único, hallar T (a , b) en particular T (7 , 4) .
Solución
Sea un vector( a , b ) tal que se forma la combinación lineal: ( a , b )=x ( 3 , 1 ) + y ( 1 , 1 )
a−b
a=3 x+ y x=
2
−a+3 b
b=x+ y y =
2
a−b −a+3 b
T (a , b)=T a−b −a+3 b
= T (3 ,1) + T (1, 1)
( 2
( 3 ,1) +
2
( 1 , 1) ) 2 2
a−b −a+3 b
T ( a , b) = (2 ,−4 )+ ( 0 ,2 )= ( a−b ,−3 a+5 b )
2 2
T (7 , 4)= (3 ,−11 )
VALORES Y VECTORES PROPIOS
VALOR PROPIO
Todo vector que satisface esta relación se llama “vector propio” de T perteneciente al valor
propio λ .
TEOREMA
TEOREMA
POLINOMIO CARACTERISTICO
a 11 a12 … a1 n
(
A= a21 a22 … a2 n
⋮ ⋮ ⋱ ⋮
an 1 an 2 … ann
)
La matriz t Ι n− A se llama matriz característica, el determinante det ( t Ι n− A ) =0 se llama
ecuación característica, el polinomio característico es de la forma:
Δ ( t )=( t−a11 ) ( t−a22) … ( t−ann ) , ntérminos con máximo n−2 factores de la forma t−an
Ejemplo
2i) Hallar una matriz invertible P tal que P−1 AP sea diagonal
Solución:
1 3 0
(
A= −2 2 1
4 0 −2 )
t−1 −3 0
|
Δ ( t )=( t Ι −A )= 2
−4
3 2
|
t−2 −1 =t −t +2 t+ 4
0 t +2
Ejemplo
3 1 −1
Dada la matriz A= 2
( )
2 −1 determine el polinomio característico y los valores
2 2 0
propios de A
Solución
3 1 −1 1 0 0 3− λ 1
|( )| |
−1
2 2 0 0 0 1 )(
P ( λ )=det 2 2 −1 −λ 0 1 0 = 2
2
2−λ −1 =( 2−λ )( 2−λ ) ( 1−λ )=0Entonc
2 −λ |
es los valores propios son λ=2 , λ=2 , λ=1
TEOREMA
Sean f y gdos polinomios sobre un cuerpo k , y sea A una matriz cuadrada de orden n ,
sobre k , entonces:
i) ( f + g)( A) =f ( A )+ g (A )
ii) ( f . g)( A )=f ( A ) . g( A)
iii) (kf )(A )=kf ( A )
OBSERVACION
1. Los vectores propios de las transformaciones lineales son vectores que no se ven
afectados por la transformación.
2. El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores propios del mismo
valor propio, además del vector nulo que no es un vector propio.
4. La multiplicidad geométrica de un valor propio es la dimensión del espacio propio
asociado.
AX=λX
( A−λ Ι ) X =0
(1−λ
3
2
2−λ )
X=0
|1−λ3 2 =0
2−λ |
λ 2−3 λ−4=0
λ 1=−1 , λ 2=4
2 x1 +2 x 2=0
3 x 1+3 x 2=0
⟹ x1 + x 2=0 ⟺ x 1=−x 2
x1
=x 1 ⟶ vector propio 1
Vector propio: ( ) ( )
−x 2 −1 −1 ( )
Para λ 2=4
−3 x 1+2 x 2=0
3 x 1−2 x 2=0
3 x 1=2 x2
x1
=t 2 ⟶ vector propio 2
( ) ()
x2 3 3 ()
TEOREMA DE CAYLEY-HAMILTON
Ejemplo: A= 1 2
( )
3 2
P ( λ )= λ2−3 λ−4
2
P ( A )= 1 2 −3 1 2 −4 1 0 = 7 6 − 3 2 − 4
( ) ( ) ( )( ) ( ) ( 04)=(00 00)
3 2 3 2 0 1 9 10 9 6 0
TEOREMA
MULTIPLICIDAD ALGEBRAICA
Ejemplo: Si los valores propios de una matriz A son 4 , 4 , 3 , 3 ,3,3 , 2 , 2, 1 significan que la
multiplicidad algebraica del valor propio4 es 2, la de 3 es 4, la de 2 es 2, la de 1 es 1.
DIAGONALIZACION
T =¿
T ( v 1 )=k 1 v 1
T ( v 2 )=k 2 v 2
T ( v n )=k n v n
¿Qué es diagonalizar?
Para estudiar una matriz suele ser conveniente expresarla lo más sencilla posible,
diagonalizar una matriz A es precisamente escribirla de manera simple encontrando una
matriz invertible P y una diagonal D (si es posible) tal que A=PD P−1 , la matriz P se
denomina matriz de paso.
MATRIZ DIAGONALIZABLE
Una matriz n x nes diagonalizable si existe una matriz diagonal D tal que
A es semejante a D . Si D es una matriz diagonal entonces los valores propios son sus
componentes en la diagonal .Si A es semejante a D entonces tienen los mismos valores
propios, entonces si A es diagonalizable, A es semejante a una matriz diagonal.
Donde X es una matriz columna de orden nx 1, A es una matriz cuadrada de orden nxn
OBSERVACION
P ( X ) =( x y )1 x2 ( 23 31 )( xy )2x 1
=( 2 x+3 y 3 x + y )1 x 2 x
() y 2x 1
2
=2 x +6 xy + y
2
−9
1 1
P ( X ) =( x y z) 1
−9
2
( )( ) 1 2
2
2
1
x
y
z
( )
1
−1 0 0 0 x
2
P ( X ) =( x y t w z)
1
2
0
0 1
0 0
0
1
1
0
1
2
()
y
t
w
z
0 0 0 −5
2
Una forma cuadrática P se dice que se encuentra en su forma diagonal si en ella no aparece
ningún término mixto:
x i 1 x j 1 con i≠ j
a11 0 … 0
(
A= 0 a22 … 0 … ¿ ann ¿
⋮ ¿⋱ ¿0 ¿ )
DEFINICION.- Se dice que una forma cuadrática q ( X )=X t AX es diagonalizable si existe
una matriz no singular B, tal que al hacer la transformación X =BY ,resulta:
En muchos casos los elementos de la matriz diagonal en la diagonal principal son los
valores propios de A.
Sea X=BY
( xy )=(10 −2 y 1
1 y2)( )
y
y 2 ) 1 0 1 2 1 −2 1
( )( )( )( )
t
q ( y ) =( BY ) A ( BY ) =( y 1
−2 1 2 5 0 1 y 2
y
¿ ( y1 y 2 ) 1 2 1 −2 1
( )( )( )
0 1 0 1 y2
q ( y ) =( y 1 ( ) ( yy )=( y
y 2 )1 x 2 1 0
0 1 2x 2
1
2
1 y 2 )1 x2
y1
( )
y2 2x 1
= y 1 2+ y 22
OBS:
A= (12 25)
det ( A−λ Ι )=det 1−λ 2 =0 ⟺ λ2−6 λ +1=0
2 5−λ ( )
2 2
NOTA.- En el ejemplo la forma cuadrática diagonalizable es: q ( y ) = y 1 + y 2
Solución:
3 1 0 0
A= 1
0
0
( 3 0 0
0 9 −2
0 −2 6
)
3−λ 1 0 0
0
0
3− λ
|
| A−λ Ι|= 1 3− λ 0
0
0
0
0 =0
9−λ −2
−2 6−λ
0 1 0 0
|
¿ 3− λ 0
( )
|
0
9−λ −2 − 0 9−λ −2
−2 6−λ 0 −2 6−λ || |
¿ ( 3− λ ) ( 3−λ )( λ−5 ) ( λ−10 )−( λ−5 ) ( λ−10 )=0
Para λ 1=2:
1 1 0 0 1 1 0 0
|
1
0
0
1 0 0 ⟶0 0
0 7 −2
0 −2 4
0 0
0 0
|| | 1
0
0
0
1
0
x 1+ x2=0
x 3=0 ( x 1 x 2 x 3 x 4 ) =t ( 1 −1 0 0 )
x 4 =0
Para λ 2=4 :
−1 1 0 0 1 −1 0 0
|1 −1 0
0
0
0
0 ⟶0 0 0 0
5 −2
0 −2 2
0 0 1 0
0 0 0 1
|| |
( x 1 x 2 x 3 x 4 ) =s (1 1 0 0 )
Para λ 3=5 : ( 0 0 1 2)
Para λ 4=10 : ( 0 0 −2 1 )
u1 1 1
v1 =
‖u1‖
=( 1 ,−1 , 0 , 0 )= (
,− , 0 , 0
√2 √ 2 )
'
⟨
v 2=u2− ⟨ u1 , v 1 ⟩ v 1=( 1, 1 , 0 , 0 )− ( 1 ,1 , 0 , 0 ) , ( √12 ,− √12 , 0 , 0)⟩ ( √12 ,− √12 , 0 , 0)=( 1 , 1, 0 , 0)
v 2' 1 1
v 2=
‖v 2 ‖ '
= ( ,
√2 √ 2
,0,0 )
[⟨
v'3 =u3−[ ⟨ u3 , v 1 ⟩ v 1+ ⟨ u 3 , v 2 ⟩ v 2 ]= ( 0 , 0 ,1 , 2 )− ( 0 , 0 , 1, 2 ) , ( √12 ,− √12 , 0 , 0)⟩( √12 ,− √12 ,0 , 0)+⟨ ( 0 , 0 ,1 , 2) ,( √1
v 3' 1 2
v3 =
‖v 3 ‖ ' (
= 0,0, ,
√ 5 √5 )
v'4=u 4−[ ⟨ u 4 , v 1 ⟩ v 1 + ⟨ u4 , v2 ⟩ v 2 + ⟨ u4 , v 3 ⟩ v 3 ]
[⟨
v'4=( 0 , 0 ,−2 ,1 )− ( 0 ,0 ,−2 ,1 ) , ( 1 −1
,
√ 2 √2
,0,0 ) ⟩( 1 −1
,
√ 2 √2 )⟨
, 0 , 0 + ( 0 , 0 ,−2, 1 ) ,
1 1
( ,
√2 √ 2
,0,0 )⟩( 1 1
,
√ 2 √2
,0
v 4' −2 1
v 4=
‖v 4 ‖' (
= 0,0, ,
√5 √5 )
1 1
0 0
[ ]
√2 √2
−1 1
0 0
P= √2 √2
1 −2
0 0
√5 √5
2 1
0 0
√5 √5
Luego:
1 −1 1 1
0 0 0 0
( ) ( )
√2 √2 √2 √2
1 1 3 1 0 0 −1 1 2 0 0 0
0 0 0 0
t
D=P AP= √2
0
√2
0
1
√5
−2
2 0
1
√5 0
1
( 3 0 0
0 9 −2
0 −2 6
) √2
0
√2
0
1
√5
2
−2
√5 0
1
(
=0
0
4
0
0
0 0
5 0
0 10
)
0 0 0 0
√5 √5 √5 √5
2 0 0 0 y1
P ( X )= X t AX ⟺ P ( Y )=Y t DY =( y 1 y2 y3
(
y4 ) 0
0
0
4
0
0
5 0 y3)( )
0 0 y 2 =2 y 2+ 4 y 2 +5 y 2+10 y 2
0 10 y 4
1 2 3 4
Forma diagonalizada
NOTAS COMPLEMENTARIAS
Superficies
Definición.
Dada la ecuación φ ( x , y , z )=0 en las variables x , y , z; la gráfica de esta ecuación
Ejemplo.
El plano, la esfera, etc.
Nota.
Existen ecuaciones tales como
Esfera.
Definición.
Una esfera es el conjunto de todos los puntos del espacio que equidistan de un punto
fijo llamado centro. La distancia de cualquier punto al centro es llamado radio.
Sea P ( x , y , z ) cualquier punto de la esfera c (x 0 , y 0 , z 0) y radio r >0 , luego la
distancia
d ( P ,c ) =r ; r >0 ↔ d 2 ( P , c )=r 2 ; c (x 0 , y 0 , z 0)
x 2+ y 2+ z 2 + Dx+ Ey + Fz+G=0
Se dice que una superficie es simétrica con respecto a una recta L si el simétrico da
cada punto, respecto a la recta L, es también un punto de la superficie.
Se dice que una superficie es simétrica con respecto a una recta C si el simétrico de
cada punto, respecto a la recta C , es también un punto de la superficie.
Ejemplo 1.
Discutir y graficar la ecuación 9 x 2+ 4 y 2−12 z=0 .
Solución.
I. INTERSECCION CON LOS EJES.
i) Con el eje X .
Haciendo y=z =0 en la ecuación se obtiene 9 x 2=0 → x =0.
La superficie intercepta al eje X en el origen de coordenadas.
Al estudiar las otras intersecciones se comprueba que el origen es el único
punto de intersección.
ii) Al plano XZ .
Haciendo y=k en la ecuación de la superficie se obtiene
9 x 2−12 z+ 4 k 2 =0.
Esta ecuación representa a una parábola ∀ x ∈ R .
iii) Al plano YZ .
Haciendo x=k en la ecuación se tiene 4 y 2−12 z +9 k 2=0.
Esta ecuación representa a una parábola ∀ x ∈ R .
IV. EXTENSION.
De III (iii) se obtiene x ∈ R.
De III (ii) se obtiene y ∈ R .
De III (i) se obtiene z ∈ [ 0 ; +∞ ⟩.
V. SIMETRIAS.
La superficie es simétrica con respecto al plano YZ , al plano XZ y al eje Z .
VI. GRÁFICA.
La gráfica de esta
ecuación se denomina
paraboloide elíptico.
Ejemplo 2.
Discutir y graficar la superficie
cuya ecuación es y 2−4 y +2 z=0.
Solución
I. INTERSECCION CON LOS EJES.
i) Con el eje X .
Haciendo y=z =0 en la ecuación se obtiene 0=0, esto significa que todo
punto del eje satisface la ecuación de la superficie, es decir, la intersección
de la superficie con el eje X es el eje X .
ii) Al plano XZ .
Haciendo y=k en la ecuación de la superficie se obtiene 2 z=4 k−k 2, es
una recta ∀ k ∈ R .
iii) Al plano YZ .
Haciendo x=k en la ecuación se tiene y 2−4 y +2 z=0, es una parábola
∀ k ∈ R.
IV. EXTENSION
x ∈ R (De III – iii)
y ∈ R (De III – ii)
z ∈ ⟨−∞ ; 2 ] (De III – i)
V. SIMETRIAS
Existe simetría con respecto al plano YZ .
VI. GRÁFICA
La gráfica de esta ecuación se denomina cilindro parabólico.
Superficies cuadráticas
Una superficie cuádrica o simplemente cuádrica o cuadrática es la gráfica de una ecuación
de segundo grado en las variables x , y , z.
Elipsoide.
Su ecuación es de la forma:
x2 y 2 z 2
+ + =1
a2 b 2 c2
Dondea , b y c son números positivos.
x ∈ [ −a ;a ]
y ∈ [ −b ; b ]
z ∈ [ −c ; c ]
C ( x 0 , y 0 , z 0 ), su ecuación es de la forma
2 2 2
( x−x 0 ) ( y− y 0 ) ( z−z 0 )
+ + =1
a2 b2 c2
x2 y 2 z 2 x2 y 2 z 2 x 2 y 2 z2
+ −
a2 b 2 c 2
=1 o − +
a2 b2 c 2 (=1 ,o− + + =1
a2 b 2 c 2 )
En la figura de abajo se muestra la gráfica de
x2 y 2 z 2
+ − =1
a2 b 2 c 2
A continuación se describe algunas propiedades de esta superficie.
x ∈ ⟨−∞ ; −a ] ∪ [ a ; +∞ ⟩
y ∈ ⟨ −∞ ; −b ] ∪ [ b ; + ∞ ⟩
z ∈ ⟨−∞ ;+ ∞ ⟩
Las secciones transversales al plano XZ o el plano YZ son hipérbolas. (En los planos
y=b, x=a son dos rectas que se cortan).
Esta superficie es simétrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
−x 2 y 2 z 2 x2 y2 z2 x2 y 2 z 2
+ −
a2 b 2 c 2
=1 ó (− −
a 2 b2 c 2
=1 , ó− − + =1
a2 b2 c 2 )
Dondea , b y c son números positivos.
Esta superficie es simétrica con respecto a los ejes coordenados, a los planos
coordenados y al origen.
El centro de esta superficie es el origen de coordenadas. Si su centro es C ( x 0 , y 0 , z 0 )
, su ecuación es de la forma:
−( x−x 0 )2 ( y − y 0 )2 ( z−z 0 ) 2
+ − =1
a2 b2 c2
Observación
Las tres superficies cuádricas (elipsoide, hiperboloide de una hoja e hiperboloide de
dos hojas) también se denominan cuádricas centrales. En general cualquier ecuación
de la forma:
2 2 2
( x−x 0 ) ( y− y 0 ) ( z−z 0 )
± ± ± =1
a2 b2 c2
Dondea , b y c son positivos, representa a una cuádrica central con centro en
C ( x 0 , y 0 , z 0 ).
x2 y 2 x 2 z2 y2 z2
a2 b 2 a b (
+ =cz o 2 + 2 =cy , o 2 + 2 =cx
a b )
Dondea , b y c son números positivos y c ≠ 0.
V ( x 0 , y 0 , z0 ) , su ecuación es de la forma:
2 2
( x−x 0 ) ( y− y 0 )
+ =c ( z−z 0)
a2 b2
Paraboloide hiperbólico.
Su ecuación es de la forma
y2 x2 z2 x2 z2 y 2
b2 a 2 b a (
− =cz o 2 − 2 =cy , o 2 − 2 =cx
b a )
Dondea , b y c son números positivos y c ≠ 0.
Las secciones transversales al plano XY son hipérbolas (En el plano z=0 son dos
rectas que se cortan). Las secciones transversales al plano XZ y al plano YZ son
parábolas.
Esta superficie es simétrica con respecto al eje Z , al plano XZ y al plano YZ .
El origen de coordenadas es el punto de silla (de montar) de esta superficie. Si el
x2 y 2 z 2 x 2 z 2 y 2 x2 y 2 z2
+ = o (
+ =
a2 b 2 c 2 a2 b 2 c 2
=, o + =
a2 b 2 c 2 )
Dondea , b y c son números positivos.
En la figura de abajo se muestra la gráfica de la superficie
x2 y 2 z 2
+ =
a2 b 2 c 2
Esta superficie es simétrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
El origen de coordenadas es el vértice de esta superficie. Si el vértice es
V ( x 0 , y 0 , z0 ) , la ecuación es de la forma:
2 2 2
( x−x 0 ) ( y− y 0 ) ( z−z 0 )
+ =
a2 b2 c2
PROBLEMAS
Solución:
7 −2 0 x x
(x
( )( )
y z ) −2 6 0 y + 6 ( 1 −1 2 ) y -
0 0 5 z z
19
2
=0
()
Hallamos los valores y vectores propios de:
7 −2 0
(
−2 6 0
0 0 5 )
7−λ −2 0
|−2 6−λ
0 0
0 = (λ−5)( λ 2−13 λ+38)=0
5−λ |
λ 1=5 , λ 2= 13−√ 17 , λ 3 = 13+ √17
2 2
Para λ 1=5:
2 −2 0 x 0
( −2 1 0 y = 0
0 0 0 z 0 )( ) ( )
0
()
x=y=0 , z=t ⇒ v 1= 0
1
13−√ 17
Para λ 2= :
2
1+ √17
−2 0
( )( ) ( )
2
x 0
−1+ √ 17
−2 0 y =0
2 z 0
−3+ √17
0 0
2
0
x=y=z=0
()
⇒ v 2= 0
0
13+ √17
Para λ 3 = :
2
1−√ 17
−2 0
( )
2
x 0
−2
−1−√ 17
2
0
−3− √17
( )()
y =0
z 0
0 0
2
0
x=y=z=0
()
⇒ v 3= 0
0
Entonces:
'
x 0 0 0 x
( )(
y = 0 0 0 y'
z 1 0 0 z' )( )
Luego:
5 0 0
0
13−√17
0
2
0
13+ √ 17
2
)( )
x' x
()
y ' + 6( 1 −1 2 ) y - 19/2 = 0
z' z
5 0 0
0
13−√17
0
2
0
13+ √ 17
2
)( )
x' x'
()
y ' + 6( 2 0 0 ) y ' - 19/2 = 0
z' z'
Haciendo x constante:
13−√ 17 2 13+ √17 2
y' + z ' - 16.7 + c x= 0
2 2
Formaelipsoideal
Haciendo y constante:
13+ √17 2
5x ' ' 2 + z ' - 16.7 + c y = 0
2
Formaelipsoideal
Haciendo z constante:
13−√ 17 2 c
5x ' ' 2 + y ' + z=0
2
Formaelipsoideal
Entonces en conjunto formarían un esferoide o un elipsoide de revolución.
2. Resolver el sistema de ecuaciones diferenciales
2 −1 0 9
( )
X '(t) = −1 2 −1 X(t ) , X (0) = 10
0 −1 2 11 ()
Solución:
2 −1 0
(
Sea A= −1 2 −1
0 −1 2 )
Luego hallamos los valores y vectores propios de A:
2−λ −1 0
|
−1 2−λ −1 = 0
0 −1 2−λ | → ( λ−2 ) ( λ2−4 λ+ 2 )=0
Para λ 1=2:
0 −1 0 x 0 1
(
−1 0 −1 y = 0
0 −1 0 z 0 )( ) ( ) y=0, -x-z=0
()
⇒ v 1= 0
−1
Para λ 2=2-√ 2:
√ 2 −1 0 x 0 1
(
−1 √ 2 −1 y = 0
0 −1 √ 2 z 0 )( ) ( ) x=z, y=√ 2 x
()
⇒ v 2= √ 2
1
Para λ 2=2+√ 2:
− √2 −1 0 x 0 1
(
−1 −√2 −1 y = 0
0 −1 −√ 2 z 0 )( ) ( ) x=z, y=-√ 2 x
( )
⇒ v 2= − √2
1
1 1 1 2 0 −2
Luego P= 0
−1 ( √2 −√ 2 ,
1 1 ) 1
P = 2 √2
−1
4 (
1 −√ 2 1
2
)
Se sabe:
e2 t 0 0
e At = P. e Jt . P−1 , Jt
(
e = 0 e
0
( 2− √ 2) t
0 e
0
(2+ √ 2)t )
1 1 1 e2 t 0 0 2 0 −2
→ e At =
1
4 ( 0
−1
√ 2 −√ 2 0 e
1 1 0
)(
(2− √ 2 )t
0 e
0
(2+ √2)t
2 √2
)(
1 −√ 2 1
2
)
e2 t e (2−√ 2) t e(2+ √2)t 2 0 −2
e At =
1
4
0
−e2 t
( √2 e
e
( 2− √2 )t
(2− √ 2) t
− √2 e
e
)(
(2+ √ 2)t
(2+ √2)t
2 √2
1 − √ 2
2
1 )
2e 2 t +2 e (2−√ 2) t +e (2 +√ 2)t √2 e (2−√ 2) t −√2 e(2+ √2)t −2 e 2t +2 e( 2−√2 )t +e(2+√ 2)t
e At =
1
4 (
2 √ 2 e (2−√ 2) t −√2 e(2+ √2)t
−2 e2 t +2 e (2−√ 2) t + e(2 +√ 2)t
2 e (2−√ 2) t +2 e (2+ √2)t 2 √ 2 e( 2−√2 )t −√ 2 e(2+√ 2)t
√2 e (2−√ 2) t −√2 e(2+ √2)t 2 e 2t +2 e( 2−√2 )t +e(2+√ 2)t
)
2e 2 t +2 e (2−√ 2) t +e (2 +√ 2)t √2 e (2−√ 2) t −√ 2 e(2+ √2)t −2 e 2t +2 e( 2−√2 )t +e(2+√ 2)t 9
4 (
X t = 1 2 √ 2 e (2−√ 2) t −√2 e(2+ √2)t
−2 e2 t +2 e (2− √ 2) t + e(2 +√ 2)t
2 e (2−√ 2) t +2 e (2+ √2)t
)( )
2 √ 2 e( 2−√2 )t −√ 2 e(2+√ 2)t 10
√2 e (2−√ 2) t −√ 2 e(2+ √2)t 2 e 2t +2 e( 2−√2 )t +e(2+√ 2)t 11
3 4 −2 8
A=
0
0
0
( 1 −1 0
0 −1 5
0 0 4
)
Solución:
310 0 0 0 310 0 0 0
A10=
0
0
(
0 110 0
0 (−1 )
0 0
10
4
0
0
10
=
0
0
0
)( 1
0
0
0 0
1 0
0 4 10
)
Hallando los valores propios:
310 −λ 0 0 0
| 0
0
0
1−λ
0
0
0
1−λ
0
0
0
4 10 −λ
=0
|
(310− λ) (1− λ) (1− λ) (4 10−λ )=0
λ 1= 310, λ 2= λ 3= 1, λ 4=4 10
Para λ 1=310:
0 0 0 0 x 0
( 0 1−3
0
0
0
0
10
0
1−3
0
10
10
4 −3
0
0
10 )( ) ( )
y 0
=
z 0
t 0
1
↪y=z=t=0 ⇒ v1 =
0
0
0
()
Para λ 2= λ 3= 1:
310−1 0 0 0 x 0
( 0
0
0
0
0
0
0
0
0
0
)( ) ( )
y =0
z 0
0 4 −1 t 0
10
0 0
↪x=t=0 ⇒ v 2=
1
0
0
() ()
y v3 =
0
1
0
310−4 10 0 0 0
( 0
0
0
1−4
0
0
10
0
1−4 10
0
0
0
0
)
0
↪x=y=z=0 ⇒ v 4=
0
0
1
()
3
3.-Sea T : M 2 x 2 → R una transformación lineal tal como:
T 1 0 =(1,1,0)
(| |)
0 0
T 0 1 =(2,4,1)
(| |)
0 0
T 0 0 =(−1,0,8)
(| |)
1 0
T 0 0 =(0,1,1)
(| |)
0 1
1 2 −1 0
[
A= 1 4 0 1
0 1 8 1 ]
Desarrollando se llega a:
1 0 00
[
A= 0 1 0 0
0 0 10 ]
Con lo que se puede decir que:
Dim I=3
Dim k=1
Además la imagen generada seria:
1 2 −1
0 1 {( ) ( ) ( )}
T= 1 , 4 , 0
8
T 1 1 =(2,6,10)
(| |)
1 1
T 1 1 =(0,1,8)
(| |)
0 0
T 0 0 =(0,1,1)
(| |)
0 1
T 0 1 =(1,5,10)
(| |)
1 1
2 0 01
(
T= 6 1 1 5
10 8 1 10 )
La imagen de [−12 32]:
−1 6 −2 0
2 2
0
] (
T −1 3 = −1 12 0 2
[ 3 16 2 )
1 0 00
(
¿ 0 1 00
0 0 10 )
La imagen generada seria:
−1 6 −2
{( ) ( ) ( )}
T = −1 , 12 , 0
0 3 16
0 cosθ −senθ
1 |
5.a) Sea la matriz Aθ = 0 senθ cosθ
0 0 |
3 3
Si Aθ : R → R describa A θ en términos geométricos , grafique
Solución:
a)
0 cosθ −senθ
| 2
| 2
0 senθ cosθ =cosθ + senθ =1
1 0 0
Sabemos que:
A=P.B.P -1
Entonces los datos nos dan los vectores propios con lo cual:
1 1 1
(
P= 0 1 −2
−1 1 1 )
De este hallamos su inversa la cual es:
3 6 −3
1
(
P−1= ∗ 2 2
6
2
1 −2 1 )
Además sabemos su diagonalización gracias a los valores propios dados también:
6 0 0
B= 0 6 0
(
0 0 12 )
Por tanto reemplazando en A=P.B.P-1 nos debe salir:
1 1 1 6 0 0
(
−1 1 1
∗
0 0 12)(
0 1 −2 0 6 0 ∗1
3 0 −3 )
A=
6
∗2 2 2
1 −2 1 ( )
7 −2 1
(
A= −2 10 −2
1 −2 7 )
SISTEMA DE ECUACIONES DIFERENCIALES LINEALES DE
PRIMER ORDEN
Sea el sistema
d x1
=g1 (t , x 1 , x 2 , … , x n)
dt
d x2
=g2 (t , x 1 , x 2 ,… , x n)
dt
⋮
d xn
=gn (t , x 1 , x 2 , … , x n )
dt
x1 a11 ( t ) a12 ( t ) … a1 n ( t ) x 1 f 1 ( t )
( )(
d x2
dt ⋮
xn
⋮ ⋮
x
)( ) ( )
= a21 ( t ) a 22 ( t ) … a 2n ( t ) x 2 + f 2 ( t )
⋮
an 1 ( t ) an 2 (t ) … ann ( t ) n f n ( t )
Es homogéneo si X ' = AX
EJEMPLO
dx
=6 x+ y + z +t
dt
6 1 1 x t
dy
dt
=8 x+7 y−z+ 10t ⇒
'
(
2 9 −1 z)( ) ( )
X = 8 7 −1 y + 10 t
6t
dz
=2 x +9 y−z +6 t
dt
()
X = x2 ( t )
⋮
xn ( t )
dx n
=an 1 x 1 +a n2 x 2+ …+ann x n
dt
a11−λ a 12 … a1 n
| a21
…
an 1
a 22−λ
…
an 2
… …
… ann−λ
|
… a2 n =0 , es decir det ( A−λI )=0
El polinomio característico asociado con el sistema de primer
orden determina las n raíces de la ecuación polinomica P ( λ )=0 ,
se llaman valores propios .Cada raíz determina un conjunto de
números x 01 , x 02 , … , x 0n y por lo tanto es una solución del sistema
de ecuaciones diferenciales.
Dos soluciones correspondientes a dos valores diferentes λ 1 , λ2
son linealmente independientes, entonces para todas las n
raíces distintas existirán n soluciones linealmente
independientes (LI), entonces la solución del sistema
homogéneo será la combinación lineal de estas n soluciones
LI.
x 1 ( t0 ) γ1
( ) ()
X ( t 0 )= x 2 ( t 0 ) , X=
⋮
x n ( t0 )
γ2
⋮
γn
'
El problema consiste en resolver X = A X + F (t ) (t)
el intervalo.
PRINCIPIO DE SUPERPOSICION
Sean x , x , … , x un conjunto de vectores solución
1 2 n
x=c 1 x1 +c 2 x2 +…+ c k x k
En las que los C , i=1,2,3 , … , k son constantes
i
() () ()
x 1= x 21 , x 2=
⋮
xn 1
x 22 , … , x =
⋮
x n2
n
x2 n
⋮
x nn
[ ]
W ( x 1 , x 2 ,… , x n )= x 21 x 22 … x 2n ≠ 0
⋮ ⋮ ⋮
xn 1 x n2 … x nn
Ejemplo: Resolver
X'= 2 3 X
( )
2 1
Solución:
Busquemos los valores y vectores propios de la matriz de los coeficientes:
A= (22 31 )
det ( A−λ Ι )= 2−λ 3 =0
2 |
1−λ |
λ 2−3 λ−4=( λ+1 ) ( λ−4 )=0
λ 1=−1 y λ 2=4
Para λ 1=−1
x 1+ x2=0⟹ x 1=−x 2
k 1= 1
( )
−1
Para λ 2=4
−2 x1 +3 x 2=0
k 2= (32)
x 1= 1 e−1 t , x2 = 3 e 4 t
( ) ()
−1 2
X=
'
(32 −18
−9
X )
det ( A−λ Ι )= 3−λ −18 =( λ+3 )2=0
| |
2 −9−λ
λ 1=λ2=−3
Es una raíz de multiplicidad algebraica 2, se obtiene el vector propio de modo que:
Ejemplo: Resolver
1 −2 2
(
X ' = −2 1 −2 X
2 −2 1 )
Solución:
1−λ −2 2
|
det ( A−λ Ι )= −2 1−λ −2 =0
2 −2 1−λ |
λ 1=λ2=−1 y λ3=5
Para λ 1=λ2=−1
2 −2 2 1 −1 1 x1 0
| ||
−2 2 −2 → 0 0 0 x2 = 0
2 −2 2 0 0 0 x3 0 | | ||
x 1−x 2 + x 3=0
1 0
() ()
k 1= 1 ; k 2 = 1
0 1
1 0
() ()
x 1= 1 e−t , x 2= 1 e−t
0 1
Para λ 3=5
−4 −2 2 −1 0 1 x1 0
|
−2 −4 −2
2 −2 −4
→
||
0 1 1 x2 = 0
0 0 0 x3 0 | | ||
−x 1+ x3 =0
x 2+ x3 =0
1 1
( ) ( )
k 3= −1 ; x3 = −1 e−5 t
1 1
1 0 1
0() () ( )
x= 1 e−t + 1 e−t + −1 e−5 t
1 1
λ10…0 0
( )
0 λ1…0 0
B ( λ )= 0 0 λ … 0 0
⋮⋮⋮ ⋱ ⋮ ⋮
000… λ 1
000…0 λ
B ( λ )es una matriz cuadrada de orden k con λ en la diagonal, cifras 1 como se indica y
cifras 0 en el resto.
3 1 0 0
)( )
−2 1 0
(−5 ) ,(10 1
0 10
0
)(
, 0 −2 1 , 0
0 −2
0
3
0
1
3
0
1
0 0 0 3
B ( λ )=¿
2 1 0 0 0 0
( )
0 2 1 0 0 0
0 0 3 1 0 0
0 0 0 3 1 0
0 0 0 0 3 0
0 0 0 0 0 5
Tambien lo es la matriz
2 1 0 0 0 0
( )
0 2 1 0 0 0
0 0 3 1 0 0
0 0 0 3 1 0
0 0 0 0 3 0
0 0 0 0 0 5
OBSERVACIONES
P ( A )=det ( A−Ι t )
TEOREMA
Ejemplos
Solución:
Calculamos los valores y vectores propios de la matriz A.
|2−λ
−2 −1−λ |
−5 =0 ⟹ λ ¿−3 , λ =4
1 2
λ=−3
5 −5 ⟶ 1 −1 ⟶ 1 −1 x = 0
|−2 2 | |
−1 1 0 0 y 0 | | || | | |
x− y =0 v 1= 1
1 ()
λ=4
−2 −5 ⟶ −2 −5 ⟶ 2 5 x = 0
|−2 −5 0 | |
0 0 0 y 0 | | || | | |
2 x+5 y =0 v 2= −5
2 ( )
1 −5
P=
1 2 ( )
Determinando P−1
|10 −1 1 0
0 0 1
⟶
1 0 2/7 5 /7
| |
0 1 −1/7 1 /7 |
P−1= 2/7 5/7 ( )
−1/7 1/7
2/7 5 /7 2 −5 1 −5 −3 0
−1
P A P= (−1/7 )(
1 /7 −2 −1 1 2
= )(
0 4 )( )
2. Diagonalizar para obtener la ecuación canónica de la siguiente cónica:
3 x −10 xy+ 3 y 2 −14 √ 2 x +18 √ 2 y +38=0
2
'
x = 1/ √ 2 −1/ √ 2 x
()(
y 1/ √ 2 1/ √ 2 y ' )( )
1 ' 1 ' 1 1 '
x= x− y , y = x' + y
√2 √2 √2 √2
Reemplazando en ( ¿ )
1 −1
¿(x
' '
y )1 x 2 ( −2 0
0 8 ) ( )
2 x2
x'
y' 2x 1
+2 (−7 √ 2 9 √2 )1 x2
( )()
√2
1
√2
√2
1
√2 2 x2
x'
y' 2x 1
2 2
x' ' 2
H : − y ' ' =1
4
y'
x
y' '
3. Hallar la ecuación canónica de la siguiente cuádrica o cuadrática:
−λ 2 −4
| |
2 2−λ −2 =0 ⟹ ( λ+4 ) ( λ−6 ) λ=0
−4 −2 − λ
Para λ 1=−4
4 2 −4 1 0 −1 x 0
|2 6 −2
−4 −2 4
⟶
||
0 1 0 y=0
0 0 0 z 0 | | ||
1
x−z=0
()
v1 = 0
1
y=0
Para λ 2=0
0 2 −4 0 1 −2 1 0 1 x 0
|2
||
2 −2 ⟶ 1 0 1 ⟶ 0 1 −2 y = 0
−4 −2 0 0 0 0 0 0 0 z 0 || | | ||
−1
x + z=0
()
v 2= 2
1
y−2 z=0
Para λ 3=6
−6 2 −4 1 0 1 x 0
|2 −4 −2 ⟶ 0 1 1 y = 0
−4 −2 −6 0 0 0 z 0 | | | | ||
'
x 1/ √ 2 −1/ √ 6 −1/ √3 x
()( y = 0
z
2/ √ 6 −1/ √3 y '
1/ √ 2 1/ √ 6 1 / √3 z ' )( )
Luego:
'
−4 0 0 x x'
0 0 6 z' ( )( )
( x y z ) 0 0 0 y ' + ( 6 / √2 −6 / √ 6 −6/ √ 3 )1 x3 y '
z' ()3x 1
−5=0
2
6 ' 6 ' 6 ' 2
− 4x −
'
√2
x+
2 √2
'
+6 z −
√3
z + ( 1/2 √3 ) )
1
∗4
5∗8 9 2
−√ 6 y ' − + − =0
8 8 4
3 2 1 2 35
(
− 2 x'−
2 √2
+6 z ' −
2 √3 ) (
− √6 y ' +
8 √6
=0 ) ( )
Reemplazando por traslación:
3
2 x' − =x ' '
√2
1
z' − =z ''
2√ 3
35
y' + = y' '
8 √6
2 2
''
−x ' ' +6 z ' ' − √6 y =0
x'' x''
6 z ' =√ 6 y ' '
z ''
y' '
Paraboloide hiperbólico
MATRIZ EXPONENCIAL
Es una función definida sobre las matrices cuadradas, se parece a la función exponencial.
Sea X una matriz cuadrada de orden n de números reales o complejos, la exponencial de x
∞
x xk
denotada por e =∑ ,es decir
k=0 k!
n
Ak A2 A 3
e A =lim ∑ =Ι + A+ + +…
n →∞ k=0 k! 2! 3!
PROPIEDADES
1. e Ο=Ι (identidad )
2. exp ( aX ) exp ( bX ) =e(a+b )X (linealidad)
3. exp ( X ) exp (−X )=Ι
−1
4. ( e A ) =e− A ( inversa )
5. det e X =etrazX ( relación traza , determinante )
6. exp X t =( exp X )t
7. Si XY =YX ⟹ e x e y =e x+ y =e y e x ( preservación de la conmutación )
'
8. Si Y es invertible ⟹ e yx y = y e x y −1
9. Acotaciónde la norma: |e A|≤ e‖A‖
10. Exponencial de una matriz nilpotente :
Definida la exponencial de una matriz cuadrada:
A A2 A 3 An
e =Ι + A+ + +…+
2! 3! n!
0 0 0
Ejemplo:
(
A= 1 0 0
0 1 0 )
0 0 0 0 0 0
2
(
1 0 0
3
) (
A = 0 0 0 ,A = 0 0 0
0 0 0 )
Las matrices de potencias superiores a 3 son nulas.
Luego:
0 0 0
(e )= 10
1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0
0 1 0
( )( ) (
1 0 + 1 0 0 + 0 0 0 + 0 0 0 +…
0 0 1 0 1 0
2
1 0 0
6
0 0 0 ) ( )
0 0 0
( )=
1 0 0 1 0 0
0 1 0
e
( 1 1 0
1/2 1 1 )
MATRICES DIAGONALES Y DIAGONALIZABLES
a1 0 … 0
(
A= 0 a2 … 0
⋮ ⋮ ⋱ ⋮
0 0 … an
)
Una matriz M diagonalizable entonces M =P−1 DP donde D es la matriz diagonal y es una
matriz no singular, P puede elegirse como una matriz unitaria, la exponencial de matrices
diagonalizables se puede reducir a:
e M =P−1 e j P
Las matrices cuadradas reales o complejas pueden ser interpretadas como expresiones en
una base dada de una aplicación lineal, mediante este hecho se puede expresar con mayor
comodidad la exponencial de una matriz.
Si A representa a la matriz de cierta aplicación lineal entonces la exponencial puede
obtenerse a partir de la forma canónica de Jordán, es decir:
M =P−1 JP
∞ k ∞
−1 ( P−1 JP ) P−1 J k P
e M =e P JP
=∑ =∑ =P−1 e J P
k=0 k! k=0 k!
e A , eJ
J=¿
⟹ J n=¿
Si tenemos una matriz diagonal de bloque como la de Jordán, sus potencias resultan ser
una matriz diagonal de bloque, donde cada bloque es la potencia del correspondiente
bloque.
Ejemplo:
1 0 0
1. Sea la matriz A= 1
2
( )
3 0 , el polinomio característico de dicha matriz es:
1 1 1
P ( λ )= (1−λ ) ( 3−λ )
El polinomio mínimo coincide con m ( λ )=P ( λ )
Los valores propios son 1ma 2 y 3 de ma 1.
Se puede establecer la forma de Jordán y una matriz de paso P.
1 0 0 0 0 0
(
J= 1 3 0
1 1 3 ) (
P= 2 0 0
1 1 1 )
−1
e M =e P JP
=P−1 e J P
e 0 0
J
(
e =e e 0
0 0 e3 )
e
0 −e
( )
2
−1/2 0 0 e e 0 −2 0 0
1/4 (
e A =P−1 eJ P= −1 /12 −1/6 1/3 e e 0 1 0 2 = e
1/2 0 0 0 e3 0 3 1 4
−3 e
)( )( ) e3
e3 e
−
3 2
3e
0
4 2
2. Resolver:
x '1 ( t )=3 x 1 ( t )−x 2 ( t )
x '2 ( t )=−2 x 1 ( t ) +2 x 2 ( t )
Solución:
x '1 (t ) x (t )
= 3 −1 1
( )('
x 2 (t ) −2 2 x 2 ( t ) )( )
Para (−23 −12 )
Buscando sus valores y vectores propios se obtiene: λ 1=1 y λ2 =4
v1 = 1 y v 2= 1
2() −1 ( )
Entonces:
C= 1 1 y C−1= −1 −1
−1
(
2 −1 −2 1 )3 ( )( )
J=D= ( 10 04)
et 0
e Jt = ( 0 e4 t )
Luego:
−1 1 1 e t 0 −1 −1
e At=Ce Jt C−1= ( )(
3 2 −1 0 e 4 t −2 1 )( )
−1 −e t−2 e 4 t −et +e 4 t
e At= (
3 −2 e t +2 e 4 t −2 et −e 4 t )
At
x (t ) −1 −et −2 e 4 t −et +e 4 t 120
( )
x t= 1 =e X 0=
x2 ( t ) (
3 −2 e t +2 e 4 t −2e t −e 4 t 150 )( )