Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte de Algebra Final
Apunte de Algebra Final
AUTOVALORES Y AUTOVECTORES
Carvajal Leonor
1
2
Leonor Carvajal
AUTOVALORES Y AUTOVECTORES
Definición.: Si A es una matriz de orden n, entonces un vector X diferente del vector cero en Rn se denomina
AUTOVECTOR de A si A.X es un múltiplo escalar de X.
Es decir: A.X = . X con R
3 0
Ejemplo: Obtener los autovalores y autovectores de A = .
8 1
1) Determinación de los autovalores:
A I . X N
Por definición, A.X = . X A. X X N polinomio
es la Ecuación característica.
característico
Luego:
3 0 x1 x 3 0 x1 x 0 3 0 1 0 x1 0 3 0 x1 0
1 1
8 1 x 2 x 2 8 1 x 2 x2 0 8 1 0 1 x 2 0 8 1 x 2 0
Tenemos un sistema homogeneo del que se buscan soluciones no triviales pues X no es el vector cero.
Ello se obtiene cuando Det A I 0 .
3 0
En nuestro ejemplo: 0 1 3 2 1 . Estos son los AUTOVALORES de A
8 1
4 0 x1 0 x 0 x 0
Para 1 1 : x1 0; x 2 0 1 1 2
8 0 x2 0 x2 x2 x2 1
1 0
3) Pares característicos: son los pares i ; X i o sea, 3; 1 y 1; 2 .
2 1
2
3
Leonor Carvajal
Interpretación geométrica en R2 y en R3
Los autovectores Xi correspondientes a los autovalores i , son los vectores no nulos del subespacio solución del
simbolizamos S i .
…………………………………………………………………………………………………………………
Sea T : V V / T ( X ) X . El problema que se presenta es hallar los escalares para los cuales se obtiene X
no nulos. La solución consiste en hallar los autovalores y autovectores de cualquiera de las matrices que
representan a T respecto de una base, tal como lo expresa el siguiente teorema:
Si V es un espacio vectorial de dimensión finita, T : V V es una transformación lineal y AB una matriz
asociada a la transformación lineal en cualquier base B de V, entonces:
1) Los valores propios de T son los valores propios de AB.
x1
2) Un vector X V (X no nulo) es un autovector de T para si y sólo si la matriz de coordenadas de X= en la
x2 B
base B es un vector propio de AB .
3
4
Leonor Carvajal
Procedimiento:
1) Se elige una base B de V.
2) Se haya AB que representa a T en la base B.
3) Se hallan los pares característicos de A.
Desarrollo:
2 0
1) * En la base canónica, es AB = y los autovalores de T (autovalores de AB) resultan de resolver:
1 3
2 0 2 0
0 2 . 3 0 1 2 2 3 0 1 2 2 3
1 3 1 3
0 0 x 0 x x x 1
Para 1 2 : x y 0 y x 1
1 1 y 0 y x y 1
1 0 x 0 x 0 x 0
Para 2 3: x 0 , y 2
1 0 y 0 y y y 1
1 0
* Los subespacios característicos: S 1 2 gen y S 2 3 gen
1 1
4
5
Leonor Carvajal
0 0 x 0 x x x 1
Para 1 2 : y 0 x 1
0 1 y 0 y 0 y 0
1 0 x 0 x 0 x 0
Para 2 3 : x 0, y 2
0 0 y 0 0 0 y 1
1 0
* Los subespacios característicos: S 1 2 gen y S 2 3 gen
0 1
Observaciones:
1) Los vectores de la base B´ son los autovectores que expresan a la transformación lineal en la base B.
2) La matriz AB´ asociada a la transformación lineal en la base de los autovectores de A, es DIAGONAL y
los elementos de la diagonal principal son los autovalores de AB.
En síntesis :
Si la interpretación geométrica es más sencilla cuando se elige una base B´ para la cual la matriz asociada a la
T.L. es diagonal, ¿ cómo elegir una base B´ adecuada?. ¿Esto será siempre posible?.
El tema de tener una “representación matricial de la T.L.” con una matriz DIAGONAL, está relacionado con
pasar de AB a AB´ , siendo AB´ DIAGONAL.
Este proceso se conoce como DIAGONALIZACIÓN de AB .
………………………………………………………………………………………………………………..
Los siguientes teoremas y definiciones nos conducirán a determinar cuándo y cómo se puede diagonalizar
una matriz.
Definición: A R nn es diagonalizable P R nn inversible / D = P -1. A . P y D es diagonal.
5
6
Leonor Carvajal
Propiedades:
1) Dos matrices semejantes tienen la misma ecuación característica y por lo tanto los mismos autovalores.
En efecto:
C nxn es semejante a Anxn Pnn inversible / C = P- 1 .A . P
C I P 1 . A.P I
C I P 1 . A.P I
C I P 1 . A.P P 1 I P
C I P 1 ( A I ) P
C I P 1 . (A I ) . P
C I (A I ) que es lo que se quería demostrar.
Luego, como D y A son semejantes y los autovalores de D son los elementos de su diagonal principal, estos elementos son
los autovalores de A.
………………………………….
…………………………………
…………………………………
4) A es diagonalizable si y sólo si la multiplicidad algebraica de cada uno de los autovalores es igual a la multiplicidad
geométrica.
…………………………………
Consecuencias:
* A R nn es diagonalizable si y sólo si existe una base de Rn constituida por los autovectores de A.
r
* Si los autovalores de A son 1 , 2 , 3 , ... , r con r n , entonces A es diagonalizable si y sólo si Dim S
i 1
i
n.
6
7
Leonor Carvajal
Procedimiento:
1) Hallar los n autovectores linealmente independientes de A.
2) Armar P cuyas columnas son los n autovectores de A.
3) Obtener D = P-1. A . P diagonal (semejante a A) con los autovalores 1 , 2 , ...., n en la diagonal principal,
Importante: Si se cambia el orden de los i en D, también debe cambiarse el orden de los autovectores Xi en P.
..............................................................
3 2 0
Ejemplo. Diagonalizar la matriz A 2 3 0 .
0 0 5
2 2 0 x 0 x x x 1 0
Para 1 2 5 en *: 2 2 0 . y 0 2 x 2 y 0 , z R y x y 1 1 2 0
0 0 0 z 0 z z z 0 1
1 0
Luego S 1 2 5 gen 1 , 0 Dim S 1 2 5 2
0 1
2 2 0 x 0 x x x 1
Para 3 1 en * : 2 2 0 . y 0 x y , z 0 y x y 3 1
0 0 4 z 0 z 0 z 0
1
Luego S 3 1 gen 1 Dim S 3 1 1
0
7
8
Leonor Carvajal
1 0 1
2) Armamos P 1 0 1 que “diagonaliza a A “
0 1 0
5 0 0
1
3) Armamos D P . A. P . Después de hacer todas las cuentas, resulta: D 0 5 0
0 0 1
…………………………………………
DIAGONALIZACIÓN DE MATRICES SIMÉTRICAS.
1) Para toda matriz simétrica A, existe una matriz P del mismo orden y ortogonal (P -1 = P t ) tal que D = P -1.A . P
y D es diagonal.
2) Dada A simétrica de orden n existe un conjunto de n vectores propios ortonormales, que constituyen una base
ortonormal de Rn.
Procedimiento:
1) Hallar los subespacios característicos de A y una base en cada uno de ellos.
2) Unir las bases para obtener una base B´ de Rn .
3) Ortonormalizar esta base B´.
4) Formar una matriz P cuyas columnas son los n vectores del item (3).
5) Obtener D.
3 4
Ejemplo. Diagonalizar A =
4 9
3 4
x 0 3 4
1) . 0 1 1 2 11
4 9
y 0 4 9
2 4 x 0 x x x 2 2
. 2 x 4 y 0 y x 1 1 B1
1
Para 1 1 :
4 8 y 0 2 y 2 x y 1 1
8 1
Para 2 11 :
4 x 0 x x x 1
. 8 x 4 y 0 y 2 x 2 B2
4 2 y 0 y 2x y 2 2
2 1
2 1
2) B´= , 3) B´ ortonormalizada es: 5 , 5
1 2 1 2
5 5
2 1
1 0
4) P = 5 5 5) D =
1 2 0 11
5 5
8
9
Leonor Carvajal
Cuando diagonalizamos una matriz simétrica por este procedimiento, estamos cambiando una base ortonormal
(canónica) por otra base ortonormal, cosa que en R2 se visualiza así:
y x´ y y´
P 1 P 1
y´ x
x Rotación de ejes Rotación más reflexión de ejes
x´
A los fines prácticos, “ordenamos” los autovalores de la base ortonormal de manera que P 1 para que los
SECCIONES CÓNICAS.
Si el plano no pasa por el vértice de la superficie cónica, las figuras se denominan cónicas irreducibles.
Si en cambio, el plano pasa por el vértice de la superficie cónica se obtienen las denominadas cónicas
reducibles o degeneradas.
9
10
Leonor Carvajal
10
11
Leonor Carvajal
Todas las cónicas responden a la ecuación general de segundo grado con dos variables:
a11 x 2 a 22 y 2 2a12 xy a13 x a23 y a33 0 con a11 , a 22 y a12 no simultáneamente nulos.
Tér min os cuadráticos T . Re c tan gular Tér min os lineales T . indep.
a a12 x x
x y 11 a13 a 23 a33 0 .Obsérvese que A es simétrica y por lo tanto, diagonalizable.
a12 a22 y y
A
Puede demostrarse que la misma se reduce a otra ecuación equivalente pero sin término rectangular, haciendo el
cambio de base, anunciado.
Así, se obtiene:
x´ y´ D a13 a23 P a33 0 siendo P la matriz que diagonaliza a la matriz A.
x´ x´
y´ y´
Ejemplo.
Sea la ecuación 9 x 2 16 y 2 24 xy 20 x 15 y 0 . Reducirla a una forma más simple y graficar la cónica correspondiente.
Desarrollo.
9 12 x x
1) Expresamos la ecuación en forma matricial: x y 20 15 0
12 16 y y
x´ x´
2) Debemos llegar a la forma: x´ y´ D 20 15 P 0
y´ y´
3) Obtenemos D y P :
9 12 x 0 9 12
0 1 0 2 25
12 16 y 0 12 16
x 1
Para 1 0 : 9 12 x 0 9 x 12 y 0 y 3 x x 3 x 1 3 B 0 4
12 16 y 0 y x y
4 4 3
1
4
x 1
Para 2 25 : 16 12 x 0 16 x 12 y 0 y 4 x x 4 x 2 4 B 25 3
12 9 y 0 3 y 3 x y 4
2
3
11
12
Leonor Carvajal
4 3 4 3
5 5
5 con P 1 . Además: D
0 0
Una base de R ortonormalizada es: B´ , P 5
2
.
3 4 3 4 0 25
5 5
5 5
4 3
0 0 x´
x´ y´ 20 15 5 5 x´ 0 y´2= x´ . O sea, una parábola de eje x´.
0 25 y´ 3 4 y´
5 5
Observaciones:
1) Si uno de los autovalores es nulo, la cónica es “del tipo” parábola.
2) Si los autovalores tienen igual signo, la cónica es “del tipo” elipse.
3) Si los autovalores tienen signos contrarios, la cónica es “del tipo” hipérbola.
12
13
13
1
TRANSFORMACIONES LINEALES
Carvajal Leonor
1
2
Leonor Carvajal
TRANSFORMACIONES L1NEALES
Vamos a ocuparnos de unas funciones muy especiales cuyos dominios y codominios son espacios vectoriales
( V,+,R,.) y ( W,+,R,.) , respectivamente. O sea T : V W / T (v) = w.
Estas funciones que vamos a estudiar a partir de ahora, se denominan TRANSFORMACIONES LINEALES
( sobre R) y tienen la siguiente definición:
Si (V,+,R,.) y (W,+,R,.) son dos espacios vectoriales y T : V W es una función, entonces T es una
transformación lineal si y sólo si :
1) T (u + v) = T (u) + T (v) u V , v V
2) T ( k .u) = k. T (u) k R, u V
Ejemplo 1:
Demuestre que T: R2 R2 / T ( x , y ) = ( 2x , x + y ) es una transformación lineal.
1) Debe demostrarse que : T x, y x , , y , T x, y T x , , y ,
T x, y x , y 2 x, x y 2 x , x y
, , , , ,
2
3
Leonor Carvajal
Ejemplo 2:
Idem para T: R3 R2 / T ( x , y , z ) = ( x + y , y – z)
1) Debe demostrarse que:
T x, y, z x , , y , , z , T x, y, z T x , , y , , z ,
T x, y, z x , y , z x x y y , y y z z
, , , , , , ,
T x, y, z x , y , z x y, y z x y , y z
, , , , , , ,
Propiedad 1:
La imagen del vector cero del primer espacio, por la transformación lineal, es el vector cero del segundo
espacio: T (OV) = OW
Demostración: T (OV) = T(0.x)
T (OV) = 0 . T(x)
T (OV) = OW
3
4
Leonor Carvajal
Propiedad 2:
La imagen del opuesto de todo vector del primer espacio, por la transformación lineal, es igual al opuesto de su
imagen.
T (-x) = - T (x)
Demostración: T (-x) = T (-1 . x)
T (-x) = -1. T (x)
T (-x) = - T (x)
T es un monomorfismo T es inyectiva.
T es un epimorfismo T es sobreyectiva.
T es un isomorfismo T es biyectiva.
4
5
Leonor Carvajal
Consideremos ahora el siguiente ejemplo extraído de la Mecánica: Imaginemos un corte lateral de un cubo de
gelatina sostenido con ambas manos como indica la figura (1) :
5
6
Leonor Carvajal
Si la mano que sostiene la base permanece fija y la otra mano se desplaza arrastrando al cubo como se muestra
en la figura (2), el cubo sufre una deformación relacionada con algo que se denomina deslizamiento cortante
o corte .
Para esquematizar la situación tomamos un sistema de ejes cartesianos ortogonales, solidarios con el corte,
como se muestra en la figura (3).
j j
k
}
O E O ........
i
s
t
o
Fig.3 Fig.4
s
s
o
Si tomamos k razonablemente pequeño, la altura sigue siendo la misma.
n
Observamos que estel deslizamiento cortante transforma a i en i y a j en k i + j .
En términos matriciales o se puede escribir:
s
1 p
1 0 k
en y en
0 0 u 1 1
n
t
Esta transformación odeslizamiento cortante o corte en la dirección de i aplicada a otro punto P del plano de
s
d x1
e de coordenadas canónicas x , lo transforma en otro punto P cuyas coordenadas
´
corte lateral del cubo,
i 2
x nkx
canónicas son 1 t 2 .
x 2e
r
s
e
c
c
i
ó 6
n
d
e
7
Leonor Carvajal
x 1 k x1 x1 kx2
T 1 .
x2 0 1 x2 x2
1 1 k 1 1
En efecto: T .
0 0 1 0 0
0 1 k 0 k
T . que coincide con lo dicho.
1 0 1 1 1
y x1
x2 x1 k x 2 Los puntos sobre el eje de
x2 abscisas quedan fijos pues
k>0 x2 = 0, y los puntos
k<0
más alejados de este eje se
desplazan a una distancia
mayor cuanto mayor sea x2,
x que los cercanos al eje x.
x x , x x1,
En efecto: T 1 1, T 1
,
x 2 x 2 x2 x2
x x , 1 k x1 x1,
T 1 1, .
,
x2 x2 0 1 x2 x 2
7
8
Leonor Carvajal
x x , x x1, k ( x 2 x 2, )
T 1 1, 1
x 2 x2 x 2 x 2,
x x1, x1 x1,
Luego: T 1 , T T ,
x 2 x 2 x2 x2
x x
2) Debe demostrarse que: T h 1 h.T 1 con h R
x 2 x2
x h.x
Se cumple, pues: T h 1 T 1
x 2 h.x 2
x 1 k h.x1
T h 1 .
x 2 0 1 h.x 2
x h.x k .(h.x 2 )
T h 1 1
2
x h. x 2
x x k .x 2
T h 1 h. 1
x 2 x 2
x x
En efecto: T h 1 h.T 1
x 2 x2
NOTA: en general, toda transformación de R2 en R2 que pueda expresarse en la forma T(X) = A . X , donde
x
A R 2 x 2 y X 1 es un punto, es una transformación lineal de R2 en R2.
x2
Análogamente, el deslizamiento cortante o corte en la dirección de j , queda caracterizado con la siguiente
x 1 0 x1 x1
expresión matricial: T 1 .
x2 k 1 x2 kx1 x2
Ahora, los puntos que están sobre el eje de ordenadas son los que se mantienen fijos pues x1 = 0.
8
9
Leonor Carvajal
1
Ejemplo: obtener T , para k = 4.
2
1 1 0 1 1 1
Resulta: T .
2 4 1 2 4.1 2 6
El deslizamiento cortante o corte como función lineal representable por una matriz, es sólo una de muchas
aplicaciones importantes.
Por ello es necesario estudiar funciones representables mediante matrices que multiplican las matrices de
coordenadas canónicas de los vectores.
En general, dada una función lineal T de la forma:
x a a12 x1
T 1 11 . ,
x2 a 21 a 22 x2
interesa describir geométricamente cómo transforma T a los vectores.
x
¿Qué efecto produce T sobre 1 ?
x2
y
k>1
k > 1 T es función dilatación
0 < k < 1 T es función compresión
x2 k = 1 T es función identidad
k = 0 T es función cero.
O x
x1
x 2 0 x1 2 x1
Veamos ahora la transformación T : R 2 R 2 / T 1 .
2
x 0 1 2 2
x x
x
Esta transformación “dilata” la abscisa del punto 1 , duplicándola y preserva la ordenada.
x2
9
10
Leonor Carvajal
El efecto es, entonces, “dilatar” cada figura plana en la dirección del eje de abscisas.
y
y
x1
2x1
x2
x2
x2 x2
x x
x1 x1 2x1
x1 x1
x2 x2
1 1
A una transformación lineal de este tipo se la llama dilatación en la dirección del eje x con coeficiente k = 2
x k 0 x1 kx1
En general, si k > 1, la transformación T 1 . es una dilatación en la dirección del eje
x2 0 1 x2 x2
x, con coeficiente k.
Si 0< k <1, el efecto de aplicar la transformación es “comprimir” la abscisa de cada punto mientras se preserva
la ordenada. Luego, la figura plana sufre una compresión en la dirección del eje x, con coeficiente k.
De manera análoga, si se preserva la abscisa de cada punto y se multiplica la ordenada por k R , el efecto
sobre cada figura plana es una dilatación ( k >1) o una compresión ( 0 < k < 1) en la dirección del eje de
ordenadas.
10
11
Leonor Carvajal
x 1 0 x1 x1
Sea ahora: T 1 .
x2 0 0 x2 0
y
x1
Se conserva la primera componente y se anula la segunda.
x2
Se tiene la “función proyección sobre el eje de abscisas”.
O x
x1
0
x 0 0 x1 0
Análogamente : T 1 .
x2 0 1 x2 x2
y
x1 Se anula la primera componente y se conserva la segunda.
0
x2 Se tiene la “función proyección sobre el eje de ordenadas “.
x2
O x
x k 0 x1 k .x1 x
Si tenemos: T 1 . k . 1
x2 0 0 x2 0 0
k 0 k 0 k 0 1 0
La matriz puede escribirse: .
0 0 0 0 0 k 0 0
k 0 1 0 k 0
O bien: .
0 0 0 0 0 k
Este ejemplo nos muestra el siguiente principio general:
11
12
Leonor Carvajal
Para hacer un análisis geométrico, debemos dividir a la función en una serie de funciones simples como
dilatación, compresiones, proyecciones, etc.
Consideremos otra función, que es la rotación de un punto P en sentido antihorario y con ángulo .
O x ,
x 2 sen .x1 cos .x 2
Por ejemplo:
0 1
Para la matriz que caracteriza a la rotación es y el transformado de un punto cualquiera
2 1 0
4 4 0 1 4 1
es T .
1 1 1 0 1 4
12
13
Leonor Carvajal
y y
x1 x1 x1
x2
x2 x2 x 2
x x
O O
x
-x1 x1
-x2
x1
x2
1 0 1 0
0 1 0 1
x 1 0 x1 x1 x 1 0 x1 x1
T 1 T 1
x2 0 1 x2 x2 x2 0 1 x2 x2
0 1
c) Con respecto a y=x: 1 0
x1
y
● x2
x1
x 0 1 x1 x2
● 2 T 1 .
x
O
x x2 1 0 x2 x1
y=x
13
14
Leonor Carvajal
x 0 1 x1 x x2
Ejemplo 1: T 1 . o sea T 1
x2 1 2 x2 x 2 x1 2x 2
Se observa que x1 se cambia por x2 lo cual hace pensar en una reflexión con respecto a la recta y = x .
x x2
Luego a la nueva ordenada se le suma 2 x2 lo cual “desliza” el punto 1 hacia una nueva posición
x2 x1 2x 2
produciendo un deslizamiento cortante de coeficiente 2 en la dirección del eje de ordenadas.
Como los puntos del eje de ordenadas tienen todos abscisa nula, permanecen fijos.
Esta información la reflejamos mediante:
0 1
Reflexión con respecto a y = x
1 0
1 0
Deslizamiento cortante de coeficiente 2 en la dirección de y
2 1
1 0 0 1 x1 1 0 x2 x2 x1
. . . T
2 1 1 0 2
x 2 1 1 1
x x 2 x 2 x2
b) Si seguimos el otro orden:
0 1 1 0 x1 0 1 x1 2 x1 x2 x1
. . . T
1 0 2 1 x2 1 0 2 x1 x2 x1 x2
Recordar que el producto de matrices no es conmutativo. En consecuencia es de esperar que sólo un cierto
orden sea el correcto.
14
15
Leonor Carvajal
x 2 0 x1 2 x1
Ejemplo 2: Por último consideremos T 1 .
x2 0 3 x2 3x2
x 2 0 0 0 x1
Lo mismo puede anotarse: T 1 .
x2 0 0 0 3 x2
x 2 0 x1 0 0 x1
T 1 . 0 3 . x
x2 0 0 x2 2
RESUMEN
1 k 1 0
Deslizamiento cortante en la dirección de x...................... y en la dirección de y …………..
0 1 k 1
k 0 1 0
Dilatación o compresión en la dirección de x .................. y en la dirección de y ………….
0 1 0 k
1 0 0 0
Proyección sobre el eje x ................................................. y sobre el eje y …………………
0 0 0 1
1 0 1 0
Reflexión respecto del eje x ............................................ y del eje y …………………….
0 1 0 1
0 1
Reflexión respecto de y = x ..............................................
1 0
cos sen
Rotación antihoraria de ángulo ....................................
sen cos
15
16
Leonor Carvajal
Definición: Núcleo de una transformación lineal T: V W es el conjunto de los vectores de V cuyas imágenes
por T son el vector cero de W. V T W
Así: NT = x V / T ( x) 0W
NuT OW
O sea: x NT T /( x) 0W
Propiedad 1:
El núcleo de toda transformación lineal entre dos espacios vectoriales, es un subespacio del primero.
Demostración:
1) NT V por definición de núcleo
2) NT pues OV NT (Prop. de pág. 3 )
3) + es ley de composición interna:
x NT y NT T (x) = OW T (y) = OW
Sumando miembro a miembro: T (x) + T (y) = OW
Pero T es una transf.. lineal: T (x + y ) = OW
Luego ( x + y ) NT
4) . es ley de composición externa:
k R x NT k R T (x) = OW
Multiplicando miembro a miembro: k. T (x) = k. OW
Pero T es una transf.. lineal: T ( k . x) = OW
Luego ( k. x ) NT
Propiedad 2:
Una transformación lineal T: V W es inyectiva si y sólo si el único elemento del núcleo es el vector cero.
T: V W es inyectiva NT = 0V
16
17
Leonor Carvajal
Demostración:
1) T es inyectiva NT = 0V 2) NT = 0V T es inyectiva
( x – x´) = OV
x = x´
Luego, T es inyectiva.
Definición: imagen de una transformación lineal T: V W es el conjunto imagen del dominio V, o sea, es la
totalidad de las imágenes de los vectores del primer espacio.
Así: ImT = y W / y T ( x) V T W
OV .
OW
Im T
Propiedad:
La imagen o recorrido de toda transformación lineal es un subespacio del segundo espacio vectorial, o sea, del
codominio.
Demostración:
1) ImT W por definición de imagen.
2) ImT pues OW ImT (Prop. de pág. 3 )
3) + es ley de composición interna:
T (x) ImT T (y) ImT x V y V / x y V T x y ImT
17
18
Leonor Carvajal
18
19
Leonor Carvajal
……………………………………………………………………………………………………………………
Si w1, w2, …., wn son n vectores cualesquiera de W , entonces existe una única transformación lineal T: V W
tal que T(vi) = wi , i = 1; 2; 3; …; n.
Ejercicio:
Sea la transformación lineal T: R3 R2 que asigna a los vectores de la base B 1,1,1 ; 1,1,0 ; 1,0,0 los
Expresamos a este vector como combinación lineal de los elementos de la base dada:
(a; b; c) = 1 (1; 1; 1) + 2 (1; 1; 0) + 3 (1; 0; 0)
Resulta: 1 = c 2 = b – c 3 = a - b
Luego: (a; b; c) = c (1; 1; 1) + ( b – c) (1; 1; 0) + (a - b) (1; 0; 0)
y T (a; b; c) = c (1; 2) + ( b – c) (1; 2) + (a - b) (-1; 1)
T (a; b; c) = (2b – a; b + a )
19
20
Leonor Carvajal
Hasta ahora hemos trabajado con funciones que aplicaban R2 en R2 y que estaban definidas como el producto de
una matriz real A de orden dos por la matriz de coordenada canónicas de un punto cualquiera de R2.
Estas funciones resultaron ser transformaciones lineales.
Cabe preguntarse ahora, si dada una transformación lineal T: R 2 R 2 , será siempre posible hallar una matriz
A R 2x 2 , de manera que se pueda obtener la imagen por T de cada punto de R2 como producto de A por la
matriz de coordenadas canónicas de dicho punto.
Consideremos el siguiente ejemplo:
x x 6 x2
Sea T: R 2 R 2 la transformación lineal que asigna a cada punto 1 R 2 el punto 1 R 2 .
x2 3x1 4 x 2
x x 6 x2
O sea , T: R 2 R 2 / T 1 1 .
x2 3x1 4 x2
¿Cuál es la matriz asociada?
1 0
Las imágenes de la base canónica de R2, e1= y e2 = pueden calcularse aplicando la fórmula dada de T.
0 1
1 1 0 6
Así: T y T
0 3 1 4
1 6
Armemos con estas imágenes una matriz A de orden dos: A = y premultipliquemos por A la matriz de
3 4
las coordenadas canónicas de cualquier punto de R2 :
1 6 x1 x1 6 x2 x
. T 1
3 4 x2 3x1 4 x2 x2
Resulta T la premultiplicación por A. La matriz A se llama MATRIZ ESTÁNDAR para T y sus columnas son
las coordenadas canónicas de los transformados por T de los vectores de la base canónica o estándar de R2.
20
21
Leonor Carvajal
BV BW
vB V T (v)B W
¿Cómo cerrar este rectángulo para ir de v V hasta T (v) W , por otro camino?
Demostraremos que si se fija una base en cada espacio, la transformación lineal queda caracterizada por una
matriz Amxn , que llamaremos matriz de la transformación lineal, respecto de las bases dadas.
En efecto: sean BV = v1 ; v 2 ; v3 ;...; v n una base de V y BW = w1 ; w2 ; w3 ; ... ; wm una base de W, ambas
ordenadas.
Si v es cualquier vector de V, puede expresarse como combinación lineal de la base fijada:
1
2
(1) v = 1 .v1 2 .v 2 ... n .v n vB ....
....
V
n
Si el transformado de v V es T (v) W , T (x) se puede expresar como combinación lineal de la base BW:
`1
(2) T (v) = 1 .w1 2 .w2 ... m .wm T (v)BW 2
...
m m1
21
22
Leonor Carvajal
T (v) = 1 .a11.w1 a 21.w2 a31.w3 ... a m1 .wm 2 .a12 .w1 a 22 .w2 a32 .w3 ... a m2 .wm ...
Obsérvese que el primer subíndice de los aij corresponde a los vectores de la base BW del segundo espacio y el
segundo subíndice a la base BV del primer espacio.
... ... ... ... ... ... ...
a ... a
m1 am 2 ... mn n m
Am n v BV T ( v ) BW
Por consiguiente, para hallar la matriz de una transformación lineal T respecto de una base en cada espacio, se
procede de la siguiente manera:
1) determinamos las imágenes, por T, de los vectores de la base del primer espacio.
2) expresamos estas imágenes como combinación lineal de los elementos de la base del segundo espacio y los
expresamos como una matriz de orden n m.
3) la traspuesta de la matriz de los coeficientes es la matriz de orden m n de la transformación lineal respecto
de las bases dadas.
22
23
Leonor Carvajal
Directo (fórmula)
v V T (v) W
BV BW
por Amxn
Ejemplo:
Sean T: R3 R2 / T(x;y;z) = ( x + y + z ; 2 x + 3 y ). BR3 1;1;1;, 1;1;0, 1;0;0 y BR 2 1;1 , 1;0 bases
ordenadas de cada espacio vectorial. Obtener la matriz asociada a la transformación lineal T.
1) T ( 1; 1; 1) = ( 3 ; 5)
T ( 1; 1; 0) = ( 2 ; 5)
T ( 1; 0; 0) = ( 1 ; 2)
5 5 2
3) A2x3 = que es la matriz pedida.
2 3 1
……………………………………………………………………………………………………………………
23
24
Leonor Carvajal
Sabemos que si T: V W es una T.L., la imagen de T, o sea: ImT es el subespacio de W formado por todas las
imágenes de los vectores de V, según T.
Si T es monomorfismo o 1-1, a distintos vectores de V corresponden distintas imágenes o transformados en W.
Por lo tanto se puede definir una nueva función, denominada inversa de T (se simboliza T -1) que tiene por
dominio al conjunto imagen de T y que hace “retroceder” a los w W en v V.
V W
T
V .
-1
T
T1 (v) ImT
Luego: T T (v) v
1
1
y T T (w) w
De tal manera que aplicando T y T-1 en forma sucesiva y en cualquier orden cancelan entre sí el efecto que
tienen.
Desarrollo:
x y z 0
Buscamos el NuT , o sea, resolvemos x y 0 x y z 0 NuT 0;0;0 T es 1-1 y existe T .
-1
x y 0
0 0 2 1 1
t
1 1 1 0
1 1 1 1
A 1 1 0 A 1 1 2 A 0 1 1
2 2
1 1 0
1 1 0 2 2 0
x 0 1 1 x
1
T : R R / T y 0 1 1 . y
-1 3 3
x 2
2 2 0 z
24
25
Leonor Carvajal
T2 T1
v T1(v) T2(T1(v)) = w
T1 T2
V U W
Propiedades:
4) La matriz estandar para la inversa de una composición es el producto de las inversas de las matrices
estandar, en orden invertido o cambiado: AT T 1 AT11 . AT21
2 1
Ejercicio:
Sean T1 : R 2 R 2 / T1 x; y x y ; x y y T2 : R 2 R 2 / T2 x; y 2 x y ; x 2 y . Se pide:
a) Demostrar que T1 y T2 son monomorfismos o 1-1.
b) Encontrar fórmulas para T11 ; T21 y T2 T1 1
c) Comprobar que T2 T1 T11 T21
1
25
26
Leonor Carvajal
Desarrollo:
x y 0
a) x y 0 NuT 0,0 T1 es monomorfismo. Análogamente, T2 es monomorfismo.
x y 0
1 1 1 1 1 1 1 1 x
b) b-1) AT1 AT11 T11 R 2 R 2 / T11 x; y .
1 1 2 1 1 2 1 1 y
x y x y
T11 : R 2 R 2 / T1 x; y
1
;
2 2
2 1 1 2 1 1 2 1 x
b-2) AT2 AT21 T21 R 2 R 2 / T21 x; y .
1 2 5 1 2 5 1 2 y
T21 : R 2 R 2 / T2
1
x; y 2 x y ; x 2 y
5 5
1 x 1 1 1 1 2 1 x 1 x 1 3 1 x
b-3) T2 T1 T2 T1
y 2 1 1 5 1 2 y y 10 1 3 y
T2 T1 1 3x y ; x 3 y
x
y 10 10
2x y x 2 y 2x y x 2 y
1 2 x y x 2 y 3x y ; x 3 y
c-2) T11 T21
x; y T1 ;
5
= 5 5 ; 5 5
10
5 2 2 10
…………………………………………………………………………………………………………………………
26
27
Leonor Carvajal
CAMBIO DE BASE:
Pero cuando los ejes de la elipse no son coincidentes o paralelos a los coordenados: la ecuación
de la cónica no es tan sencilla. Por esta razón recurrimos a una nueva base en función de la cual, la cónica sea
fácilmente reconocible y graficable:
y´ x´
x´2 y´ 2
b a 2 1
a2 b
x x x c
Si X R 2 en la base S se anota: (*) c1 u1 c2 u 2 1 .
y y y S c2
Como u1 y u2 pertenecen a R2, se pueden escribir como combinación lineal de la base T, es decir:
u1 = p11 . v1 + p21 . v2 y u2 = p12 . v1 + p22 . v2
Estas expresiones se reemplazan en (*) y resulta:
x
c1 p11 . v1 p 21 . v 2 c 2 p12 . v1 p 22 . v 2
y
x
c1 . p11 c 2 . p12 . v1 c1 . p 21 c 2 . p 22 .v 2
y
Estos coeficientes son las coordenadas de X en la base T.
27
28
Leonor Carvajal
x c .p c .p x p p12 c1
Se puede anotar: 1 11 2 12 11 .
y T c1 . p 21 c 2 . p 22 y T p21 p 22 c 2
P x
y S
1
3) Busque las coordenadas de X = en la base S, en la base T y luego verifique respuestas aplicando
2
PS T y PT S .
Desarrollo:
1) PS T :
p11 1
(1,2) = p11. (-1,1) + p21 .(0,1) p11 1 y p 21 3
p11 p 21 2
p 2
(2,0) = p12 .(-1,1) + p22 .(0,1) 12 p12 2 y p 22 2
p12 p 22 0
1 2
Luego: PS T
3 2
28
29
Leonor Carvajal
Para PT S :
q11 2q 21 1 1 3
(-1,1) = q11 .(1,2) + q21 .(2,0) q11 y q 21
2.q11 1 2 4
q 2.q 22 0 1 1
(0,1) = q12 .(1,2) + q22 .(2,0) 12 q12 y q 22
2.q12 1 2 4
1 1
Resulta: PT S 2 2
3
1
4 4
1 1
1 2 2
2 1 0
2) PS T . PT S .
3 2 3
0 1
1
4 4
1 1
PT S . PS T 2 2 . 1 2 1 0
3 1 2 0 1
3
4 4
Luego: PS T y PT S son inversas.
1
3) :
2 S
1 1 2 1 2. 2 1
1 2 1 1 y 2 1
2 2 0 2. 1 2
1 1
Luego:
2 S 1
1 1
Análogamente: pues:
2 T 1
1 1 0 1 1
1 . 2 . 1 1 y 2 1
2 1 1 1 2 2
29
30
Leonor Carvajal
1 1
1 1
2 2 . 1 1 1 2 1 1
1
y .
2 S 3 1 1 2 T 3 2 1 1
4 4
Nota: Si S y T son bases ortonormales, entonces P es ortogonal, o sea: P.Pt = I.
…………………………………………………………………………………………………………………
Esquemas para tener en cuenta
X B premultipl ico T ( X )B
X directo T(X)
por AB
B B` P P-1
X B ' premultipl ico T ( X )B ' X B ' premultipl ico T ( X )B '
X B´ PB B´ X B
X B PB´1B X B´
T X B AB . X B
T X B ´ AB ´ .X B ´
T X B = P -1 T X B ´
………………………………………………………………………………………………………………….
¿Cómo asociar la matriz asociada a una transformación lineal con la matriz cambio de base?
30
31
Leonor Carvajal
Relación entre la matriz asociada a una transformación lineal y la matriz cambio de base P
¿Qué relación existe entre la matriz P de transición de una base B a otra base B´ con las matrices asociadas a
una transformación lineal T:V V, AB y AB´ respecto de las bases B y B´ ?
Reemplazando:
AB .X B P 1 . AB' .X B' intercalo el neutro I
2 0
En la base canónica B 1;0 , 0;1 es AB que no muestra el efecto que produce la T.L. sobre los
1 3
pares de R2. Por tal motivo, consideramos otra base B ´ 1;1 , 0;1.
1 0 2 0 1 0 2 0
Por lo tanto: AB´ = . . AB´ = que es una matriz DIAGONAL y facilita los
1 1 1 3 1 1 0 3
cálculos posteriores.
¿Se podrá lograr siempre una matriz DIAGONAL? . ¿Cómo conseguir una base B´conveniente?
31
32
Leonor Carvajal
Definición: Dos matrices A y C cuadradas de orden n, son SEMEJANTES, si y sólo si existe una matriz P
inversible de orden n tal que C = P-1 . A . P
Ejemplos.
1 1 1 2 0
2
1) A y C son semejantes pues existe P tal que A = P-1 . C . P
2
3 0 6 1
6 3
Obsérvese que : 1) tr (A) = tr ( C) = 1
2) A C 3
1 2 1 0
2) A y C no son semejantes a pesar de tener la misma traza, el mismo determinante
0 1 0 1
y el mismo rango.
32
33
33
Superficies Cuádricas o Cuádricas
Ya hemos tenido un primer contacto con el tema de superficies cuando trabajamos con
plano.
Así, las ecuaciones x = 2, 2x + y = 2, x + 3y + 4z = 1 corresponden, respectivamente, a
los planos:
z z z
1/4
2
y y 1/3
y
2 1 1
x x x
Vemos, que en cada caso se trata de una sola ecuación de primer grado, con a lo sumo,
tres variables: x, y, z.
S3
S1 S2
Elipsoide Hiperboloide de una hoja Paraboloide elíptico
a11 x 2 a22 y 2 a33 z2 2a12 xy 2a13 xz 2a23 yz 2a14 x 2a24 y 2a34 z a44 0,
Términos cuadráticos Términos rectangulares Términos lineales T .independ.
con a11, a22, a33, a12, a13, a23 no simultáneamente nulos. Las superficies cuyas ecuaciones
tienen esta forma, se denominan superficies cuádricas o simplemente cuádricas.
1
Análogamente a lo visto cuando estudiamos cónicas, se puede hacer una rototraslación
conveniente de ejes coordenados según la cual la superficie queda en posición canónica o
normal.
Ax2 + By2 = Qz ( II )
Si todos los coeficientes de estas ecuaciones son no nulos, las mismas pueden escri-
birse, respectivamente:
x2 y 2 z 2
1 Ecuaciones canónicas de las cuádricas con centro
a 2 b2 c2
Si uno o más de los coeficientes de las ecuaciones ( I ) y ( II ) son nulos, se dice que las
cuádricas a las que corresponden estas ecuaciones son cuádricas degeneradas.
1) Intersecciones con los ejes coordenados (a los que llamaremos ejes principales de la su-
perficie).
2) Trazas o intersecciones con los planos coordenados (a los que llamaremos planos principa-
les de la superficie).
3) Simetría con respecto a los ejes coordenados, planos coordenados y al origen de coorde-
nadas.
5) Extensión de la gráfica.
Con respecto a la simetría, decimos que para determinar si una superficie F(x; y; z) = 0 es
simétrica con respecto a los ejes coordenados, planos coordenados y origen de coordenadas
debe tenerse en cuenta el siguiente cuadro:
2
Superficie simétrica respecto al:
a) F(x; y; z) = F(-x; y; z) = 0 Plano yz
1 b) F(x; y; z) = F(x; -y; z) = 0 Plano xz
c) F(x; y; z) = F(x; y; -z) = 0 Plano xy
a) F(x; y; z) = F(-x;-y; z) = 0 Eje z
2 b) F(x; y; z) = F(-x; y; -z) = 0 Eje y
c) F(x; y; z) = F(x; -y; -z) = 0 Eje x
Así, la superficie de ecuación x2 – 2y2 + 3z2 = 1 es simétrica con respecto a los tres ejes
coordenados, a los tres planos coordenados y al origen de coordenadas pues:
S1
S2 Ka Kb
a. Elipsoide
x 2 y 2 z2
2 2 2 1
a b c
x 2 y 2 z2
1
a2 b2 c 2
3
Del análisis de esta ecuación, resultan las siguientes propiedades:
( I ) Las intersecciones del elipsoide con los ejes de abscisas, ordenadas y cotas son, respec-
tivamente, los puntos
Los segmentos A1A2 = 2 a; B1B2 = 2 b; C1C2 = 2 c son los “ejes del elipsoide”.
(II) El elipsoide es simétrico con respecto a cada uno de los planos coordenados (estos pla-
nos se denominan “planos principales” del elipsoide), con respecto a cada uno de los ejes
coordenados (estos ejes se denominan “ejes principales” del elipsoide) y con respecto al
origen de coordenadas. Ello se debe a que:
x 2 y 2 z2 ( x )2 ( y )2 ( z )2
1
a2 b2 c 2 a2 b2 c2
(III) Las “trazas” del elipsoide, o sea, sus intersecciones con los planos principales son las
elipses cuyas respectivas ecuaciones son:
x2 y 2 x 2 z2 y 2 z2
1 , 1 y 1 , que se obtienen haciendo, en la
a2 b2 a2 c 2 b2 c 2
x 2 y 2 z2
ecuación 1 , z = 0 para la primera, y = 0 para la segunda y x = 0 para la
a2 b2 c 2
tercera.
(IV) Cuando el elipsoide es intersecado por un plano paralelo al plano xy, o sea, por un plano
de ecuación z = k, la ecuación resultante se obtiene reemplazando en la ecuación del
elipsoide a z por k.
x2 y 2 k 2
Es decir: 1
a2 b2 c 2
x2 y 2 k2
Resulta: 1 . #
a2 b2 c2
Puede darse:
k2 k2
(i) 1 0 (se obtienen elipses) 1 k c c k c
c2 c2
k2
(ii) 1 0 (se obtienen dos puntos: ( 0 ;0 ; c ) , “elipses degeneradas”)
c2
k2
1 k c k c o k c
c2
4
k2 k2
(iii) 1 0 (no existe lugar geométrico) 1 k c k c o k c
c2 c2
Por lo tanto ya podemos decir que el elipsoide está definido o se extiende en el intervalo
[-c; c] con respecto al eje z.
Un razonamiento similar se debe hacer cuando el plano es paralelo al plano xz (el elipsoi-
de de extiende en [-b, b]), o al plano yz (se extiende en [-a,a]). Luego el elipsoide es una su-
perficie cerrada.
x 2 y 2 z2
1 , se verifique
a2 b2 c 2
elipsoide real
elipsoide imaginario.
x 2 y 2 z2
1
a2 b2 c 2
x 2 y 2 z2 x 2 y 2 z2 x 2 y 2 z2
1 ; 1 ; 1
a2 b2 c 2 a2 b2 c 2 a2 b2 c 2
5
Consideremos, por ejemplo, la ecuación:
x 2 y 2 z2
1
a2 b2 c 2
S2
(I) Las intersecciones del hiperboloide con el eje de abscisas son los puntos A =( a;0 ;0 ),
con el eje de ordenadas: B = (0; b; 0) y no corta al eje de cotas. Se dice que es un hi-
perboloide situado a lo largo del eje z.
(II) El hiperboloide es simétrico con respecto a cada uno de los planos coordenados (son los
planos principales del hiperboloide), con respecto a los ejes coordenados y con respecto
al origen.
(III) Las “trazas” del hiperboloide o sea, sus secciones con los planos principales son las cóni-
cas de ecuaciones:
x2 y 2
1 Elipse (con respecto al plano xy).
a2 b2
x2 z 2
1 Hipérbola (con respecto al plano xz).
a2 c2
y2 z2
1 Hipérbola (con respecto al plano yz).
b2 c2
(IV) La sección del hiperboloide con un plano paralelo al plano xy es una cónica que tiene por
ecuaciones:
x 2 y 2 z2
2 2 2 1
a b c
z k
x2 y 2 k2
O sea: 1 , que corresponde a elipses.
a2 b2 c2
6
Análogamente, las secciones del hiperboloide con planos paralelos al plano xz o al plano yz
son hipérbolas cuyas respectivas ecuaciones son:
x 2 y 2 z2 x 2 y 2 z2
2 2 2 1 2 2 2 1
a b c y a b c
y k x k
1 2
O sea:
2 2
x 2 k1 z2 k2 y 2 z2
1 y 1
a2 b2 c 2 a2 b2 c 2
2
x 2 z2 k y 2 z2 k22
2
2 1 12 y 1
a c b b2 c 2 a2
Cuando k1 crece en valor absoluto hasta b, los vértices de la hipérbola se van acercando.
Cuando k1 b la hipérbola degenera en un par de rectas que se cortan en B = (0; b; 0) y
cuando k1 b los ejes de la hipérbola intercambian sus direcciones.
Caso particular
Análogamente,
x 2 y 2 z2 x 2 y 2 z2
1 y 1
a2 b2 c 2 a2 b2 c 2
corresponden, respectivamente, a hiperboloides de una hoja situados a lo largo del eje y y del
eje x, que se transformarán en hiperboloides de revolución cuando a = c y b = c.
Ejercicio: Sea el hiperboloide de una hoja de ecuación:
x2 y 2 z 2
1
4 9 2
Halle las ecuaciones de las secciones del hiperboloide con los planos de ecuaciones z = 2 ,
y = 2.
x2 y2 z 2 x2 y 2 z 2
1 1
4 9 2 y 4 9 2
z 2 y 2
O sea:
7
x 2 y 2 22 x 2 22 z 2
1 y 1
4 9 2 4 9 2
x2 y 2 x2 z 2
1 y 1
12 27 20 10
9 9
“elipse” “hipérbola”
x2 y 2 z 2
1
a 2 b2 c 2
es positivo y los otros dos son negativos, se dice que la superficie a la que corresponde es un
hiperboloide de dos hojas.
O sea:
x2 y 2 z 2 x2 y 2 z 2 x2 y 2 z 2
1 ; 2 2 2 1 ; 2 2 2 1
a 2 b2 c 2 a b c a b c
x2 y 2 z 2
1
a 2 b2 c 2
Ka Kb
Del análisis de la misma, resultan las siguientes propiedades:
(I) Las intersecciones del hiperboloide con el eje de abscisas son los puntos ( a;0 ;0 ) . No
hay intersecciones con el eje de ordenadas ni con el eje de cotas.
8
(II) El hiperboloide es simétrico con respecto de cada uno de los planos coordenados (son los
planos principales del hiperboloide), con respecto a los ejes coordenados y con respecto
al origen, pues
x 2 y 2 z 2 ( x) 2 ( y ) 2 ( z ) 2
2 2 1.
a 2 b2 c 2 a2 b c
(III) Sus trazas son las cónicas de ecuaciones:
x2 y 2
1 Hipérbola (con respecto al plano xy)
a 2 b2
(IV) Las secciones del hiperboloide con planos paralelos al xy y al xz, o sea, con planos de
ecuaciones z = k1 y y = k2 , respectivamente, son hipérbolas cuyos vértices se van ale-
jando uno del otro a medida que k1 y k2 crecen en valor absoluto.
x2 y 2 k12 x2 z 2 k22
1 1
a 2 b2 c2 a2 c2 b2
Las secciones del hiperboloide con planos paralelos al yz, o sea, con planos de ecuación
x = k3 , son elipses si k3 a , dos puntos si k3 a y no hay intersección si k3 a .
x2 y 2 z 2
1 está situado a lo largo del eje x.
a 2 b2 c 2
x2 y 2 z 2 x2 y 2 z 2
1 y 1
a 2 b2 c2 a 2 b2 c2
están situados, respectivamente, a lo largo del eje y y del eje z (que son los términos positi-
vos).
Caso particular
9
Importante: Resumen de la clasificación de cuádricas con centro.
La superficie correspondiente a
x2 y 2 z 2
1
a 2 b2 c 2
es un elipsoide si todos los términos del primer miembro son positivos; un hiperboloide de una
hoja si un solo término es negativo y un hiperboloide de dos hojas si dos términos son negati-
vos.
Si es un hiperboloide, se dice que está situado a lo largo del eje correspondiente al término
cuyo signo difiere del de los demás.
Si todos los términos del primer miembro son negativos, la superficie es imaginaria.
Ejercicio. Exprese las siguientes ecuaciones en su forma canónica u ordinaria, según corres-
ponda. Clasifíquelas,
a. 2x2 + y2 – z2 + 4 = 0
b. 3x2 + y2 + z2 – 6x + 8y + 3 = 0
c. x2 – 4y2 – 2z2 + 16y – 2 = 0
d. x2 + 8y2 + 5z2 + 1 = 0
Resultan:
a. 2x2 + y2 – z2 + 4 = 0
x2 y 2 z 2
1 que es un hiperboloide de dos hojas situado a lo largo del eje z.
2 4 4
b. 3x2 + y2 + z2 – 6x + 8y + 3 = 0
Completando cuadrados:
( x 1)2 ( y 4)2 z 2
1 que es un elipsoide con centro en O´ = (1; -4; 0)
16 16 16
3
10
c. x2 – 4y2 – 2z2 + 16y – 2 = 0
Completando cuadrados:
x 2 ( y 2)2 z 2 que es un hiperboloide de una hoja, con centro O´= (0; 2; 0),
1 situado a lo largo de un eje paralelo al de las x.
14 7 7
2
d. x2 + 8y2 + 5z2 + 1 = 0
S3 Paraboloide5
x2 y2
2c z
a2 b2
11
a. Paraboloide elíptico
Sea la ecuación
x2 y 2
2c z
a 2 b2
S3
Del análisis de la misma, resultan las siguientes propiedades:
(I) La única intersección del paraboloide elíptico con los ejes coordenados es el origen
(II) El paraboloide elíptico es simétrico con respecto a los planos coordenados yz y xz, y con
respecto al semieje positivo de cotas.
(III) Sus trazas son:
x2
2c z (con respecto al plano xz es una parábola de eje z)
a2
y2
2c z (con respecto al plano yz es una parábola de eje z).
b2
(IV) Las secciones del paraboloide elíptico con planos paralelos al yz y al xz, o sea con planos
cuyas respectivas ecuaciones son x = k1 y y = k2 , son parábolas cuyos vértices se alejan
del plano xy a medida que k1 o k2 crecen en valor absoluto.
La sección del paraboloide elíptico con un plano paralelo al xy o sea con un plano de
ecuación z = k3 está dada por:
x2 y 2
2 2 2c z
a b
z k
3
x2 y2 x2 y2
o sea: 2 c k3 o bien: 1
a2 b2 2a 2ck 3 2b 2ck 3
que corresponde a una elipse si c y k3 tienen igual signo, a una cónica imaginaria si c y k3
tienen signos distintos.
12
Si c > 0 el paraboloide se encuentra arriba del plano xy y cuando k3 crece, las elipses se van
alejando del plano xy.
Se dice que es un paraboloide elíptico situado a lo largo del semieje positivo de cotas.
Análogamente, si c < 0, la superficie se halla por debajo del plano xy y se dice que está situado
a lo largo del semieje negativo de cotas.
Luego,
x2 z 2 y2 z2
2b y y 2a x
a2 c2 b2 c 2
Si a = b, a = c y b = c, las ecuaciones
x2 y 2 x2 z 2 y2 z2
2c z , 2b y y 2a x
a 2 b2 a2 c2 b2 c 2
b. Paraboloide hiperbólico
Sea la ecuación
x2 y2
2c z
a2 b2
Paraboloide5
Del análisis de la misma, resultan las siguientes propiedades:
(I) Es simétrico con especto a los planos yz y xz y con respecto al eje de cotas pues
x 2 y 2 ( x) 2 ( y ) 2
2 2c z
a 2 b2 a2 b
(II) La única intersección del paraboloide hiperbólico con los ejes coordenados es el origen.
13
x2 y 2
0 Hipérbola que degenera en dos rectas (con el plano xy)
a 2 b2
x2
2c z parábola de eje z (con el plano xz)
a2
IV) La sección del paraboloide hiperbólico con un plano paralelo al xy o sea, con un plano de
ecuación z = k1 , se expresa:
x2 y 2
2 2 2c z
a b
z k
1
x2 y2 x2 y2
O sea: 2 c k1 O bien: 1
a 2 b2 2a 2ck1 2b2ck1
A medida que k1 crece en valor absoluto, los vértices de las hipérbolas se alejan del eje z.
Se dice que se tiene un paraboloide hiperbólico situado a lo largo del eje de cotas.
x2 z 2 y2 z2
2b y y 2a x
a2 c2 b2 c 2
Las secciones del paraboloide hiperbólico con planos paralelos al yz o al xz son parábolas.
Obtenga sus ecuaciones.
Importante. El paraboloide elíptico y el paraboloide hiperbólico se hallan situados a lo largo del
eje correspondiente a la variable de primer grado de sus respectivas ecuaciones.
a. 2x2 + 3z2 – y = 0
b. 3x2 – y2 + 4x = 0
c. 4y2 + z2 + 2x = 0
14
Desarrollo:
x2 z 2 x2 y 2
4y y 9z
4 9 9 25
Desarrollo:
Cuádricas degeneradas
Supongamos ahora que uno o más de los coeficientes es nulo. Obtendremos así las lla-
madas cuádricas degeneradas. Son las superficies cilíndricas y la superficie cónica.
15
1) Superficies cilíndricas
Se llama superficie cilíndrica a la superficie engendrada por una recta (llamada generatriz)
que se desplaza siempre paralela a una recta fija y que pasa por todos los puntos de una curva
fija (llamada directriz).
Ejemplo
z
generatriz directriz
y
x
Ejemplos
16
Observe que: una ecuación que representa a una superficie cilíndrica recta con generatri-
ces perpendiculares al plano coordenado que incluye a la directriz, carece de la variable “no
medida” en ese plano. El lugar geométrico plano de esta ecuación es la directriz.
¡Cuidado! Cuando tenga que decir en el futuro qué lugar geométrico está representado
por, por ejemplo, x2 + y2 = 16, debe ubicarse primero en qué dimensión está trabajando, pues
en 2 corresponde a una circunferencia de radio 4 y en 3 corresponde a una superficie ci-
líndrica circular a lo largo del eje z (que es la variable que falta).
Ecuación En 2 En 3
x2 – 2y2 = 1
x2 + 2y2 = 1
x2 = 2y
x2 + y2 = 1
Desarrollo
Ecuación En 2 En 3
Superficie cilíndrica
x2 – 2y2 = 1 Hipérbola
recta hiperbólica
Superficie cilíndrica
x2 + 2y2 = 1 Elipse
recta elíptica
Superficie cilíndrica
x2 = 2y Parábola de eje y+
recta parabólica
Superficie cilíndrica
x2 + y2 = 1 Circunferencia
recta circular.
Por ejemplo: x2 = 9, y2 = 0.
En 3 , ambas representan dos planos.
La primera, dos planos paralelos distintos: x = 3, x = -3.
La segunda, dos planos coincidentes: y = 0, o sea el plano xz.
P1 P2 Pl 3
17
2) Superficie cónica
Se llama superficie cónica a la engendrada por una recta que se desplaza de tal manera
que pasa por todos los puntos de una curva fija (llamada directriz) y por un punto fijo (llamado
vértice), que no pertenece al plano de la curva.
Ejemplo
cono2
Ejemplos
En síntesis
Ecuación En 2 En 3
2x + 3y2 + z2 = 1
2
3x2 – y2 = 2
5x2 – y2 – z2 = 1
x2 + 2y2 = 3
6x2 = 1
-x2 + 2y2 + z2 = 1
y2 = 0
2x2 – y2 + z2 = 0
18
Desarrollo:
Ecuación En 2 En 3
19
1
Leonor Carvajal
1
2
Leonor Carvajal
Sea V un conjunto no vacío de elementos que se denominan vectores y en el cual están definidas dos operaciones:
Una ley de composición interna denominada suma de vectores, que se simboliza con el signo +.
Una ley de composición externa denominada producto de un escalar (número real) por un vector, que se
simboliza con el signo .
La cuaterna (V; + ; R ; . ) es un espacio vectorial real si y sólo si se cumplen los siguientes axiomas:
2) + Es conmutativa. x V ; y V : x y y x
3) + Es asociativa. x V ; y V ; z V : ( x y ) z x ( y z )
9) Asociatividad mixta. R; R; x V : x ( x) ( x )
2
3
Leonor Carvajal
3) Si el producto de un escalar por un vector es el vector nulo, entonces, el escalar es cero o el vector es el vector
nulo.
En símbolos: x O 0 x O ( Trate de demostrarlo )
SUBESPACIOS
Definición: S es un subespacio de ( V; +; R; . ) si y sólo si ( S; +; R; . ) es un espacio vectorial y S V.
Cualquiera que sea ( V; +; R; . ), tanto V como O son subespacios de V, llamados subespacios triviales.
B x, y R 2 / y 3x 2 .
A es un subespacio de R2 pues puede demostrarse que verifica todos los axiomas correspondientes.
B no es subespacio de R2 pues no cumple con el axioma 4 ya que el vector nulo (0;0) no pertenece a B.
3
4
Leonor Carvajal
CONDICIÓN SUFICIENTE
Puede demostrarse que para determinar si ( S; +; R; . ) es un subespacio de ( V; +; R; . ), es suficiente probar:
1) S .
2) S V
3) “+” es Ley de Composición Interna en S, o sea: x S y S ( x y) S .
4) “.” Es ley de Composición Externa, o sea: R x S ( x) S
En efecto:
1) S pues, por ejemplo, (0, 0, 0) S .
2) S R3 , por definición de S.
x, y , z S
z x y
3) “+” es Ley de Comp. Interna en S, pues: z z ' x x ' y y '
x , y , z S z ' x ' y '
' ' '
4) R x, y, z S R z x y z x y x, y, z S x, y, z S
Nota: Geométricamente, el conjunto S corresponde al plano de ecuación general x + y – z = 0, que pasa por el
origen de coordenadas.
Luego: S X / X S1 X S2 ... X Sn .
Ejemplo:
Dos rectas del plano, que pasan por el origen de coordenadas, corresponden a dos subespacios de (R2; +; R; . ).
La intersección de las rectas es (0, 0), que es un subespacio de R2 que, sabemos, se denomina subespacio trivial.
4
5
Leonor Carvajal
2) Unión de subespacios
Si S1 y S2 son dos subespacios de ( V; +; R; . ), entonces S1 U S2 , no es generalmente, un subespacio de V,
como lo probamos con el siguiente ejemplo:
y S2 x1 S1 x1 S1 U S2
x2 S2 x2 S1 U S2
3) Suma de subespacios
La suma de dos subespacios de V, es un subespacio de V.
El subespacio suma S = S1 + S2 está formado por las termas a, b, c a´, b´, c´ a a´, b b´, c c´
Es decir: a, b, c a´, b´, c´ a´´ , b, c´ que son ternas de números reales.
Por lo tanto es S R3 .
Caso particular: Es importante el caso en el que los dos subespacios son disyuntos, es decir, S1 I S2 O .
5
6
Leonor Carvajal
COMBINACIÓN LINEAL
Concepto: Sea A v1 , v2 ,..., vn una familia o conjunto de vectores de un espacio vectorial ( V; +; R; . ).
Entendemos por combinación lineal de la familia A, toda suma de productos de escalares arbitrarios, por los
vectores de A.
Definición: Combinación lineal de la familia A V , es todo vector de la forma:
n
v
i 1
i i 1v1 2v2 ... n vn con i R; vi A
Resulta 1
1
; 2
1
y 3 1 . 1 1
2 2
Luego: v v1 v2 v3
2 2
Luego, para investigar la independencia lineal de un conjunto de vectores, se propone una combinación lineal de
estos (con escalares a determinar) que sea igual al vector nulo.
Si todos los coeficientes son necesariamente nulos, entonces el conjunto es linealmente independiente( L.I).
6
7
Leonor Carvajal
Ejemplo: Dado el espacio vectorial (R3; + ; R ; . ) , determinar si A 1;2;3 , 1;0;1 , 0;2;2 es L.I.
3
Ejemplo: Dado el espacio vectorial (R2; + ; R ; . ) , determinar si A 2; , 8;3 es L.D.
4
0;0 2;
3
Se plantea: 8;3
4
2 8 0
Luego: 3
4 3 0
Propiedades
1) Todo vector no nulo de un espacio vectorial constituye un conjunto L.I.
En efecto, sea ( V; +; R; . ) un espacio vectorial y v O .
Planteamos: v O
Por prop.3 de pág. 2, como v O , es 0 y en consecuencia v es L.I.
7
8
Leonor Carvajal
Se plantea: O 0v1 0v2 ...O ... 0vn con no necesariamente nulo. Luego, A es L.D.
4) Un conjunto finito y no vacío de vectores es linealmente dependiente si y sólo si algún vector es combinación
lineal de los demás.
SISTEMA DE GENERADORES
La familia A v1 , v2 ,..., vn es un sistema de generadores (S.G.) de V si y sólo si todo vector de V puede
2) A 2;1 no es un sistema de generadores de R2 pues, por ejemplo, (-3;5) R 2 y no puede expresarse como
8
9
Leonor Carvajal
Propiedad: todas las bases de un espacio vectorial tiene el mismo número de elementos.
Coordenadas de un vector
Si B v1 , v2 ,..., vn es una base de un espacio vectorial ( V; +; R; . ), cada vector de V puede expresarse de modo
1) B 1;1 , 2;0
2
1 2 2 3 3
En el primer caso: (3; 2) = 1 1;1 2 2;0 5 .
1 2 2 B
2
1 3 3 3
En el segundo caso: 3; 2 1 1;0 2 0;1 .
2 2 2 B ' 2
9
10
Leonor Carvajal
Consecuencias:
1) n vectores linealmente independientes de ( V ; +; R : . ) n-dimensional, constituyen una base del mismo.
2) Todo sistema de generadores de n vectores de ( V ; +; R : . ) n-dimensional, es una base del mismo.
3) todo conjunto de más de n vectores de un espacio ( V ; +; R : . ) n-dimensional es linealmente dependiente.
S1 y S2 son, geométricamente, dos planos y por lo tanto la dimensión de cada subespacio es dos.
S1 I S2 es una recta y por lo tanto su dimensión es uno.
O sea, S1 I S2 x; y; z R3 / x z y 0 .
10
11
Leonor Carvajal
Sea ( V ; +; R : . ) un espacio vectorial. El símbolo < u ; v > se lee: producto interior entre los vectores u y v.
Definición. Producto interior en ( V ; +; R : . ) es toda función de la forma < > : V x V R que cumple:
1) < u ; v > = < v; u > Simetría.
2) < u + v; w > = < u ;w > + < v ; w > Aditividad.
3) < k u ; v > = k < u ; v > Homogeneidad.
4) < v ; v > 0 y ( < v ; v > = 0 v = O ).
Definición: módulo o norma de un vector en un espacio vectorial con producto interno, es la raíz cuadrada del
producto interior de dicho vector por sí mismo. u u; u
Ejemplo. En R2, si u = (-4;3) y tomamos como producto interior al producto escalar, resulta:
u (4;3),(4;3)
u 4.(4) 3.3
u 5
Definición: en el espacio vectorial ( V ; +; R : . ) con producto interno, dos vectores son ortogonales si y sólo si su
producto interno es nulo.
u v se lee: u es ortogonal a v .
Luego: u v u; v 0
Ejemplo. En R2 con el producto interno usual, los vectores u = ( 6; 4) y v = (-2;3) son ortogonales pues
< u ; v > = 6 . (-2) + 4 . 3 = 0
Definición: Un conjunto v1; v2 ;...; vq en un espacio vectorial con producto interno, es ortogonal, si y sólo si dos
vectores cualesquiera y distintos, son ortogonales.
v1; v2 ;...; vq es ortogonal i j vi ; v j 0
11
12
Leonor Carvajal
Propiedad: todo conjunto ortogonal de vectores, al que no pertenece el vector nulo, es linealmente independiente.
Base ortonormal: decimos que B = v1; v2 ;...; vn V es una base ortonormal de V si y sólo si B es un conjunto
Luego: S v V / v s, s S
Ejemplo. En R3, con el producto interno usual, si S s1;0;0 con s1 R (es el eje de abscisas), su
S a; b; c R3 / a. x1 0. b 0.c 0
S y S a; b; c R3 / a 0
Propiedades
1) S es un subespacio de V.
2) S I S O
12
13
Leonor Carvajal
Ejercicio.
1) Dado el subespacio S x1; x2 ; x3 R3 / 2 x1 3x2 x3 0 de R3 , con el producto interno usual, halle una
2 x1- 3 x2 = 0
S a; b; c R3 / a.x1 b.x2 c.(2 x1 3x2 ) 0
a 2c 0 a b c
Luego: que corresponde a una recta con vector asociado a = ( 2; -3; -1).
b 3c 0 2 3 1
13
ALGUNAS MATRICES PARTICULARES
1) Matriz nula: es toda matriz en la cual todos los elementos son nulos.
A=N aij 0 , i N , j N
Ejemplos: 0 0 ; 0 0 0
N N
0 0 2 x 2 0 0 0 2 x 3
5) Matrices iguales: son las matrices de igual orden en las cuales los elementos homólogos son iguales.
A mxn Bmxn aij bij con i 1,..., m
j 1,..., n
6) Matrices opuestas: son las matrices de igual orden en las cuales los elementos homólogos son opuestos.
Amxn Bmxn aij bij con i 1,..., m
j 1,..., n
8-2) Matriz escalar: es toda matriz diagonal en la cual los elementos de la diagonal principal son iguales.
i j aij 0
O sea: Ejemplo: 7 0
W
i j aij k , con k R
0 7
8-5) Matriz simétrica: Los elementos que equidistan de la diagonal principal, son iguales.
2 1 3 2 1 3
Ejemplo:
A 1 6 8 A 1 6 8
t
3 8 0 3 8 0
Propiedad: A At .
8-8) Matriz involutiva: Es toda matriz cuadrada tal que su cuadrado es igual a la matriz identidad.
O sea: A 2 I
8-9) Matriz inversa: La inversa de una matriz cuadrada A se simboliza A-1 y es tal que, si existe, se cumple:
A . A-1 = A-1. A = I
2 5 3 5
Ejemplo: A A 1
1 3 1 2
NÚMEROS COMPLEJOS
El conjunto de números con el que hemos trabajado hasta el momento, es el de los números reales.
Números Naturales : N
Cero Números Enteros : Z Números Racionales : Q Números Reales : R
Números negativos
Números fraccionarios
Números irracionales
-e ½ 2
g gg g g g g g g g gg g
-4 -3 -2 -1 0 1 2 3 4
A cada número le corresponde un solo punto de la recta y a cada punto de la recta le corresponde un solo
número real. Se dice que hay una correspondencia BIUNÍVOCA entre LOS NÚMEROS REALES Y LOS
PUNTOS DE UNA RECTA.
Para resolver la ecuación x 2 9 0 , debemos encontrar dos números que elevados al cuadrado nos de por
resultados, -9. Esto es imposible en el conjunto de los Números Reales.
Se crean entonces, los números imaginarios que con los ya conocidos, forman el CONJUNTO DE LOS
NÚMEROS COMPLEJOS: C
Números Naturales : N
Cero Números Enteros : Z Números Racionales : Q Números Reales : R Números Complejos : C
Números negativos
Números fraccionarios
Números irracionales
Números imaginarios
1
Leonor Carvajal
Así como los números reales se identifican con puntos de una recta, los NÚMEROS COMPLEJOS se
identifican con puntos del plano.
Eje imaginario
b Z a; b
a Eje real
Complejos particulares
2) Complejo real: es aquel que tiene la segunda componente nula: ( a; 0 ). Sobre la recta real es el número a.
3) Complejos imaginarios o imaginarios puros: son los que tienen la primera componente nula: (0 ; b).
Se corresponden con puntos del eje imaginario.
3-1) Unidad imaginaria: es el par ( 0; 1) y le asignaremos la letra j. O sea, j = ( 0 ; 1).
4) Complejos iguales: son los que tienen las componentes homólogas iguales.
a c
Z1 a; b y Z 2 c; d son iguales
b d
Se simbolizan Z1 = Z2
5) Complejos opuestos: son los que tienen las componentes homólogas, opuestas.
a c
Z1 a; b y Z 2 c; d son opuestos
b d
Se simbolizan Z1 = - Z2 o bien Z2 = - Z1. Son simétricos con respecto al origen de coordenadas.
6) Complejos conjugados: son los que sólo difieren en el signo de la segunda componente.
a c
Z1 a; b y Z 2 c; d son conjugados
b d
Se simbolizan Z1 Z 2 o bien Z 2 Z1 . Son simétricos con respecto al eje real.
2
Leonor Carvajal
Propiedades: * Ley de composición interna: está asegurada por la definición de adición de complejos.
* Ley conmutativa: Z1; Z2 : Z1 + Z2 = Z2 + Z1
* Ley asociativa: Z1; Z2 ; Z3 : Z1 + ( Z2 + Z3 ) = ( Z1 + Z2 ) + Z3
* Elemento neutro: es el complejo nulo pues Z : Z + ( 0 ; 0 ) = ( 0 ; 0 ) + Z1
* Elemento inverso aditivo: es el complejo opuesto pues Z + ( - Z ) = -Z + Z
Ejemplo: Multiplicar Z1 = ( 2 ; 3 ) y Z2 = ( 4 ; 7 ).
Resulta: Z1. Z2 = ( 2.4 – 3.7 ; 2 .7 – 3.4 ) Z1 . Z2 = ( -13 ; 2 )
Propiedades: * Ley de composición interna: está asegurada por la definición de adición de complejos.
* Ley conmutativa: Z1; Z2 : Z1 . Z2 = Z2 . Z1
* Ley asociativa: Z1; Z2 ; Z3 : Z1 . ( Z2 . Z3 ) = ( Z1 . Z2 ) . Z3
* Elemento neutro: es el complejo ( 1; 0) pues Z : Z . ( 1 ; 0 ) = ( 1 ; 0 ) . Z1
a b
* Elemento inverso multiplicativo para todo Z = ( a; b) no nulo: es 2 ; 2
a b a b2
2
a b a b
pues Z . 2 ; 2 2
= 2 ; 2 . Z = ( 1; 0 )
a b a b a b a b2
2 2
Z1 Z1 Z 2
4) División: Sean Z1= ( a ; b ) y Z2 = ( c ; d ) no nulo.
Z2 Z2 Z2
Ejemplo: Dividir Z1 = ( 2 ; 3 ) por Z2 = ( 4 ; 7 ).
Z1 2;3 4; 7 Z 2.4 3(7); 2.(7) 3.4 Z1 29; 2 Z1 29 ; 2
1
Z 2 4;7 4; 7 Z 2 4.4 7.(7); 4.(7) 7.4 Z2 65;0 Z 2 65 65
5) Potenciación con exponente n N0 : Zn = Z. Z. Z……..Z ( n factores Z). ¡¡¡ Resulta engorroso !!!
Sólo hallaremos las potencias enésimas de la unidad imaginaria, o sea, jn
j0 = 1
j1 = j
j2 = ( 0; 1 ) . ( 0 ; 1 ) j2 = -1
j3 = j2. j j3 = -j
j4 = j2.j2 j4 = 1
j5 = j2. j3 j5 = j
3
Leonor Carvajal
Cuando debemos calcular jn con n N0 , decimos que j n = j r siendo r el resto de la división de n por 4, pues:
n 4 O sea: n = 4. c + r . Luego: j n = j 4. c + r
r c j n = j 4. c . j r
j n = ( j 4 )2 . j r
j n = ( 1 )2 . j r
j n = jr
Ejemplo: calcular j 122
Resulta j 122 = j 2 122 4
2 30
122
Por lo tanto j = -1
Como resulta cada vez menos práctico trabajar con números complejos como pares ordenados de números
reales, vamos a recurrir a otra notación, que es la:
Resulta:
Z=a+bj
Operaciones: en forma binómico o cartesiana, los complejos se puede sumar, restar, multiplicar o elevar a
una potencia con exponente natural, como un binomio más.
Resulta: Z1 = 2 + j 3 ; Z2 = 4 + j 7 y Z3 = -1 + j
Además:
* ( Z1 + Z2 – Z3 ). Z1 = 2 j3 4 j 7 1 j 2 j 3
( Z1 + Z2 – Z3 ). Z1 = ( 7 + j 9). ( 2 + j 3)
( Z1 + Z2 – Z3 ). Z1 = 14 + j 21+ j 18 + j 2 27 por propiedad distributiva.
( Z1 + Z2 – Z3 ). Z1 = -13 + j 39 pues j 2 = -1
Z1 2 j 3 4 j 7 Z 8 j14 j12 j 2 21 Z 29 j 2 Z 29 2
** = 1= 1= 1= j
Z 2 4 j 7 4 j7 4 j7 Z 2 16 49
2 2
Z2 Z 2 65 65
*** ( Z1)3 = (-1 + j )3 ( Z1)3 = (-1)3 +3. (-1)2 .j + 3. (-1) . j 2 + j 3 ( Z1)3 = -1 + 3.1.j + 3.(-1).(-1)+ (-j )
( Z1)3 = -1 + j 3 + 3 – j
( Z1)3 = 2 + j 2
4
Leonor Carvajal
b Z Módulo de Z = Z
Argumento principal de Z = / 0 2
Eje real
a
Puede demostrarse que otras formas de anotar los números complejos, son las siguientes:
Operaciones
Sean:
1
Z1 = 1 (cos 1 + j sen 1 ) Z1 = 1 Z1 = 1 e j 1
2
Z2 = 2 (cos 2 + j sen 2 ) Z2 = 2 Z2 = 2 e j 2
1) Multiplicación 1 + 2
Z1.Z2 = 12 cos (1 2 ) j sen(1 2 ) Z1.Z2 = 1 2 Z1.Z2 = 1 2 e j (1 2 )
2) División 1 - 2
Z1 1 Z1 1 Z1 1 j1 2
cos(1 2 ) j sen(1 2 ) e
Z 2 2 Z 2 2 Z 2 2
No nulo
3) Potenciación con n N0
n
Z n = n cos(n ) j sen(n )
j n
Z n = n Z n = n e
4) Radicación (Z no nulo)
5
Leonor Carvajal
Las n raíces, son vértices de un polígono regular inscripto en una circunferencia centrada en el origen de
coordenadas y radio n .
(2) 2 (2 3) 2 4
Como Z = -2 + j 2 3
2 3
2 3
1º cuadrante sen
4
Luego:
2 2 k 2 2 k
3
2 j 2 3 = 3 4 cos 3 j sen 3 con k 0,1, 2
3 3
2 2 0 2 2 0
k = 0 W0 3 4 cos 3 j sen 3 W0 4 cos 2 j sen2
3
3 3 9 9
2 2 1 2 2 1
k = 1 W1 3 4 cos 3 j sen 3 W1 4 cos8 j sen8
3
3 3 9 9
2 2 2 2 2 2
k = 2 W2 3 4 cos 3 j sen 3 W2 4 cos14 j sen14
3
3 3 9 9
Eje imaginario
W0
W1
Eje real
W2
6
1
PLANO. ECUACIONES
Como queremos uno en particular, tenemos que saber por dónde pasa.
O sea, necesitamos conocer un punto P0 del plano buscado.
Por tal motivo, consideramos la siguiente gráfica: n
P0
Siempre que se necesite deducir la ecuación de un plano, se debe obtener una ecuación que se satisfaga para
todos los puntos de ese plano y sólo para ellos.
Para obtener esta ecuación, relacionamos los datos con un punto cualquiera P = (x;y;z) del plano, que
representa a todos los puntos de dicho plano.
n n x ; n y ; n z
Luego consideramos el vector P0 P
¿Cómo son las direcciones de los vectores n y P0 P ?
P
Efectivamente, son perpendiculares y por lo tanto:
P0
n . P0 P 0 Ecuación vectorial
normal del plano.
Desarrollando esta ecuación:
nx ; ny ; nz . x x0 ; y y0 ; z z0 0
nx x + ny y + nz z + ( - nx x0 - ny y0 - nz zo ) = 0 n = ( A; B; C )
A B C D
Si D 0 : L.Carvajal
z
Ax+By+Cz=-D
c
x y z
1
D D D
A B C
b y
a
x
x y z
1
a b c
Ecuación segmentaria del plano
P0. P2.
Otros datos, para determinar un plano, podrían ser los que vemos en la figura:
a a x ; a y ; a z // z
b b x ; b y ; b z // a // b a
P x ; y ; z
0 0 0 0 P0
b
0 y
z
a
P0 .P
b
Trazamos: OP,OP
0
y P0 P tales que: OP OP0 P0 P
Como P P, a y b son L.D., cualquiera de ellos puede escribirse como combinación lineal de los demás,
0
es decir:
OP OP0 a b con R, R
x x0 a x bx
y y0 a y b y con R , R
z z0 a z bz
Ecuaciones paramétricas cartesianas del plano
1) Planos paralelos: // 2
1
1
1 : A1 x B1 y C1 z D1 0 n2 A2 ; B2 ; C2
2 : A2 x B2 y C2 z D2 0
2
Resulta:
1 // 2 n1 // n2
A1 B1 C1
1 // 2
A2 B2 C2
2) Planos perpendiculares: 2
1
n1 A1 ; B1 ; C1
1 2 n1 n2
O sea:
1 2 n1 n2 0
n2 A2 ; B2 ; C2
1
2
6
Posiciones particulares de los planos con respecto a los ejes y a los planos coordenados
a) // eje x
n 0; B; C
z pues: n i
y Luego: A x + B y + C z + D = 0
i
:By+Cz+D=0
x
Análogamente:
b) // eje y
z
n A;0; C
n j B0
y Ax By Cz D 0
j
: Ax Cy D 0
X
c) // eje z z
n A; B;0 n kC 0
Ax By Cz D 0
y : Ax By D 0
7
By+Cz+D=0
n y :By+Cz=0
i
n El plano incluye al eje de ordenadas.
y
j : Ax C z 0
El plano incluye al eje de cotas.
k
: Ax B y 0
y
n
x
8
a) // plano ( y; z)
z
Ax By Cz D 0
D
x
A
y
a : xa
x n A;0;0
b) // plano coordenado ( x; z)
z .. n 0; B;0 Ax By Cz D 0
…..
…….
D
……… y
B
………. b y
……
….
x : y b
9
…
......
………
……
………
…… 0 y
………
……
….
Finalmente:
z
c n 0;0; C : z c
………. y
……………….…
………….. …… : z0 Es el plano coordenado(x:y)
Haz de planos
¿Cómo se encuentra la recta e con respecto a todos los planos?
1 : A1 x B1 y C1 z D1 0 L.Carvajal
2 : A2 x B2 y C2 z D2 0
e
A1 x B1 y C1 z D1 A2 x B2 y C2 z D2 0
n1
n2 El ángulo determinado por dos planos, es el ángulo determinado por
sus respectivos vectores asociados o por el suplemento del mismo.
Luego:
n1 . n 2
arc cos
( o su suplementario)
n1 n2
11
P0 xo ; y0 ; z0
: Ax By Cz D 0
En efecto, es la medida del segmento de perpendicular al plano trazado por el punto y comprendido
entre ambos.
P0 xo ; y0 ; z0
n d Consideramos el punto P x; y; z genérico,
perteneciente al plano y el vector PP0 .
PP0 n
Luego: d
n
2) Det (A) no varía, si a una línea se le suma una combinación lineal de las restantes líneas paralelas.
7) Det (I) = 1
1
8) Det (A-1) =
Det ( A)
12) Det (A1 A2 Ai+Aj .......An ) = Det (A1 A2 Ai ……An) + Det (A1 A2 Aj ……An )
Resulta que: Det (A1 A1+A2 A3 ) = Det (A1 A1 A3) + Det (A1 A2 A3 ).
RECTA EN R3 . ECUACIONES
Leonor Carvajal
2
L. Carvajal
Ecuaciones de la recta, en R3
¿Cuántas rectas existen, paralelas a un vector a ?
z a = ( ax ; ay ; az )
0 y
Como queremos una en particular, necesitamos saber por dónde pasa, o sea,
conocer uno de sus puntos, por ejemplo, P0
z a = (ax ;ay ; az )
PP0
0 y
r
a // r ( a asociado a r )
x Datos:
P0 x0 ; y 0 ; z 0 r
Trazamos los vectores OP0 , P0 P y OP .
z a Por la regla del polígono:
P0 OP OP0 P0 P
P Pero P0 P// a
y Ecuac. vectorial
L.Car
r paramétrica de
x OP OP0 a la recta
( R)
Nota: para cada valor de R , se obtiene un punto de la recta r
3
L.Carvajal
Despejando e igualando:
Ecuaciones simétricas de
x x0 y y 0 z z 0 la recta.
ax ay az (ax 0 ;ay 0; az 0)
¿Qué representan cada una de las tres ecuaciones del cuadro anterior?
x x0 y y 0 x x0 z z 0 y y0 z z0
ax ay ax az ay az
Efectivamente, son tres planos que incluyen a la recta y son perpendiculares a los
planos coordenados.
L.Carvajal
x x0 y y 0 x x0 z z 0 y y0 z z0
1 : 2 : 3 :
ax ay ax az ay az
z z z
.
3
y . 2 y y
1
x x r x r
r
x x0 y y 0 z z 0
¿Qué sucede con las ecuaciones simétricas de la recta:
ax ay az
si una o dos de las componentes del vector asociado a una recta, es nula?
¿En qué posición estaría la recta con respecto a los ejes y/o planos coordenados?
5
L.Carvajal
Por ejemplo: a x 0 a y 0 , a z 0
Resulta : a 0; a y ; a z
x0
Análogamente:
a y 0 a x 0 ; a z 0 a z 0 a x 0 ; a y 0
y y0 z z0
x x0 z z 0 x x0 y y 0
a a
x az x ay
z z
r r
z0
a y a
yo y
x x
Observamos que cuando una sola componente del vector asociado a la recta, es
L.Carvajal
Por ejemplo: a x a y 0 a z 0
Resulta : a 0;0; a z
y0 y
x x0 r
Análogamente:
a x a z 0 a y 0 a y a z 0 a x 0
Resulta: a 0; a y ;0
a a x ;0;0
L.Carvajal
Observamos que cuando dos componentes del vector asociado a la recta, son nulas,
nulas.
a r1
r2
b
. P0
recta r
d r Datos
P0 r
L. Carvajal
recta r
Distancia de punto a recta Datos
P0 r
Sea P1 r . Trazamos P1 P0 y calculamos P1 P0 a
P0 P1 P0 a = P1 P0 a sen
d r P1 P0 a = PP
a
d
1 0
P1 P0
P1 P0 a
P1 a d=
a
1) Rectas paralelas: r1 // r2
r1 r2
a b
r1 // r2 a // b
2) Rectas perpendiculares: r1 r2
r1 r2
a
b
L.Carvajal
r1 r2 a b
3) Rectas alabeadas
Por ejemplo: r1
r2
d
dd
r2
r1
En general:
a P1 r1
b P2 r2
Puede demostrarse que la distancia entre dos rectas alabeadas se calcula
mediante:
P1 P2 a . b
L.Carvajal
d
ab
10
gP
r P Q r
Q
r // r //
También puede definirse como la intersección del plano dado con el plano
perpendicular al mismo, que incluye a la recta
r r
SISTEMAS DE ECUACIONES LINEALES CON TRES INCÓGNITAS
A1 x B1 y C1 z D1 0
A2 x B2 y C2 z D2 0
A1 B1 C1 A1 B1 C1 D1
1) 2) 3) No hay proporcionalidad
A2 B2 C2 A2 B2 C2 D2
1
1 2 1
2 1 2 2
r
Conjunto solución: Conjunto solución: 1 2 Conjunto solución: recta r
A1 x B1 y C1 z D1 0
A2 x B2 y C2 z D2 0
A x B y C z D 0
3 3 3 3
1
2 3 2 1
P
2
3
r 1 3
A1 x B1 y C1 z D1 0
A x B y C z D 0
2 2 2 2
3A x B3 y C3 z D3 0
A4 x B4 y C3 z D4 0
Leonor Carvajal
2
Leonor Carvajal
Un sistema de ecuaciones lineales es un conjunto formado por dos o más ecuaciones de primer grado.
...............................................
...............................................
am1 x1 am 2 x2 ....... amn xn bm
Por lo tanto, un sistema de ecuaciones lineales puede expresarse en forma matricial, de la siguiente manera:
A.X=B
Resolver un sistema de ecuaciones, significa hablar el/los valor/es de la/s variable/s que lo forman.
DETERMINADO
Solución única
COMPATIBLE ( S )
A.X=B : INDETERMINADO
Infinitas soluciones
INCOMPATIBLE ( S )
3
Leonor Carvajal
Recordamos que:
El rango fila de una matriz A, es el mayor número de vectores fila linealmente independientes de A.
El rango columna de una matriz A, es el mayor número de vectores columna linealmente independientes de A.
Ejemplos:
1 2 3 3 2 5 1
2 1 4
Los rangos de las matrices P 2 4 6 ; Q y W 0 0 0 1 , son, respectivamente:
3 6 9 0 5 6 0 0 2 1
P 1 ; Q 2 y W 3 .
A . X = B es compatible A A´
Por ejemplo, se puede aplicar el método de Gauss- Jordan, que mostramos en los siguiente ejercicios:
x 2 y z 1 x 2 y z 1 x 2 y z 1
a) 3x 7 y 3z 5 b) 3x 7 y 3z 5 c) 3x 7 y 3z 5
2 x 5 y 5 z 6 2 x 5 y 4 z 6 2 x 5 y 4 z 4
4
Leonor Carvajal
1 2 1 1 1 2 1 1 1 2 1 1
a) 3 7 3 5 b) 3 7 3 5 c) 3 7 3 5
2 5 5 6 2 5 4 6 2 5 4 4
1 2 1 1 1 2 1 1 1 2 1 1
0 1 6 2 0 1 6 2 0 1 6 2
0 1 7 4 0 1 6 4 0 1 6 2
A 2 ; A´ 3
1 0 0 23 A A´ 2
0 1 0 10 A A´ Sistema Incompatible
Sistema Compatible.
0 0 1 2
S
A A´ n
A A´ 3 Sistema Comp. Indeterminado.
Sistema Compatible.
n 1 variables independientes
A A´ n
Sistema Comp. Determinado.
S x; y; z R3 / x; y; z 3 13; 2 6; con R
S 23;10; 2
--------------------------------------------------------------------------------------------------------------------------------
Regla de Cramer
Ejemplo
x 2 y z 1
Resolver por la regla de Cramer: 3x 7 y 3z 5
2 x 5 y 5 z 6
5
Leonor Carvajal
Resulta:
1 2 1 1 1 1 1 2 1
5 7 3 3 5 3 3 7 5
6 5 5 2 6 5 2 5 6
x y z
1 2 1 1 2 1 1 2 1
3 7 3 3 7 3 3 7 3
2 5 5 2 5 5 2 5 5
x 23 y 10 z 2
S 23;10; 2
A1 x B1 y C1 z D1 0
A2 x B2 y C2 z D2 0
A1 B1 C1 A1 B1 C1 D1
1) 2) 3) No hay proporcionalidad
A2 B2 C2 A2 B2 C2 D2
1
1 2 1
2 1 2 2
r
Conjunto solución: Conjunto solución: 1 2 Conjunto solución: recta r
6
Leonor Carvajal
A1 x B1 y C1 z D1 0
A2 x B2 y C2 z D2 0
A x B y C z D 0
3 3 3 3
1
2 3 2 1
P
2
3
r 1 3
A1 x B1 y C1 z D1 0
A x B y C z D 0
2 2 2 2
3A x B3 y C3 z D3 0
A4 x B4 y C3 z D4 0
x 3y 4z 1
2 x 7 y z 2
x 4 y (k 2 1) z 3k 3
1 3 4 1
2 7 1 2
1 4 k 1 3k 3
2
1 3 4 1
0 1 9 4
0 1 k 2 5 3k 2
1 3 4 1
0 1 9 4
0 0 k 4 3k 6
2
Puede suceder:
VECTORES GEOMÉTRICOS
Carvajal Leonor
2
Carvajal Leonor
VECTORES GEOMÉTRICOS
B
Se lee : vector AB
Se simboliza : AB Se lee :vector a
A a
A es el origen Se simboliza : a
B es el extremo
A Dirección
Sentido
Vectores equipolent es
ab c d b
Tiene igual :
Módulo
a c d
Dirección
Sentido
Vectores opuestos
Tienen :
Igual módulo
a b a b o bien b a
Igual dirección
Sentidos contrarios
Vector nulo
El origen y el extremo coinciden
No se grafica
Se simboliza : 0
Tiene módulo cero, o sea : 0 0
3
y a x es la primera componente
a y es la segunda componente
a
ax
a a x ; a y
ay
Por lo tanto:
a x bx a x bx
1) a b 2) a b 3) 0 0;0
a y b y a y b y
Módulo de un vector en R 2
a ax a y
2 2
y
1 Son: i (1; 0) Luego: i j 1
j j (0 ;1)
1 x
i
4
Carvajal Leonor
az a
a a x ; a y ; a z
ay
ax y
Luego:
a x b x a x bx
1) a b a y b y 2) a b a y b y 3) 0 0;0;0 a ax a y az
2 2 2
4)
a z b z a z bz
z Se simbolizan: i 1;0;0 , j 0;1;0 , k 0;0;1
1
k 1 y Luego: i j k 1
x y
1
x
Carvajal Leonor
c b c
b
a a r
Ejercicios. Obtener a b si :
1) a 2;1 y b 3;5 2) a 2;1;4 y b (3;5;6)
Respuestas:
1) a b 2 3; 1 (5) a b 5;4 2) a b 5;4;10
6) ** Sustracción de vectores a b = a b d
- b
Por la regla del paralelogramo:
a b d
a
6
Carvajal Leonor
y A
Por la regla del polígono: OP OA AB
B
Luego: AB OB OA
AB bx ; b y a x ; a y
0 x
Análogamente, en R3:
AB bx ; b y ; bz a x ; a y ; a z
a b k R ; k a b tal que: 1) b k a
2) Direc. de b = Direc. de a
iguales si k 0
3) Sentidos de b y a
contrarios si k 0
b k a x ; k a y ; k a z (en R3)
1 1 1 3
Ejercicio. Siendo a = ( 2; -6), obtenga: 2 a y - a Rta: 2 a = ( 4 ; -12) y - a = ;
4 4 2 2
7
Carvajal Leonor
1
O sea: b b b b b
b
Condición de paralelismo
Sean a y b dos vectores tales que a k b con k R . Luego a // b
Análogamente, en R3: ax a y az
k con b x 0 ; b y 0 ; b z 0
bx b y bz
Dados b observamos que 3 b O sea: r 2 a 3 b
r
a 2 a
Se dice que r es combinación lineal de los vectores a y b .
En general:
r es C.L. de los elementos de V = a , b ,..., p si y sólo si : r 1 a 2 b ... n p .
Los escalares se denominan coeficientes de la C.L.
Cuando los escalares son todos nulos la combinación lineal se denomina trivial.
Por lo tanto, a es combinación lineal de i , j puesto que:
y a ax i a y j
ay a
Forma cartesiana de un vector, en R2
j
i ax x
Análogamente, a es combinación lineal de i , j , k , en R3, puesto que:
z
az
a ax i a y j az k
a
k ay Expresión cartesiana de a , en R3
i j y
ax
x
9
Carvajal Leonor
1) V1 = 2;4, 3;1
2) V2 = 4;2; 2;1
3) V3 = 1;3; 2;2; 4;1
4) V4 = 0;0; 5;2
5) V5 = 6;1
6) V6 = 2;5
Respuestas
1) V1 = 2;4, 3;1 0 0 (2;4) + 0 (-3;1)
2) V2 = 4;2; 2;1 0 1 (-4;2) + 2 (2;-1) (ejemplo)
3) V3 = 1;3; 2;2; 0;1 0 2(1;-3) +(-1) (2;-2) + 4 (0;1) (ejemplo)
4) V4 = 0;0; 5;2 0 = 7 (0;0) + 0 (-5;2) (ejemplo)
5) V5 = 6;1 0 0 (6;-1)
6) V6 = 2;5 0 0 (2;5)
1) ¿Cuáles son los coeficientes de las combinaciones lineales de los casos 1), 5) y 6)? ¿ Por qué?.
¿Existen otras posibilidades?. Enuncie sus conclusiones.
2) ¿Cuáles son los coeficientes de las combinaciones lineales de los casos 2), 3) y 4)? ¿Por qué?
¿Existen otras posibilidades?. Enuncie sus conclusiones.
Carvajal Leonor
2) Un conjunto Ves linealmente dependiente cuando no es linealmente Independiente. Ej: 2), 3) y 4).
5) al vector nulo?
a) Exprese a 0 como combinación lineal de los elementos de los conjuntos dados y preste especial atención
a los coeficientes de cada combinación lineal.
b) ¿Cuáles son los conjuntos L.I. y cuáles L.D.?. Justifique.
11
Carvajal Leonor
**Producto escalar o producto punto: se simboliza a gb y se lee “ a escalarmente b ” o bien “ a punto b ”
a b Lo definimos: 1) a gb = a . b . cos
0 2) a gb = a x bx a y b y (en R2)
a gb = a x bx a y b y + a z bz (en R3)
Ejercicio:
6) Si un producto escalar en nulo, ¿qué puede afirmar con respecto a los vectores dados o al ángulo que
determinan?
Condición de perpendicularidad
Dos vectores no nulos son perpendiculares si y sólo si a gb = 0
a gb 0 a b a 0 b 0
12
Carvajal Leonor
1) Conmutativa. a, b : a gb b ga
2) Distributiva con respecto a la adición de vectores. a , b , c : a g b c a gb a gc
3) Asociatividad mixta. k R, a , b : k ( a gb ) ( k a )gb a g(k b )
Se necesita obtener la proyección de a en la dirección de b .
a Ello se simboliza: Pr oyb a
b Pr oyb a b Sabemos que: Pr oy a k b (*)
b
Además, a puede descomponerse en la suma de dos vectores, de la siguiente manera:
a = u + Pr oyb a
u a Multiplicamos ambos miembros escalarmente por b
b Pr oyb a b a gb = ( u + Pr oyb a ) gb
a gb = u gb + k b gb
2
a gb = k b
a.b
Pr oy a b
b 2
b
13
Carvajal Leonor
Se simboliza: a b
a bc Se lee: a vectorialmente b
b Se define: a b c tal que: 1) ab a b .sen
2) (Direc. de a b ) plano a ; b
a 3) Sentido de a b responde a la terna derecha
Nota: del item 3) se deduce que a b b a , o sea, NO ES CONMUTATIVA
i j k
a b = ax ay az
bx by bz
a b = a y .bz a z .by i a x .bz a z .bx j a x .by a y .bx k
O sea:
2) Asociatividad mixta: k R, a, b : k a b k a b a k b
3)
a b 0 a // b a0 b0
14
Carvajal Leonor
h
a b a b a b sen a b a b
a b a h
b
b
h a b base . altura a b área del parale log ramo ( a , b )
a
Ejercicio:
Calcule el área del paralelogramo de lados a 1; 2; 3 y b 5; 1;1 .
( ( (
i j k
( ( (
Desarrollo: a b 1 2 3 a b i 16 j 11k área paralelogramo = a b 378
5 1 1
** Producto mixto.
Dados tres vectores a , b y c , su producto mixto se simboliza: a b gc
c b Se lee: a vectorialmente b escalarmente c
Carvajal Leonor
h
c h b pues: a b gc a b c cos a b gc a b c
c
a
Luego: a b gc área de la base . altura
Entonces: a b gc volumen paralelepí pedo ( a , b , c )
Ejercicio:
Calcule el volumen del paralelepípedo de aristas a 2; 4; 5 , b 1;0; 2 y c 3;1; 1 .
Desarrollo:
2 4 5
a b gc 1 0 2 a b gc 21 volumen del paralelepípedo = 21 21
3 1 1
Condición de coplanaridad
Sean a , b y c no nulos . a, b y c son coplanares a b gc 0
Ejercicio:
Determine si los vectores a 3; 2; 4 , b 0; 1;1 y c 4; 2;1 son o no coplanares.
Desarrollo:
3 2 4
a b gc 0 1 1 a b gc 0 Los vectores dados no son coplanares.
4 2 1
16
17
18