Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Vectores en R
2
y R
3
1.1. Deniciones y Propiedades
Una echa, que sirve para representar cantidades fsicas (fuerzas, veloci-
dades), es un vector. Para dar un vector necesitamos un origen (A) y un ex-
tremo (B) que lo determinan totalmente, proporcionando su direcci on, longitud
y sentido.
v
Vectores equivalentes son los que tiene igual direccion, longitud y sentido.
Los siguientes vectores son todos equivalentes a v
Los vectores se pueden sumar. La suma (v +w), de v y w es equivalente a
una de las diagonales del paralelogramo de lados v y w.
v
w
v w +
Tambien se puede multiplicar un vector por un n umero (escalar).
v v
- v 2 v
El resultado es un vector de igual direcci on que el dado, el n umero afecta la
longitud y el sentido del vector.
En el plano R
2
los puntos estan dados por pares de n umeros reales (sus
coordenadas); para dar un vector bastar a dar dos pares de n umeros reales que
caractericen su origen y su extremo.
v =
AB esta dado por A = (1, 2) y B = (5, 3)
w =
OC esta dado por O = (0, 0) y B = (2, 1)
9
PR
ACTICA 1. VECTORES EN R
2
Y R
3
10
1 2 5
1
2
3
O
C
A
B
x
y
Algo an alogo se puede decir en el espacio de tres dimensiones R
3
; ahora,
cada punto, en particular el origen y el extremo de un vector, estar a dado por
una terna de n umeros reales.
v =
AB esta dado por A = (2, 4, 3) y B = (4, 10, 6)
w =
OC esta dado por O = (0, 0, 0) y B = (2, 0, 0)
v
B
A
O
C
x
y
z
En adelante trabajaremos con vectores cuyo origen O tiene todas sus co-
ordenadas iguales a cero (O = (0, 0) en R
2
, O = (0, 0, 0) en R
3
) identicado
entonces el punto A con la fecha
OA.
Dados A y B en R
2
, A = (a
1
, a
2
) y B = (b
1
, b
2
), denimos la suma
A + B = (a
1
+ b
1
, a
2
+ b
2
)
y el producto por un escalar c R
cA = (ca
1
, ca
2
).
Analogamente, en R
3
, si A = (a
1
, a
2
, a
3
) y B = (b
1
, b
2
, b
3
), la suma
A + B = (a
1
+ b
1
, a
2
+ b
2
, a
3
+ b
3
)
y el producto por un escalar c R
cA = (ca
1
, ca
2
, ca
3
).
PR
ACTICA 1. VECTORES EN R
2
Y R
3
11
Propiedades:
A + (B + C) = (A + B) + C
A + B = B + A
Si c R, c(A + B) = cA + cB
Si c
1
R y c
2
R, (c
1
+ c
2
)A = c
1
A + c
2
A y (c
1
c
2
)A = c
1
(c
2
A)
O + A = A
1A = A
A + (1)A = O
OA = O
Notacion: A = (1)A
Propiedades: En este contexto,
AB es equivalente a
CD si y solo si DC = B A; en particular,
AB es
equivalente a
OP si y solo si P = B A.
AB y
CD son paralelos o tienen igual direccion si existe k en R, k ,= 0 tal
que BA = k(DC). Si k > 0,
AB y
CD tienen igual sentido; si k < 0,
AB y
CD tienen sentidos opuestos.
Longitud de un vector
En R
2
, si v = (v
1
, v
2
), la norma o longitud de v, que notaremos |v|, es
|v| =
_
v
2
1
+ v
2
2
.
v
v
2
v
1
Analogamente, en R
3
, si v = (v
1
, v
2
, v
3
) la norma o longitud de v es |v| =
_
v
2
1
+ v
2
2
+ v
2
3
Propiedades:
Si A = O, entonces |A| = 0; A ,= O, entonces |A| > 0.
|A| = | A|.
Si c R |cA| = [c[ |A|.
Desigualdad triangular: |A + B| |A| +|B|.
PR
ACTICA 1. VECTORES EN R
2
Y R
3
12
Si A y B son dos puntos de R
2
, la distancia entre A y B es la longitud del
vector B A (equivalente a
AB) y se nota d(A, B) = |B A|
B
A
B A
Analogamente, en R
3
, la distancia entre dos puntos A y B es d(A, B) =
|B A|.
Un vector A se dice unitario si |A| = 1.
ACTICA 1. VECTORES EN R
2
Y R
3
13
Propiedades:
A B = B A
A (B + C) = A B + A C = (B + C) A
Si k R, (kA) B = k(A B) = A (kB)
Si A = O, A A = 0. Si A ,= O A A > 0
Desigualdad de Cauchy-Schwarz: [A B[ |A| |B|
De la desigualdad de Cauchy-Schwarz se deduce que si A y B son ambos
distintos de cero, vale
1
A B
|A| |B|
1
Propiedad: el angulo entre dos vectores A y B ( = (A, B)) es el unico
angulo entre 0 y que verica cos =
AB
AB
.
Diremos que dos vectores A y B son ortogonales o perpendiculares si A B = 0.
Producto vectorial
Si A = (a
1
, a
2
, a
3
) y B = (b
1
, b
2
, b
3
) son vectores de R
3
, el producto vectorial
de A y B es:
AB = (a
2
b
3
a
3
b
2
, a
3
b
1
a
1
b
3
, a
1
b
2
a
2
b
1
).
Observaci on: El producto vectorial de dos vectores de R
3
es un vector de R
3
.
Propiedades:
AB = B A
A(B + C) = AB + AC
(B + C) A = B A + C A
Si k R, (kA) B = k(AB) = A(kB)
AA = O
AB es perpendicular a A y a B
|AB|
2
= |A|
2
|B|
2
(A B)
2
|AB| = |A| |B| [ sen [ donde es el angulo formado por A y B.
Observaci on: De la ultima propiedad se deduce que |A B| es el area del
paralelogramo de vertices O, A, B, A + B.
PR
ACTICA 1. VECTORES EN R
2
Y R
3
14
Rectas
Dados en el plano R
2
un vector A y un punto P la ecuaci on parametrica de
la recta L que pasa por P en la direccion de A es:
X = tA + P (t R).
P
A
L
Si A = (a
1
, a
2
) y P = (p
1
, p
2
), se escribe: (x, y) = t(a
1
, a
2
) + (p
1
, p
2
) o
_
x = ta
1
+ p
1
y = ta
2
+ p
2
.
Si c = a
2
p
1
a
1
p
2
, la recta L es el conjunto de soluciones de la ecuacion
a
2
x a
1
y = c.
Para describir una recta en R
2
podemos utilizar la ecuaci on parametrica
X = tA + P (donde X = (x, y)) o utilizar la ecuaci on implcita ax + by = c.
Dados en R
3
un vector A y un punto P la ecuaci on parametrica de la recta
L que pasa por P en la direccion de A es:
X = tA + P (t R).
Si A = (a
1
, a
2
, a
3
) y P = (p
1
, p
2
, p
3
) tenemos (x, y, z) = t(a
1
, a
2
, a
3
) +
(p
1
, p
2
, p
3
) o
_
_
_
x = ta
1
+ p
1
y = ta
2
+ p
2
z = ta
3
+ p
3
.
Si c = a
2
p
1
a
1
p
2
y d = a
3
p
2
a
2
p
3
, la recta L es el conjunto de soluciones
de sistema
_
a
2
x a
1
y = c
a
3
y a
2
z = d
.
Para describir una recta en R
3
podemos utilizar la ecuaci on parametrica
X = tA + P (donde X = (x, y, z)) o un sistema de dos ecuaciones lineales con
tres incognitas.
ACTICA 1. VECTORES EN R
2
Y R
3
15
Planos en R
3
Dados un vector N y un punto Q de R
3
, la ecuaci on del plano que pasa
por Q y es perpendicular a N es : (X Q) N = 0. El plano es el conjunto
de todos los puntos de X tales que (X Q) es perpendicular a N. Diremos que
N es un vector normal al plano.
Si X = (x
1
, x
2
, x
3
) y N = (a, b, c), la ecuacion resulta:
: ax
1
+ bx
2
+ cx
3
= d (donde d = Q N).
Dos planos son paralelos si sus vectores normales lo son. Una recta es paralela
a un plano si el vector direccion de la recta y el vector normal al plano son
perpendiculares.
Dados un punto P y un plano cuya normal es N, se dene distancia de P
a como la distancia de P a P
, donde P
a
2
+ b
2
+ c
2
.
En el desarrollo de la pr actica, para simplicar la notaci on, suprimiremos
las echas arriba de los vectores.
Vectores en R
n
Llamaremos punto o vector en R
n
a la n-upla X = (x
1
, x
2
, x
3
, . . . , x
n
) donde
x
1
, x
2
, x
3
, . . . , x
n
son n umeros reales. Estos n umeros son las coordenadas de X.
Si A = (a
1
, a
2
, a
3
, . . . , a
n
) y B = (b
1
, b
2
, b
3
, . . . , b
n
) decimos que A = B si y
solo si a
1
= b
1
, a
2
= b
2
, a
3
= b
3
, . . ., a
n
= b
n
.
Denimos la suma A+B = (a
1
+b
1
, a
2
+b
2
, . . . , a
n
+b
n
) y el producto por
un escalar (c R) cA = (ca
1
, ca
2
, ca
3
, . . . , ca
n
).
Propiedades:
A + (B + C) = (A + B) + C
A + B = B + A
Si c R, c(A + B) = cA + cB
Si c
1
R y c
2
R, (c
1
+ c
2
)A = c
1
A + c
2
A y (c
1
c
2
)A = c
1
(c
2
A)
O + A = A
1A = A
A + (1)A = O
0A = O
PR
ACTICA 1. VECTORES EN R
2
Y R
3
16
Notacion: A = (1)A
Llamaremos norma de A = (a
1
, a
2
, a
3
, . . . , a
n
) al n umero
|A| =
_
a
2
1
+ a
2
2
+ + a
2
n
.
Propiedades:
Si A = O, entonces |A| = 0; si A ,= O, entonces |A| > 0.
|A| = | A|
Si c R, |cA| = [c[ |A|.
Desigualdad triangular: |A + B| |A| +|B|.
Si A = (a
1
, a
2
, a
3
, . . . , a
n
) y B = (b
1
, b
2
, b
3
, . . . , b
n
), llamaremos distancia
entre A y B a la longitud del vector AB
d(A, B) = |B A| =
_
(b
1
a
1
)
2
+ (b
2
a
2
)
2
+ + (b
n
a
n
)
2
Si A = (a
1
, a
2
, a
3
, . . . , a
n
) y B = (b
1
, b
2
, b
3
, . . . , b
n
) llamaremos producto
escalar de A y B al n umero real
A B = a
1
b
1
+ a
2
b
2
+ + a
n
b
n
Propiedades:
A B = B A
A (B + C) = A B + A C = (B + C) A
Si k R, (kA) B = k(A B) = A (kB)
Si A = O, A A = 0. Si A ,= O A A > 0
Desigualdad de Cauchy-Schwarz: [A B[ |A| |B|
Dados en R
n
un vector A y un punto P la ecuaci on parametrica de la recta
L que pasa por P en la direccion de A es:
X = tA + P (t R).
Practica 2
Sistemas lineales y matrices
2.1. Deniciones y propiedades
Un sistema lineal de m ecuaciones con n inc ognitas es un conjunto de m
ecuaciones lineales en las variables (x
1
, x
2
, . . . , x
n
):
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
. +
.
.
. +
.
.
. +
.
.
. =
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
donde las a y las b con subndices representan constantes.
Cuando b
i
= 0 para todo i, 1 i m, se dice que el sistema es homogeneo.
Una n-upla (s
1
, s
2
, . . . , s
n
) es una solucion del sistema si y solo si al reemplazar
x
i
por s
i
, 1 i n, se satisface cada una de las m ecuaciones. Un sistema se
dice incompatible si no tiene ninguna soluci on. Un sistema se dice compatible
si tiene alguna soluci on. Si un sistema compatible tiene una soluci on unica es
determinado, y si tiene innitas soluciones es indeterminado.
Por matriz ampliada o matriz aumentada del sistema, entendemos el arreglo
rectangular de n umeros:
_
_
_
_
_
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
b
m
_
_
_
_
_
En general, dados los n umeros naturales n y m, se llama matriz de m las
y n columnas con coecientes reales, al arreglo rectangular
A =
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
,
donde a
ij
R. Abreviadamente A = (a
ij
).
26
PR
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
. +
.
.
. +
.
.
. +
.
.
. =
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
puede escribirse AX = B, con A = (a
ij
) R
mn
, X =
_
_
_
x
1
.
.
.
x
n
_
_
_ R
n1
,
B =
_
_
_
b
1
.
.
.
b
m
_
_
_ R
m1
.
En adelante identicamos X R
n1
con x R
n
y B R
m1
con b R
m
.
As el sistema se escribira Ax = b.
PR
a
1j
1
a
2j
2
. . . a
njn
Propiedades: Sea A R
nn
Si A contiene una la de ceros, det(A) = 0.
Si A es una matriz triangular de n n, det(A) es el producto de los
elementos de la diagonal, es decir det(A) = a
11
a
22
. . . a
nn
.
37
PR
ACTICA 3. DETERMINANTES 38
Si A
) = k det(A).
Si A
) = det(A).
Si A
) = det(A).
Si A R
mn
, la matriz transpuesta de A es la matriz A
t
R
nm
que tiene
como las a las columnas de A.
Propiedades:
Si A R
nn
, entonces det(A
t
) = det(A).
Si A R
nn
, B R
nn
y k R, entonces det(kA) = k
n
det(A),
det(AB) = det(A) det(B).
A es inversible si y solo si det(A) ,= 0.
Si A es inversible, entonces det(A
1
) =
1
det(A)
.
Desarrollo del determinante por cofactores
Si A es una matriz cuadrada, entonces el menor del elemento a
ij
se denota
M
ij
y se dene como el determinate de la submatriz que queda al eliminar de
A la i-esima la y la j-esima columna. El n umero (1)
i+j
M
ij
se denota C
ij
y
se conoce como cofactor del elemento a
ij
.
Se puede calcular el determinante de una matriz A R
nn
multiplicando
los elementos de cualquier la (o columna) por sus cofactores y sumando los
productos que resulten.
Es decir, para cada 1 i n y 1 j n,
det(A) = a
1j
C
1j
+ a
2j
C
2j
+ + a
nj
C
nj
(desarrollo por cofactores a lo largo de la j-esima columna)
y
det(A) = a
i1
C
i1
+ a
i2
C
i2
+ + a
in
C
in
(desarrollado por cofactores a lo largo de la i-esima la)
Si A R
nn
y C
ij
es el cofactor de a
ij
entonces la matriz
_
_
_
_
_
C
11
C
12
. . . C
1n
C
21
C
22
. . . C
2n
.
.
.
.
.
.
.
.
.
.
.
.
C
n1
C
n2
. . . C
nn
_
_
_
_
_
se conoce como matriz de cofactores tomados de A. La transpuesta de esta
matriz se denomina adjunta de A y se denota adj(A).
Propiedad: Si A es una matriz inversible, entonces A
1
=
1
det(A)
adj(A).
PR
ACTICA 3. DETERMINANTES 39
Regla de Cramer
Si Ax = b es un sistema de n ecuaciones con n incognitas tal que det(A) ,= 0,
entonces la unica soluci on del sistema es (x
1
, x
2
, . . . , x
n
) con
x
1
=
det(A
1
)
det(A)
, x
2
=
det(A
2
)
det(A)
, . . . , x
n
=
det(A
n
)
det(A)
donde A
j
es la matriz que se obtiene al reemplazar la j-esima columna de A por
b.
3.2. Ejercicios
Ejercicio 3.1 Calcular, usando la denici on, los determinantes de las sigu-
ientes matrices.
(a)
_
2 4
1 3
_
(b)
_
_
3 5 1
0 2 1
0 0 3
_
_
(c)
_
_
1 2 0
2 0 2
0 3 1
_
_
(d)
_
_
_
_
3 1 5 0
0 0 0 0
1 1 2 1
2 3 1 4
_
_
_
_
(e)
_
_
_
_
_
_
0 0 0 0 3
0 0 0 1 0
0 0 5 0 0
0 4 0 0 0
2 0 0 0 0
_
_
_
_
_
_
Ejercicio 3.2 Calcular los determinantes de las siguientes matrices usando
propiedades.
(a)
_
_
2 0 1
3 2 2
0 0 0
_
_
(b)
_
_
2 0 0
4 1 0
0 2 5
_
_
(c)
_
_
_
_
_
_
1 0 0 0 0
0 2 0 0 0
0 0 3 0 0
0 4 0 4 0
1 0 0 0 5
_
_
_
_
_
_
Ejercicio 3.3 Determinar los valores de k para los cuales det(A) = 0.
(a) A =
_
2 k + 4
k 2 4
_
(b) A =
_
_
k 2 1
0 k
2
1 2
0 0 k 2
_
_
Practica 4
Espacios vectoriales -
Subespacios
4.1. Deniciones y propiedades
Espacios vectoriales
Un espacio vectorial real V, o espacio vectorial sobre R, es un conjunto de
elementos llamados vectores, junto con dos operaciones: suma y producto por un
escalar, que satisfacen las siguientes propiedades:
Si u V y v V, entonces la suma u +v V.
Si k R y v V, entonces el producto kv V.
Si u, v y w V, entonces (u +v) +w = u + (v +w).
Existe un elemento en V, notado 0, tal que 0 +u = u +0 = u para todo
u V.
Para cada elemento u V existe u V tal que u+(u) = u+u = 0.
Si u y v V, entonces u +v = v +u.
Si u y v V y c R, entonces c(u +v) = cu + cv.
Si a y b R y v V, entonces (a + b)v = av + bv.
Si a y b R y v V, entonces (ab)v = a(bv).
Si u V, entonces 1u = u (1 R).
Notacion: u v = u + (v)
Propiedades: Sea V un espacio vectorial real
0v = 0 para todo v V.
k0 = 0 para todo k R.
(1)v = v para todo v V.
(v +w) = v w para todo v y w V.
k(v w) = kv kw para todo v y w V, k R.
kv = 0 si y solo si k = 0 o v = 0.
45
PR
r
i=1
k
i
v
i
/ k
i
R es un subespacio de V que se denomina subespacio
generado por v
1
, . . . , v
r
y se nota W= v
1
, . . . , v
r
).
Propiedad: Si W es un subespacio de V y v
1
, . . . , v
r
, son vectores de W, en-
tonces v
1
, . . . , v
r
) W. O sea v
1
, . . . , v
r
) es un subespacio de V que contiene
a los vectores v
1
, . . . , v
r
.
Dependencia e Independencia lineal
Sea V un espacio vectorial sobre R, y sean v
1
, . . . , v
n
elementos de V; decimos
que v
1
, . . . , v
n
es linealmente dependiente si existen n umeros reales a
1
, . . . , a
n
,
no todos iguales a cero, tales que a
1
v
1
+ . . . + a
n
v
n
= 0.
Decimos que v
1
, . . . , v
n
es linealmente independiente si y solo si se satis-
face la siguiente condicion: siempre que a
1
, . . . , a
n
sean n umeros reales tales que
a
1
v
1
+ + a
n
v
n
= 0, entonces a
1
= = a
n
= 0.
Propiedades: Sea V un espacio vectorial sobre R y sean v
1
, v
2
, v
3
, v
4
vectores
de V; son equivalentes:
v
1
, v
2
, v
3
, v
4
es linealmente independiente.
v
1
, kv
2
, v
3
, v
4
con k R, k ,= 0, es linealmente independiente.
v
1
+ kv
2
, v
2
, v
3
, v
4
con k R, es linealmente independiente.
De aqu en mas, cuando decimos espacio vectorial entenderemos espacio
vectorial sobre R.
PR
.
Propiedades:
S
es un subespacio de R
n
.
S S
= 0.
dimS
= n dimS y S S
= R
n
.
_
S
= S.
Si S = v
1
, v
2
, . . . , v
r
), w es ortogonal a v para todo v S si y solo si
w v
i
= 0 para 1 i r.
Observaci on: Si S = v
1
, v
2
, . . . , v
r
), para hallar S
, s
1
se llama proyecci on ortogonal de v
sobre S.
Propiedad: Esta proyeccion ortogonal es el punto de S que esta a menor
distancia de v, es decir que |v s
1
| |v s| s S.
Practica 5
Transformaciones lineales
5.1. Deniciones y propiedades
Sean V y Wespacios vectoriales sobre R. Una transformaci on lineal f : V
W es una funci on que satisface las siguientes dos propiedades:
Si u V y v V, f(u +v) = f(u) + f(v).
Si k R y u V, f(ku) = kf(u).
Son transformaciones lineales:
La funci on nula 0 : V W dada por 0(v) = 0, para todo v V.
La funci on identidad id : V V, dada por id(v) = v, para todo v V.
Propiedades: Cualquier transformaci on lineal f : V W satisface:
f(0) = 0.
f(v) = f(v) para todo v V.
f(v w) = f(v) f(w) para todo v y w V.
f(a
1
v
1
+. . . +a
n
v
n
) = a
1
f(v
1
) +. . . +a
n
f(v
n
) para todo a
i
R, v
i
V.
Notacion: Si f : V W, S V, T W, w W, notamos:
f(S) = w W/ w = f(s), con s S
f
1
(w) = v V / f(v) = w
f
1
(T) = v V / f(v) T
Propiedades:
Si S es subespacio de V, entonces f(S) es subespacio de W.
Si T es subespacio de W, entonces f
1
(T) es subespacio de V.
60
PR
es linealmente independiente.
Denicion: Decimos que una transformaci on lineal f : V W es:
monomorsmo si es inyectiva, esto es, si verica f(v) = f(w) v = w.
epimorsmo si es suryectiva, esto es, si Imf = W.
isomorsmo si es biyectiva, es decir, si es monomorsmo y epimorsmo.
Propiedades: Si f : V W es una transformaci on lineal, entonces:
f es monomorsmo Nu f = 0.
Si f es monomorsmo y v
1
, . . . , v
r
es linealmente independiente, en-
tonces f(v
1
), . . . , f(v
r
) es linealmente independiente.
f es isomorsmo si y solo si: Si v
1
, . . . , v
n
es base de V, entonces
f(v
1
), . . . , f(v
n
) es base de W.
Teorema de la dimension: Si f : V W es una transformaci on lineal,
entonces
dimV = dimNu f + dimImf
Propiedades:
Si f : V W y g : W U son transformaciones lineales, la composicion
g f : V U, dada por (g f)(v) = g(f(v)), es transformacion lineal.
Si f : V Wes isomorsmo, la funcion inversa f
1
: WV, que cumple
f f
1
= id
W
y f
1
f = id
V
, es isomorsmo.
Si f : V W y g : W U son isomorsmos, (g f) es isomorsmo y
verica:
(g f) = f
1
g
1
.
PR
= w
1
, . . . , w
m
base de un espacio vectorial W de dimension m.
Si f : V W es una transformaci on lineal y f(v
j
) = a
1j
w
1
+. . . +a
mj
w
m
,
1 j n, llamamos matriz asociada a f en las bases B y B
, a la matriz de
mn:
M
BB
(f) =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
Notar que en la columna j de M
BB
(f) estan las coordenadas de f(v
j
) en
base B
.
La matriz M
BB
(f) es tal que si v V, M
BB
(f)(v)
B
= (f(v))
B
.
Observaci on: Si f : R
n
R
m
y E y E
= B, escribimos M
B
(f) en lugar de M
BB
(f).
PR
y B
bases de U, V y W
respectivamente. Si f : U V y g : V W son transformaciones lineales, se
tiene:
M
BB
(g f) = M
B
B
(g)M
BB
(f)
Propiedad: Si f : V W es un isomorsmo, y B y B
son bases de V y W
respectivamente,
M
B
B
(f
1
) = (M
BB
(f))
1
.
Denicion: Si B y B
, a la matriz C
BB
= M
BB
(id).
Propiedad: C
B
B
= (C
BB
)
1
Propiedad: Si f : V V es transformacion lineal y B y B
son bases de V,
M
B
(f) = C
BB
M
B
(f)C
B
B
o, en virtud de la propiedad anterior,
M
B
(f) = (C
B
B
)
1
M
B
(f)C
B
B
5.2. Ejercicios
Ejercicio 5.1 Determinar cuales de las siguientes funciones son transforma-
ciones lineales (t.l.):
(a) f : R
2
R
2
, f(x
1
, x
2
) = (0, x
1
)
(b) f : R
2
R
2
, f(x
1
, x
2
) = (2x
1
5, x
1
+ x
2
)
(c) f : R
2
R
3
, f(x
1
, x
2
) = (x
1
+ 3x
2
, x
2
, x
1
)
(d) f : R
2
R, f(x
1
, x
2
) = x
1
.x
2
(e) f : R
2
R
32
, f(x
1
, x
2
) =
_
_
x
1
x
1
+ x
2
0 x
2
x
1
0
_
_
(f) f : R
22
R, f(A) = det(A)
(g) f : R
3
R, f(x) = v x, con v = (2, 1, 3)
(h) f : R
3
R
4
, f(x) = A x, con A R
43
Ejercicio 5.2 Interpretar geometricamente las t.l. f : R
2
R
2
.
(a) f(x
1
, x
2
) = (x
1
, 0)
(b) f(x
1
, x
2
) = (0, x
2
)
(c) f(x
1
, x
2
) = (x
1
, x
2
)
(d) f(x
1
, x
2
) = (x
2
, x
1
)
PR
ACTICA 6. N
z
w
=
[z[
[w[
Si z C, z = a +bi, z ,= 0, llamaremos argumento de z al unico n umero real
arg z que verica simult aneamente:
0 arg z < 2 ; cos arg z =
a
[z[
; sen arg z =
b
[z[
.
Si z C, la representacion z = [z[(cos arg z + i sen arg z) se llama forma
trigonometrica de z.
Si z = (cos + i sen ) y w = (cos + i sen ), con , > 0 y , R,
entonces:
z = w = (es decir [z[ = [w[) y = + 2k para alg un k Z
Teorema de De Moivre: Sean z, w C, z ,= 0, w ,= 0. Si z = [z[(cos +
i sen ) y w = [w[(cos + i sen ) entonces:
zw = [z[[w[(cos ( + ) + i sen ( + ))
Corolario:
z
1
= [z[
1
(cos () + i sen ())
z = [z[ (cos () + i sen ())
z
w
=
[z[
[w[
(cos( ) + i sen( ))
z
n
= [z[
n
(cos(n) + i sen(n)) n Z
Si w C, w ,= 0, una raz n-esima de w es un n umero z C tal que z
n
= w.
Propiedad: Si z es una raz n-esima de w entonces:
z = [w[
1/n
_
cos
arg w + 2k
n
+ i sen
arg w + 2k
n
_
para alg un entero k tal que 0 k n 1.
Si z C, z = [z[(cos + sen ), la notacion exponencial de z es
z = [z[e
i
Propiedades: Si , R
e
i
= e
i
= e
i
e
i
e
i
= e
i(+)
PR
ACTICA 6. N
j=0
a
j
x
j
con n N
0
y a
j
K.
Indicamos K[X] = P / P es polinomio con coecientes en K, y consider-
amos en K[X] las operaciones de suma y producto usuales.
Denicion: Si P ,= 0, P(x) = a
0
x
0
+ a
1
x
1
+ . . . + a
n
x
n
y a
n
,= 0, denimos
grado de P = gr P = n
Observaci on: El Polinomio nulo no tiene grado.
Propiedades: si P ,= 0, Q ,= 0,
gr (PQ) = gr P + gr Q
gr (P + Q) maxgr P, gr Q (si P + Q ,= 0).
Dados P K[X], z K, P(x) =
n
j=0
a
j
x
j
llamaremos especializaci on de
P en z al n umero
P(z) =
n
j=0
a
j
z
j
Sea P K[X], z K. Diremos que z es raz de P si P(z) = 0.
Algoritmo de la division: Dados P, Q K[X], Q ,= 0, existen unicos S, R
K[X] tales que: P = QS + R con R = 0 o gr R < gr Q.
Se dice que Q divide a P (o que P es divisible por Q) y se nota Q[P, si el
resto de la divisi on de P por Q es el polinomio nulo, esto es, si P = QS con
S K[X].
Algunos resultados importantes
Teorema del Resto: Si P K[X] y z K, el resto de la division de P por
(x z) es igual a P(z).
Corolario: Sea P K[X] y z K; z es raz de P si y solo si (x z)[P
Teorema: Si P K[x] y a
1
, a
2
, . . . , a
r
K son races de P con a
i
,= a
j
si
i ,= j, entonces P(x) = (x a
1
)(x a
2
) . . . (x a
r
)Q(x) con Q K[X].
Corolario: Si P es un polinomio de grado n entonces P tiene a lo sumo n
races.
Teorema de Gauss: Sea P Z[X], P(x) =
n
j=0
a
j
x
j
con a
0
,= 0. Si
p
q
(con
p Z, q N y (p, q) = 1) es una raz de P, entonces p[a
0
y q[a
n
.
PR
ACTICA 6. N
n
j=0
a
j
x
j
K[X], llamaremos polinomio derivado de P a:
P(x) =
n
j=1
ja
j
x
j1
=
n1
j=0
(j + 1)a
j+1
x
j
Propiedades:
(P + Q) = P + Q
(P.Q) = (P).Q + P.Q
(kx
0
) = 0
Notacion: Designamos
(m)
P = (
(m1)
P) = ((. . . (
. .
m veces
P) . . .))
Si P K[X], diremos que z C es raz de multiplicidad k de P (k N) si
P(x) = (x z)
k
Q(x) con Q C[X] y Q(z) ,= 0.
Teorema: Sea P R[X], y sea z C; z es raz de multiplicidad k de P si y
solo si P(z) = P(z) =
2
P(z) = . . . =
(k1)
P(z) = 0 y
(k)
P(z) ,= 0
Polinomio interpolador de Lagrange
Sean a
0
, a
1
, . . . , a
n
, a
i
K, a
i
,= a
j
si i ,= j, y sean b
0
, b
1
, . . . , b
n
arbitrarios,
b
i
K. Existe un unico polinomio L K[X], con L = 0 o gr L n, que satisface
L(a
i
) = b
i
para i = 0, 1, . . . , n. Se trata del polinomio:
L(x) =
n
i=0
b
i
L
i
(x) donde L
i
(x) =
n
k=0
k=i
(x a
k
)
n
k=0
k=i
(a
i
a
k
)
Practica 7
Autovalores y Autovectores
7.1. Deniciones y propiedades
Sea A R
nn
. Un vector v R, v ,= 0, es un autovector de A (o vector
propio), si existe R tal que Av = v. El n umero se llama autovalor de A
(o valor propio).
Si Av = v, diremos que v es un autovector de A asociado al autovalor .
Sea f : V V una transformaci on lineal. Un vector v V, v ,= 0, es un
autovector de f asociado al autovalor , si f(v) = v.
El conjunto S
1
0
.
.
.
2
.
.
.
.
.
.
.
.
.
.
.
.
0
n
_
_
_
_
_
_
,
donde
i
es el autovalor asociado a v
i
.
7.2. Ejercicios
Ejercicio 7.1 Para cada matriz calcular todos los autovalores y para cada
uno de ellos hallar el subespacio asociado.
(a)
_
7 5
10 8
_
(b)
_
4 2
3 3
_
(c)
_
2 1
4 2
_
(d)
_
4 1
0 4
_
(e)
_
_
2 3 1
1 1 4
1 2 1
_
_
(f)
_
3 5
1 1
_
(g)
_
_
1 2 1
0 5 4
0 8 7
_
_
Ejercicio 7.2
(a) Hallar todos los valores de k R para los cuales la matriz A tiene a 1 como
autovalor.
A =
_
_
0 0 3
1 0 1
k 1 1
_
_
(b) Para los valores de k hallados, calcular todos los autovalores de A.