(NOCIONES DE ALGEBRA LINEAL)

MATRICES, SISTEMAS DE ECUACIONES

LINEALES Y DETERMINANTES
MATRICES
Es un arreglo rectangular de nmeros ordenandos en filas y columnas, que
presenta la siguiente estructura:

a 11 a12 a1 j a 1 n
a 21 a22 a2 j a 2 n

a i1 ai 2 a ij a

a m 1 a m 2 amj a mn

mxn

Los aijson los elementos de la matriz;las m-n uplas horizontales son las filas, y
las m-n uplas verticales son las columnas.
El orden de la matriz esta dado por el nmero de filas y columnas (matriz de
orden mxn)
A= [aij]mxn
Donde: i= 1, 2,3,, m
j=1, 2,3,, n
Observacin:
Los elementos de

una matriz no necesariamente son nmeros, tambin

pueden ser funciones.

La matriz no tiene valor numrico, no se le puede identificar con un nmero.
Igualdad de matrices
Dos matrices Ay B son iguales si y solo si son idnticas, es decir si son del
mismo orden y sus respectivos elementos son iguales.

Matrices y sistemas de ecuaciones lineales

Dado el siguiente sistema de m ecuaciones lineales
Donde los
los

bi

aij

son los coeficientes, los

xi

son las variables o incgnitas y

son los trminos independientes o constantes

a11 x 1+ a12 x 2 ++ a1 n x n=b 1

a21 x 1 +a 22 x2 + + a2 n xn =b2

am 1 x 1+ am 2 x 2 ++ amn x m =bm

Matricialmente se presenta

a 11 a12 a1 n
b1
a 21 a22 a2 n x 1

x 2 = b2

xn
bm
am 1 am 2 a mn

)( ) ( )

AX=B
Dnde:
A: es la matriz de los coeficientes
X: es la matriz de las incgnitas
B: es la matriz de los trminos independientes
Matrices equivalentes
Se dice que una matriz A=

[ bij ]mxn

[ aij ]mxn

es equivalente por filas a una matriz B=

Si B se puede obtener de A por medio de un numero finito de las

llamadasoperaciones elementales por filas.

Operaciones elementales
Se llaman operaciones elementales o transformaciones elementales por filas
sobre una matriz A:

[ E1 ]

: intercambiar la fila i-sima y la fila j- sima

[ E2 ]

: multiplicar la fila i-sima por un escalar k (k0)

[ E3 ]

: reemplazar la fila i-sima por k veces la fila j- sima ms la fila i-sima

Ri kR j + Ri

Matriz escalonada
Se dice que una matriz se encuentra en su forma escalonada si el nmero de
ceros anteriores a la primera componente distinta de cero de una fila crece fila
por fila.
A los nmeros diferentes de cero que se encuentran solos en una columna se
les llaman elementos distinguidos.
Rango de una matriz
Una de las definiciones est dada por la cantidad de filas no nulas en una
matriz escalonada.
Matriz ampliada
Es aquella matriz que se forma con los coeficientes y los trminos
independientes de un sistema de ecuaciones lineales.
Se denota: [A: b]
El siguiente diagrama resulta til para resolver un sistema de ecuaciones
lineales.

Inicio

AX= b
[A:b]

el sistema
es

incompatible

r(A):r(Ab)

no existe
solucin

sistema
compatible

r:n

existe
infinitas
soluciones

n-r = k
k: numero de
parametros

hallar las
soluciones

fin

Ejemplo: resolver
x1- 2x2+ x3- x4- x5= -6
2x1+ 2x2- x3- x5= -4
4x1- 3x2+ x3- 2x4- 3x5= -16
3x1- 6x2+ 3x3- 3x4- 3x5= -18

existe
solucin
nica

Solucin:

(
(

)(

1 2 1 1 1 6 1
2 2 1 0 1 4 0
4 3 1 2 3 16 0
3 6 3 3 3 18 0
3
0
0
0

0 0 1 2 10
1 0
0
0
0
0 3 2
1
8
0 0
0
0
0

0 1 1 1 6
0 3 2
1
8
1 0
0
0
0
0 0
0
0
0

r(A) = 3 , r(AB) = 3 ,

soluciones 53=2 parametros

3x1- x4-2 x5= -10
x2= 0
-3 x3+ 2x4+ x5= 8
x4 = a
x5= b
x 1=

2 b+ a10
3

x2= 0
x 3=

2a+ b8
3

; ayb

Ejemplo:
Resolver:
x1+ x2- x3+ x4= 0
3x1- x2+ 2x3+ 3x4= 7
x1+ 2x2- 2x3- x4= -1
3x3+ x4= 9
Solucin:

)(

1 1 1 1
0 1
3 1 2
3
7 0
1 2 2 1 1 0
0 0
3
1
9 0

r(A) = r(AB) = 4 = n

0
1
0
0

0
0
1
0

x1= 1

0
0
0
1

1
2
3
0

x2= 2

x3=3

x4 = 0

Ejemplo:
Para que valores de x el rango de la matriz es menor que 4.

x
0
1
x

1
x
x
0

0
x
x
1

x
1
0
x

Solucin:

(
(

x 1
0 x
1 0
0 1
1
0
0
0

0 x
x 1
0 1
1 0

) (
)
x0

x 0
1
x
0 0 1 2 x
0 0 2x
1
0 1 1
0

)(

x 0
1
x
0 0
1
2 x
0 0 2 x+1 2 x +1
0 1
1
0

0 0
1
1 1
0
0 1
2x
0 0 12 x

Observacin:
Se dice que un sistema es homogneo cuando los trminos independientes
son ceros, es decir:
a11 x 1+ a12 x 2 ++ a1 n x n=0

am 1 x 1+ am 2 x 2 ++ amn x n

=0

El sistema tiene por lo menos una solucin (llamada solucin trivial)

x 1=x 2== xn =0

, por lo cual es consistente o compatible.

Una condicin necesaria y suficiente para que un sistema de ecuaciones

lineales tenga mas de una solucin es que r(A) =r(Ab) = k

n , donde n es el

numero de incgnitas, en este caso el sistema posee soluciones no triviales.

Ejemplo
Resolver
CLASES DE MATRICES
Matriz cuadrada

Se presenta cuando el nmero de filas es igual al nmero de columnas, se

denota Anxn

An

Matriz nula
Es una matriz en la cual todos sus elementos son ceros.
Ejemplo:
0=

(00 00)

Matriz diagonal
Es una matriz cuadrada en la cual los elementos fuera de la diagonal principal
son ceros. Ejemplo:

( )
3 0 0
0 2 0
0 0 5

Matriz escalar
Es una matriz diagonal en al cual los elementos de la diagonal principal son
iguales.
Ejemplo:

( )
7 0 0
0 7 0
0 0 7

Matriz identidad
Es una matriz escalar donde los elementos de la diagonal principal es el 1.
Ejemplo:

( )
1 0 0
0 1 0
0 0 1

Notacin:

I n, I

Transpuesta de una matriz

La transpuesta de una matriz Amxn es la matriz construida a partir de A ubicando

la i-sima fila de A en la i-sima columna de la matriz transpuesta.
Notacin: At
Si A=

[ aij ]mxn

t
At = [ aij ]nxm

[ a ji ]nxm

Matriz simtrica
Se presenta cuando A= At
La matriz debe ser cuadrada, los elementos de la diagonal principal
permanecen fijos al efectuar la transposicin.
Matriz anti simtrica
Se presenta cuando A= - At
La matriz debe ser cuadrada, los elementos de la diagonal principal son ceros.
Matriz nilpotente
Es aquella matriz tal que si existe algn p entonces Ap = 0( 0 matriz nula)
Se dice que el grado de nilpotencia es p.

Matrizidempotente
Se dice que una matriz cuadrada A es idempotente si A2= A.
Matriz involutiva
Se dice que una matriz cuadrada A es involutiva si A2 = I.
Definicin(Traza de una matriz)
Sea A una matriz cuadrada, la traza de A: tr(A) es la suma de elementos de la
diagonal principal de la matriz A.
tr(A) =

a11 + a22

Propiedades

++ann

Sean A y B dos matrices y c un escalar tal que con A y B se puedan hacer

operaciones, entonces:

1)
2)
3)
4)
5)
6)
7)
8)
9)

tr(A+B) = tr(A) + tr(B)

tr(AB) = tr(BA)
tr(c A) = ctr(A)
tr(At) = tr(A)
(A+B)t = At + Bt
(c A)t = c At
(AB)t = BtAt
(At)t = A
t
t
Si A es cuadrada entonces A + A es simtrica y A A es
anti simtrica
10)Toda matriz cuadrada A se puede expresar como la suma
de una matriz simtrica y anti simtrica.

OPERACIONES CON MATRICES

Dadas las matrices A y B del mismo orden se tiene:
A+B = B +A
k(A+B) =kA+kB ; k es un escalar
A-B = A+ (-B)
Producto de matrices
A=

[ aij ]mxn

B=

[ b jk ]nxp

EntoncesAB=C =

[ c ik ]mxp

Propiedades
1)
2)
3)
4)
5)
6)
7)

A(BC) = (AB)C
(A+B)C =AC + BC
A(B+C) = AB + AC
No siempre: AB = BA (no conmutan)
0.A = 0
AB = 0 no implica A= 0 B = 0
Si AB=AC no implica B=C

Obtencin de la matriz inversa de una matriz mediante

operacioneselementales:
Se aplica el mtodo de Gauss-Jordn.

[ aij ]nxn

Sea: A=
(A: I) O: E

(I: B)

Entonces; B=A-1
Siendo: I la matriz identidad, B es la matriz inversa.
Ejemplo:
A=

1 0 2
2 1 3
4 1 8

Solucin:

1 0 2 1 0 0 1 f0 22f
1 0 0
2
1
2 1 3 0 1 0 0 1
1
2
1 0
f 3 4 f 1
4 1 8 0 0 1 0 1
0 4 0 1

)(

1 0 0 11 2 2
0 1 0 4
0 1
0 0 1 6 1 1

A =

Obs:

1 0 2 11 2 2
2 1 3 4
0 1
4 1 8 6 1 1

11 2 2
4
0 1
6 1 1

-1

)(

) ( )
=

1 0 0
0 1 0
0 0 1

Ejemplo:
Encuentre le matriz inversa de A, si existe.

A=

1
2
3
6

Solucin:

2
4
2
8

3
3
1
7

0
2
3
5

1
2
3
6

2
4
2
8

3
3
1
7

0
2
3
5

1
0
0
0

0
1
0
0

0
0
1
0

0
0
0
1

)(

6 0 0 5
3 0
5 2
0 12 0 7 15 0 11 8
0 0 3 2
3 0
1 1
0 0 0 0
1 1
1 1

matriz inversa

Ejemplo:
Halle la inversa de la matriz A de orden n
Donde:
aij

=0 si i=j

aij

=1 si ij

Matriz triangular superior

Una matriz cuadrada se llama triangular superior si y solo si

aij

=0 para i

j
Ejemplo:

( )
1 2 3
0 4 5
0 0 6

Matriz triangular inferior

Una matriz cuadrada A=

[ aij ]nxn

es triangular inferior si y solo si

aij

=0 para

i<j
Ejemplo:

1
0
1
2

0
2
0
1

0
0
3
0

0
0
0
4

APUNTES SOBRE LOS NUMEROS COMPLEJOS

Definicin: El conjunto de los nmeros complejos es el conjunto

R 2 de pares

ordenados de nmeros reales, dotado con las operaciones internas de adicin y

multiplicacin, definidas de la siguiente forma:

Adicin:
(a ; b)+(c ; d) = (a+c ; b+d)
Multiplicacin:
(a ; b).(c ; d) = (ac-bd ; ad+bc)
Notacin

a; b / a , b

Todo elemento de

se denomina nmero complejo.

Definicin de nmero complejo

Un numero complejo es todo par ordenado de nmeros reales (x ; y) que
pertenecen a C.
z z (x; y), x, y

El primer elemento x, se denomina parte real de z y se denota por Re(z)

El segundo elemento y, se denomina parte imaginaria de z y se denota
por Im(z)
Ejemplo:
3 Re(z )
4 Im(z)

z (3; 4)

Propiedades

Sea

a)

z1 ;z2

Re(z1 z2 ) Re(z1) Re(z 2 )

b)
c)
d)

Im(z1 z 2 ) Im(z1) Im(z2 )

Re(i z) Im(z)
Im(iz) Re(z)

Representacin grafica de un numero complejo

Cada numero complejo z = (a ; b), se puede representar por un punto P
de un plano; las partes real a e imaginaria b son las coordenadas
de P en un sistema cartesiano ortogonal cuyos ejes se llaman eje real y
eje imaginario.

El plano usado para representar el conjunto C de los nmeros complejos

se denomina plano complejo (diagrama de Argand).
Como tambin cada punto del plano representa un vector de origen (0 ;
0) y extremo P, la correspondencia anterior nos permite representar a
cada numero complejo z por un vector

uuur
OP

Los nmeros complejos como una extensin de los nmeros reales

Sea

R ' 0

un subconjunto de C, formado por los pares ordenados cuya

segunda componente es cero:

Consideremos la funcin:

R ' (a,b) / b 0

f : R'
x a (x , 0)

Podemos observar que f es inyectiva y suryectiva y por lo tanto biyectiva,

adems f conserva las operaciones de adicin y multiplicacin:
f(a)+f(b) = f(a+b), (a ; 0)+(b ; 0) = (a+b ; 0)
f(a).f(b) = f(ab),

(a ; 0).(b ; 0) = (a.b ; 0)

Como existe una funcin biyectiva

f : R'

que conserva las operaciones

y R'

de adicin y multiplicacin, diremos que

son isomorfos.Esto

(a,0)

significa que operar con

lleva a resultados anlogos a los obtenidos
al operar con x, por este motivo podemos escribir:

a (a , 0) a
Forma binomica de un nmero complejo

La notacin cartesiana de un numero complejo z como par ordenado

z (a,b)

no es conveniente para operar, por ejemplo, si

muy laborioso calcular

z5 (2 , 3)5

z (2, 3)

resulta

La unidad imaginaria
Al nmero complejo (0,1) se le denomina la unidad imaginaria y lo
i (0,1)
representamos por i, entonces
Usando la multiplicacin de complejos y la identificacin de
0

con

i2 i i (0,1)
(0,1) ( 1,0)

Entonces

z (a,b) (a,0) (0,b)

como:

(0,b) (b,0) (0,1)

, podemos escribir:

z (a,0) (b,0) (0,1) a bi

Proposicin

Todo nmero complejo

en la forma

z a bi

z (a,b)

puede ser representado en forma nica

, denominada forma binomica de z

Potencias de la unidad imaginaria

i1 i

i5 i

i9 i

i2 1

i6 1

i10 1

i3 i

i7 i

i11 i

i4 1

i8 1

i12 1

De la tabla podemos deducir:

in (i i2 i3 i4 ) in (0) . n

1)

i i2 i3 i4 0

, entonces

in1 in 2 in 3 in 4 0

La suma de cuatro potencias enteras consecutivas de la unidad

imaginaria es cero.

2)

i4k 1

i4k a ia

, k es entero.

Corolario

ia1a2a3 ...an1 an2 ian1 an2

n

3)

i(4k a) ia

, a,kenteros,

Definiciones
NmeroReal:

a : z (a,0) a a 0i

Imaginario Puro:

z (0;b) (b;0).(0;1) bi

Complejo nulo:

z (0,0) 0 0i 0

Opuesto de un complejo: si

z (a,b)

, su opuesto es

z ( a , b) a bi
Z

Im
Re
Z

Conjugado de un complejo:
Si

z x yi

z x yi

, se denomina conjugado de z al complejo

Im

definido por:

Z=(a; b)
Re

La conjugacin nos permite calcular fcilmente el inverso de un complejo

z x yi 0
en forma binomica

1 x yi
1
1

z x yi x yi x yi

x yi
1
x
y

i
z x 2 y 2 x 2 y 2
x2 y2

Complejos iguales:sea

z1 y z2

Re(z1) Re(z2 )
z1 z2 Im(z
1) Im(z 2 )

Modulo de un nmero complejo

Sea

Z a bi

Z
, el modulo del complejo Z denotado por

Z a2 b2 , a,b
Ejemplo:

Z = 4 + 3i

Z 42 32 25 5

Propiedadesdel conjugado de un numerocomplejo

1.
2.
3.

4.

5.

6.
7.
II.

Z Z ;

Z1 Z 2 Z1 Z 2
Z1.Z2 Z1.Z2
Z1
Z1
; Z2 0
Z
Z
2
2

Re Z Z Z
2
Im Z Z Z
2i
Z Z Z
Del mdulo de un complejo

Z ; | Z | 0
1.
2.
3.

Z 0 Z0

(Complejo nulo)
| Z1 . Z2 | = | Z1 | | Z2 |

, se define como:

4.

Z Z ;
Z1
Z2

Z1

Z2

; Z2 0

5.

6.

|Z|=|

|=|Z|

7.

| Z |2 = Z .

8.

| Z1 + Z2 | | Z1 | + | Z2 |
(Desigualdad triangular)

n \ 0

9. | Z | = | Z | ;
Operaciones en forma cartesiana

Adicin:
(a + bi) + (c + di) = (a + c) + (b + d)i
Sustraccin:
(a + bi) - (c + di) = (a - c) + (b - d)i

Multiplicacin:
(a + bi) (c + di) = (ac - bd) + (ad + bc)i

Divisin:

a bi (a bi)(c di) ac bd bc ad

i
c di (c di)(c di) c 2 d2 c 2 d2

(a bi)n

Potencia:

Cnkank (bi)k

k 1

la potencia se vuelve laboriosa

n x yi a bi x yi (a bi)n

Radicacin:
la radicacin se vuelve complicada
Argumento de un nmero complejo no nulo

El argumento de un nmero complejo, es el ngulo que forma el semieje

positivo de
abscisas, con la semirrecta que une el origen de
coordenadas con el afijo de z. No se define el argumento del numero
complejo (0 ; 0)

Dado

z \ (0 , 0)

cos

, un argumento de z es cualquier

tal que:

Re(z)
Im(z)
, sen
z
z

Podemos definir el conjunto de los argumentos de un nmero complejo z

no nulo y denotarlo por arg z.

Re(z)
Im(z)
argz / cos
,sen

z
z

Argumento principal de un nmero complejo no nulo

Un nmero complejo

z \ (0 , 0)

, tiene infinitos argumentos si uno de

2k , k

ellos es los dems estn expresados por la frmula:

.Para que sea nico, basta con imponer la condicin adicional que
2

pertenezca a un cierto intervalo semiabierto de longitud

tal como
[0,2 , ]
,
, etc.Entonces, de entre los infinitos argumentos de z,
se denomina argumento principal de
que verifica la condicin

0 2

z \ (0 , 0)

y se denota Arg z, al

Es decir

0 Arg z 2

arg z Arg z 2k ,k

, adems

Nota: En otros pases, el argumento principal de

Arg z

valor de

, tal que

z \ (0 , 0)

Arg z

Propiedades
1)

arg(z) 2 argz

arg z , 0 arg z
arg z , arg z 2

arg( z)

2)

1
arg( ) 2 argz
z
Im3)

Forma polar o trigonomtrica de un nmero complejo

Dado el nmero

z C \ (0,0)

(a; b)

Afijo de z
r=|z|

De la figura:
a r cos a r cos
,
b
arctg ,
r
a

a2 b 2

Re

r = mdulo de complejo Z

= argumento principal del complejo Z

, es el

Como

z a ib

, entonces:

z r cos ir sen r(cos isen )

, es la forma polar o trigonomtrica de

z.
Operaciones en forma polar o trigonomtrica

Sean:

z1 r1(cos 1 isen 1) z2 r2 (cos 2 isen 2 )

a) z1.z2 r1 r2 cos(1 2 ) isen(1 2 )

z
r
b) 1 1 cos(1 2 ) isen(1 2 )
z2 r2
c)z1n r1n cos(n1) isen(n1)

; n Z

2k
2k

d) n z1 n r1 cos( 1
) isen( 1
)
n
n

, k 0 , 1 , 2 , 3 , ... , (n 1), n ,n 2

Frmula de De Moivre
Se usa para calcular senos y cosenos de ngulos mltiples
(cos i sen )n cosn i senn

Ejemplo: Si n = 2
(cos isen )2 cos 2 isen 2
cos2 sen2 i(2sen cos )
1 4 42 4 43
1 44 2 4 43
cos 2

sen 2

cos 2 isen2 ,
igualamos parte real y parte imaginaria
entonces cos 2 cos2 sen2
y sen 2 2sen cos
Identidades notables

z cos isen
Si

1
z1 cos isen
z
a)

z z1 2cos
b)

(z z 1)n 2n cosn
c)

zn cos(n) isen(n) y
z n cos(n) isen(n)
zn z n 2cos(n)
d)

Ejemplo:

Si n = 6

(z z 1)6 26 cos6

(z z 1)6 z6 6z 4 15z2 20
15z 2 6z 4 z 6
6 z 6 ) 6(z 4 z 4 )
(z z1)6 (z
1 4
2 43
1 4 2 43
2 cos(6)
2 cos(4)
2

2
6
15(z z ) 20 2 cos6

1 4 2 43

2 cos(2)

cos6

1
3
15
5
cos 6 cos 4
cos 2
32
16
32
16

Notacin fasorial
Se usa en el anlisis de circuitos con corriente alterna
z r(cos isen ) z r
Notacin cientfica
Se usa para abreviar la escritura de la forma polar:

z r(cos isen ) z r cis

Operaciones:

Z1 r1Cis1 Z2 r2 Cis2

Sea:
Entonces:

Z1Z 2 r1r2Cis 1 2

Z1 r1
Cis 1 2
Z2 r2

Propiedades:

Cis 1
1.
2.

Cis 1 .Cis 2 Cis 1 2

cos 1 2 isen 1 2
Cis 1

3.

4.
5.

Cis 2

Cis 1 2

cos 1 2 isen 1 2
Cis cos isen

Cis n Cis n cos n isen n ;

n
Cis 1 Cis 2 1 2 2k, k

6.
Forma exponencial de un nmero complejo

Formula de Euler
ei cos isen

z r(cos isen )
Como

z rei

(Forma exponencial de z)

Propiedades
1)
2)

ei(0) 1
: ei 0
: ei 1

3)
4)

5)

6)

7)
8)

ei( 2k) ei , k
ei 1 ei 2 1 2 2k

: (ei ) e i
1, 2 : ei 1ei 2 ei(1 2 )

n , : (ei )n ein

Operaciones en forma exponencial

Sean

z1 r1 ei1

z2 r2 ei2

z1.z2 r1r2 ei(12 )

a)
z1 r1 i(12 )
e
z2 r2

b)

c)

z1n r1n ei(n1) ; n

2k
i( 1
)
nz nr e
n
,
1
1

d)

k 0 , 1 , 2 , 3 , ... , (n 1)

Ejemplo: Sea Z = 1 i

Im

2
2
Z r 1 Re
1 , entonces r 2

Z=1i

El argumento

2
4
7
4

Z 1 i

7i
2e 4

Raz ensima de la unidad

2k
i(
)
n 1 e n , k 0,1,2,3,.....,(n 1)

2
we n
i

Si hacemos

, entonces

2k
i
k
w e n

, las n races forman el

conjunto

Gn w k ,k 0,1,2,3,...,(n 1)

1, w , w 2 , w 3 ,..., w n1

se denomina raz ensima de la unidad.De la forma exponencial de las

w
races ensima de la unidad vemos que estn en el crculo de radio uno

2
n

centrado en el origen y estn uniformemente espaciadas sobre el cada

n3
1
radianes. Cuando n = 2 estas races son
, cuando
las races
corresponden a puntos situados en los vrtices de un polgono regular de n
lados, este polgono est inscrito en el circulo de radio uno centrado en el

z 1 (k 0)

origen y tiene un vrtice en el punto correspondiente a la raz

adems el eje real es eje de simetra de dicho polgono regular.

Ejemplo:

Calcular

61

Solucin:

G6 1,w,w 2 ,w 3 ,w 4,w 5 / w ei(2 /6)

G6 wk ,k 0,1,2,3,4,5

G6 1,ei( /3) ,ei(2 /3) ,ei( ) ,ei(4 /3) ,ei(5 /3)

1
3
1
3
1
3 1
3
G6 1 , i
, i
, 1, i
, i
2
2
2
2
2
2 2
2

Nota:
a) La suma de las races ensimas de la unidad es cero.

( 1)n1
b) El producto de las races ensimas de la unidad es

Races cubicas de la unidad

2k
i(
)
3 1 e 3 , k 0,1,2

Si

k 0 R1 1

k 1 R 2 w ei(2 /3)

Si

1
3
i
2
2

k 2 R3 w 2 ei(4 /3)

Si
Propiedades

1
3
i
2
2

a)
b)

w3 1 , w 4 w , w3 1 , w 3 a w a

1 w w2 0
w4 w2 1 0

c)
w w2

d)
La exponencial compleja

Si

z a bi e z ea (cosb isenb)

Propiedades
z : e z 0

1)
z : (ez ) ez

2)
z1 , z2 : e z1.e z2 e z1 z2

3)
e z 1 z 2k i ; k

4)
z : e z eRe(z)

5)
6)
7)

8)

arg(e z ) Im(z) 2k , k
e z 2k i e z ,k
z1 , z2 : e z1 e z2 z1 z2 2k i

e w 2i w ln2

i
2ki , k
2

Lugar geomtrico de nmeros complejos

Para graficar el lugar geomtrico o identificar geomtricamente los

conjuntos de nmeros complejos z que verifican determinadas
condiciones, se remplazan en las condiciones
convenga

z rei

z x yi

o segn

Ejemplo: Graficar los nmeros complejos z que verifican la condicin:

z r

Solucin:
z r x 2 y 2 r x 2 y2 r 2

Es la ecuacin de una circunferencia centrada en el origen de radio r

Ejemplo: Graficar los nmeros complejos z que verifican la condicin:

z z0 r, r 0, z0 fijo

Solucin:
z z0 r (x x 0 )2 (y y0 )2 r

(x x 0 )2 (y y0 )2 r 2

Es la ecuacin de una circunferencia centrada en

(x0 ,y0 )

de radio r

A i z / iz 1 i 1

Ejemplo: Determine la grfica del conjunto

Solucin:
iz 1 i 1 i (x iy) 1 i 1
1 y i(x 1) 1 (x 1)2 (y 1)2 1.. (1)

Sea
z1 i z i (x iy) x i(y 1)
x1 y1 x i(y 1)

Entonces

x x1
y y1 1

, en la relacin (1),

( x1 1)2 (y1 1 1)2 1 (x1 1)2 (y1 2)2 1

circunferencia de centro ( -1 , 2) y radio 1.

El polinomio complejo

, es la ecuacin de una

Z C
Sea

,un polinomio definido sobre el conjunto de los nmeros

complejos tiene la forma:

nN

:
Donde
complejos

P(z) anzn an 1zn1 ......... a1z a0 an 0

, es el grado del polinomio,

ai C

, son los coeficientes

Teorema fundamental del algebra

Todo polinomio no constante con coeficientes complejos tiene al menos

un cero complejo.
Teorema
Sea

P(z) a0 a1z ......... an 1zn1 anzn

de grado

n1

an 0

un polinomio complejo
,

, P(z) tiene n races complejas(contando cada una segn

su multiplicidad). Es decir, existen n nmeros complejos (iguales o

distintos)

z1,z2,z3,...,zn

, tal que:

P(z) an(z z1)(z z 2 )(z z3 )....(z zn )

Teorema
1) Todo polinomio de grado impar con coeficientes reales tiene al menos
una raz real.
2) En los polinomios con coeficientes reales si
polinomio, entonces su conjugado

z a bi

z a bi

es una raz del

tambin lo es.

Nota
Todo polinomio de grado
factorizar:

n1

, con coeficientes reales se puede

a) como un producto de polinomios reales de grados uno y dos.

P(x) (ax b)n (cx 2 dx e)m

b) como un producto de polinomios complejos de grado uno.

Matrices con elementos complejos

Los elementos de una matriz pueden ser nmeros complejos Z= a + bi, el
complejo conjugado se define

Z =a-bi

Respecto a las operaciones tomemos como ejemplo:

A=

(2+i4

32i
5i

B=

(1+i3

2i
2+3 i

Luego:
A+B=

2A=

(5+i
5+i

3
2+8 i

(4 +28 i

64 i
10 i

AB=

4i
(11+
7+5 i

10+9 i
15+18 i

El conjugado de una matriz denotado por se obtiene al tomar el conjugado de

cada uno de los elementos de la matriz A.
La traspuesta conjugada de una matriz A sedenota por A*= t
Ejemplo:
A=

(2+36 i

14 i
7i

(236 i

1+ 4 i
7 i

A* =

i
(23
1+4 i

6
7 i

Se dice que la matriz cuadrada E es hermitiana si E = E*

Ejemplo:

(3+24 i

E=

34 i
6

(342 i

3+ 4 i
6

E*=

(3+42 i

34 i
6

=> E = E*

PROPIEDADES
Sean A y B matrices con elementos complejos y z un nmero complejo.
1. (A + B)* = A* + B* transpuesta conjugada de una matriz

2. (zA)* = z A
traspuesta conjugada de un mltiplo escalar
3. (AB)* = B*A*
4. (A*)* = A

traspuesta conjugada de un producto

traspuesta conjugada de una traspuesta conjugada

Matriz Ortogonal
Es aquella matriz cuadrada donde se cumple: (A -1 = At)
Ejemplo:
A=

( )
1 0 0
5 4 0
2 8 7

Es una matriz ortogonal?

t

A =

( )
1 5 2
0 4 8
0 0 7

1 0 0 1 0 0
5 4 0 0 1 0
2 8 7 0 0 1

1 0

0 1
5
0 1 0
4
1
0 0 1
7

) (

0 0
1
0
4
2 1
7 7

1 0 0 1
0 0
0 4 0 5 1 0
0 0 7 8 2 1

1
5
4
8
7

0
1
4
2
7

( )

-1

A =

0
1
7

A no es ortogonal
Matriz normal:
Una matriz es normal si conmuta con su transpuesta. Las matrices simtricas,
anti simtricas u ortogonales son necesariamente normales.
A.At = At.A
Ejemplo: Hallar todas las matrices de orden 4x4 que sean conmutables con la
matriz A:

A=

( )
0
0
0
0

Solucin:

1
0
0
0

0
1
0
0

0
0
1
0

AB = BA

( )( ) (
( ) ( )
0
0
0
0

1
0
0
0

0
1
0
0

0 a b
0 e f
1 i j
0 m n

e
i
m
0

f g h
j k l
n o p
0 0 0

c d
g h
k i
o p

0 a b c
0 e f g
0 l j k
0 m n o

Luego:

B=

a
0
0
0

b
a
0
0

c
b
a
0

d
c
b
a

Ejemplo: Dadas las matrices

A = [aij] = [ |i j| ]12x12
B = [bij] = [ i+j ]3x12

)( )

a b c d 0 1 0
e f g h 0 0 1
i j k i 0 0 0
m n o p 0 0 0

0
0
1
0

Hallar los elementos de C69 y C96 de C = ABAt = [cij]

Ejemplo: Sea A = [aij] una matriz triangular superior de orden n tal que a ij = 1, si
ij
De A3 = [bij] hallar el elemento bij si:
a) i = 3 ; j = n
b) i = n ; j = 3
c) i = 3 ; j = 3

DETERMINANTES
El concepto de determinante surge con el problema de solucin de un sistema
de ecuaciones lineales por ejemplo dado el sistema:
ax + by = r
cx + dy = s
Donde x e y son las incgnitas eliminando variables y despejando se tiene:

x=

drsb
adbc

ascr

y = adbc

El numero ad-bc se encuentra como denominador en x e y.

En la forma matricial se tiene:

(ac bd )( xy)

(rs)

Se dice que el determinante de la matriz de los coeficientes denotado por:

det (A) = detA =

| A| =

| |
a b
c d

el sistema tendr solucin si

= ad-bc

| A| 0

Definicin
El determinante viene a ser una funcin que aplicada a una matriz cuadrada da
un nico valor numrico.
Sea A un matriz cuadrada
:Knxn R C

a11 a12
a
1n
a
a
a2 n
A= 21 22

a n1 an 2 a nn

Cuyas filas son:

A1 = (a11, a12,, a1n)
.
.
An

= (an1, an2, ,ann)

La matriz A por filas es:

A = (A1,A2,,Ai , , An)entonces el determinante es

| A| = det (A1 , A2 , , Ai , , An)

En el determinante se verifica que

1. det(A1 , A2 , , Ai , , An)
2. det(B) = det(A1 , A2 , , rAi , , An)= r det(A1 , A2 , ,Ai , , An)= r det(A)

Observacin: Si cualquier fila de A se multiplica por r , entonces

|B| = r

| A|
3. det(A1 ,

A2 , , Ai + Aj , , An) = det(A1 , A2 , , Ai , , An) + det(A1 , A2 , ,Aj ,

, An)
para todo i = 1,2,3,, n
4. det(In) = 1
Definicin
Sea una matriz cuadrada de orden 2x2
A=

a 11 a12
a 21 a22

El determinante de segundo orden es el nmero definido por:

| A| = a11 . a22- a12 . a21

Definicin:
Sea una matriz cuadrada de orden 3x3

A=

a 11 a12 a13
a 21 a22 a23
a 31 a32 a33

El determinante de tercer orden es el nmero definido por:

| A| = a11 .a22 .a33+ a12 .a23 .a31+ a13 .a21.a32- a31 .a22 .a13-a32 .a23 .a11 - a21 .a12 .a33

MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn

A=

a11
a 21

ai 1

a12
a22

ai 2

an 2

a1 j
a2 j

a ij

a nj

a1 n
a2 n

a

a nn

Sea Mij la submatriz cuadrada de orden n-1 que resulta de eliminar la fila i y la
columna j de la matriz A.
Entonces:
1)

|M ij|

se llama menor complementario del elemento aijde A.

2) El cofactor del elemento aij que se simboliza por Aij se define por:

Aij

cofactor

M ij

menor
i+j

(1)

signo

Como i+j puede ser par o impar

Aij =

|M ij|

Desarrollo de una determinante por cofactores

El determinante de una matriz cuadrada A = [aij]nxn es igual a la suma de los
productos de los elementos de cualquier fila o columna por sus respectivos
cofactores.
Para aplicar este desarrollo es necesario elegir una fila o una columna y
efectuar el desarrollo por dicha fila o dicha columna.
a) Si elegimos la fila k el desarrollo del determinante es:

| A|

kj

j=1

b) Si elegimos la columna j el desarrollo del determinante es:

| A|

kj

k=1

Ejemplo:

A=

3 6 9
0 2
1
3 1 2

Si elegimos la 1rafila:
a

1 j
a

| A| =
11 A11 )
) = (

a
a
+ ( 12 A 12 ) + ( 13 A 13)

j=1

| |

2 1
= 3 1 2

+ 6(-1)

| |
0 1
3 2

+ (- 9)

| |
0 2
3 1

= 87

Obs:si elegimos la primera columna

| A|

k 1
a

11 A11 )
=
) = (

a
+ ( 21 A 21)

a
+ ( 31 A 31)

k=1

| |

2 1
= 3 1 2

6 9
+ 0(-1) 1 2

MATRIZ DE COFACTORES

+3

6 9
2 1

= 87

Sea A una matriz cuadrada de orden nxn y Aij es el cofactor de aij entonces la
matriz:

Cofact A =

A 11

An 1

A12 A1 n

A n 2 A nn

Se llama matriz de cofactores de A. La transpuesta de esta matriz es conocida

como Matriz adjunta de A.
Propiedades de la matriz adjunta de A
1) adj (In) = In
2) adj (At) = (adj (A))t
3) adj (An) = (adj (A))n
4) adj (AB) = adj (B) adj (A)
A
-1
-1
5) adj (A ) = (adj (A)) = detA
6)

|adj( A)| = | A|n1

7) adj (xA) = x-1adj (A)

TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo (

| A| 0).

PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.
TEOREMA:
A (adj A) = det A (In)

COLORARIO:
Si A es una matriz no singular de orden n entonces:

-1

A = adj(A).

1
| A|

= (cofact (A)) .

1
| A|

| A|

Ejemplo: Halle la matriz inversa de A:

A=

3 6 9
0 2
1
3 1 2

A =
-1

5 3 24
3 33 3
6 21 6

1
. 87

5
87
1
29
2
29

8
29
1
29
2
29

( )
1
29
11
29
7
29

Observacin:
1. Si una matriz tiene inversa entonces esta es nica.
2. Si B es una matriz inversa de A entonces tambin se puede decir que A es la
matriz inversa de B.
3. No siempre una matriz cuadrada tiene inversa.
4. Se dice que una matriz cuadrada A es singular si y solo si su determinante
es cero.
5. Si una fila o columna de una matriz A se le suma el mltiplo de otra fila o
columna, entonces el valor del determinante no vara.
6. Si los elementos de una fila o columna cualquiera constan de dos trminos,
el

determinante

puede

expresarse

como

la

suma

de

otros

dos

determinantes.
7. El determinante de una matriz triangular superior o inferior es igual al
producto de los elementos de la diagonal principal.
8. det(A + B) det(A) + det(B)
En general el determinante de una matriz triangular superior o inferior es igual
al producto de los elementos de la diagonal principal.
9. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al producto de
los determinantes de las matrices siempre y cuando las matrices sea
cuadradas del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices

1.

1 2 3
n
n
1 0 3
n
1 2 0

1 2 3 0

DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

REGLA DE CRAMER
Es un teorema en el lgebra lineal que da solucin a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 1752) quien publico un
trabajo dando nociones sobre el mtodo.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x 1 , x2, , xn) el
vector de las incgnitas; b el vector de los trminos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:
det ( A j )
det( A)

xj =

Donde Aj es la matriz que resulta al remplazar la J-esima columna de A por el

vector columna b.
Ejemplo: Sea

X=

Aj =

()
x1
x2

xn

; A=

a11 a1 n

a n1 ann

a11 a1, j1
b1
a 21 a2, j1
b2

a n1,1 a n1, j1 b n1
a n1 an , j1
bn

Usando propiedades:
AX = B

nxn

; B=

()
b1
b2

bn

a1, j+1
a1 n
a2, j+1
a2 n

an 1, j+1 an1, n
an , j+1
a nn

A-1 AX = A-1B
I X = A-1 B
X = A-1 B
adj (A )B
| A|

X=

X = A-1 B =

A 11 A 12

An 1 A n 2

adj(A )B
| A|

A1 n

A nn

(cofactA)t B
| A|

)( ) ( )
b1

bn

x1

xn

|A|

|A|
n

Xi=

A ji b j
j=1

| A|
PROBLEMAS

1. Indique si las siguientes proposiciones son verdaderas o falsas,

fundamente su
respuesta de manera rigurosa (demostrar).

AX =0

a) Sea

un sistema homogneo de n ecuaciones con n incgnitas,

supongamos
que el rango o caracterstica de

es

R=n1

entonces un vector no

nulo cuyas

componentes sean los adjuntos de una fila de

b) Si

entonces
C) Si
puntos

es una matriz cuadrada de orden

es solucin de

AX =0

y rango menor que

n1

adjA=0
es una matriz simtrica entonces tambin lo es la

adj ( A)

2. Discutir la compatibilidad segn los valores de

aR

del sistema de

ecuaciones
lineales. Determine la solucin para los casos de compatibilidad.
2

ax + yz=a
x y + z=1

3 x yz=1
6 x y + z=3 a

4 puntos

3. Usando propiedades hallar el determinante de

x
y
x+ y
y
x+ y
x
x+ y
x
y

3 puntos

A Que relacin deben satisfacer las constantes

4. Dada la matriz

a , b , c ,d y d
Para que el rango de la matriz sea 2,3 y 4?

0 1
A= 1 0
a c
b d

a b
c d
0 e
e 0

5. El sistema

4 puntos

AX =b

tiene solucin por nica solucin

(2 ;2 ; 3)t

si la

matriz de

Cofactores de

8 4 4
A es 5 7
1
1 1 5

. Determine los elementos de la

matriz
columna b

, si el determinante de

positivo.

3 puntos

Ejemplo 1:
Resolver utilizando la regla de Cramer el siguiente sistema de ecuaciones
lineales:
x1 + 3x2 + 3x3 = -2
2x1 + 2x2 + 3x3 = -5
x1+ 2x2 + 3x3 = 6
Ejemplo 2:
Sea:

(m + 1)x + y + z = 2-m

x+(m + 1)y + z = -2
x + y + (m + 1)z= m
Halle m para que el sistema tenga solucin nica
Solucin:

|
|

||

m+1
1
1
m+3
1
1
| A|= 1 m+1 1 = m+3 m+1 1
1
1
m+1 m+3
1
m+ 1

| |

1
1
1
0
1
1
( m+ 3 ) 1 m+1
1 =( m+3 ) m m+1
1
1
1
m+1
0
1
m+1

1 =( m+ 3 ) ( m) ( m ) m 0
( m+ 3 ) ( m) 1
1 m+1
Para m=0
x+ y+ z=2
x+ y+ z=2

x+ y+ z=0

)(

1 1 1 2
1 1 10

1 1 12
0 0 01
1 1 1 0
0 0 00

r(A)=1

r(Aa)=2

Solucin
Para m= 3

)(

2 1
1 5
3 0 3 0

1 2 1 2
0 3 3 1
1
1 23
0
0 00

r(A)=2 = r(Aa) < 3 depende de un parmetro

Conclusin:
1 Para que tenga solucin nica: m 0
2

m
3

Solucin: m= 0

3 Ms de una solucin: m = -3
Ejemplo 3:
Realice un anlisis de la compatibilidad del sistema para todos los valores de a
y b si:
ax +by + z=1
x+ aby+ z=b

x+ by+ az=1
Solucin:
Analizando para la existencia de una solucin:

| |

a b 1
ab 1 = b 1 + b 1
1 ab 1 =a
b a b a ab 1
1 b a

| || || |

b ( a1 )2(a+2) 0
b 0 a 1 a 2

PROBLEMAS

1. Halle el rango de la matriz A para todos los valores de a y b.

2
a
A=
b
a+ b

a
a
0
0

b a+b
0 0
b 0
0 a+b

2. Determine el rango de la matriz, para cualquier valor de t

3 0
6
3t
A= t 2 2(t+1) 0
2
2 4
0 2tt

3. Halle la inversa de la matriz de orden n donde:

aij=0 , si i=j
aij=1 , si i

4. Indique si es verdadero (v) o falso (f) (fundamente)

A) Si A y B son matrices cuadradas de orden n tal que AB=A y BA=B
A y B son idempotentes.
B) Si A es una matriz cuadrada de orden n entonces A + AT, ATA y AATson
matrices simtricas.
C) Si A y B son matrices ortogonales entonces A + B tambin es ortogonal.
D) Si A es nilpotente entonces es invertible.
2
E) Si A es simtrico entonces A es simtrico.

PROBLEMAS RESUELTOS
1. Que valores debe tener

para que el sistema tenga solucin

( m+ 1 ) x + y + z=2m
x+ ( m+1 ) y + z=2
x+ y+ ( m+1 ) z=m
Solucin
Para que el sistema de ecuaciones lineales tenga solucin el determinante de
la matriz de coeficientes debe ser diferente de cero.

||

A 0

| |

| |

m+1
1
1
m+3
1
1
1
1
1
0
1
1
det ( A )= 1
m+1
1 = m+3 m+1
1 =( m+3 ) 1 m+1
1 =( m+3 ) m m+ 1
1 =
1
1
m+1 m+3
1
m+ 1
1
1
m+1
0
1
m+1
El sistema tiene solucin si y solo si
Si

m=0

( m+ 3 ) m2 0 m m3
x+ y+ z=2

tenemos el sistema

x+ y+ z=2
x+ y+ z=0 es un sistemainconsistente

Si

m=3

tenemos el sistema

2 x + y + z=5

x2 y+ z=2

x+ y2 z=3
Trabajando con la matriz ampliada (dndole una forma escalonada)

2 1
1 5
1 2 1 2
1 2 1 2
1 2
A a = 1 2 1 2 ( f 1 x f 2 ) 2 1
1 5 ( f 2 +2 f 1 ; f 3 f 1 ) 0 3 3 1 ( f 3+ f 2 ) 0 3
1
1 23
1
1 2 3
0 3 3 1
0 0
r ( A a ) =r ( A )=2<3(tiene mas de una solucion)

1
8
z=t , y=t , x =t , t R
3
3

Depende de un parmetro la solucin es

1. 2. Calcular el determinante de las matriz

( )

(50)
(60)
A= 7
(0 )
(80)
(90)

(51)
(61)
(71)
(81)
(91)

(52)
(62)
(72)
(82)
(92)

(53)
(63)
(73)
(83)
(93)

( 54)
(64)
(74)
(84)
(94)

ESPACIOS VECTORIALES
Un espacio vectorial sobre un cuerpo
conjunto V

(en los reales o complejos) es un

sobre el cual se define:

(Un espacio vectorial es un conjunto V de elementos llamados vectores, cuyas

operaciones de adicin y multiplicacin por un escalar se encuentran definidas
en dicho conjunto (u,v, w son vectores
complejos).V es un conjunto no vacio.)
Axiomas de cerradura:

y c, d son escalares reales o

1 u+ v existe y es un elemento de V (V cerrado bajo la adicin, ley de la

cerradura o clausura)
2 c.u es un elemento de V (V es cerrado bajo la multiplicacin por un escalar).
Axiomas de adicin:
3 u + v= v + u (propiedad conmutativa)
4 u + (v + w) = (u + v) + w (propiedad asociativa)
5Existe un elemento de V denominado vector cero o vector nulo tal que: u + 0
= u (0 es el elemento nulo o neutro)
6Para todo elemento de V existe un elemento llamado el negativo de u tal que:
u + (-u) = 0
Axiomas de la multiplicacin por un escalar:
7 c (u + v) = cu + cv
8 (c + d) u= cu + du
9 c (du)= (cd) u
10 1.u=u
Nota:
Un espacio vectorial es el conjunto V de elementos llamados vectores, cuyas
operaciones de adicin y multiplicacin por un escalar se encuentran definidas
en l y satisfacen los axiomas mencionados donde u, v y w son vectores de V ,
c, d son escalares.
Ejemplo:
Dado el conjunto A definido por:
(x1,y1) + (x2,y2) = (x1 + x2 + 1; y1 + y2 +1)
(x;y)= ( +x 1 ; + y -1)
Verifique si dicho conjunto se puede considerar como un espacio vectorial.
Solucin:
Axiomas de la cerradura
Sea:
u=(x1;y1)
v=(x2;y2)
1 u+ v= (x1 + x2 + 1; y1 + y2 +1) =( z1;z2)

2 (x1;y1)= ( +x 11 ; +y 11 = (d1,d2)

Axiomas de la adicin:
3(x1;y1) + (x2;y2) = ( x1 + x2 + 1 ; y1 + y2 + 1) = ( x2 + x1+1 ; y2 + y1+ 1)
=(x2;y2) + ( x1; y1)
4 (u1;u2) + (( v1;v2) + ( w1;w2)) =(u1;u2) + ( v1 + w1 + 1; v2 + w2 + 1)
=(u1 + v1 + w1 + 2 ; u2 + v2 + w2 + 2)= ((u1;u2) + ( v1;v2)) + ( w1;w2)
5 Sea a = (a1;a2) el vector nulo tal que:
(u1,u2) + (a1;a2) =(u1,u2)

(u1 + a1 + 1,u2+ a2 + 1)=(u1,u2)

a=(-1;-1) vector nulo de A.

6 (u1;u2) + (b1;b2)=(-1,-1)
(u1+b1 + 1; u2 + b2 + 1)= (-1;-1) (b1;b2)=(-2-u1,-2-u2)
Axiomas de la multiplicacin por un escalar:
7c(u+v)=c(u1+v1+1;u2+v2+1)=(c+c(u1+v1+1)-1;c+c(u2+v2+1)-1)
cu+cv=(c+cu1-1;c+cu2-1)+(c+cv1-1;c+cv2-1)
=(2c+cu1+cv1-1;2c+cu2+cv2-1)
=(c+c (u1+v1+1)-1; c+c(u2+v2+1)-1)
8(c+d) u=cu+du
(c+d+(c+d)u1-1;c+d+(c+d)u2-1)
cu+du= (c+cu1-1;c+cu2-1)+(d+du1-1;d+du2-1)
=(c+d+(c+d)u1-1;c+d+(c+d)u2-1)
Ejemplo

Dado el conjunto A definido por

Donde

2
x , x

A=

( x 1 , x 2 ) + ( y 1 , y 2 ) =(|x 1 + y 1|, y2 )

Los siguientes ejemplos son espacios vectoriales:

1. El conjunto de n-uplas de nmeros reales.

Rn= {x=(x1,x2,x3,x4,x5,,xn-1,xn) ; x=(

x i ) donde 1 i n ; xi R }, con las

operaciones x+y = (x1+y1,x2+y2,,xn+yn)

x=( x , x ,, x )
1
2
n
Observacin
Ejemplo Sea V= { 1 }

no es un espacio vectorial, si 1+1=2, pero 2 V

no se

cumple la ley de la clausura o cerradura en la adicin V no es espacio vectorial

2. El conjunto de matrices de dimensin nxm:
Mnxm ( ) =

{ A=( a ij ) 1 i n ; 1 j m}

con las operaciones: suma de matrices y productos por nmeros reales.

3. El conjunto de todos los polinomios con coeficientes reales en la variable x.

{
n

P( )=

k=0

ak x k :n N , ak R

con las operaciones de suma y producto por nmeros reales

4.El conjunto de todas las funciones reales:
F( )= { R R }

con las operaciones suma de funciones y producto por

nmeros reales.
5. El conjunto de todas las sucesiones de nmeros reales:
S= {( x n ) n=0 : x n R , n 1 }

Ejemplo:
1) Sea V= { 0 }

satisface los 10 axiomas, es un espacio vectorial, se le conoce

como ESPACIO VECTORIAL TRIVIAL

2) Sea V= { ( x ; y ) / y =2 x +1, x R }
(x1,y1)+(x2,y2)=(x1+x2,y1+y2)
=(x1+x2;2x1+1+2x2+1) = (x1+x2;2(x1+x2)+2)
No es un espacio vectorial, no cumple con el Axioma de la cerradura.
PROPIEDADES:

Si V es un espacio vectorial, entonces:

1 0.u=0
2 (-1).u=-u

u V

SUBESPACIOS VECTORIALES
Se llama subespacio vectorial de un espacio vectorial V a cualquier
subconjunto no vacio S V que es un espacio vectorial con las mismas
operaciones definidas sobre V
Si V es un espacio vectorial y S V, S
S es un subespacio vectorial de V

{u+ v S , u , v S }

{ u S , K , u S }

TEOREMA:
Sea U un Subespacio de un espacio Vectorial V, U tiene como elemento al
vector cero de V.

COMBINACIN LINEAL DE VECTORES

Sea V un espacio vectorial, se dice que v
vectores

V es combinacin lineal de los

{ v1, v 2 , v 3 , , v n } V, si existen 1 , 2 , , n K tal que:

V=

i vi
i=0

Ejemplo:
Expresar el vector (4,4,5) como una combinacin lineal de los vectores (1,2,3);
(-1,1,4) y (3,3,2)
Solucin:
(4,4,5)= x(1,2,3) + y(-1,1,4) + z(3,3,2)
x y + 3z= 4

2x + y + 3z = 4
3x + 4y + 2z = 5

)(

1 1 3 4 1 0 2 0
2 1 34
0 1 10
3 4 25 0 0 01

no existen x,y,z , el sistema no tiene solucin no se

puede formar una combinacin lineal.

Ejemplo

(18 17 )

Determinar si la matriz

( )( )(

es una combinacin lineal de las matrices

{ 1 0 , 0 1 , 2 3 } en el espacio vectorial M
2x2
2 1 2 0 0 2
Solucin:

(18 17 )=x( 12 01)+ y (02 10)+ z (20 32 )

Luego

DEPENDENCIA E INDEPENDENCIA LINEAL

Sea V un espacio vectorial, se dice que el conjunto de vectores

{ v1, v 2 , v 3 , , v n } es linealmente dependiente si y solo si existen 1 , 2 , , n

n

que pertenecen a

K , con algn

i 0 tales que la i v i=0

En caso contrario se dice que el conjunto

i =0

{ v1, v 2 , v 3 , , v n }

independiente.
Si

i=0 i=1,2, , n

entonces los vectores son LI

es linealmente

Observacin:
Para estudiar si un conjunto de vectores

{ v1, v 2 , v 3, , v n }

es linealmente

dependiente o independiente se plantea la ecuacin

i v i=0
i=0

Se estudian las soluciones, si admite alguna solucin no nula el conjunto de

vectores es linealmente dependiente y si solo admite la solucin nula es
linealmente independiente.
Ejemplo
v1=(1,0,-1,2) , v2=(1,1,0,1) y v3=(2,1,-1,1)
Indique sin son linealmente independientes.
Solucin
x(1,0,-1,2) + y(1,1,0,1) + z(2,1,-1,1) = 0
x + y + 2z = 0
y+z=0
-x z = 0
2x + y + z = 0
1
0
1
2

1
1
0
1

20 1 0 00
10
0 1 00
10 0 0 10
10 0 0 01

( )( )
x=0, y=0 , z=0
Son vectores linealmente independientes
PROPIEDADES
1 { v }

es linealmente dependiente si y solo si

v =0

2 0 A V A es linealmente dependiente
3 { u , v }

es linealmente dependiente

u =

v ( 0

4 Si A es L.I. y B A B es linealmente independiente

5 A linealmente dependiente y A B B es linealmente dependiente.

6 A linealmente dependiente

v A que es combinacin lineal de A.

OBSERVACIN
1. El conjunto

{ v1, v 2 , v 3 , , v n } se llama conjunto dependiente o

independiente segn sean los vectores LD LI

2. Se define al conjunto vaci como independiente
3. Si dos de los vectores

{ v1, v 2 , v 3 , , v n } son iguales entonces los vectores

son dependientes
4. Dos vectores

v1

v2

son dependientes si y solo s uno de ellos es

mltiplo escalar del otro.

5. Todo vector no nulo de un espacio vectorial constituye un conjunto LI
6. El vector nulo de cualquier espacio vectorial constituye un conjunto LD
7. Un conjunto finito y no vacio de vectores es LD si y solo si algn vector es
combinacin lineal de los dems
8. Un conjunto finito y ordenado de vectores al que no pertenece el vector nulo
es LD si y solo si algn vector es combinacin lineal de los precedentes
DEFINICION
Los elementos del conjunto

A= { ai tal que i=1,2,. . ,n }

si son linealmente

independientes determinan una base.

Es decir el conjunto

es una base

Ejemplo:
Indique si el conjunto de vectores

{2 t1,t +cos 2 t , 3+e 3 t , cos 2 t+e 3 t } es LI

SOLUCION
( 2 t1 ) + ( t +cos 2 t ) + ( 3+ e3 t ) + ( cos 2t +e 3t )=0
t ( 2 + ) +cos 2 t ( + ) + e3 t ( + ) + ( +3 ) =0
2 + =0

+ =0

+=0
3 =0

2
0
0
1

1
1
0
0

000 1 0 000
010 0 1 000

110 0 0 100
300 0 0 010

)( )

=0, =0, =0, =0

Es un conjunto L.I.
Ejemplo:
3
Sea V= R , Luego Es un subespacio?

W1=

{(

x , y , z ) talque

2
x + 5 y+ z =0 ; x , y , z Z
3

Solucin:
El nico punto que satisface es (0, 0, 0) W 1 es un subespacio de

R3

Ejemplo:

W2= {( x , y , z ) /2 y +3 z 0 } es un subespacio ?
Solucin:
Con un contraejemplo:
u W2
Para 1
(1) (3 , 2 , 0) (4) 3 (0) 0

(F)

W2 no es un subespacio
Lema:
Si V es un espacio vectorial y A v1 , v2 , , vn est contenido en V,
entonces:

L(A)

ivi
i1

, i K es un subespacio vectorial de V que se llama

subespacio generado por A. El conjunto A se llama Sistema de Generadores de

L(A).
Ejemplo:
Si V R3 y A v1 (1,0,1) , v2 (1,1,1), entonces:
L(A) v v1v2 ; , Rv (,,) ; , R
Las ecuaciones:
X
Y
Z
Se llaman ecuaciones paramtricas de L(A)
Proposicin:
Sea V un espacio vectorial y v1, v2, , vn V, si vm es una combinacin lineal
de v1, v2, , vm-1 entonces L(v1, v2, , vm) L(v1, v2, , vm-1)

BASE DE UN ESPACIO VECTORIAL

Definicion de base de un espacio vectorial
Un conjunto finito de vectores

{ v1 , v 2 , , v n } recibe el nombre de base de un

espacio vectorial V si el conjunto genera al espacio V y dicho conjunto es

linealmente independiente.
Ejemplo:
Halle una base del sistema:
3x1 x2 8x3 2x4 x5 0
2x1 2x2 3x3 7x4 2x5 0
x1 11x2 12x3 34x4 5x5 0
x1 5x2 2x3 16x4 3x5 0
Solucin:

8x1 19x3 3x4 4x5 0

8x2 7x3 25x4 4x5 0

Sea: x3 a

x1

4 c +3 b+19 a
8

x4 b

x2

4 c25b +7 a
8

x5 c
(x1 , x2 , x3 , x4 , x5) (

4 c +3 b+19 a
,
8

4 c25b +7 a
8

, a , b , c)

a(19/8,7/8,1,0,0) + b(3/8,-25/8,0,1,0) + c(-4/8,4/8,0,0,1)

Una base del sistema es (19/8,7/8,1,0,0) , (3/8,-25/8,0,1,0) , (-4/8,4/8,0,0,1)
tambin es una base (19,7,8,0,0) , (3,-25,0,8,0) , (-1,1,0,0,2)
V (19,7,8,0,0) + (3,-25,0,8,0) + (-1,1,0,0,2) (0,0,0,0,0)
19 + 3 - 0
7 - 25 + 0
8 0
8 0
2 0
Como estos vectores son Linealmente Independientes entonces forman una
base.
Obs. Desde el punto de vista intuitivo una base es un conjunto eficiente para
representar un espacio vectorial, en el sentido de que cualquier vector se
puede expresar como una combinacin lineal de los vectores de la base,
adems los vectores de la base son Linealmente Independientes.

Definicin
Se dice que un espacio vectorial V tiene dimensin finita n o es n-dimensional
denotado: dimV n, si existen vectores linealmente independientes e 1, e2, ,
en que generan a V , el conjunto e1, e2, , en se llama base de V y tiene
como dimensin n.
OBSERVACIONES
1. El origen es un subespacio de

R3

, la dimension de este subespacio es

cero
2. Los subespacios de una dimensin de

son rectas que pasan por el

origen.
3. Los subespacios de dos dimensiones de

R3

son planos que pasan por el

origen.
Definicin.- Si un espacio vectorial V tiene una base que consta de n vectores
entonces la dimensin de V es n, que se denota por dim(V).
PROBLEMAS RESUELTOS
1. Para qu valor de a o valores el conjunto:

(00

1 0
a 0

(00

a 0
1 0

es linealmente dependiente y no forma una base.

Solucin:

(00

a 0
1 0

u + v + w 0
Es L.I. si 0
a 0

(00

1 0
a a

(00

1 0
a 0

) (00

0 0
0 0

) , (00

1 0
a a

a + + 0
+ a + a 0

0 00 0
a 11 0
1 aa 0

1 0a 0
0 10 0
a 01 0

,a0

Para a1:

1 01 0
0 10 0
1 01 0

1 01 0
0 10 0
0 00 0

+ 0 , 0
Para a -1:

1 0 1 0
0 1 0 0
0 0 0 0

- 0 , 0
Para a -1, 0,1 es un conjunto L.D.
2. Sean los vectores: (1+a,1,1,1) ; (1,1+a,1,1) ; (1,1,1+a,1) ; (1,1,1,1+a)
Determine segn los valores del parmetro a, la dimensin y una base del
subespacio que generan.
Solucin:
x(1+a,1,1,1) + y(1,1+a,1,1) + z(1,1,1+a,1) + w(1,1,1,1+a) 0
x(1+a) + y + z + w 0
x + y(1+a) + z + w 0
x + y + z(1+a) + w 0
x + y + z + w(1+a) 0

1
0
0
0

0
1
0
0

0
0
1
0

0
0 , a -4 , a 0
0
1

x y z w 0
Para a -4 a 0 (1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1) es una base, dim4. Es
la base cannica usual.
3. Determine un vector v de R3 sabiendo que:
- La suma de sus coordenadas es 3.
- v es combinacin lineal de (2, 2,2) y (-1, 1,0)
- Los vectores (1, 0,1), (0, 1,0) y v son linealmente dependientes.
Solucin:
Sea v (a, b, c) R3
a+b+c3
x(2,2,2) + y(-1,1,0) (a,b,c)
(1, 0,1) + (0,1,0) + (a,b,c) (0,0,0)
2x y a
2x + y b
2x c
x 1/2 , c 1 , a + b 2
Luego:

(1,0,1) + (0,1,0) (a,b,c)

1 a

1 b

1 c 1 a b 1
v (1,1,1)
4. Sea F un subespacio vectorial de R 3 formado por los vectores v (x, y, z)
tales que x 2y + 4z 0. Halle una base a, b, c R3 tal que a, b F.
Solucin:
F (x,y,z) / (x,y,z) R3 x -2y + 4z 0
(2y 4z,y,z) y(2,1,0) + z(-4,0,1)
(2,1,0) , (-4,0,1)
(2,1,0) + (-4,0,1) = 0
Es una base: (2, 1,0), (-4, 0,1)del subespacio vectorial F de

R3

Determina un plano que pasa por el origen y cuya ecuacin est dado por

 : x2 y + 4 z=0
5. Sean S y T subespacios de R4 definidos por S (x , y, z , t) / x + y + z + t 0,
2x y + 2z t 0, 4x + y + 4z + t 0
T (x , y , z , t) / x a + b + 2c, y b + c, z -a + b, t 3b +3c
Obtener una base y la dimensin de T + S.
Solucin:
En S: (x, y , z , t)
x+y+z+t0
2x y + 2z t 0
4x + y + 4z + t 0

x+z0
y+t0
(x , -t , -x , t) x(1,0,-1,0) + t(0,-1,0,1)
(1,0,-1,0) , (0,-1,0,1)
En T:
(a+b+2c,b+c,-a+b,3b+3c) a(1,0,-1,0) + b(1,1,1,3) + c(2,1,0,3)
(1,0,-1,0) , (1,1,1,3) , (2,1,0,3)
S + T:

(1,0,0,2) , (0,1,0,-1) , (0,0,1,2)

TEOREMA
Sean U y W dos subespacios de dimensin finita de un espacio vectorial V
entonces dim (U+W)= dim (U) + dim (W) dim (U W)

SUMA DIRECTA
La suma de V1 y V2 subespacios de V se llama suma directa si V 1

V2 0,

en este caso se dice que dicha suma es directa y se denota V 1V2, tanto V1
como V2 se llaman sumandos directos.
Ejemplo:

En R3 sea U el plano xy y W el eje z, luego:

U (a, b, 0) / a, b R
W (0, 0, c) / c R
Verificar si U y W determinan una suma directa
SOLUCION
Cualquier vector (a, b, c) R3 se puede escribir como la suma de un vector
u y un vector w, es decir:
(a, b, c) (a,b,0) + (0,0,c)
En consecuencia R3 es la suma directa de U y W:
R3 U W
Ejemplo
R2 se puede expresar como una suma directa de dos rectas arbitrarias,
pero distintas que pasan por el origen.

SOLUCION
Consideramos dos rectas arbitrarias que pasan por origen , dichas rectas son
subespacios de

R2

L1={ x (3,7 ) tal que x R } y L2={ y (2,5 ) tal que y R }

Sea

(a , b) un vector de

R2

donde ( a , b ) =x (3,7 ) + y (2,7)

a=3 x2 y

b=7 x+5 y
Despejando obtenemos

x=5 a2 b

y=7 a+ 3 b

( a , b ) =(5 a2 b ) (3,7 )+ (7 a+3 b ) (2,5) , a y b R

R2=L1 + L2

( a , b ) L1 L2 , entonces ( a , b ) =x(3,7) y ( a , b ) = y (2,5)

Por otro lado, si

Lo cual implica que

L1 L2= { 0 }

3 x +2 y=0

y 7 x5 y=0 entonces x= y =0

R =L1 L2

COORDENADAS
Para indicar que [v1,v2, ,vn] es una base del espacio vectorial definido por (V,
+, K, . ) se utiliza la notacin [v], es decir cada vector v se puede expresar de
modo nico como la combinacin lineal de la base, dado que los vectores son
linealmente independientes, es decir si x V siendo x1, x2, ,xn escalares
entonces:
x=x 1 v 1+ x 2 v 2 ++ x n v n
Respecto a la base dada el vector x V queda caracterizado por los
coeficientes de la combinacin lineal.
Ejemplo: Determine las coordenadas de

x=(2,3)

respecto de la base

[ v ] = {( 1,1 ) ,(1,0) }
Solucion
x=(2,3 )= (1,1 )+ (1,0)

, resolviendo

=3 , =5

, luego

( )

x [ v ]= 3
5

las coordenadas de x relativas a la base dada son 3 y -5

PROBLEMAS RESUELTOS

1. En el espacio P2 de los polinomios de grado 3, verifique si los siguientes

polinomios son linealmente independientes o linealmente dependientes
P(X)=x3-3x2-5x+1, Q(X)=-x3-x2+5x+2, R(X)=-x3-7x2+4x
SOLUCION
Formamos una combinacin lineal e igualamos a cero.
aP(X)+bQ(X)+cR(X)=0x3+0x2+0x+0a(x3-3x2-5x+1)+b(-x3-x2+5x+2)+c(-x37x2+4x)=0x3+0x2+0x+0(a-b-c)x3+(-3a-b-7c)x2+(-5a+5b+4c)x+(a+2b)=
0x3+0x2+0x+0
Comparando:

a-b-c=0
-3a-b-7c=0
-5a+5b+4c=0
a+2b+0c=0
Resolvemos con la matriz ampliada:
1 1 1 0

3 1 7 0
5 5
4 0

1 0 0 0

0 1 0 0
0 0 1 0

0 0 0 0

Como r(A)=r(Ab)=n=3

el sistema es compatible, solucin nica.

a=b=c=0, e deduce que los polinomios P(X), Q(X) y R(X) forman un conjunto
linealmente independiente.
2. Determine un base tal que en R2 un vector e encuentre en la recta L={xy+z=0, 2x-z=0} y otros dos en el plano x+y+z=0

SOLUCION
Un vector de la base se encuentra en la recta L={x-y+z=0, 2x-z=0}
x-y+z=0 y 2x-z=0

x=t, y=3t y z=2t donde t es un parmetro.

entonces la recta est dada por L={(t;3t;2t)}

(1;3;2) es vector contenido en L.

(t;3t;2t)= t(1;3;2); entonces

Dos vectores de la base se encuentran en P: x+y+z=0, si x=s y y=t

P:{(s;t;-s-t)}

P:{s(1;0;-1)+t(0;1;-1)}

Solo queda demostrar que el conjunto B= {(1; 3; 2), (1;0;-1),(0;1;-1)} es

linealmente independiente.
a(1;3;2)+b(1;0;-1)+c(0;1;-1)=(0;0;0) (a+b;3a+c;2a-b-c)=(0;0;0)
Comparando
a+b=0; 3a+c=0; 2a-b-c=0, resolvemos con la matriz ampliada:

1 0 0 0

0 1 0 0
0 0 1 0

0 1 0
2 1 1 0

compatible, solucin nica.

, comor(A)=r(Ab)=n=3

el sistema es

a=0, b=0 y c=0

La base es B={(1;3;2),(1;0;-1),(0;1;-1)}

3. Dado el conjunto de matrices B, indique si determinan una base.

i) B={

1 0

0 0

1 1

0 0

1 1

1 0

0 0

0 1

2i) B={

1 0

0 1

1 1

1 0

1 0

1 0

1 1

0 1

SOLUCION
Para saber si B determina una base se debe demostrar
a) Si el conjunto es LI
b) Si el conjunto genera A2x2

Demostracin de a)

1 0

0 0

+b

1 1

0 0

a b c b c

c
d

+c

1 1

1 0

0 0

0 0

+d

0 0

0 1

0 0

0 0

, por comparacin:

a+b+c=0; b+c=0; c=0 y d=0

Resolviendo: a=b=c=d=0
Demostracin de b)

El conjunto es linealmente independiente.

1 0

0 0

+b

1 1

0 0

+c

a b c b c

c
d

1 1

1 0

m n

p q

+d

0 0

0 1

m n

p q

; por comparacin:

a+b+c=m; b+c=n; c=p y d=q, resolviendo con la matriz ampliada:

1

0
0

1
1
0
0

1
1
1
0

0 m

0 n
0 p

1 q

0
0

0
1
0
0

0 m n

0 n p
0
p

1
q

0
0
1
0

compatible, solucin nica.

, comor(A)=r(Ab)=n=4

el sistema es

El conjunto si genera a A2x2

El conjunto si es una base.

1 0

0 1

2i) B={
anterior.

1 1

1 0

1 0

1 0

1 1

0 1

}, utilizando un procedimiento anlogo al

Demostracin de a)

1 0

0 0

+b

1 1

0 0

a bcd

bc

+c

1 1

1 0

b d

ad

+d

0 0

0 1

0 0

0 0

0 0

0 0

, por comparacin:

a-b+c+d=0; -b+d=0; b+c=0 y a+d=0

Resolviendo: a=b=c=d=0

El conjunto es linealmente independiente.

Demostracin de b)

1 0

0 0

+b

1 1

0 0

+c

1 1

1 0

+d

0 0

0 1

m n

p q

a bcd

bc

b d

ad

m n

p q

, por comparacin:

a-b+c+d=m; -b+d=n; b+c=p y a+d=q, resolviendo con la matriz ampliada:

1 1 1 1 m

0 1 0 1 n
0 1 1 0 p

0 1

1 0 0 0

0 1 0 0
0 0 1 0

m/2n p/2q/2
m/2 p/2 q/2
m/2 n p/2q/2

0 0 0 1 m / 2 n p / 2 q / 2

comor(A)=r(Ab)=n=4

el sistema es compatible, solucin nica.

El conjunto si genera a A2x2

El conjunto si es una base.

4. A) Extender el conjunto S={(1;1;-1;1),(1;1;0;1),(1;2;1;1)} para que formen una

base de R4
B) si V es un espacio vectorial de dimensin 1. Cmo son sus bases?
SOLUCION
A) La base pedida ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(m;n;p;q)}
Primero demostraremos que el conjunto S es LI
a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)
(a+b+c+md;a+b+2c+nd;-a+c+pd;a+b+c+qd)=(0;0;0;0), por comparacin
a+b+c+md=0; a+b+2c+nd=0; -a+c+pd=0 y a+b+c+qd=0; resolviendo con la
matriz ampliada
1 0 0 m n p 0

0 1 0 3m 2n p 0
0 0 1
mn
0

1 1 1 m 0

1 1 2 n 0
1 0 1 p 0

1 1

0 0 0

mq

Pero para que tenga la forma que nos conviene hacemos:

-m+n-p=0; -3m-2n+p=0; -m+n=0 y m+q=1, resolviendo con la matriz ampliada

 1 1 1

3 2 1
1 1
0

1 0
0

0
0
0
1

0
0

0
0

0
1
0
0

0
0
1
0

0
0
0
1

0
0

, luego m=n=p=0 y q=1

Rpta: La base ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(0;0;0;1)}

B) Se sabe que la dimensin de una base viene dado por la cantidad de
elementos de la base.

Si dim=1
La base solo tiene un elemento. Todas las bases del espacio
vectorial deben ser equivalentes( es decir, multiplicados por un escalar)
Rpta: Las bases son conjuntos cuyos nicos elementos resulta de la
multiplicacin escalar del elemento de otra base.
5. Sean los subespacios del espacio vectorial de las matrices cuadradas de
orden 2

U={

1 0

0 1

tal que x-y+z-t=0}; V={

1 1

1 1

, tal que x=, y=-, z=, t=-}; W{

SOLUCION

En el conjunto U notamos: t=x-y+z, reemplazamos U={

separamos segn nos convenga:

Una base de U es {

1 0

0 1

y
x

z x y z

0 1 0 0

0 1 1 1

En el conjunto V notamos: v={

=x

1 0

0 1

y
x

z x y z

+y

0 1

0 1

+z

0 0

1 1

}; dim(U)= 3

} separamos segn nos convenga:

1 1

0 0

0 0

1 1

Una base de V es {

1 1

0 0

0 0

1 1

}; dim(V)= 2

En el conjunto W se debe verificar que sus elementos son linealmente

independientes

1 0

0 1

+b

1 1

1 1

0 0

0 0

b
ab

a b
b

0 0

0 0

Comparando: a+b=0; b=0 y a+b=0; resolviendo: a=b=0

Verifiquemos si genera a A2x2:

1 0

0 1

+b

1 1

1 1

m n

p q

b
ab

a b
b

m n

p q

Comparando: a+b=m; b=n; b=p y a+b=q

Resolviendo con la matriz ampliada:

1
0

1 m
1 n
1 p

1 q

incompatible

1
0

0
mn

1
n

0
pn

0 (m q ) / 2 n

; luego r(A)r(Ab); el sistema es

el conjunto W no es una base de A2x2

6. Dados los subespacios vectoriales de R3, s={(a;2a;a+b) tal que a y b R},

T={(x;y;z) tal que x=0, y=0}. Calcular una base y dimensin de ST, S+T
SOLUCION
ParaS T: (a;2a;a+b)=(0;0;z), resolviendo a=0 y b=z ambos pertenecen a
los reales

S T={(0;0;z)}, notamos
(0;0;z)=z(0;0;1)

Una base de S T es {(0;0;1)}, entonces dim(S T)= 1

Para S+T
S+T={(a;2a;a+b+z)} pero notamos:
(a;2a;a+b+z)=a(1:2:1)+(b+z)(0;0;1), entonces dim(S+T)=2

7.-Indique si los siguientes subconjuntos son espacios vectoriales: S={(x;y)

tal que X0 y y0} de R2; T={(x;y)tal que ex+y=0}; W={(x;y;z) tal que
x2+y2+z=0}
SOL:
Para que S sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a S.
u=(u1;u2) y v=(v1;v2) u1;u2;v1;v20u1+v10 y u2+v20
u+v=(u1+v1;u2+v2) pertenece a S
Sea k un escalar cualquiera ku=k(u1;u2)=(ku1;ku2); pero si k0
yku20

ku10

ku no pertenece a S

S no es un subespacio vectorial.

Para que T sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a T.
u=(u;eu) y v=(v;ev)
u+v=(u+v;eu+ev), pero este vector no pertenece a T

T no es un subespacio vectorial.

Para que W sea un subespacio vectorial debe ser cerrada sobre la suma y
la multiplicacin escalar. Sean u y v que pertenecen a W.
u=(u1;u2;-u12-u22) y v=(v1;v2;-v12-v22)

u+v=(u1+v1;u2+v2;-u12-u22-v12-v22), pero este vector no pertenece a W

W no es un subespacio vectorial.
5 0 0

1 5 0
0 1 5

8. Sea A=
, para qu valores de X existe un escalar a tal que
AX=aX. Donde X es una matriz columna.
SOLUCION
AX=aX AX=aIX donde I es la matriz identidad
(A-aI)X=0
0
5a

5a
1

A-aI=

0
5a

5a
1

5 a

0
1

1 5a

5 a 0

, formando la mtriz ampliada

5 a 0

si a5

1 0 0 0

0 1 0 0
0 0 1 0

, esto genera una solucin trivial.

Si a=5

1 0 0 0

1 0 0 0
0 1 0 0

0

0

, este sistema tiene infinitas soluciones.

0

0

0

m
X
si a=5; X=
si a5

9. A) Determine una base y la dimensin para el conjunto W definido por las

matrices simtricas de orden 2.
1

B) Averiguar si la matriz A=

c 1

es no singular.

SOL:
a c

c b

A) Sea W={
M2x2 tal que a,b,c R}; separamos la matriz
convenientemente
a c

c b

=a

1 0

0 0

+b

0 0

0 1

Adems se prueba que {

una base de W es {

+c

1 0

0 0

1 0

0 0

0 1

1 0

0 0

0 1

0 0

0 1

0 1

1 0

0 1

1 0

} son LI

}; dim(W)= 3

B) A es singular si det(A)=0
Aplicando menores y cofactores a la f1
Det(A)=1(1+c2)-a(-a+bc)+b(ac+b)=1+a2+b2+c2 y esta expresin obviamente
es mayor que 1

A es no singular.
0 1/ 2 1/ 2

1/ 3 1/ 3 1/ 3

10. Resolver el sistema XTB=XT; donde B=

SOLUCION
(XTB)T= (XT)T
BTX=X (BT-I)X=0

1/ 4

3 / 4

 1 1/ 3

1/ 2 2 / 3
1/ 2

1/ 3

1 1/ 3

1/ 2 2 / 3

1/ 4
0

B -I=

1/ 2

1/ 3

1/ 4

0
1 / 4
0

1 / 4 0

, formando la matriz ampliada

0
0
1 4/3

1
1/ 4 0
0
0
0
0
0

resolviendo el sistema.

X1=(4/3)t; x2=t y x3=4t

(4 / 3)t

4t

X=
, donde t es un parmetro lo cual no indica que hay infinitas
soluciones.
11.-Dados los subespacios vectoriales en R3. U={(x;y;z) R3 tal que x+y=0}
y
W={(x;y;z) R 3 tal que y-z=0}.Determina una base y dimensin de UW,
UW, U+W.

SOLUCION
Sea u U u=(x;-x;z)=x(1;-1;0)+z(0;0;1) Una base de U es {(1;-1;0);
(0;0;1)}, dim(U)= 2
Sea w W w=(x;y;y)=x(1;0;0)+y(0;1;1) Una base de W es {(1;0;0);
(0;1;1)}; dim(W)=2
i) UW :(x;-x;z)= (x;y;y) x=-y=y x=0 (0;0;0)
Una base (UW) es {(0;0;0)}; entonces dim(UW)=0
ii) UW:

(x;-x;z) y (x;y;y); sea a=(3;-3;1) UW y b=(-3;1;1) UW

a+b=(0;-2;2) no pertenece a UW

UW no es un espacio vectorial.

iii)U+W:

no tiene base.

a U y b W m(1;-1;0)+n(0;0;1)+p(1;0;0)+q(0;1;1)=0

 1 0 1 0 0

1 0 0 1 0
0

1 0 1 1 0

0 1 0 0 0

1 0 1 0

0 0 1 0 0

entonces las vectores son LI

el sistema presenta solucin nica ,

Una base de UW es {(1;-1;0);(0;0;1);(0;0;1);(0;1;1)}. Dim(UW)=4

12.- En R4 sean los vectores u=(1;0;-1;2); v=(;-1;0;1) y w=(0;;-1;1). Para
que valores de el conjunto {u;v;w} es LD.
SOLUCION
Analizamos la independencia o dependencia lineal.
a.u+b.v+c.w=0 a(1;0;-1;2)+b(;-1;0;1)+c(0;;-1;1)=0; formando la matriz
ampliada.
1 0

0 1
1 0 1

2 1 1

0
0

0
0

1
0
1 1
0 1
0
0

0
0

; si analizamos =1

R(A)=2<n=3; entonces presenta infinitas soluciones para =1. LD

13. Sean los subespacios S={(x;y;t;z) R4 tal que x+y=0 y t=z} y
T={(x;y;t;z) R4 tal que x=ay-at y z=-ay+at}. Determine las bases y la
dimensin se S; T; ST; ST. Hallar a para que S+T tenga dimensin 3 y
con a determine una base para ST

SOLUCION
Sea s=(x;y;t;z)=(x;x;z;z)= x(1;1;0;0)+(0;0;1;1)
Una base de S es {(1;1;0;0);(0;0;1;1)}, dim(S)=2
Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)
Una base de T es {(a;1;-a;0);(-a;0;a;1)}, dim(T)=2
ST: (x;x;z;z)= (ay-at;y;-ay+at;t)
resolviendo x=y=-z (x;x;-x;-x)=x(1;1;-1;-1)
Una base de ST es {(1;1;-1;-1)} dim(ST)=1

S T: {(x;x;z;z) o (ay-at;y;-ay+at;t)} si a=(2;2;1;1) S Ty b=(a+2;4;1-a;19)

S T

a+b=(a+2;4;1-2;2), pero este vector no pertenece a S T S T no es

espacio vectorial.

dim(S+T)= dim(S) +dim(T)-dim(S T) dim(S+T)= 3

S+T: m(1;1;0;0)+n(0;0;1;1)+p(a;1;-a:0)+ q(-a;0;a;1), se construye la matriz
ampliada.
1

1
0

0 a a
0 1
0
1 a a
1 0
1

; por lo menos uno debe ser dependiente det(A)=0

0 0

1 a a 1 a

Det(A)=

0
0

1 1
-

=-(1-a)-a(1-a)-a2=-1+2a=0

a=1/2

Problemas Resueltos
1. En el espacio
los

siguientes

P3 de los polinomios de grado

polinomios

son

linealmente

independientes

linealmente dependientes

P( x)=x 3 x +5 x +1 ,Q (x)=x x +6 x+ 2, R(x)=x 7 x + 4 x

Planteamos la combinacin lineal

0= 1 ( x 33 x 2+5 x +1 ) + 2 ( x 3x 2 +6 x+ 2 ) + 3 ( x 37 x 2 +4 x )

5
( 1+6 2+ 4 3 )+( 1+ 2 2)
3
2
0= ( 1+ 2 + 3 ) ( 3 1 + 2+ 7 3 ) +

3, verifique si
o

Igualando coeficientes

1+ 2 + 3=0

3 1 + 2 +7 3 =0

5 1 +6 2+ 4 3=0

1+2 2=0

Llevando a una matriz.

1
3
5
1

11
17
64
20

0
0 0 0
0 0 0 2
0
0 1 1
0
1 2 0

0
0
0
0

( )( )
Dando forma escalonada a la matriz se obtiene que:

2 3=0

2 + 3=0

1+2 2=0

> 3=0 y 2=0 y 1=0

Se cumple que son Linealmente Independientes.

2. Determine una base tal que en

recta L =

un vector se encuentre en la

{ x y + z=0 ; 2 xz=0 } y otros dos en el plano : x + y + z=0

Elegimos un vector (x,y,z)

( x , y , z ) =( x , 3 x , 2 x ) =x ( 1,3,2 ) Base en la recta

{(1,3,2)}

( x , y , z ) =(y z , y , z ) = y (1,1,0 ) + z (1,0,1 ) Base en el plano { (1,1,0 ) ,(1,0,1) }

Una base ser

{ ( 1,3,2 ) , (1,1,0 ) ,(1,0,1)}

3. Dado el conjunto de matrices B, indique si determinan una base

i) B =

{( ) ( ) ( ) ( )}
1 0 , 1 1 , 1 1 , 0 0
0 0 0 0 1 0 0 1

Para ser bases deben ser L.I.

(00 00)= (10 00)+ ( 10 10)+ (11 10)+ ( 00 10)

1

1+ 2 + 3=0

2+ 3=0

3=0

4=0

2
3 = 4=0 si , determinanuna base de B1
>

2i) B=

{( ) (

) ( ) ( )}

1 0 , 1 1 , 1 0 , 1 1
0 1
1
0
1 0 0 1

(00 00)= (10 01)+ (10 10 )+ ( 11 00)+ ( 10 11)

1

1 2+ 3 + 4 =0

2 + 3=0

2+ 3=0

1+ 4 =0

Llevando a una matriz

1 1 1 1 0
0
0 1 0 1 0 1
0 1 1 00
0
1 0 0 10
1

)(

01
01
11
00

00
00
00
10

Dando forma escalonada a la matriz se obtiene que:

3=0

3= 1=0

2+ 3=0

1+ 4 =0

> 1= 2= 3= 4 =0 si , determinanuna base de B 2

4. A) Extender el conjunto S=

formen una base de

{ ( 1,1,1,1 ) , ( 1,1,0,1 ) ,(1,2,1,1)}

para que

S=a (1,1,1,1 )+ b ( 1,1,0,1 ) +c (1,2,1,1 )

S=( a+b+ c ; a+b2 c ;a+c ; a+b+ c )

S=( a+b+ c ) ( 1; 0; 0 ; 1 ) + ( a+ b2c ) ( 0 ; 1; 0 ; 0 )+(a+c )(0 ; 0 ; 1; 0)

R =S={ ( 1; 0 ; 0 ; 1 ) , ( 0 ;1 ; 0 ; 0 ) , ( 0 ; 0 ; 1; 0 ) }

5. Sean los subespacios del espacio vectorial de las matrices

cuadradas de orden 2

U=

{( )

V=

{( )

W=

x
z

x
z

{(

y tal que x y + zt=0

t

y tal que x= , y= , z= , t=
t

) ( )}

1 0 , 1 1
0 1 1 1

W,U+W

}
}

.Calcular la base y dimensin de U,V ,W ,U

Solucin

U:

( ) (

) ( )

U= y 1 1 + z 1 0 +t 1 0
0 0
1 0
0 1

{( ) (

) ( )}

U= 1 1 , 1 0 , 1 0 = dim ( U ) =3
0 0
1 0 0 1

V:

) (

V = 1 1 + 0 0
0 0
1 1

{(

)(

{(

) ( )}

)}

V = 1 1 , 0 0 = dim ( V )=2
0 0
1 1

W:

W = 1 0 , 2 1 = dim ( W ) =2
0 1 1 0

U W :

(ac bd )= (10 10)+ (11 00)+ (10 11)= ( 10 11 )+ (21 10)

1

a= 1 2 + 3= 1 +2 2

b= 1 =2

c= 2= 2

d= 3= 1

{( )}

>U W = 1 1 ; dim ( U W ) =1
1 1

U +W :

( ) (

) ( ) (

) ( )( )

a 1 1 +b 1 0 +c 1 1 + d 1 1 +e 2 1 = 0 0
0 0
1 0
0 1
0 1
1 0
0 0

U +W = ab +c +d +2 e a+e
b+e
cd

{( ) ( ) ( ) ( )}

>U +W = 1 0 , 0 1 , 0 0 , 0 0 = dim ( U +W )=4

0 0 0 0 1 0 0 1

6. Dados los subespacios vectoriales de

S=

{ ( a , 2 a , a+b ) tal que a y b R }

R3

, T { ( x , y , z ) R tal que x=0 , y=0 }

Determine una base y la dimensin de

S T , S +T

Solucin

S=a (1,2,1 ) +b ( 0,0,1 ) = S= {( 1,2,1 ) , ( 0,0,1 ) }= dim ( S )=2

T =( 0,0, x ) =x(0,0,1)=T = { ( 0,0,1 ) }= dim ( T )=1

S T : ( a , b , c )= 1 ( 1,2,1 ) + 2 ( 0,0,1 ) =1 ( 0,0,1 )

a= 1 =0

b=2 1=0

c= 1 + 2= 1

> S T ={ ( 0,0,1 ) } = dim ( S T )=1

S +T :

( )( )

1 2 1
1 2 0
S +T = 0 0 1 = 0 0 1
0 0 1
0 0 0

S +T ={ ( 1,2,1 ) , ( 0,0,1 ) }= dim ( S +T )=2

7. Indique si los siguientes conjuntos son subespacios vectoriales

S=

{( x , y ) R 2 talque x 0, y 0 }

de

2
x
R2 ; T= {( x , y ) R talque e + y =0 }

R2 ,
W { ( x , y , z ) R talquex + y + z=0 }
3

de

R3

u S , u S /u+ (u )=0

de

Sea u=( 3,3 ) S

> ( 3,3 ) + (u )=0

(u )=(3,3 ) S= No es subespacio vectorial de R2

! 0 T /0+a=a , a T

Sea a=( x ,e x )

x
x
0+ ( x ,e ) =(x ,e )

0=( 0,0 ) T = No es un subespacio vectorial de R2

w W , R , w W

W ={x , y ,( x 2 + y 2 ) }

2
2
2
2
w=2 ( x , y ,( x + y ) )=(2 x , 2 y ,( 2 x +2 y ))

w=(2 x , 2 y ,( 2 x 2 +2 y 2 ))

Notiene la forma ( A , B , ( A 2 +B 2 ))

> No es subespacio vectorial de R 2

8. Sea A =

( )
5 0 0
1 5 0
0 1 5

para que valores de X existe un escalar a

tal que AX=Ax donde X es una matriz columna.

()

m
X= n
p

AX =ax

( )() ()
5 0 0 m
m
1 5 0 x n =a n
0 1 5
p
p

( )( )
5m
am
m+5 n = an
n+5 p
ap

5 m=am (1 )

m+ 5 n=an ( 2 )

n+5 p=ap (3)

De (1 ) a=5 ( 4 )

( 4 ) en(2)

m+ 5 n=5 a= m=0

( 4 ) en(3)

n+5 p=5 p= n=0

()

0
X ={ 0 / p R }
p

9. A) Determine una base y la dimensin para el conjunto W,

definido por las matrices Simtricas de orden 2.

( )

w={ a m /a , b , m , n R }
b m

( ) ( ) ( )

w=a 1 0 + m 0 1 +b 0 0
0 0
1 0
0 1

( ) ( ) ( )( )

1 0 + 0 1 + 0 0 = 0 0
0 0
1 0
0 1
0 0

===0= ES L . I .

{( ) ( ) ( )}

1 0 ; 0 1 ; 0 0 e s una base de W
0 0 1 0 0 1

> Dim ( W )=3

B) Averige si la matriz A=

1
a b
a 1 c
b c 1

es no singular

a b
1 c +a a b +(b) a b
1 c 1
c 1
c 1
1 c
b c 1

| | |

| A|= a

| | |

| A|=1 ( 1+ c 2) + a ( a+cb )b (acb)

| A|=1+c 2+ a2 +abcabc+b 2

| A|=1+a2 +b 2+ c2 >0

| A|> 0= es no singular

11. Dados los subespacios vectoriales de

R3

U= {( x , y , z ) R 3 tal que x + y =0 } , W ={ ( x , y , z ) R 3 tal que yz=0 }

Determine

una

base

dimensin

de

U W , U W , U +W

Es

U W =R3 ?

U= ( x , y , z )=( y , y , z )=( y , y , 0 ) + ( 0,0, z ) = y (1,1,0 ) + z ( 0,0,1 )= { (1,1,0 ) , ( 0,0,1 ) } = Es L . I . , es una b

W = ( x , y , z )=( x , y , y )= ( x , 0,0 ) + ( 0, y , y )=x ( 1,0,0 ) + y ( 0,1,1 )= { ( 1,0,0 ) , ( 0,1,1 ) }= Es L. I . , es una base de

U +W


1
1 1
0 000
1 0 1
0 1

1
0 1
0 000
1 0 1
0 0
( ) ( )

{ ( 0,1,0 ) , ( 0,0,1 ) , ( 1,0,0 ) } Es una base de U +W y su dimensines 3

Si se sabe que= dim ( U +W )=dim (U )+ dim (W )dim ( U W )

La dimensin y base de U W es igual a U +W

U W

Sea V U W = V U y V W

V =( a ,b ,c )= 1 (1,1,0 )+ 2 ( 0,0,1 )= 1 ( 1,0,0 ) + 2 (0,1,1)

1= 1 ; 1= 2 ; 2 = 2= 2 = 1

V = 1 (1,1,0 ) + 1 ( 0,0,1 ) = 1 (1,1,1 ) ={ (1,1,1 ) } es una base y su dimensin es 1.

Como U W 0= U W no existe

12. En

sean los vectores

Para que valores de

u= (1,0,1,2 ) , v=( ,1,0,1 ) , w=( 0, ,1,1)

el conjunto { u , v , w

} es LD

Para que U,V,W sean LD deben formar una combinacin lineal y tener una
solucin no trivial.

U + V +W =0

( 1,0,1,2 ) + ( ,1,0,1 ) + ( 0, ,1,1 )=(0,0,0,0)

+=0

+ =0

=0

2 + + =0

Llevando a una matriz.

1
0 0
0 1 0
1 0 1 0
2
1 1 0

Llevando a la forma de la matriz escalonada.

1
0
0 1
0
1
0 1 0

0
0
0
0

Para=1

1 1 0 0
1 1 0 0
0 1 1 0
0 1 1 0

0 1 1 0
0 0 0 0
0 0 0 0
0 0 0 0

)( )

=b ; =b ; =b= Es L . D .

13. Sean los subespacios

4

S={(x , y , t , z)R tal quex + y=0, t=z }

T ={(x , y ,t , z )R 4 tal que x=ayat , z=ay +at }

Determine una base y la dimensin de

Hallar

a para que S+T

base para

S ,T , S T , S T ,

tenga dimensin 3 y con a determine una

S T .

S=( x , y , t , z )=( x , x , t , t )=( x , x ,0,0 )+ ( 0,0,t ,t )=x ( 1,1,0,0 )+ t ( 0,0,1,1 )= {( 1,1,0,0 ) , ( 0,0,1,1 ) }

> Es una base de S y de dimensin2

T =( x , y , t , z ) =( ayat , y , t , atay )=( ay , y ,0,ay ) + (at , 0, t , at )= y ( a ,1,0,a ) +t (a , 0,1, a ) = {( a , 1

> Es una base de T y de dimensin 2

Llevando a una matriz y a continuacin dndole forma escalonada

1
0
a
a

10 0
1
1 0
01 1 0
1 0
1 0 a
0 12 a 0
01 a
2
1 1

)(

0
1
0
0

Para que tengadimensin 3= 12 a=0= a=1/2

Sea V S T

V =( p , q , r )= 1 ( 1,1,0,0 )+ 2 ( 0,0,1,1 )= 1 ( 1,2,0,1 )+ 2 (1,0,2,1 )

1= 1 2 ; 1=2 1 ; 2=2 2 ; 2 =2 1 = 1= 2

V = 1 (1,1,0,0 ) 1 ( 0,0,1,1 )= 1 (1,1,1,1 )= { (1,1,1,1 ) } es una base de S T

PRODUCTO INTERNO
Sea V un espacio vectorial, un producto interno o producto escalar sobre V
es una aplicacin donde se verifica:
1.

au+bv , w =a u , w + b v , w

2.

u , v = v , u

3.

u , u 0, u V ; u , u =0 u=0
donde u , v , w son vectores y a ,b son escalares

Un espacio vectorial necesita de una mtrica, el producto interno garantiza

una mtrica en un espacio vectorial, el smbolo

x , y

se lee producto

interno entre los vectores x e y.

Todo producto interno de un espacio vectorial real asigna a cada par de
vectores un nico escalar real.

Ejemplo: Se define sobre

( x , y )=3 x1 y 1+ 2 x 1 y 2 +6 x 2 y 2+2 x 2 y 1
Donde x = (

Indique si

x 1 , y 1 ); y = ( y 1 , y 2 )
es un producto interno.

Solucin: Para que

sea un producto interno se deben cumplir los

axiomas:

x , y = y , x

i)

x , y =3 x 1 y1 +2 x 1 y 2 +6 x 2 y 2 +2 x2 y 1

y , x =3 y 1 x1 +2 y 1 x 2 +6 y 2 x 2 +2 y 2 x 1
Se cumple:
ii)

x + y , z = x , z + y , z , x , y , z V

( x 1 , x 2 ) +( y 1 , y 2 ) , ( z1 , z1 )
3 ( x1 + y 1 ) z 1+2 ( x 1 + y 1 ) z 2 +6(x 2 + y 2 )z 2+ 2 ( x 2 + y 1 ) z1
( 3 x1 z 1+2 x 1 z 2 +6 x 2 z 2+ 2 x 2 z 1 ) + ( 3 y 1 z1 +2 y 1 z 2 +6 y 2 z 2 +2 y 1 z 1 )
( x 1 , x 2 ) , ( z1 , z2 ) + ( y 1 , y 2 ) , ( z1 , z2 )
x , z + y , z
iii)

ax , y =a x , y , x , y R , a R

a ( x 1 , x 2 ) , ( y 1 , y 2 ) + ( a x 1 , ax2 ) , ( y 1 , y 2 )
3 a x1 y 1 +2 a x 1 y+ 6 a x2 y 2 +2 a x 2 y 1
a ( 3 x 1 y 1 +2 x 1 y+ 6 x2 y 2 +2 x 2 y 1) =a x , y
iv)

x , x 0 xV ; x , x =0
x=0
x , x =3 x 12+2 x 1 x 2 +6 x 22 +2 x 2 x 1=3 x12 + 4 x 1 x 2+ 6 x 22=( x12 + 4 x 22 )

( 2 x12 + 4 x 1 x 2+ 2 x 22 )=( x12 + 4 x 22 ) + 2 ( x 1 + x 1) 0

2

x , x =0
x=0
( x 12+ 4 x 22) +2 ( x1 + x 1 ) =0 ;

v)

x 1 0 x 2=0
x=( 0,0 )
es un producto interno
Ejemplo
Indique si la expresin sobre

R3 , ( x , y , z )=x 1 y 1+ 2 x 2 y 2 +3 x 3 y 3

es un producto interno , donde

u=(u1 ,u 2 , u3 )

es un vector de

Ejemplo
Indique si la siguiente relacin es un producto interno en

=(a1 ,a 2)

donde

(b1 , b2)

R2

, =a 12+b 12+a1 b 1+a2 b2

DEFINICIN.-C espacio vectorial con producto interno se llama espacio

unitario, mientras R espacio vectorial se llama espacio euclideo o espacio
euclidiano.
ESPACIO EUCLIDIANO (o Euclideo)
Es todo espacio vectorial real con producto interno, la adjuncin de un
producto interno permite establecer una mtrica en l, los conceptos de
distancia, mdulo de un vector, ngulo de dos vectores y ortogonalidad son
nociones que dependen de un producto interno.
Ejemplo:
La funcin

(2 25 )

( R2 ,+, R ,. ) y lamatriz A= 1

Sea

, : R2 x R
R X ,Y =X t AY es un producto interno ?

PRUEBA:
1.

X ,Y =X t AY
t

Y , X =Y AX
t

( X t AY ) =Y t At X=Y t AX
Entonces:

X ,Y = Y , X

(2 25 ) ( yy )

X ,Y =( x 1 x 2 )1 x2 1

2x 2

2 2 x1

=( x1 2 x 2 2 x1 +5 x 2) 1 x 2

()
y1
y2

2 x1

( x 12 x 2 ) y 1+ (2 x 1+ 5 x 2 ) y 2= x 1 y 12 x 2 y 12 x1 y 2 +5 x 2 y 2 ( 1 )

(2 25 ) ( xx )

Y , X =( y 1 y 2 )1 x 2 1

2 x2

2 2 x1

=( y 12 y 2 2 y1 +5 y 2 )1 x 2

x1
x2

()

2 x1

( y 12 y 2 ) x 1 + (2 y1 +5 y 2 ) x2 = y 1 x 12 y 2 x 12 y 1 x2 +5 y 2 x 2 ( 2 )

2.

X +Y , Z = ( X +Y )t AZ=( X t +Y t ) AZ= X t AZ +Y t AZ
X , Z + Y , Z

3.

X , Y = ( X )t AY = X t AY = X , Y

4.

X , X 0 X t AX=( x 1 x 2 ) 1

(2 25 )( xx )
1
2

x122 x 1 x 22 x 1 x 2+ 5 x 22=x 124 x1 x 2+5 x 22=( x 12 x 2) 2+ x 22 0

X , X =0 X =0
2
2
( x 12 x2 ) + x 2 =0 x 1=0 y x2 =0

NORMA DE UN VECTOR
La norma de un vector v que pertenece a un espacio vectorial V se
define:

|v|=v= v , v
OBSERVACION
PRODUCTOS INTERNOS USUALES

1. En el espacio vectorial de las funciones continuas sobre un

intervalo acotado por a y b:
b

f , g = f ( x ) g ( x ) dx
a

2. En el espacio vectorial de las matrices de orden

A , B =tr( A Bt )

mxn:

3. En el espacio vectorial R :

a ,b = ( a1, a 2 , , an ) , ( b 1 , b2 , , bn )
a1 b1 ++ an bn
n

4. En el espacio vectorial C :
A , B =a1 b 1 +a2 b 2 ++ an b n
5. En el espacio vectorial de los polinomios de grado

p , q = p ( x 1 ) q ( x 1 )+ p ( x 2 ) q ( x 2 ) ++ p ( x n ) q ( x n )
PROPIEDAD
. Sea

u V y R

se verifica que:

|u|=|||u|
ANGULO ENTRE VECTORES
Sea V un espacio vectorial, sean u y v vectores de dicho espacio, existe un
nico

cos =

que pertenece

[ 0 , ] tal que:

u , v
|u||v|

A este nmero

se le llama ngulo entre los vectores u y v y se denota

por:

=ang ( u , v )
PROPIEDADES

. u 0
.

u=0 u=0

u=||u

. u+ vu+v( Desigualdad triangular)

| u , v |uv( Desigualdad de CAUCHY SCHWARZ)

u+ v +uv =2u + 2v ( Ley del paralelogramo)

OBSERVACION
. En todo espacio con producto interno, el producto interno de cualquier
vector y el vector nulo es
. Si

u yv

0 : u , 0 = 0,u =0

son dos vectores ortogonales en un espacio euclideo V entonces

la norma de
2

u+ v =u +v (teoremade pitgoras)
ORTOGONALIDAD

Sea V un espacio con producto interno, sean u y v vectores del

espacio vectorial V, se dice que u y v son ortogonales si el producto

( u , v =0 ) .

interno de estos vectores es cero

Dos vectores son ortogonales

su producto interno es nulo o

cero
x y x , y =0
Ejemplo:
Sean las funciones reales continuas
intervalo

2
3
f ( x )= y g ( x )= x , definidas en el
2
2

[ 1 , 1 ] , dichas funciones son ortogonales:

2 , 3 x = 2 3 x dx = 3 x 2 1 =0 son ortogonales
2 2
2 2
2 2 1
1

CONJUNTO ORTOGONAL DE VECTORES

Un conjunto de vectores

{ x1 , x2 , , xn }

en un espacio vectorial con

producto interno es ortogonal si y solo si dos vectores cualesquiera distintos

son ortogonales:

{ x 1 , x 2 , , x n } es ortogonal i j xi , x j =0
PROPOSICION
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es L
I

3 4
4 3
(1, 0, 0 ) , 0, , , 0, ,
5 5
5
5

Ejemplo:

)(

)}

es un conjunto ortogonal

3 4
( 1, 0,0 ) . 0, , =0
5 5

(0, 35 , 45 ) .( 0, 45 , 35 )=0
4 3
( 1, 0,0 ) . 0, , =0
5 5

Es un conjunto ortogonal

DEFINICION.- Se dice que un conjunto es ortonormal si es ortogonal y

cada vector es unitario (la norma de cada vector es la unidad).
DEFINICION.-Si una base es un conjunto ortogonal, se dice que es
una base ortogonal. Si una base es un conjunto ortonormal se dice
que es una base ortonormal.
TEOREMA

Sea

{ u1 , ,u n }

Sea

una base ortonormal de un espacio vectorial

Rn .

un vector, dicho vector se puede expresar como una

combinacin lineal de los vectores de la base de la manera siguiente:

v = v ,u 1 u1 + v ,u 2 u2 ++ v , un un
v =( 7,5, 10 )

Ejemplo:

)}

3 4
4 3
(1, 0, 0 ) , 0, , , 0, , base ortonormal
5 5
5
5

Solucin:

)(

3 4
( 7,5, 10 )= ( 7,5, 10 ) , (1, 0, 0 ) (1, 0, 0 ) + ( 7,5, 10 ) , 0, ,
5 5
3 4
4 3
7 ( 1,0, 0 ) +5 0, , + (10 ) 0, ,
5 5
5 5

DEFINICIN.- La proyeccin de un vector

) (0, 35 , 45 )+ (7,5,10 ) ,( 0, 45 , 35 ) (0, 45 ,

sobre un vector distinto de

(vector nulo) se denota:

Proy u v=

v , u
u
uu

PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT

Sea

{ v1 , , v n }

vectores

una base del espacio vectorial

{u1 , ,u n }

V , el conjunto de

definido de la siguiente manera es ortogonal:

Para tener una base ortonormal, se normaliza cada uno de los vectores

u1 , ,u n :
u1=v 1
u2=v 2Proyu v 2
1

u3=v 3Proy u v 3Proy u v 3

1

un=v nProy u v n Proy u v n

1

n1

Ejemplo:
Dado el conjunto

{ ( 1, 2,0, 3 ) , ( 4, 0,5, 8 ) , ( 8,1, 5, 6 ) }

es L.I. en

forman una base para el subespacio de 3 dimensiones de

una base ortonormal.
Solucin:

R ,

los vectores

R4 . Construir

Sean

v 1= (1, 2, 0,3 ) , v 2=( 4, 0,5, 8 ) , v 3 =( 8,1, 5, 6 )

Aplicando GRAM-SCHMIDT

{ u1 ,u 2 , u3 }

Sea

un conjunto ortogonal

u1=v 1=( 1,2, 0, 3 )

u2=v 2Proy u v 2=( 4,0, 5, 8 )

1

( 4, 0,5, 8 ) , ( 1,2, 0, 3 ) ( 1,2, 0, 3 )=( 2,4, 5,2 )

( 1, 2, 0,3 )( 1,2, 0, 3 )

u3=v 3Proy u v 3Proy u v 3 =( 8,1, 5, 6 )

1

( 8, 1, 5,6 ) , ( 2,4,5, 2 )

( 2,4,5, 2 )( 2,4, 5, 2 )

( 8,1, 5, 6 ) , (1, 2, 0,3 ) ( 1,2, 0, 3 )

( 1, 2, 0,3 )( 1, 2,0, 3 )

( 2,4, 5,2 ) =( 8,1, 5, 6 )( 2, 4, 0, 6 ) (2,4, 5, 2 )=

(4,1, 0,2)

{ ( 1, 2,0, 3 ) , ( 2,4, 5, 2 ) ,( 4, 1,0,2) }

Conjunto ortogonal

u1 , u2 =0 , u1 ,u 3 =0 , u 2 , u3 =0

{(

1
2
3
2 4 5 2
4
1
2
,
, 0,
, , , , ,(
,
,0,
) Conjunto ortonormal
14 14
14 7 7 7 7 21 21
21

)(

PROYECCIONES SOBRE SUBESPACIOS

. Sea

un espacio euclideo y sea

. Se llaman ortogonal

un subespacio vectorial de

V .

U en V U al conjunto de todos los vectores de

ortogonales a cualquiera de

U = { vV / u , v =0 u U }

U .

. Sea

finita, entonces todo vector

u1 +u2 , donde

como

. Al vector
denota

un espacio euclideo y

u1

v de V

un subespacio vectorial de dimensin

se puede expresar de forma nica

u1 U y u2 U .

se le llama Proyeccin ortogonal de

v sobre U y se

Proy u v .

. El vector

u2

se conoce como Componente de v sobre

v sobre U . u2=vProy u v

proyeccin ortogonal de

TEOREMA DE LA MEJOR APROXIMACIN

Sea

un espacio vectorial euclideo y

dimensin finita dado

v V

un subespacio vectorial de

se cumple:

vProy u vvuu U
OBSERVACION
Las series de FOURIER

{ 1, cos x , sin x , cos 2 x ,sin 2 x , , cos nx , sin nx } es un

[ 0 ,2 ] .

conjunto ortogonal con respecto al producto usual definido en

Ejemplo:
Considere el vector

v =( 3,2,6 ) R3 ,

consta de todos los vectores

vector que se encuentra en

sea

un subespacio de

( a , b , b ) . Descomponer v
W

y un vector ortogonal a

que

en la suma de un

W.

Solucin:
Se necesita una base ortonormal a

W , cualquier vector de

expresar como

( a , b , b )=a ( 1,0,0 )+ b ( 0,1,1 )

Sea el conjunto

{ ( 1,0,0 ) , ( 0,1,1 ) }

una base

(es un conjunto L . I .)

se puede

{u1 ,u 2 }

Sea

una base ortonormal

u1=( 1,0,0 ) , u2= 0,

1 1
,
2 2

w=Proyw v= v ,u1 u1+ v ,u 2 u2= ( 3, 2,6 ) , ( 1, 0,0 ) ( 1, 0,0 )+ ( 3, 2, 6 ) , 0,

( 3,0, 0 )+

1 1
,
2 2

) (0, 12 , 12 )

8
1 1
0,
,
=( 3, 4, 4 )
2 2 2

w =V Proy w v=( 3, 2,6 )( 3, 4, 4 )=(0,2, 2)

Luego:

( 3,2, 6 )=( 3, 4, 4 )+ ( 0,2, 2 )

Ejemplo:

Sea

u , v =u 1 v 1 +3 u2 v 2 +5 u3 v 3

u=(u1 ,u 2 , u3 )
v =( v 1 , v 2 , v 3 )
Si

es

un

producto

interno,

ortonormalice

por

GRAM-SCHMIDT

{ (1,1,1 ) , (1,1, 0 ) , (3, 0, 0 ) }

Solucin: Verificando que la expresin es un producto interno
i)

x , y = y , x
u , v =v 1+ 3u 2 v 2+5 u3 v 3

v ,u =v 1 u1 +3 v2 u2 +5 v 3 u3
u , v = v , u
ii)

x + y , z = x , z + y , z
x
( 3+ y 3) z3
( x 1+ y 1 , x 2+ y2 , x 3+ y 3 ) , ( z 1 , z 2 , z 3 ) =( x 1+ y 1 ) z 1+ 3 ( x 2 + y 2 ) z 2+5
x 1 z 1+ y 1 z 1+ 3 x 2 z 2 +3 y 2 z 2 +5 x 3 z 3 +5 y 3 z 3= x , z + y , z

iii)

x , y = x , y

( x 1 , x 2 , x 3 ) , ( y 1 , y 2 , y 3 ) = x 1 y 1+ 3 x 2 y 2 +5 x 3 z 3
( x1 y 1+ 3 x 2 y 2+5 x 3 y3 ) = x , y
iv)

x , x 0
x , x =x 12+ 3 x 22 +5 x32 0
Sea

u1=(1,1,1 ) ,u2 =(1, 1, 0 ) ,u3 =(3, 0, 0)

Sea

b1=u 1=(1,1,1 )

b2=u2Proy b u1=(1,1, 0 )
1

(1, 1, 0 )

u2 , b1
b1
2
b1

(1, 1, 0 ) , (1,1,1 ) (1, 1,1 )

2
|(1, 1,1 )|

4
5 5 4
b2= (1, 1,0 ) (1,1,1 )=
, ,
9
9 9 9

b3 =u3Proy b u3 Proy b u3
1

( 3,0, 0 )

( 3, 0, 0 ) , (1,1,1 ) (
1, 1,1 )
2
(
1,1,1
)
|
|

( 59 , 59 , 49 ) 5 , 5 , 4
( 9 9 9)
5 5 4
|( 9 , 9 , 9 )|

( 3, 0,0 ) ,

( 13 , 13 , 13 )+ 34 (59 , 59 , 49 )=( 3512 , 121 , 23 )

( 3,0, 0 )

(1, 1,1 ) ,

( 59 , 59 , 49 ) ,( 3512 , 121 , 32 )}

PRODUCTO INTERNO
Sea V un espacio vectorial, un producto interno o producto escalar sobre V es
una aplicacin ,:V. V C que verifica:
1. au + bv, w au, w + bv, w
2. u, vv, u
3. u, u0, u V, u, u 0 u 0
Un espacio vectorial necesita de una mtrica, el producto interno, llamado
tambin producto escalar, garantiza una mtrica en un espacio vectorial.
El smbolo

x , y >

se lee producto interno entre los vectores x e y. Para

que la aplicacin se llame producto interno, entonces deber cumplir los

siguientes axiomas:
i.

x , y y , x> , x , y V

ii.

x+ y , z x , z >+ y , z >, x , y , z V

iii.

x , y < x , y >, x , y V R

iv.

x , x > 0, x V < x , x0 x=0 x V

Todo producto interno en un espacio vectorial real asigna a cada par de

vectores un nico escalar real.
ESPACIO EUCLIDIANO
Es todo espacio vectorial real con producto interno, la adjuncin de un producto
interno permite establecer una mtrica en l, los conceptos de: distancia,
mdulo de un vector, ortogonalidad y ngulo entre dos vectores; son nociones

que dependen de un producto interno que se establezca en un espacio

vectorial.
Ejemplo:
Se define sobre 2:
( x , y )=3 x1 y 1+ 2 x 1 y 2 +6 x 2 y 2+2 x 2 y 1
Donde:

x=( x 1 , x 2 ) ; y=( y1 , y 2)

Indique si

es un producto interno.

Solucin:
Para que

se llamado producto interno, entonces deber cumplir los 4

axiomas.
i)

x , y y , x> , x , y V

( x 1 , x 2 ) , ( y 1 , y 2 )3 x 1 y 1 +2 x 1 y 2+ 6 x 2 y 2+ 2 x 2 y 1 =3 y1 x 1+2 y 1 x 2 +6 y 2 x2 +2 y 2 x 1

( y 1 , y 2 ) , ( x 1 , x 2 )3 y 1 x 1 +2 y 1 x 2+ 6 y 2 x 2+ 2 y 2 x1

ii) x+ y , z x , z >+ y , z >, x , y , z V

.

x+ y , z ( x 1 , x 2 ) + ( y 1 , y2 ) , ( z 1 , z 2 ) ( x 1 + y 1 , x 2 + y 2 ) , ( z 1 , z 2 ) 3 ( x1 + y 1 ) ( z 1 ) +2 ( x1 + y 1 ) ( z 2 )+ 6 ( x 2+ y2 ) ( z 2 ) +

iii) x , y < x , y >, x , y V R

.

( x 1 , x2 ) , ( y 1 y2 ) 3 x 1 y 1 +2 x 1 x 2 +6 x 2 y 2 +2 x 2 y 1= < x , y>

iv) x , x > 0, x V < x , x0 x=0 x V

.
2

( x 1 , x 2 ) , ( x 1 , x 2 ) > 3 x 21+2 x 1 x 2 +6 x 22+2 x 1 x 2=( x 1 +2 x 2 ) +2 ( x 21+ x22 ) 0 si x 1=x 2=0 < ( x 1 , x 2 ) , ( x 1 , x 2 ) >

Ejemplo:
n
En ( R ,+, R , ) se define:

,>: Rn Rn R
x , y > x t y

Donde:

x1
x= x2 , y =

xn

y1
y2 .
Indique si es un producto interno.

yn

() ()

Solucin:
y1
n
n
t
y2
x , yx y= ( x1 x 2 x n )
= x i y i = y i xi = ( y 1 y 2 y n )

i=1
i=1
yn

()

i)

x1
x2
= y , x >

xn

()

t
t
t
t
t
ii) x+ y , z(x+ y ) z=( x + y ) z =x z + y z= x , z >+ y , z>
t

iii) x , y( x) y= x y=< x , y >

n

iv)

x , xx t x= x 2i 0
i=1

PROPIEDAD
En todo espacio con producto interno, el producto interno de cualquier vector y
el vector nulo es cero.
0, x x , 00

Definicin
La norma de todo vector v que pertenece a V es un nmero real no negativo:

 v , v >

v=|v|=
En el espacio Euclidiano Rn representa la longitud del segmento de extremo O
y v =( x 1 , x 2 , , x n)

en general la distancia entre dos puntos P y Q.

ORTOGONALIDAD
Sea

(V ,+, R ,)

un espacio vectorial con producto interno, se dice que dos

vectores son ortogonales s y slo s su producto interno es nulo.

ORTOGONALIDAD
Sea (V, +, R, .) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales s y slo s su producto interno es nulo.
Ejemplo:
Sea el conjunto de funciones reales continuas sobre el intervalo

[ 1,1 ]

f , g = f x g x dx
1

Es una funcin definida en dicho espacio. Indique si los polinomios

2
2

3 x
2 son ortogonales.
Solucin:
Realicemos el producto interno:

2 , 3 x
2 3 xdx= 3 x 2 1 =0

=
2 2
4
1
1 2 2

Como vemos, el producto interno si es nulo, por lo tanto si son ortogonales.

PROPIEDADES
1.- Desigualdad de Schawrs

En todo espacio vectorial euclidiano se cumple que el valor absoluto del

producto interno es menor o igual que el producto d los mdulos de dichos
vectores.
x , y >

2.- Desigualdad triangular

En todo espacio con producto interno, el modulo de la suma de dos vectores
cualquiera es menor o igual que la suma de sus mdulos.

|x + y||x|+| y|
3.- ngulo entre dos vectores
Sean x e y dos vectores no nulos en un espacio con producto interno. De la
desigualad de Schawrs:
x , y >

| x|| y|< x , y> |x|| y|

x, y> 1
|x|| y|
1
Para

x, y>
|x|| y|
cos=
< x , y| x|| y| cos

CONJUNTO ORTOGONAL DE VECTORES

Un conjunto de vectores

{ x 1 , , x n } en un espacio vectorial con producto

interno es ortogonal s y slo s dos vectores cualesquiera y distintos son

ortogonales.
Es decir si

xi , x j =0 i j/1 i j n

Proposicin:
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es
linealmente independiente.
Demostracin:

{ x 1 , , x r } un conjunto ortogonal tal que

Sea

x i 0 i=1,2, , r

y sea la

combinacin lineal:

j x j=0

Entonces para cada

i=1, 2 r

consideramos:

j=1

j=1

j x j , x i = 0, x i0

Luego
r

j x j , x i =0
j=1

Como

i j x j , xi =0

obtiene si

i= j

lo que indica que

, la sumatoria se reduce a un nico termino que se

i x i , x i =0

es decir

siendo

xi 0

entonces

xi , xi 0

i=0 i=1,2, , r

Finalmente decimos que

{ x 1 , , x r } es L.I.

Definicin:
Un conjunto de vectores en un espacio vectorial V se dice que es un conjunto
ortogonal si cada par de vectores es ortogonal.
Se dice que es un conjunto ortonormal si es ortogonal y cada vector es unitario.
Ejemplo:
Un conjunto ortonormal es:

3 4
4 3
(1,0,0 ) , 0, , ,(0, , )
5 5
5 5

debido a que:

3 4
4 3
( 1,0,0 ) , 0, , y (0, , )
5 5
5 5

son vectores unitarios

El producto interno, tomado de dos en dos, es 0

TEOREMA:
Un conjunto ortogonal de vectores diferentes del vector nulo en un espacio
vectorial V es L.I. en consecuencia determinan una base.

DEFINICIN
Una base que es un conjunto ortogonal se dice que es una base ortogonal. Una
base que es un conjunto ortonormal, se dice que es una base ortonormal.
Observacin
Hay muchas bases para un espacio vectorial, la base que se utilice depende
del problema en consideracin, se recomienda utilizar la base ms
conveniente, a menudo la base ms adecuada es un conjunto ortogonal o un
conjunto ortonormal.

ALGUNAS APLICACIONES DEL PRODUCTO INTERNO PARA

R2

Ejemplos
01) Una recta
conjunto
Si

que pasa por

P0 R

es un punto arbitrario de

tal que =(b , a ) ; v =(a ,b)

( PP0 ) , v t , v t < , v 0

Es decir la ecuacin cartesiana de

Si

y en la direccin

es un

L={ P0 +t /t R }

P=P0 +t

Entonces

P=( x , y ) , P0=( x 0 , y 0 ) , v=( a , b )

es:

es un vector ortogonal a

 ( xx 0 , y y 0 ) , ( a ,b ) > 0
ax +by +c=0
Donde:

L={( x , y ) R 2 /ax+ by+ c=0 }

02) DISTANCIA DE UN PUNTO A UNA RECTA

Q R2

La distancia de un punto

es la longitud del segmento

a la recta

QP
, donde

L={ P0 +t/t R } 0, =(b , a)

P L

d (Q , P )=|QP| ,
vemos que QP=v , con v ortogonal a , R
O sea QP/ v

de donde

P=Qv =(r a , sb) , siendo Q=(r , s)

En la ecuacin cartesiana reemplazando
=

ar +bs +c
a2 +b 2

d ( Q , P )=

ar + bs+c
(a , b)
a2+ b2

:a ( ra )+ b ( sb ) +c=0

d ( Q , P )=

|ar + bs+c|

a2+ b2

03) REA DEL TRINGULO

h es la distancia desde el punto final del

radio vector

a la recta

L= {tv /t R } ={( x , y ) R2 / bx+ ay=0 }

w es ortogonal a v
u , w >

|bc +ad|
h=
=
a2+ b2
Dado que rea =

1
h|v|
2

, se tendr:

1
, w |
rea del triangulo= 2 |

04) FUNCIONES TRIGONOMTRICAS

Por la ley de cosenos

donde

|v| =|u| +|v| 2|||v| cos

2

|v| = ( v ) , ( v ) =|u| +|v| 2 , v

Pero

Adems vemos que

w es ortogonal a v

Luego:
cos=

,v
,|w|=|u|
|||v|

sen=cos

sen=

,w

=
2
|||v|

,w
|||v|

TEOREMA
Sea

{1 , , n }

una base ortonormal, sea un vector en

V , el vector

se puede expresar como una C.L de los vectores de las base de la

manera siguiente:
=( . 1 ) 1 + ( . 2 ) 2 ++ ( . n ) n
Es decir

= , 1 1+ , 2 2+ + , n n

Ejemplo:
=(7,5,10)

Dado el vector

se puede trabajar como C.L de los vectores:

3 4
4 3
1=( 1,0,0 ) , 2= 0, , , 3 = 0, ,
5 5
5 5

donde:

) (

. 1=7, . 2=5 , . 3=10

3 4
4 3
=7 ( 1,0,0 )+ 5 0, , 10 0, ,
5 5
5 5

) (

, que determinan una base ortonormal

Definicin

La proyeccin de un vector
Proy

sobre un vector

0 , denotada por

se define:
Proy =

PROCESO DE ORTOGONALIZACIN DE GRAM-SCHIMDT

Sea

{ 1 , , n }

vectores

una base para el espacio vectorial

{1 , , n }

( i , j =0, i j ) .

definido

de

la

manera

1 , , n

es decir:

1= 1
2= 2Proy 2
1

3= 3Proy 3Proy 3
2

.
n= nProy nProy n Proy n
1

n1

, el conjunto de

siguiente

Para Obtener una base ortonormal de

cada uno de los vectores

es

ortogonal

, se normaliza

Ejemplo:
El conjunto

{ ( 1,2,0,3 ) , ( 4,0,5,8 ) , ( 8,1,5,6 ) } es L.I en

una base para el subespacio de 3 dimensiones de

base ortonormal para

R4 , los vectores forman

Vde R4 . Construya una

Solucin:
Sean

1= (1,2,0,3 ) , 2 =( 4,0,5,8 ) , 3=( 8,1,5,6 ) , aplicando Gram-Schmidt para

construir un conjunto ortogonal.

1= 1=( 1,2,0,3 )

Sea:

2= 2Proy 2=( 4,0,5,8 )

1

2=( 4,0,5,8 )

2 . 1

1 1 1

( 4,0,5,8 ) . (1,2,0,3 )
( 1,2,0,3 )=( 2,4,5,2 )
( 1,2,0,3 ) . ( 1,2,0,3 )

3= 3Proy 3Proy 3
1

3=( 8,1,5,6 )

( 8,1,5,6 ) . ( 1,2,0,3 )
( 8,1,5,6 ) . ( 2,4,5,2 )
( 1,2,0,3 )
( 2,4,5,2 )
( 1,2,0,3 ) . ( 1,2,0,3 )
( 2,4,5,2 ) . ( 2,4,5,2 )

3=( 8,1,5,6 )( 2,4,0,6 ) ( 2,4,5,2 ) =( 4,1,0,2 )

El conjunto ortogonal

{ ( 1,2,0,3 ) , (2,4,5,2 ) , ( 4,1,0,2 ) } es una base ortogonal

para .

{(

ortonormal de

LEMA:

) ( 421 , 121 ,0, 221 )}

1
2
3
2 4 5 2
,
, 0,
, ,
, , ,
7
7 7 7
14 14
14

)(

es

una

base

{1 , , n }

Un conjunto ortonormal

= , 1 1 , 2 2 , n n

V , es tal que el vector

ortogonal a cada uno de los

es L.I y cualquier vector "" que pertenece

es

OBSERVACION
Las bases ortonormales desempean un papel importante en las espacios con
producto interno, en el lema anterior se muestra que siempre existe una base
ortonormal.
Ejemplo
Se define el producto interno
Gram-Schmidt la base
Para

u , v =( u 1 v 1+3 u2 v 2 +5 u3 v 3 ) ortonormalice por

{ (1,1,1 ) , (1,1,0 ) , (1,0,0 ) }

u=( u1 , u2 , u3 ) , v=(v 1 , v 2 , v 3)

Solucin
Sea

x 1=( 1,0,0 ) , x 2=(1,1,0 ) , x 3= (1,1,1 )

Hacemos

y 1=x 1=(1,0,0)

y 2=x 2Proy y x2 =(1,1,0 )

1

y 2=(1,1,0 )

( 1,0,0 ) , (1,1,0 ) ( 1,0,0 ) =

( 1,0,0 ) , ( 1,0,0 )

1 1 +3 ( 0 )( 1 ) +5 ( 0 ) ( 0 )
( 1,0,0 )=(0,1,0)
1 1 +3 ( 0 )( 0 )+5 ( 0 )( 0 )

( ( ( ) () ( ) )

y 3=x 3Proy y x 3Proy y x 3=x 3

1

y 3=(1,1,1 )

x3 , y1
x 3 , y2
y 1
y
y1 , y1
y2 , y2 2

( 1 )(1 ) +3 (1 )( 0 ) +5 (1 )( 0 )
(1 )( 0 )+ 3 ( 1 ) ( 1 ) +5 (1 ) (0)
( 1,0,0 )
(0,1,0)
( 1 ) ( 1 ) +3 (1 )( 0 ) +5 ( 1 ) ( 0 )
( 0 )( 0 )+ 3 ( 1 ) ( 1 ) +5 ( 0 ) (0)

y 3=(1,1,1 ) + ( 1,0,0 ) ( 0,1,0 )=(0,0,1)

La base ortonormal es

{ ( 1,0,0 ) , ( 0,1,0 ) ,(0,0,1) }

TEOREMA
Sea

{ 1 , , n }

una base arbitraria con producto interno

{1 , , n }

una base ortonormal

de

entonces existe

talque la matriz de transicin de

{ i } a { i } es triangular para i=1, ., n . Se cumple:

i=a i1 1 +a i2 2 ++ aii i
Prueba:
Consideremos

un

1 =

1
1

2 = 2 2 , 1 1

{1 , 2 }

2=

2 2

es ortogonal a

es ortogonal a

3 = 3 3 , 1 1 3 , 2 2

, entonces

, tal que

{ 1 , 2}

3=

es ortogonal, en general al obtener

consideramos

los

siguiente:

i+ 1
i+ 1

{1 , , n }

Ejemplo:

se

puede

es un conjunto

3
3 , nuevamente por

el lema

i+1=

, entonces

es ortogonal.

Por el lema

ortogonal.

{ 1 } es ortonormal, luego consideramos

entonces

{1 , , n }

i +1=i +1 i +1 , 1 1 i+1 , i i

observar

que

i +1 0 , i +1 L( 1 , , n)

es ortonormal que forma una base de .

Sea

{ 1=( 1,1,1 ) , 2 =( 0,1,1 ) , 3=( 0,0,1 ) }

una base de

, encuentre una

base
Ortonormal utilizando el proceso de ortogonalizacin de Gram Schmidt.
Solucin:
Sea

1=

1 ( 1,1,1 )
1 1 1
=
=
,
,

3
1
3 3 3

2 = 2 2 , 1 1= ( 0,1,1 )

Hacemos:
2=

2
2 1 1
=
,
,
2 6 6 6

3 =( 0,0,1 )

3=

1
3

) , luego

2
3

( 13 , 13 , 13 )=( 23 , 13 , 13 )

3 = 3 3 , 1 1 3 , 2 2

1 1
1 1
,
,
=( 0,
,
( 13 , 13 , 13 ) 16 ( 2
)
2 2)
6 6 6

3
1 1
= 0,
,
3
2 2

La base ortonormal es

1 1 1
2 1 1
1 1
,
, ) , =(
,
, ) =( 0,
(
{ 3 3 3 6 6 6 2 , 2 ) }
1=

PROYECCIN DE UN VECTOR SOBRE UN SUBESPACIO

Sea

un subespacio de

para W . Si es
, denotada

Proy w

, sea

un vector en

Rn

{1 , , n }

una base ortonormal

, la proyeccin de

se define como:
Proy w = , 1 1+ , 2 2+ + , n n

TEOREMA:

sobre

Sea

W un subespacio de

, cada vector

en

se puede

expresar de forma nica de la siguiente manera:

=w+ w
Donde

se encuentra en W y

es ortogonal a W, los vectores

w y w son:
w=Proy w y w=Proy w
Ejemplo:
Considere el vector

=( 3,2,6 )

R3 , sea W

el subespacio de

( a , b , b ) . Descomponga

consta de todos los vectores

vector que se encuentra en

en

y un vector ortogonal a

R3

que

en la suma de un
W .

Solucin:
Se requiere una base ortonormal para

W , cualquier vector de

pueda expresar de la siguiente manera:

El conjunto

Para

se

( a , b , b )=a ( 1,0,0 )+ b ( 0,1,1 )

{ ( 1,0,0 ) , ( 0,1,1 ) } genera a W, es L.I formara una base para W

.Los vectores
ortonormal

( 1,0,0 ) y ( 0,1,1 )

son ortogonales, busquemos una base

{ 1 , 2 }
W,

donde

1=( 1,0,0 ) y 2= 0,

w=Proy w = , 1 1+ , 2 2 w= ( 3,2,6 ) , ( 1,0,0 ) ( 1,0,0 ) + ( 3,2,6 ) , 0,

, luego se obtiene tiene lo pedido:

( 3,2,6 )= (3,4,4 ) + ( 0,2,2, )

1 1
,
2 2

1 1
,
2 2

) (0, 12 , 12 )=( 3,4,4 ) w

Ejemplo:
Dado los vectores: =( 2,1,2 ) , =( 1,2,1 ) y w=(2,3,3 ) . Determine un vector de
R3

que es la proyeccin ortogonal de

sobre el plano generado por

y .

Solucin

(21

1 2 1 0 1
2 1
0 1 0

) (

Sea

H= {( 1,0,1 ) , ( 0,1,0 ) }

ortogonal.

Proy H w=

h1=( 0,1,0 ) , h2 =( 1,0,1 ) ;

donde

w ,h 1
| h1 , h1 |

h1 +

w , h2
| h2 ,h 2 |

h1 ,h 2 =0

, H es

1
1
1
h2=3 ( 0,1,0 ) + ( 1,0,1 )= ,3, .
2
2
2

Otro mtodo:
Sea

=( 2,1,2 ) , =( 1,2,1 )

vectores

que

pertenecen

entonces

=(5,0,5 )=w 1 .
Proy H w=wProy H w1=(2,3,3 )

(2,3,3 )(5,0,5 )
1
1
(5,0,5 )= ,3,
2
2
(5,0,5 )(5,0,5 )

OBS:
Sea

V una espacio euclideo y U

llama ortogonal de

en

ortogonales a cualquier vector de

U = { v V / v ,u =0, u U }

PROPIEDADES:

un subespacio vectorial de

V . Se

al conjunto de todos los vectores de

U.

1) Si

v V

es ortogonal a todos lo elementos de una base de

U ,

entonces v U .

2) Si U W W U .

COMPLEMENTO ORTOGONAL
Sea un subespacio S de un espacio vectorial

V , cuando los elementos de

S , se dice que dicho subespacio

un subespacio vectorial son ortogonales a

es un complemento ortogonal .Se denota como S

y se denomina

complemento ortogonal porque la suma de las dimensiones de

igual a la dimensin del espacio vectorial

S y S

es

V .

Ejemplo
Dado el subespacio vectorial

{(

N= a a tal que a , c R
a c

ortogonal con respecto al producto interno

su complemento

A , B =tr( A B) , en el espacio

vectorial de las matrices cuadradas de orden dos es igual al subespacio cuyos

vectores son ortogonales a cualquier base de

base arbitraria

{(

) ( )}

B= 1 1 , 0 0
1 0
0 1

, entonces tomando una

y aplicando las condiciones de

ortogonalidad con un vector genrico del espacio vectorial, tenemos

( ) ( )

( ) ( )

( )

1 1 , w
1 0
y
0 0 , w
0 1 y

x =0=tr w+ y x + z =0=wx + y x=w+ y

z
w x

x =0=tr 0 0 =0=z+ 0
z
y z

Tendremos el complemento ortogonal

{(

N = w w+ y tal que w , y R
y
0

OBSERVACION

x , y

En un espacio vectorial lineal complejo, un producto interno

es un

nmero complejo que satisface los mismos axiomas que los del producto
interno real excepto el de la simetra que se reemplaza por la relacin

x , y = y , x (simetra hermitiana)
Ejemplo
Sea el espacio vectorial de las

matrices cuadradas de orden dos con

elementos complejos y el producto interno definido por

A , B =a11 b11 +a12 b12+ a21 b21+ a22 b22

Calcular la distancia entre los vectores

i
(1+i

)(

2 y 2i i
1i
5 5i

Solucin
Sea

i
(1+i

)(

)(

2 2i i = 2
2+i
1i
5 5i
4 +i 16i

Luego

4+i

i)= 4+ ( 4+1 ) + ( 16+ 1 )+ (1+36 )= 63

(2 ) (2 )+ ( 2+ i ) (2+i)+(4
+i) ( )+(16 i)( 16

2
) (4+i

2
2+i =
4 +i 16 i

)(

2+ i , 2
2+i =
16 i 4 +i 16 i

Ejemplo
Dados los vectores

(0i

interno A , B =tr( A B)

)(

2 1+i y 3 4 2+i
3 i 1
2i 0
i

, se define el producto

.Determine el ngulo entre dichos vectores

Solucin

A , B =tr

( )(

) (

i 0
3i
4 i
1+2 i
3 4 2+i
=tr
2
3i
12
8
7+2 i =7+7 i
2i 0
i
1i 1
3+ 5i 44 i 1+ 4 i

 A , A =tr
Tambin:

B , B =tr

( )(

((

) (

i 0
1
2i 1i
i
2
1+i =tr
2 3i
2i
13
2+5 i =17
0 3 i 1
1i 1
1+i 25 i
3

) (

)(

3 2i
13
12
83 i
3 4 2+i =tr
4
0
12
16
8+4 i =35
2i 0
i
2i i
8+3 i 84 i
6

=arc cos

i)
=73,32
( (7+7
17 35 )

TEOREMA DE LA MEJOR APROXIMACIN

El teorema de la mejor aproximacin resuelve el problema de la mnima
distancia de un punto a un subespacio vectorial. Dado un subespacio vectorial
S de R

y un vector

vector genrico

wS

x de R

, se debe minimizar la distancia de

x a un

min {xw: w S } se debe obtener un vector

donde s alcanza un mnimo.

Sea

un espacio vectorial euclideo y

dimensin finita. Dado

v V .

U V

un subespacio vectorial de

Se cumple:

vProyu vvu, u U
EJEMPLOS
1

f ( x ) g ( x ) dx de las
1. Para el espacio vectorial con producto interno f , g =
1
funciones continuas en un intervalo

[ 1,1 ] .Determine el polinomio de grado

menor o igual que dos ms prximo a la funcin

f ( x )=cos (x)

2.
Encuentre la mejor aproximacin para
PROBLEMA 1

cos x

en el intervalo

[ 0,1 ]

Ses f (u, v) 6x1y1

4(x1y2 + x2y1) + 7x2y2 ; con un u (x1,x2), v

(y1,y2)
Es un f (u, v) un producto interno?, de ser un producto interno determine la
norma de (1,2).
SOLUCION

1.

Para que f (u, v) sea un producto interno debe satisfacer las

condiciones.

u+ v ; z = < (x1,x2)+ (y1,y2);(z1,z2)> = < ( x1 + y1,

x2 + y2);(z1,z2) >
= 6( x1 +

y )z 4[( x + y1)z + ( x +
1 1
1
2
2

y )z ] + 7z
2 1
2

( x2 + y2) (1)
Tambin:
<x,z> +

<y,z> =

(6x z 4(x z + x z ) + 7x z ) +
1 1
1 2
2 1
2 2

4(y1z2 + y2z1) + 7y2z2) ..(2)

De (1) y (2)

u+ v ; z = <x,z> + <y,z>
2.

u , v = 6x1y1 4(x1y2 + x2y1)+ 7x2y2 (3)

v ,u = 6y1x1 4(y1 x2 + y2x1)+ 7 y2x2 .(4)
De (3) y (4) por definicin u , v = v ,u

3.

u , u = 6x21 4(x1x2 + x2x1)+ 7x22

= 6x21

8x1x2+ 7x2

= (2x1 2x2)2 + 2x21 + 3x22

u , u = 0 u = 0
f (u, v) 6x1y1

4(x1y2 + x2y1)+ 7x2y2 ; es un producto interno.

La norma de u =

1,2

(6y z
1 1

u= u , u = 18=3 2

PROBLEMA 2
R

Sea el espacio vectorial

sobre R , se define el subespacio

vectorial
W = {(x, y, t, z) / x + y t + z = 0} y el vector v = { 1, -1, 2, 3}
a) Construir una base ortogonal H para W

b)Exprese v como una Combinacin Lineal de H y H

SOLUCIN
a) (x,y,t,z) Si t = x + y + z ( x , y , x + y + z , z) = x( 1,0,1,0) +
y(0,1,1,0) + z(0,0,1,1)
{ ( 1,0,1,0) ; (0,1,1,0) ; (0,0,1,1) } el conjunto LI y por lo tanto una
base del subespacio W
Si consideramos V1 = ( 1,0,1,0) , V2 = (0,1,1,0) y V3 = (0,0,1,1)
u1= V1 = (1, 0, 1,0)

u2=

u2=

V2 -

= (0,1,1,0) -

V 2 , u1 >

( 0,1,1,0 ) , ( 1,0,1,0 )>

(0,1,1,0) -

(0,1,1,0) -

u2=

Proy Vu

(-

1
2 (1,0,1,0)
1
1
,
1,
2
2 ,0)

u
<u1 , u1> 1

1 +0 +12 +02 .( 1,0,1,0) =

2

u3=

V3

Proy u

V3 -

V3

Proy u

2
2
1 +0 +1 + 0 (1, 0, 1,0) -

(0,0,1,1) , ( 1,0,1,0 ) >

1
2

(1
1
(0,0,1,1) ,(
, 1, , 0)>

2
2

u3

= (0, 0, 1,1) -

1
1
,
1,
2
2 ,0)

= (0, 0, 1,1) -

1
2 (1, 0, 1,0) -

1
3 (-

1
1
,
1,
2
2 ,0)

1
0, 2

,1) -

u3

1
= (- 3 ,-

1
3 ,

1
2
3 (2

1
1
2 , 1, 2 ,0) = (-

1
3 ,1)

Entonces la base ortogonal H para W es

H = { (1,0,1,0) ; (-

b) Sea

1
1
1
2 , 1, 2 ,0) ; (- 3 ,-

1
3 ,

1
3 ,1) }

( x , y , t , z ) w tal que w H

( x , y ,t , z ) , (1,0,1,0 ) =0 x +t=0

( x , y ,t , z ) ,

( 12 ,1, 12 , 0)=0 x +2 y+ t=0

( x , y ,t , z ) ,

( 13 , 13 , 13 , 1)=0 x y +t3 z=0

1
2 ,

)(

1
0 1 0 0
1 0 0 1 0
1 2 1 0 0 0 1 0 1 0
0 0 1 1 0
1 1 1 3 0

xz=0, yz=0,t + z=0

( x , y , t , z ) =( x , x ,x , x )=x (1,1,1,1)
Se obtiene {(1,1,1,1)}
Luego

( 1,1,2,3 ) = 1 ( 1,0,1,0 ) + 2

( 12 , 1, 12 , 0)+ ( 13 , 13 13 ,1)+ (1,1,1,1)

Resoviendo tendremos

1, 2, 3,

PROBLEMA 3
En R3 se define el producto interno

x , y > x y + 3x y + 5x y con un x
1 1
2 2
3 3

(x1, x2,x3) y y (y1,y2,y3)

Mediante el proceso de Gram-Schmidt transformar la base
{( 1,1,1 ) ; ( 1,0,0 ) ; (1,1,0)} en una base ortonormal.
SOLUCION

Sea v1=(1,1,1); v2=(1,0,0); v3=(1,-1,0) aplicando Gram-Schmidt para

construir un conjunto ortonormal {u1,u2,u3} a partir de los vectores
indicados.

Sea:
u1=v1= (1,1,1)
(1,1,1 ) , ( 1,1,1 )>

(1,0,0)
u2= ( 1,0,0 ) , ( 1,1,1 ) > =
9 (1,1,1)=(

(1,0,0)

8
1
1
9 , 9 , 9 )

8 1 1
(1,1,0 ) ,( ,
,
)
9 9 9

(| 89 , 19 , 19 ) ,( 89 , 19 , 19 )|

u3=(1,-1,0)

8 1 1 ( 1,1,0 ) ,(1,1,1)
( ,
,
)
9 9 9
| ( 1,1,1 ) ,(1,1,1)|

(1,1,1)
11
8 (

u3=(1,-1,0)

{(1,1,1), (

8
1
1
2
,
,
)+
9
9
9
9

(1,1,1)=(0,

5
3
,
8
8 )

8
1
1
5
3
9 , 9 , 9 ), (0, 8 , 8 )} Es un conjunto ortogonal

8 1 1
(1,1,1),( ,
,
)
9 9 9

(1,1,1),( 0,

8 1 1
5 3
( ,
,
) ,(0,
, )
9 9 9
8 8

5 3
, )
8 8

8
= 9
15
8

=-

3
9

5
- 9

15
8

15
72

=0

=0
15
72

=0

Luego:

|u1|= u1 , u1 =

|u2|= u2 , u2 = 3 2
|u3|= u3 , u3 =

15
8

La base ortonormal
1 1 1
, ,
{( 3 3 3 ), (

PROBLEMA 4

4
3 2 ,

1
6 2

1
, 6 2 ), (0,

5 2
4 15

3 2
4 15 )}

Sea el espacio euclideo de las funciones continas en <-1,1> (intervalo),

1

definido el producto interno

vectores

x(t )=t 2+1

x , y > x( y) y(t ) dt, para que valor de los

1

y(t )= (t 2 +1) , son ortogonales.

SOLUCION
2

2 (t +1)
(+1) (t +1)
2

x , y > x(

(t +1)

(t +1)

dt =

dt

3 (t +1 )
( + (t +1 ))
2

dt

Si x e y son ortogonales:

x , y > 0

PROBLEMA 5
Sean U1,U2,U3, los siguientes subespacios de R3
U1 {(a,b,c)/a+b+c 0}
U2 {(a,b,c)/a c}
U3 {(0,0,c)/c

R3}

Probar que R3 U1+U2 U2+U3 U1+U3 e indicar en qu caso la suma es

directa.
SOLUCION

En U1

a+b+c=o

a = -b c

(a,b,c ) = (-b -c,b,c) = b(-1,1,0) + c(-1,0,1)

{(-1,1,0); (-1,0,1)}

 (-1,1,0) + (-1,0,1) = (0,0,0)

Luego
==0 ; es un conjunto LI entonces es una base de U
1

En U2
a=c
(a,b,c ) =(a,b,a)= a(1,0,1) + b(0,1,0)
{(1,0,1) ;(0,1,0)}
(1,0,1) + (0,1,0)= (0,0,0)
Luego
==0

; es un conjunto LI entonces es una base de U 2

En U3
(0,0,c ) = c(0,0,1)
{(0,0,1) } ; es una base de U3
En U1+U2
U1 U2 V U1 V

U2

V= m(-1,1,0) + n(-1,0,1)= p(1,0,1) + q(0,1,0)= (a,b,c )

q=m= -2p
-m-n=p; m=q; n=p
V=(a,b,c)= (p, -2p, p) = p(1,-2,1)
U U ={(1,-2,1)} ; (NO HAY SUMA DIRECTA DE U
1

U )
2

( )( )( )
1
1
1
0

1
0
0
1

0
1
1 0
1
1
0
0

0
0
0
1

0
1 0
2 0 1
1
0 0
0
0 0

0
0
1
0

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 1+U2)

En U2+U3
U2 U3 V

U V
2

U3

V= k(1,0,1) + g(0,1,0)= f(0,0,1)= (a,b,c )

k=g=f=0
K=0 ; g=0 ; k=f=0
V=(a,b,c)=(0,0,0)
U U = 0; (SI HAY SUMA DIRECTA DE U
2

( )( )
1 0 1
1 0 0
0 1 0 0 1 0
0 0 1
0 0 1

En U1+U3
U U
1

U)
3

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 2+U3)

U V
1

U3

V= (-1,1,0) + s(-1,0,1)= d(0,0,1)= (a,b,c )

- -s = 0 ; = 0 ; s = d
=s=d=0

V=(a,b,c)=(0,0,0)
U U = 0; (SI HAY SUMA DIRECTA DE U
1

)(

U)
3

)( )( )

1 1 0
1 1 0
0 1 0
1 0 0
1 0 1 1 0 0 1 0 0 0 1 0
0 0 1
0 0 1
0 0 1
0 0 1

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 1+U3)

Luego del desarrollo comprobamos que se cumple que R 3
U +U U +U
2

U1+U2

PROBLEMA 6
Dado L = { t(1,-1,2) / t

IR }

Determine un plano P talque IR3 = L P

SOLUCION
(x,y,z) pertenece a L y P
Dado que P es un plano tiene dimensin 2
(x,y,z) = (1,-1,2) = (a,b,c) + (m,n,p) Si L y P hacen una suma directa
entonces (x,y,z) = 0
1=a+m
(a,b,c) ; (1-a ; -1-b ; 2 - c)
-1 = b + n
2=c+p
Entonces el Plano P de dimensin 2 tiene como base a:
{ (a,b,c) ; (1-a ; -1-b ; 2 - c) }

PROBLEMA 7
Si V1,V2,V3 son LI del espacio ( V, +,k, . ).Investigar la DL o IL de:

i) {V1+aV2+bV3,V2+cV3 ,V3}
ii) { V1,V2+aV3 , V3+bV2}

SOLUCION
Como sabemos que V1,V2,V3es LI
(V +aV +bV )+
1
2
3

i)

(V +cV ) +
2
3

(V ) 0
3

V1( ) + V2( a+ )+ V3( b+ +c )=0

=0
a+ =0

= = =0

Por lo tanto es IL

b+ +c =0

ii)

(V )+
1
V1 ( )

(V +aV ) + (V +bV ) 0
2
3
3
2

+ V2( + b

+ V3( a + ) = 0

=0

+ b

= = =0

=0

a+

Por lo tanto es IL

=0

PROBLEMA 8
Determine una base para el subespacio
a
a12
a
U = { A = ( ij 4x4 / tr(A) = 0 ;
- 2 13

SOLUCION

=0}

a11 2 a13
a 21 a22
a 31 a32
a 41 a42

a13
a23
a33
a 43

a14
a24
a34
a44

a11 + a22+ a33 +a44 =0

a
( 22+a 33 +a 44)

2 a13 a13 a14

a
a21
a22 a23

24

= a13
a31

a32

a33

( a34 a41 a42 a 43 a 44 )

a14

0
0
0
0

a23

0
0
0
0

0
0
0
0

0
1
0
0

0
0
0
0

) (

a32

0
0
0
0

0
0
1
0

0
0
0
0

0
0
0
0

) (

a 41

0
0
0
1

0
0
0
0

0
0
0
0

0
0
0
0

) (

0
0
0
0

0
0
0
0

1
0
0
0

0
0
0
0

2
0
0
0

1
0
0
0

0
0
0
0

) (

0
1
0
0

0
0
0
0

0
0
0
0

0
0
0
0

) (

0
0
0
0

0
0
0
0

0
0
0
0

0
1
0
0

) (

+ a21

a24

a33

+ a 42

1
0
0
0

0
0
0
0

0
0
0
1

0
0
0
0

0
0
0
0

0
0
1
0

0
0
0
0

0
1
0
0

1
0
+ a22 0
0

+ a31

0
0
0
0

0
0
1
0

) (
+ a34

) (
+ a 43

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
0

0
0
0
1

0
0
0
0

0
0
1
0

a 44

1
0
0
0

0
0
0
0

0
0
0
0

0
0
0
1

Entonces una base para el subespacio es:

0
0
{
0
0

(
(
(

0
0
0
0

2
0
0
0

0
0
0
0

0
1
0
0
0
0
0
0

1
0
0
0

0
0
0
0

1
0
0
0

0
0
0
0

0 0 0
0 ; 0 0
0 0 0
0 0 0
0
0
1
0

0
0
0
1

)( )( )( )
)( )( )( )
)( )( )( )
)( )

0 0 0
0 0 0
;
0 0 0
0 0 0

0
0
0
0

0
0
0
0

0 0 0
0 0 0
;
0 0 0
0 0 0

0 1
0 ; 0
0
0
0
0

0
0
0
0

1 0 0
0 1 0
;
0 0 0
0 0 0

0 0 0
1 ; 0 0
0 1 0
0 0 0

0
0
0
0

0 0 0
0 0 0
;
1 0 0
0 1 0

0
0
0
0

0
0 }
0
1

0
0
0
0

0
0
0
0

0 1
0
0
;
0
0
0
0

0
1
0
0

0 0 0
0 ; 0 0
0 0 1
0 0 0

0
0
0
0

0 0 0
0 0 0
;
0 0 0
0 0 1

0
0
0
0

0
0
0
0

0
0
;
0
0

0
0 ;
0
0

0
0
0
0

0
0
;
0
0

PROBLEMA 9
Los polinomios 1; x-1; x2-3x+1; forman una base de P2, de ser cierto, exprese
el polinomio
2x2-5x+6 como una C.L. de los vectores de dicho base?
SOLUCION

Verificar si es una base {1; x-1; x2-3x+1}

+ ( x 1)+ (x2-3x+1) 0

 x2 + x( 3 )+( + )=0
=0
3 =0

===0

Luego es un conjunto LI entonces es una

base de P2
+ =0

Como es una base expresar el polinomio 2x2-5x+6 como una C.L. de los
vectores de dicha base.
2x2-5x+6 = a(1)+b( x-1)+ c( x2-3x+1)
2x2-5x+6 = (c)x2+(b-3c)x+(a-b+c)
a-b+c =6
b-3c =-5
c=2

)(

)(

1 1 1
6
1 1 0 4
1 0 0 5

0 1 3 5
0 1 0 1
0 1 0 1
0 0
1
2
0 0 1 2
0 0 1 2
a=5, b=1, c=2

2x2-5x+6 = 5(1)+1( x-1)+ 2( x2-3x+1)

PROBLEMA 10
Indique si las siguientes proposiciones son V o F (fundamente)
a) Un conjunto de vectores que contenga 2 vectores iguales es LI
b) Cualquier conjunto de vectores al que pertenece el vector nulo es LD
c) Cualquier conjunto S de vectores LD contiene un subconjunto que es
LI
x
3x
2
d) Es LI el conjunto { e , e , x , x }
e) Es W1 = { (x,y,z) / 3y 2z = 0 } un subespacio vectorial
t
f) Es W2 = { (A V / A =A } un subespacio vectorial
a) (a,b,c,d) + (a,b,c,d) + (x,y,z,t) = (0,0,0,0)
a + a + x = 0
b + b + y = 0 Si = = 0 Necesariamente = 0
c + c + z = 0
d +d + t = 0 Entonces es V

b) (0,0,0,0) + (a,b,c,d) + (x,y,z,t) = (0,0,0,0)

0 + a + x = 0
0 + b + y = 0 Si = = 0 No necesariamente = 0
0 + c + z = 0Entonces es LD
0 +d + t = 0 Por lo tanto es V

c) Es V porque en un conjunto LD siempre hay un coeficiente diferente

que cero y los restantes son ceros por lo cual estos coeficientes
restantes forman un conjunto LI.
x
3x
2
d) e +e + x + x

=0

Si = = = 0 , Necesariamente = 0 Por lo tanto es LI

Entonces es V
3
3
e) (x,y, 2 y) = x(1,0,0) + y(0,1, 2 )
3
Tiene una base {(1,0,0) ; (0,1, 2 ) }
3
(1,0,0) + (0,1, 2 ) = 0 = = 0 es LI
Por lo tanto es un subespacio vectorial.

f)

a11 b
c
b a 22 d
c
d a33

) ( ) ( )
= a11

1 0 0
0 0 0
0 0 0 +a 22 0 1 0 +
0 0 0
0 0 0

( )( )( )( )

0 0 0
0 1 0
0 0 1
0 0 0
a33 0 0 0 + b 1 0 0 +c 0 0 0 + d 0 0 1
0 0 1
0 0 0
1 0 0
0 1 0
Tiene base:

( )( )( )( )( )( )

1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0
{0 0 0 ; 0 1 0 ; 0 0 0 ; 1 0 0 ; 0 0 0 ; 0 0 1 }
0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0

Y es LI Por lo tanto es un subespacio vectorial.

PROBLEMAS PROPUESTOS
1. Exprese

v =( 1,2, 3,4 )

w={ ( x , y , z , t ) tal que 5 x2 y +8 zt=0 }

Sabiendo que

2. Dadas las matrices

siguientes

w yw

en funcion de

expresiones

X ,Y =X A Y
3. Considere en

( )

A= 1 3
3 6

corresponden

( )

B= 0 3
1 0
a

un

, indique si las

producto

interno

; X ,Y =X A Y
R

el producto interno de

=( a 1 , a2 , a3 ) y =(b 1 , b2 , b3 )

como la relacion dada por

, =a 1 b 1+3 a 2 b 2+5 a 3 b 3 , luego mediante el proceso de GramSchmidt transformar la base

{ ( 1,1,1 ) , ( 1,0,0 ) ,(1,1,0) } en una base

ortonormal.
4. Calcule el ngulo que forman los vectores

) (

3 2 1
1 0 1
A= 1 0 6 y B= 0 1 1
8 1 5
1 1 1

con el producto interno usual de

matrices
5. Sean

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

dos vectores, indique si las siguientes

expresiones corresponden a un producto interno (en R o en C )

f ( x , y ) =2 x 1 y 1+ 4 x 2 y 2
a)
b)

g ( x , y )=x 1 y 1 +2 x1 y 2 +2 x 2 y 1+ 4 x 2 y 2

c) ( x , y )=x 1 y 1i x 1 y2 +i x2 y 1+ 2 x 2 y 2
6. Determine el complemento ortogonal de los siguientes subespacios
5
a) V =R , W = { ( 2,2,1,1,0 ) , (1,2,2,2,1 ) , ( 0,1,3,2,1 ) } para el
producto interno usual
3
b) V =R , W 1= { (1,2,1 ) , ( 0,1,2 ) }

para el producto interno definido por

x , y =x 1 y 1+2 x 2 y 2 + x 3 y 3 x1 y 2x 2 y 1

c)
V =C 4 , W 2= {( x 1 , x 2 , x 3 , x 4 ) C 4 tal que x1 +2 i x 2x 3 + ( 1+i ) x 4 =0 ; x2 + ( 2i ) x 3+ x 4=0 }
para el producto interno

x , y =x 1 y 1+2 x 2 y 2 + x 3 y3 +3 x 4 y 4

TRANSFORMACIONES LINEALES
TRANSFORMACION

LINEAL

ENTRE

DOS

ESPACIOSVECTORIALES

SOBRE UN MISMO CUERPO

Sean

( V ,+ , K , ) y ( W ,+ , K , ) dos espacios vectoriales sobre un mismo cuerpo

K .La funcin

f : V W

es una transformacin lineal u homomorfismo

si y solo si:
1) La imagen de la suma de dos vectores cualesquiera de
suma de sus imgenes en W

es igual a la

es decir:

f ( x + y )=f ( x ) + f ( y )
2) La imagen del producto de cualquier escalar por todo vector de V
al producto del escalar por la imagen de dicho vector:

es igual

f ( x )=f ( x )
Ejemplo:
Sean los espacios vectoriales
definida por

( R3 ,+, R ,. ) y ( R2 ,+, R , ) . La funcin: R3 R2

f ( x 1 , x 2 , x 3 ) =( x1 x3 , x 2x 3 )

indique si es una transformacin

lineal.
Solucin
1)
f [ ( x 1 , x 2 , x 3 ) + ( y 1 , y 2 , y 3 ) ] =f ( x 1 + y 1 , x 2+ y 2 , x 3+ y 3 )=( x 1 + y 1x 3 y 3 , x 2 + y 2x 3 y3 )
f ( x 1 , x 2 , x 3 ) + f ( y 1 , y 2 , y 3 ) =( x 1x 3 , x 2x 3 ) + ( y 1 y 3 , y 2 y 3 )=( x1 + y 1x 3 y3 , x 2+ y2 x3 y 3 )
2)
f ( ( x 1 , x 2 , x 3 ) ) =f ( x 1 , x 2 , x 3 )=( x 1 x 3 , x2 x 3 )= ( x 1x3 , x 2x 3 )=f ( x1 , x2 , x3 )
Se comprueba las dos condiciones por los tanto si una transformacin lineal.
Observacin: Una aplicacin, funcin o transformacin lineal es un conjunto de
operaciones que se realizan sobre un elemento de un subespacio vectorial,
para transformarlo en un elemento de otro subespacio, en las transformaciones
lineales se preservan las operaciones de suma de vectores y producto de un
escalar por un vector. El termino funcin lineal es usado incorrectamente en el
anlisis matemtico y en la geometra para designar una recta o en general una
variedad lineal.
Ejemplo:
Supongamos que

f : R2 R3

es una transformacin lineal que verifica

f ( 1,0 ) =( 1,2,3 ) , f ( 0,1 )=( 0,1,2 ) . Halle la imagen de

f ( 2,3 )

Solucin:
f ( 2,3 )=f ( ( 2,0 ) + ( 0,3 )) =f ( 2,0 )+ f ( 0,3 )=f ( 2 ( 1,0 ) ) + f ( 3 ( 0,1 ) )
f ( 2,3 )=2 f ( 1,0 )3 f ( 0,1 )=2 ( 1,2,3 ) + (3 )( 0,1,2 )=( 2,7,0 )

PROPIEDADES DE LAS TRANSFORMACIONES LINEALES

Sea

f : V W

una transformacin lineal, denotemos mediante

a los vectores nulos en

V yW

0V y 0W

respectivamente.

1) La imagen del vector nulo del primer espacio por toda transformacin lineal
es el vector nulo del segundo espacio.
f ( 0 v )=f ( 0w ) =0=0W =0v
2) La imagen del opuesto de todo vector del primer espacio es igual al opuesto
de su imagen.
f (x )=f ( (1 ) x ) =(1 ) f ( x )=f ( x )

NUCLO DE UNA TRANSFORMACIN LINEAL

El ncleo de una transformacin lineal

f,

entre dos espacios vectoriales

sobre un mismo cuerpo, es el conjunto de los vectores del dominio cuyas

f

imgenes por

son el vector nulo del codominio. El smbolo

nucleo de f , por definicin

N ( f )= { x V f ( x )=0W }

N(f)

se lee

. El nucleo de toda

transformacin lineal es la preimagen del vector nulo del segundo espacio.

x N ( f ) f ( x )=0W
Ejemplo

( R3 ,+, R , ) y ( R2 ,+, R , ) , la funcin f : R3 R 2

Sean los espacios vectoriales

definida por:

f ( x 1 , x 2 , x 3 ) =( x1 x3 , x 2x 3 )

. Determine el nucleo de

f.

Solucin
1)

f [ ( a , b )+ ( c , d ) ]=f [ ( a+c , b+d ) ]= a+ c+ b+d

0

)(

)(

0
0 + c+ d
0 =f ( a , b ) +f ( c , d )
= a+ b
a+b+ c+ d
0
a+b
0
c +d

) (

0
0 =f ( a ,b )
2 f ( ( a , b ) )=f ( a , b )= a+ b
= a+b
0
a+ b
0
a+ b
Si cumple las dos condiciones es una T.L
Hallando su ncleo:

x +x
0
N ( f )= {( x 1 , x 2 ) R2 f ( x 1 , x 2) R2 2 } , ( x 1 , x 2 ) N ( f ) f ( x 1 , x 2 )= 0 0 = 1 2
x 1 + x 2=0 x 1=x 2
0 0
0
x1 + x2

( )(

Hallando su imagen:

)( )

x +x
0
I ( f )={ A R2 2 / f ( x1 , x2 ) A } , A= a b I (f ) ( x 1 , x 2 ) R2 /f ( x 1 , x 2 ) A 1 2
= a b x1 + x 2=a
c d
c d
0
x 1+ x2

( )

I( f )

( )

A= a 0
0 a

Esta dado por

generadores de

I( f )

, La matriz

(10 01)

es un sistema de

, constituye una base de dimensin 1.

TRANSFORMACIONES LINEALES

TRANSFORMACION LINEAL ENTRE DOS ESPACIOS VECTORIALES

SOBRE UN MISMOCUERPO
Sean
cuerpo

( V ,+ , R ,. )

( W ,+, K ,. ) dos espacios vectoriales sobre un mismo

K.

La funcin

f :V W

es una transformacin lineal u Homomorfismo si y

slo si:
i)

La imagen de la suma de dos vectores cualquiera de V es igual a

la suma de sus imgenes en W, es decir

ii)

f (x + y )=f ( x ) +f ( y )

La imagen del producto de cualquier escalar por todo vector de V

es igual al producto del escalar por la imagen de dicho vector.

f (x )= f ( x )

x f (x)
y f ( y)
x+ y f (x+ y) =f (x) + f ( y)
x f (x)=f (x)

Ejemplo 1:

( R3 ,+, R, . ) y ( R2 ,+, R , . )

Sean los espacios vectoriales

la funcin

f : R3 R 2

definida por

f (x

, x 2 ,x 3)

=( x 1x 3 , x 2x 3 ) . Indique si es una transformacin lineal.

Solucin:
i)

f [ ( x 1 , x 2 , x 3 ) + ( y 1 , y 2 , y 3 ) ] =f ( x + y , x + y , x + y )=( x 1 y 1x 3 y3 , x 2 y 2x 3 y 3 )
1

f ( x 1 , x 2 , x 3 ) + f ( y 1 , y 2 , y 3 ) =( x 1x 3 , x 2x 3 ) + ( y 1 y 3 , y 2 y 3 )=( x 1 + y 1x 3 y 3 , x 2 + y 2x 3 y3

ii)

x1 , x2 , x3
x 1x 3 , x 2x 3
()=f ( x 1 , x 2 , x 3 ) .. si cumple
()=f ( x1 , x2 , x 3 )=( x1 x 3 , x 2 x3 ) =
f

Ejemplo 2:
Supongamos que

f : R2 R3

es una transformacin lineal que verifica

f ( 1, 0 )=( 1, 2, 3 ) yf ( 0, 1 )=( 0,1,2 ) ,

halle la imagen de

f ( 2,3 ) .

Solucin:

f ( 2,3 )=f ( ( 2,0 )+ ( 0,3 ) ) =f ( 2, 0 ) + f ( 0,3 )=f ( 2 (1, 0 ) ) + f (3 ( 0,1 ) )=

2 f ( 1,0 )+ (3 ) f ( 0,1 )=2 (1, 2, 3 ) + (3 )( 0,1,2 ) =(2, 7, 0)
Ejemplo3:

Determine una transformacin lineal o aplicacin lineal generado por

F : R3 R 4

, si las imgenes estn dadas por

( 1,2,0,4 ) y (2,0,1,3)

Solucin
Sea

F ( x , y , z ) =F ( x e1 + y e 2+ z e 3 )=xF ( e1 ) + yF ( e 2 ) + zF ( e3 ) =x ( 1,2,0,4 )+ y ( 2,0,1,3 ) + z ( 0,0,0,0 )=( x+2 y

Luego

F ( x , y , z ) =( x +2 y ,2 x , y ,4 x3 y)

Ejemplo 4:

PROPIEDADES DE TRANSFORMACIONES LINEALES

Sea

0w
I)

f :V W

una transformacin lineal, denotemos mediante

0v

a los vectores nulos en V y W respectivamente.

Laimagen

del vector nulo del primer espacio por toda

transformacin lineal es el vector nulo del segundo espacio.

f ( 0 v )=f ( 0 x ) =0 f ( x )=0 w
II)

La imagen del opuesto de todo vector del primer espacio es igual

al opuesto de su imagen.

f (x )=f ( (1) x ) =(1 ) f ( x )=f ( x )

NUCLEO DE UNA TRANSFORMACIN LINEAL
El ncleo de una transformacin lineal f, entre dos espacios vectoriales
sobre un mismo cuerpo, es el conjunto de los vectores del dominio cuyas
imgenes por

son el vector nulo del codominio.

V

N (f )

0w

El smbolo

N (f )

se lee ncleo de

f,

por definicin

N ( f )= { xV /f ( x)=0w }
El ncleo de toda transformacin lineal es la preimagen del vector nulo del
segundo espacio.

x N ( f ) f ( x )=0w
Ejemplo:

( R3 ,+, R, . ) y ( R2 ,+, R , . )

Sean los espacios vectoriales

3

f ( x 1 , x 2 , x 3 ) =(x 1x 3 , x 2x 3)

f :R
R definida por

lineal. Determine el ncleo de

La funcin
es una transformacin

f.

Solucin:

N ( f )= {( x 1 , x 2 , x 3 ) R 3 /f ( x 1 , x 2 , x 3 )=(0, 0) }

f ( x 1 , x 2 , x 3 ) =( 0,0 )
x 1=x 2=x 3=a N ( f ) ={ a ( 1, 1
( x 1 , x 2 , x 3 ) N ( f )
( x 1x 3 , x 2x 3 )= ( 0,0 )
( x 1=x 3 x 2=x 3 )
,el ncleo de f es el conjunto de todos los mltiplos escalares del vector

( 1,1, 1 ) .
Ejemplo
Sea la transformacin lineal

f : R R

IMAGEN DE UNA TRANSFORMACIN LINEAL:

f :V W es el conjunto imagen del dominio, es

La imagen de una T.L.

decir, es la totalidad de las imgenes de los vectores del primer espacio. El

smbolo

(f )

se lee imagen de f.

( f )={ f ( x)/ x V }
Tambin se sabe que
significa que
PROPIEDAD

f ( 0 v )=0 w

( f ) ,

( f ) W

en consecuencia

0w ( f )

lo que

La imagen de toda T.L. entre dos espacios vectoriales es un subespacio del

codominio.
Ejemplo:
Sea

0
f ( a , b )= a+b
0
a+b

f : R2
R 2 x 2 definida por

Indique si es una T.L., halle su ncleo e imagen

Solucin:

f [ ( a , b )+ ( c , d ) ]=f [ ( a+c , b+d ) ]= a+ b+c +d

0

(a+0 b

)(

0
a+b+ c+ d

0 + c+ d
0 =f ( a ,b ) +f ( c , d )
a+b
0
c +d

Tambin:

0
0 =f ( a ,b )
f ( ( a , b ) ) =f ( a , b )= a+b
= a+ b
0
a+ b
0
a+b

) (

Es una Transformacin lineal

Hallando su ncleo:

N ( f )= {( x 1 , x 2 ) R2 / f ( x1 , x2 ) R2 x 2 }

( )(

x +x
0
f ( x 1 , x 2 )= 0 0 1 2

x 1+ x 2=0
x 1=x 2
( x 1 , x 2 ) N ( f )
0 0
0
x 1+ x2
N ( f )= { ( 1,1 ) / R } ( el ncleo de

ordenados de componentes opuestos )

La imagen se puede definir tambin por

I ( f )={ y W tal que existe x V y f ( x )= y }

La imagen:

I ( f )={ A R2 x2 / f ( x 1 , x 2 ) A }

es el conjunto de los pares

( )

A= a b I ( f ) ( x 1 , x 2 ) R2 / f ( x 1 , x 2 ) A
c d

x 1+ x 2
0
= a b x 1+ x2 =a=d b=c=0
c d
0
x1+ x2

)( )

( )

I ( f ) est dado por A= a 0

0 a

La matriz

(10 01)

es un sistema de generadores de la

I ( f ) , constituye

una base de dimensin 1.

TEOREMA:
Sea V un espacio vectorial de dimensin finita, entonces la dimensin de

est dada por:

dim ( V )=dim ( N ) +dim ( I )

Observacin
Sea f una transformacin lineal, entonces el rango de f se define como la
dimensin de su imagen y la nulidad de f se define como la dimensin de su
ncleo, es decir:

ran ( f )=dim ( I (f ) )
nulidad ( f )=dim ( ker ( f ))
ran ( f )+ nulidad ( f )=dim ( V )
Ejemplos
1. Determine el ncleo, la imagen y las dimensiones de ambos en la
siguiente transformacin lineal

f ( x 1 , x 2 , x 3 ) =(x 1+ x2 + x 3 , x 2 + x 3)
Solucin

f : R3 R 2 definida por

Determinamos el ncleo de la transformacin lineal:

x 2+ x 3=0

resolviendo

x 1=0 , x2 =x 3

este

sistema

de

ecuaciones

, luego el ncleo esta dado por t(0,1,-1)

mltiplos escalares del vector

(0,1,1)

x 1+ x 2 + x 3=0 ,
tenemos

, es decir los

, se obtiene una base

{(0,1,1) }

cuya dimensin es uno.

Determinamos

la

imagen,

( x , y ) Imf

sea

entonces

( x , y )=( x 1+ x 2 + x 3 , x 2 + x3 )
Luego formando la combinacin lineal

Luego

( )( )( )
1 0
1 0
1 0
1 1 1 1 0 1
1 1
0 0
0 0

( x , y )=x 1 (1,0 )+ x2 ( 1,1 )+ x3 (1,1)

, la imagen de

es generada por

{ ( 1,0 ) ,(0,1)}
Cuya dimensin es dos.
2. Ejemplo
Sea la transformacin lineal

f : R2 R3 definida por f ( x 1 , x 2 )=(x 1+ x 2 , x 1x 2 , x 1 +2 x2 )

; determine el ncleo y

la imagen e indique una base y la dimensin

Solucin
Determinando el ncleo

f ( x 1 , x 2 )=( x1 + x 2 , x 1x 2 , x 1 +2 x 2 )= ( 0,0,0 )

Se tiene el siguiente sistema de ecuaciones lineales

x 1+ x 2=0 , x 1x 2=0 , x 12 x 2=0

Entonces
base

x 1=0 , x2 =0

{ ( 0,0 ) }

, se obtiene

f ( v )=0 R

tal que

es de dimensin cero.

Calculando la imagen

f ( x 1 , x 2 )=( x1 + x 2 , x 1x 2 , x 1 +2 x 2 )=u

v =(0,0)

, cuya

Donde

(11

u=x 1 ( 1,1,1 )+ x 2 ( 1,1,2 )

) (

, llevando a la forma matricial

) (

1 1 2 0 3 2 0 3
1 2
1 1 2
0 2 1

, luego la imagen es generada por

{ ( 2,0,3 ) , ( 0,2,1 ) }

los vectores que forman la base

de dimensin dos.

PROBLEMAS

1.Sea la aplicacin T :R2 R2 tal que T(x,y)=(2x-y,3y-2x), y sean v=(3,4) un vector y

B1= {( 1 , 2 ) ,(1 , 1)} ,B2== {( 2 , 1 ) ,(1 ,3)} bases de R2 calcule verifique segn
sea el caso :
Sean los vectores B1=

{( 1,2 ) ,(1,1) } , B2== {( 2,1 ) ,(1,3)}

hacemos una combinacin lineal de los vectores de la Base B2

(1,2)=a(2,1) +b(-1,-3)

(1)=[1/5 -3/5]

(-1,1)=c(2,1)+d(-1,-3)

(2)=[-4/5 -3/5]

hacemos una combinacin lineal de los vectores de la Base B1

(2,1)=a(1,2)+b(-1,1)

(1)=[1 -1]

(-1,-3)=c(1,2)+d(-1,1)

(2)=[-4/3 -1/3]

( ) ( )
1
5
3
5

P=

4
5
3
5

4
3
1
1
3
1

Q=

Para demostrar si PQ=QP=I

Reemplazamos en P y en Q

( )( ) ( )
1
5
3
5

4
5
3
5

4
3
1
1
3
1

5
5

5
5

( )( ) ( )
4 1
3
5
1 3
1
3
5
1

4
5
3
5

5
5

5
5

=I

=I

Para verificar si [T]B2=Q[T]B1P Solamente reemplazamos lo hallado

(31 1
7 )

[T]B2=

(31 1
7 )

(30 45)

por lo tanto

( )( )( )
4
1
3
0 4 5
1 3 5 3
1
3
5

4
5
3
5

(31 1
7 )

3 1
1 7

[T]B1=

( )(

4
3 4 4
1 6 1
1
3
1

(3/5)

(31 1
7 )

2.Si Q-1AQ=B donde B es un matriz triangular cuyos elementos de la diagonal principal

son valores propios de 1, 2, 3, n Demostrar que Bk es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K

B=

1
0

1
0

0 0

0 0
0 0 n

0 0

0 0
0 0 n

) (
B2=

1
0

0 0

0 0
0 0 n

0
B2=

( 2)2

n+1

0
por induccin Bn+1=

( 2 )n+1

0
Bn B1=

( 2 )n

1
1

n+1
k

0
0

0
0
Bn B1=
Bk=

( 2)n+1
( 2)k

por lo tanto queda demostrado por induccin que B k es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K

3. Es posible diagonalizar la matriz A=

1
0
0
0
0

1
1
0
0
0

1
1
1
0
0

1
1
1
0
0

1
1
1
1
1

Solucin:

Hallamos el polinomio caracterstico

P(x)=/

1
0
0
0
0

P(x)=/

1
1
1 1 1
0
1
1 1 1
0
0
1 1
1 /
0
0
0

1
0
0
0
0 1

1
1
0
0
0

1
1
1
0
0

1
1
1
0
0

1
1
1
1
1

)(

P(x)=/A I/

1
0

0
0
0

0
1
0
0
0

0
0
1
0
0

0
0
0
1
0

0
0
0 /
0
1

P(x)=(1-- )4 (- =0

=1 de multiplicidad 4 ; es el nico que analizamos ya que

tiene multiplicidad 4 nos debe de salir 4bases.
= 0 de multiplicidad 1

p
p
q
q
3
Sea V(1)= ( p ,q ,r , s , t ) R A r = r >
s
s
t
t

()()

1
0
0
0
0

1
1
0
0
0

1
1
1
0
0

1
1
1
0
0

1
1
1
1
1

)( ) ( )
p
p
q
q
r = r
s
s
t
t

p+q+r+s+t=0
q+r+s+t=0
r+s+t=0
t=s
t=0
resolviendo nos sale que
q=0, r=0, s=0, t=0 como no aparece p entonces es un definido con
un parmetro
por lo tanto quedara:
(p,q, r,s,t)V(1)( p,q,r,s,t)=[(1,0,0,0,0)]
por lo tanto la matriz A no ser diagonlizable.
4. Sea la aplicacin lineal F: R3 R3 definida como
F(-1,1,3)=(6,-4,16),

F(-2,1,1)=(-2,-5,1)

F(3,2,-1)=(1,14,-12)

a Calcule la matriz asociada con respecto a la base cannica de R3.

b Calcule el ncleo y la imagen de la aplicacin.
c Calcule la aplicacin inversa si es posible.
Solucin:
a
F(-1,1,3)=(6,-4,16) (-1)F(1,0,0) +(1)F(0,1,0) + (3)F(0,0,1) =(6,-4,16) .(1)
F(-2,1,1)=(-2,-5,1) (-2)F(1,0,0) +(1)F(0,1,0) + (1)F(0,0,1) =(-2,-5,1) .(2)
F(3,2,-1)=(1,14,-12) (3)F(1,0,0) +(2)F(0,1,0) + (-1)F(0,0,1) =(1,14,12) ..(3)

Resolviendo (1),(2) y (3)

F(1,0,0)=(2,3,1) , F(0,1,0)=(-1,2,4)

F(0,0,1)=(3,-1,7)

por lo tanto la matriz asociada con respecto a la base cannica de R 3 ser:

A=

2 1 3
3 2 1
1 4
7

A=

2 1 3 x
0
3 2 1 y = 0
1 4
7 z
0

b)

)( ) ( )

De la matriz asociada A obtenemos.

Restando filas.

)( ) ( ) ( )( ) ( )

2 1 3 x
0
=
3 2 1 y
0
1 4
7 z
0

1 0 0 x
0
=
0 1 0 y
0
0 0 1 z
0

Por lo tanto el ncleo o Kerf ser =

La imagen de la aplicacin = F(x,y,z)=(2x-y+3z,3x+x2y-z,x+4y+7z)

MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL

Supongamos que
sobre

un

{ e 1 , e 2 , , e n }

cuerpo

v =a1 e1 +a 2 e 2 ++a n en
a

{e i }

es una base de un espacio vectorial

y

para

vV,

supongamos

, entonces el vector coordenado de

V
que

relativo

el cual se escribe como un vector columna a menos que se

especifique lo contrario, est dado por:

a1
[ V ] e= a 2

an

()

REPRESENTACIN MATRICIAL DE UN OPERADOR LINEAL

Sea T un operador lineal en un espacio vectorial V sobre un cuerpo K

{ e 1 , e 2 , , e n }

supongamos que

es una base de V y por tanto se puede

expresar una combinacin lineal de los vectores de la base, es decir:

T ( e )=a11 e1 +a 12 e 2+ +a1 n e n
1

T ( e )=a21 e 1+ a22 e2 ++ a2 n e n
2

T ( e )=an 1 e 1 +an 2 e 2+ +ann e n

n

DEFINICION.-La transpuesta de la matriz de los coeficientes de la

[ T ] e se llama representacin

representacin anterior denotada por

matricial de T relativa a la base

{e i }

a11

a 21 an 1 a12
a 22 an 2 a

a1 n

2n

[ T ]e =( ann )
Ejemplo 1:
Sea el espacio vectorial de todos los polinomios en T sobre R de
y

D:V V

base

el operador derivacin definido por

{1, t , t 2 , t 3 }
2

D( 1 )=0=0+0 t+ 0t +0 t
D(t )=1=1+ 0 t+0 t + 0 t

D (t )=2 t=0+2 t+ 0 t 2 +0 t 3
2

D ( P(t ) )=

d P(t )
dt

grado 3

, sea la

D (t )=3 t 2=0+ 0 t+3 t 2+ 0t 3

3

0
[ D ] e= 0
0
0

1
0
0
0

0
2
0
0

0
0
3
0

Ejemplo 2:
Sea T el operador lineal sobre

R2

definido por

Calculamos la matriz de T en la base

T ( x , y )=( 4 x2 y , 2 x+ y )

{ f 1=( 1,1 ) ; f 2=(1,0 ) }

Solucin
Tenemos:

T ( f )=T (1 ,1 )=( 2,3 )=3 ( 1,1 ) + (1, 0 )=3 f 1+ f 2

1

T ( f )=T (1 ,0 )=(4,2 )=2 ( 1, 1 )+ 2 (1, 0 )=2 f 1 +2 f 2

2

(1 2 )

[ T ] f = 3 2
TEOREMA
Sea

{ e 1 , e 2 , , e n }

sobre V entonces

una base de V y sea T un operador lineal cualquiera

v V

se cumple que:

[ T ] e [ V ] e =[ T (V ) ]e
Es decir si multiplicamos el vector coordenado de v por la representacin
matricial de T se obtiene el vector coordenado de

T (V ) .

Ejemplo 3:
Sea el operador lineal
sea

v =( 5 ,7 )

T : R2 R 2

, siendo la base

definido por

T ( x , y )=( 4 x2 y , 2 x+ y )

{ f 1=( 1,1 ) ; f 2=(1,0 ) }

v =( 5 ,7 )=7 ( 1 ,1 ) +2(1,0)=7 f 1+ 2 f 2
T (V ) =T (5 ,7)= ( 6 ,17 )=17 ( 1 ,1 ) +11 (1 ,0 )=17 f 1+11 f 2

[ V ]f = 7

(2 )

[ T (V ) ]f = 17
11

( )

( 1 2 )( 2) ( 11)

[ T ] f [ V ] f = 3 2 7 = 17 =[ T (V ) ] f
TEOREMA
Sea

{e 1 , e 2 , , e n }

una base de V sobre un cuerpo K y sea A el lgebra de

las matrices cuadradas de orden

n entonces la aplicacin:

un isomorfismo de un espacio vectorial

A ( v)

aplicacin es de 1 a 1 y sobre, para cualquier

T [T ]

sobre A es decir que la

S ,T A ( v )

y para cualquier

k K

[ T + S ]e =[ T ]e + [ S ] e y [ kT ]e =k [ T ] e
TEOREMA
Para operadores cualesquiera

S ,T A ( v )

, se tiene:

[ ST ] e =[ S ]e [ T ] e

Ejemplo
Sea

dimV =2,

supongamos que

{e 1 , e 2 }

es una base de V, T y S son

operadores sobre V tales que:

T ( e )=a1 e 1 +a2 e 2 S( e )=c 1 e1 +c 2 e2

1

T ( e )=b 1 e 1 +b2 e 2 S( e )=d 1 e1 +d 2 e 2

2

es

) (

[ T ] e = a1 b1 [ S ] e = c1 d 1
a2 b2

c2 d 2

( T + S )( e )=T (e ) + S( e )=a1 e 1 +a2 e 2+ c1 e 1+ c2 e 2

1

( T + S )( e )=T (e ) + S( e )=b 1 e 1 +b2 e 2+ d1 e 1+ d 2 e 2

2

[ T + S ]e = a1 +c 1 b1+ d 1 = a1 b1 + c1 d 1

a2 +c 2 b 2+ d 2

)(

a 2 b2

)(

c2 d 2

[ T ] e + [ S ]e
Tambin para

k K

( kT )e =kT (e ) =k ( a1 e 1+ a2 e2 ) =ka1 e1 + k a2 e2
1

( kT )e =kT (e ) =k ( b1 e 1+ b2 e2 ) =kb1 e 1+ kb2 e2

2

) (

[ kT ] e= ka1 k b1 =k a1 b1 =k [ T ]e
k a2

kb2

a2 b2

CAMBIO DE BASE
Definicin.- Sea

{ e 1 , e 2 , , e n }

una base de V y sea

{ f 1, f 2, , f n}

otra

base, supongamos que:

f 1 =a11 e 1+ a12 e2 + +a1 n e n

f 2=a21 e1 +a 22 e 2+ + a2 n en

f n=an 1 e 1+ an 2 e 2 + +ann e n
La traspuesta P de la matriz de los coeficientes se llama matriz de transicin
de la base antigua o primitiva

{e i } a lanueva base {f i }

.(

i=1,2, , n )

a11 a21
a n1
a12 a22
a n2
a1 n a2 n

P=( ann )
Como los vectores

f 1,f 2,,f n

es invertible, su inversa

son linealmente independientes, la matriz P

es la matriz de transicin de la nueva base a

la base antigua.
Ejemplo
Sean las bases

{e 1=( 1, 0 ) , e2=(0, 1)}

{ f 1=( 1 ,1 ) , f 2 =(1 , 0 ) }

luego

f 1 =( 1, 1 )=( 1 , 0 ) + ( 0 , 1 )=e1 +e 2
f 2=(1 , 0 )=1 ( 1 ,0 )+ 0 ( 0 ,1 ) =e1 +0 e 2

P= 1 1
1 0

e 1=( 1, 0 )=0 ( 1 ,1 )+ (1 ) (1 , 0 )=0 f 1f 2

e 2=( 0,1)=1 ( 1, 1 ) +1 (1 , 0 )=f 1 +f 2

P1=Q= 0 1
1 1

)(

)
)( )

PQ= 1 1 0 1 = 1 0 =I
1 0 1 1
0 1
TEOREMA
Sea P la matriz de transicin de una base
espacio vectorial V entonces

P [ V ]f =[ V ] e

v V

{e i }

a una base

se cumple que:

{f i}

en un

Es decir:

[ V ] f =P1 [ V ] e
TEOREMA
Sea P la matriz de transicin de una base
espacio V entonces

{e i }

a una base

{f i}

en un

operador lineal T sobre V se cumple que:

[ T ] f =P1 [ T ] e P
SIMILARIDAD
Supongamos que A y B son matrices cuadradas para los cuales existe una
matriz invertible P tal que:
a

B=P1 AP , entonces se dice que B es similar

o que se obtiene de A por una transformacin de similaridad. La

similaridad de matrices es una relacin de equivalencia.

TEOREMA
Dos matrices A y B representan el mismo operador lineal T si y solo si son
similares la una a la otra. Todos los representantes matriciales del operador
lineal T forman una clase de equivalencia de matrices similares.
Ejemplo
Sea T el operador lineal sobre R

T (1 ,1)=( 0 ,2 )
T (a ,b )

definido por

T (3 ,1)= ( 2,4 )

, por el teorema el operador lineal existe y es nico, hallar

en particular

T (7 ,4 )

Solucin
Sea un vector ( a , b )

( a , b ) =x ( 3 , 1 )+ y ( 1 ,1 )
a=3 x + y x=

b=x+ y y=

ab
2

a+3 b
2

tal que se forma la combinacin lineal:

Expresando

T ( a ,b )=T

T ( a ,b )=

T (a ,b )

como una combinacin lineal de

ab
a +3 b
( 3 , 1) +
( 1 ,1 )
2
2

T (3,1) y T (1,1)

, tenemos

ab
a+3 b
T (3 ,1 )+
T (1 ,1)
2
2

ab
a+3 b
( 2 ,4 )+
( 0 , 2 )=( ab ,3 a+5 b )
2
2

Para el caso particular de

T (7,4)

se tiene

T ( 7 ,4 )=( 3 ,11 )

VALORES Y VECTORES PROPIOS

En los diversos campos de la
ingeniera y las matemticas surge el
problema de calcular los valores
escalares y los vectores x 0 tales

que para la matriz cuadrada

cumple AX =X (1)

se

Algunos campos de aplicacin son:

Las
Ecuaciones
diferenciales,
Estabilidad de sistemas lineales,
Sistemas elctricos, Polos y ceros de
transferencia,
diagonalizacion
de
matrices, etc.
Podemos averiguar si el problema
planteado en (1) tiene solucin si
tenemos ( A I ) X =0 (2) , el problema se
transforma en un sistema lineal
homogneo BX =0 , el cual tiene
solucin para X =0 , cuando det ( B ) 0 , es
justamente lo que no nos interesa .El
numero se dice que es el valor
propio de la matriz cuadrada A si y
solo si det ( AI )=0 (3) esta es la
ecuacin caracterstica de la matriz
A
.El polinomio que surge de la
ecuacin (3) resulta un polinomio en

ponencias de
, la expresin

se le llama polinomio
caracterstico de la matriz A .El
polinomio caracterstico de una matriz
de dimensin nxn es de grado n , por
lo que se tiene n valores propios
que satisfacen la ecuacin (3) .
a ( ) =det ( AI )

VALOR PROPIO
Sea

T :V V

cuerpo

K.

un operador lineal sobre un espacio vectorial

Un escalar

vector diferente de cero,

se llama valor propio de

sobre un

si existe un

v V tal que T ( v )=v .

Todo vector que satisface esta relacin se llama vector propio de T

perteneciente al valor propio

Observacin: Las transformaciones lineales del espacio como la rotacin, la

reflexin, el ensanchamiento o cualquier combinacin de las anteriores
pueden interpretarse mediante el efecto que producen en los vectores .De
forma geomtrica los vectores se visualizan como flechas de cierta longitud
apuntado en una direccin y sentido determinado. Los vectores propios de
las transformaciones lineales son vectores que no se ven afectados por la
transformacin.
Ejemplo: Sea

un valor propio de un operador

conjunto de todos los vectores propios de

propio

(llamado el espacio propio de

subespacio de

T :V V . Sea

el

pertenecientes al valor

) Demostrar que

es un

V .

Demostracin
Sean

v , w V

; es decir

T ( v )=v ,T ( w )= w . Entonces para todo escalar

a , b K , T ( av +bw )=aT ( v ) +bT ( w )=a ( v ) +b ( w )= (av +bw)

luego

av +bw

es un vector propio perteneciente a

V es un

es decir

V .

subespacio de

TEOREMA

T :V V

Sea

entonces

un operador lineal sobre un espacio vectorial

es un valor propio de

singular, el espacio propio de

si y solo si

es entonces el ncleo de

V ,
es

T .

TEOREMA
Vectores propios diferentes de cero pertenecientes a valores propios
diferentes son linealmente independientes.
POLINOMIO CARACTERISTICO
Sea una matriz cuadrada A sobre un cuerpo K

a11 a12
a
a22
A= 21

a n1 an 2

La matriz

a1 n
a2 n

a nn

t n A

det ( t n A ) =0

se llama matriz caracterstica, el determinante

se

llama

ecuacin

caracterstica,

el

polinomio

caracterstico es de la forma:

( t )=( ta11 ) ( ta 22) ( t a nn ) ,n trminos con mximo n2 factores de la forma tan

Ejemplo
Sea la matriz

( )

A= 1 4
2 3

i) Hallar los valores propios de A y los correspondientes vectores propios

2i) Hallar una matriz inversible
Solucin:

tal que

P AP

sea diagonal

Ejemplo:

El polinomio caracterstico de la matriz A es:

1 3 0
A= 2 2 1
4 0 2

t1 3
0
3
2
( t ) = ( t A )= 2
t2 1 =t t +2t +4
4
0
t+ 2
Es un polinomio caracterstico, polinomio Mnico de tercer grado.
El polinomio caracterstico de una matriz de dimensin

n , por lo cual tendr

Si

es de grado

posibles valores propios.

es un valor propio de

AX =X X
de

nxn

y si X es el vector no nulo tal que

se dice vector propio de

correspondiente al valor propio

OBSERVACION:

tambin llamado autovalor, valor caracterstico o eigen

valor.
Ejemplo

Dada la matriz

3 1 1
A= 2 2 1
2 2 0

valores propios de

determine el polinomio caracterstico y los

Solucin

|( ) ( )| |

3 1 1
1 0 0
3
1
1
P ( )=det 2 2 1 0 1 0 = 2
2 1 =( 2 )( 2 ) ( 1 ) =0 Ent
2 2 0
0 0 1
2
2

=2 , =2 , =1

onces los valores propios son

POLINOMIO DE MATRICES Y OPERADORES LINEALES

Sea un polinomio

f ( t )=a n t +an1 t

cuadrada, entonces definimos:

n 1

++ a1 t +a 0

si A es una matriz

f ( A ) =an A +a n1 A

n1

++ a1 A+ a0

Se dice que A es una raz o un cero del polinomio si

f ( A ) =0.

TEOREMA
Sean

f y g dos polinomios sobre un cuerpo

cuadrada de orden

, sobre

i)

(f + g)( A) =f ( A)+ g( A)

ii)

(f . g)( A )=f ( A ) . g( A)

iii)

(kf )(A )=kf ( A )

k,

y sea A una matriz

k , entonces:

OBSERVACION
1. Los vectores propios de las transformaciones lineales son vectores
que no se ven afectados por la transformacin.
2. El valor propio de un vector propio es el factor de escala por el que ha
sido multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores
propios del mismo valor propio, adems del vector nulo que no es un
vector propio.
4. La multiplicidad geomtrica de un valor propio es la dimensin del
espacio propio asociado.
Ejemplo: Hallar los vectores propios de la matriz
SOLUCION:

AX =X

( A ) X=0

(13

2 X=0
2

Hallando los valores propios:

1
2 =0
3
2

( )

A= 1 2
3 2

3 4=0
1=1 , 2=4

Para

| ||

2 2 x 1 =0
3 3 x2

1=1

2 x 1 +2 x2 =0
3 x1 +3 x 2=0
x 1 +x 2=0 x 1=x 2
x1
=x 1 vector propio 1
1
x2
1

( ) ( )

Vector propio:

Para

( )

2=4

||

3 2 x 1 =0
3 2 x 2

3 x 1 +2 x 2=0
3 x1 2 x 2=0
3

x 1=2 x 2

( ) ()

x1
=t 2 vector propio 2
x2
3
3

TEOREMA DE CAYLEY-HAMILTON
Toda matriz es un cero de su polinomio caracterstico.
Ejemplo:

( )

A= 1 2
3 2

()

P ( )= 23 4
2

( ) ( ) ( )(

)( )( )( )

P ( A )= 1 2 3 1 2 4 1 0 = 7 6 3 2 4 0 = 0 0
3 2
3 2
0 1
9 10
9 6
0 4
0 0
TEOREMA
Si A es una matriz cuadrada de orden n y

es un valor propio de

es una raz del polinomio caracterstico.

MULTIPLICIDAD ALGEBRAICA
La multiplicidad algebraica de un valor propio

como cero del polinomio

caracterstico.
Ejemplo:

Si los valores propios de una matriz

A son

4, 4, 3, 3,3, 2,2, 1

significan que la multiplicidad algebraica del valor propio4 es 2, la de 3 es 3,

la de 2 es 2, la de 1 es 1.
2

(4) (3) (2) ( 1)=0

DIAGONALIZACION
Sea

T :V V un operador lineal sobre un espacio vectorial

con

dimensin finita entonces T es un operador lineal que se puede representar

por una matriz diagonal.

k2

Si y solo si existe una base

T ( v 1) =k 1 v 1
T ( v 2 )=k 2 v2

k1

kn

T =

{ v1 , v 2 , , v n }

de V tal que:

T ( v n )=k n v n
Es decir los vectores

{ v1 , v 2 , , v n }

a los valores propios

k1 , k2 , , kn .

son vectores propios de T perteneciente

OBSERVACION
Qu es diagonalizar?
Es determinar un sistema de referencia conveniente donde se tenga una
simplicidad para los clculos.
Para estudiar una matriz, suele ser conveniente expresarla de la forma ms
sencilla posible. Para estudiar una matriz suele ser conveniente expresarla
lo ms sencilla posible , diagonalizar una matriz

A es precisamente

escribirla de manera simple encontrando una matriz invertible

diagonal

( si es posible) tal que

A=PD P1

, la matriz

y una

se

tal

denomina matriz de paso .

MATRIZ DIAGONALIZABLE
Una matriz
que

n x n es diagonalizable si existe una matriz diagonal

A es semejante a D

. Si

es una matriz diagonal entonces los

valores propios son sus componentes en la diagonal .Si

es semejante a

entonces tienen los mismos valores propios , entonces si

diagonalizable ,

es semejante a una matriz diagonal.

FORMAS CUADRATICAS O CUADRICAS

Se llama forma cuadrtica a un polinomio homogneo de grado 2. Una
forma cuadrtica P tiene la siguiente expresin matricial:
n

P ( X )=X t AX= aij x j1 x i1

i=1 j=1

es

Donde X es una matriz columna de orden

de orden

nx 1 , A es una matriz cuadrada

nxn

OBSERVACION

A yX

Dadas las matrices

se presenta una forma cuadrtica

P ( )= X t AX
2

Ejemplo: P ( X )=2 x +6 xy + y

P ( X )= ( x

( )( )

y ) 1 x2 2 3 x
3 1 y
2

=( 2 x+3 y 3 x + y )1 x2 x
y
2x 1

()

=2 x 2+6 xy + y 2

2x 1

Ejemplo: P ( X )=x + y + 2 xy + z 5 xz +6 yz

( )( )
1

P ( X )= ( x

z) 1
9
2
2

9
2
1 2
1

x
y
z

Ejemplo: P ( X )=3 x y +t + w 5 z + xt+ wz+ xy

P ( X ) =( x

y t w

1
2

1
2

1
2

( )
3

1
1
2
z) 1 0
2
0

1
5
2

x
y
t
w
z

()

DIAGONALIZACION DE FORMAS CUADRTICAS

Una forma cuadrtica P se dice que se encuentra en su forma diagonal si en
ella no aparece ningn trmino mixto:

x i1 x j 1 coni j
P=a 11 x 12 +a22 x22 ++ ann x nn2=X t AX
Donde A es la matriz diagonal:

a11 0
0
0 a22 0
0 0

A=( a nn )
DEFINICION.- Se dice que una forma cuadrtica

q ( X )=X t AX

es

diagonalizable si existe una matriz no singular B, tal que al hacer la

transformacin

X =BY , resulta:

q ( Y )= ( BY )t A ( BY ) =Y t B t ABY =Y t D Y , donde D es una matriz diagonal tal que

q ( Y )=d 11 y12 +d 22 y 22 ++ d nn y nn2
Es una forma diagonal en las nuevas variables

y 1 , y 2 , y3 , , y n . Se dice

que B diagonaliza a la matriz A, esta matriz B siempre existe, para ello A es

una matriz simtrica, B es una matriz no singular.
En muchos casos los elementos de la matriz diagonal en la diagonal
principal son los valores propios de A.
Ejemplo:

Diagonalizar la forma cuadrtica, considere

2

q ( X )=x + 4 xy +5 y 2

( )

A= 1 2
2 5

, considere

Solucin:

q ( X )= ( x

( )

A= 1 2
2 5

( )( )

y) 1 2 x
2 5 y

B= 1 2
0 1

Sea X=BY

( xy )=( 10

)( )

2 y 1
1 y2

q ( y )= ( BY )t A ( BY )= ( y 1

( y1

y
y 2 ) 1 0 1 2 1 2 1
2 1 2 5 0 1 y2

)( )

)( )(

y
y 2 ) 1 2 1 2 1
0 1 0 1 y2

)( )

( )(

q ( y )=( y 1

( ) ( yy )=( y

y 2 )1 x 2 1 0
0 1

2x2

y 2 )1 x2

y1
y2

()

= y 12 + y 22

2x 1

OBS:

( )

A= 1 2
2 5

2 =0 26 +1=0
det ( A )=det 1
2
5
NOTA.- En el ejemplo la forma cuadrtica diagonalizable es:

q ( y )= y12 + y 22
Hemos hablado de la transformacin

X =BY

, la cual se interpreta como

una rotacin de coordenadas.

DIAGONALIZACION ORTOGONAL DE FORMAS CUADRTRICAS
Dada una forma cuadrtica
ortogonal

( P1=Pt )

P ( X )=X t AX , es posible hallar una matriz P

que diagonalice ortogonalmente a la matriz A, para

ello se debe tener en cuenta que:

1. Hallar los valores propios y vectores propios de la matriz A
linealmente independientes.
2. Los vectores

v 1 , v 2 , , v n forman una base ortonormal para lo cual se

utiliza el proceso de GRAM-SCHMIDT, es decir, hacer:

u1
u 1

a.

v 1=

b.

v k +1=uk +1[ uk +1 , v 1 v 1 + uk+1 , v 2 v 2+ + uk+ 1 , v k v k ]

'

v k +1

Calculamos los vectores

ortogonales a los vectores

que son ortogonales entre si, y son

{ v1 , v 2 , , v k }

modo que cada uno de los vectores

, formamos la matriz P de

v1 , v2 , , vn

son vectores

columna de la matriz P.
3. Se tiene la forma diagonalizable:

P ( X )=X t AX P (Y )=Y t ( Pt AP ) Y =Y t DY
Donde D es una matriz diagonal formada por valores propios de A.
Ejemplo:

Diagonalizar ortogonalmente la forma cuadrtica

2

P=3 w + 3 x +9 y +6 z + 2wx4 yz
Solucin:

3
A= 1
0
0

1 0
0
3 0
0
0 9 2
0 2 6

3
1
0
0
0
| A |= 1 3 0
=0
0
0
9 2
0
0
2 6

||

3
0
0
1
0
0
( 3 ) 0
9 2 0 9 2
0
2 6 0 2 6

( 3 )( 3 )( 5 ) ( 10 )( 5 ) ( 10 )=0
( 5 )( 10 ) ( 4 )( 2 ) =0
Los valores propios son:

1=2, 2=4 , 3=5 , 4 =10

1=2:

Para

1
1
0
0

|| |

1 0
0
1 1
1 0
0 0 0
0 7 2
0 0
0 2 4
0 0

0
1
0
0

0
0
1
0

x 1+ x 2=0
x 3=0

( x1

x 2 x 3 x 4 ) =t ( 1 1 0 0 )

x 4=0
Para

2=4 :

||

1 1
0
0
1 1 0
0

0
0
5 2
0
0 2 2

( x1

x 2 x 3 x 4 ) =s ( 1 1 0 0 )

Para

3 =5: ( 0 0 1 2 )

Para

4=10 : ( 0 0 2 1 )

v 1=

1 1 0 0
0 0 0 0
0 0 1 0
0 0 0 1

u1
1
1
=( 1,1, 0, 0 )=
, , 0,0
u 1
2 2

'
v 2=u 2 u1 , v 1 v 1= (1, 1, 0, 0 ) ( 1,1, 0, 0 ) ,

v 2=

v 2'
'

v 2

) (

1
1
, , 0, 0
2 2

1
1
, , 0, 0 =( 1, 1,0, 0 )
2 2

( 12 , 12 , 0,0)

v '3=u3[ u3 , v 1 v 1+ u3 , v 2 v 2 ]=( 0, 0, 1,2 ) ( 0, 0,1, 2 ) ,

( 12 , 12 , 0,0) ( 12 , 12 , 0, 0)+ ( 0, 0, 1,2) ,( 12

v 3=

v 3'
'

= 0, 0,

v 3

1 2
,
5 5

v '4=u 4[ u4 , v1 v 1 + u4 , v 2 v 2 + u 4 , v 3 v 3 ]

'

v 4=( 0, 0,2, 1 ) ( 0, 0,2,1 ) ,

v 4=

v 4'
'

= 0, 0,

v 4

2 1
,
5 5

1 1
1 1
1 1
, 0, 0 ) ( ,
,0, 0 ) + ( 0, 0,2, 1 ) , ( ,
, 0,0 ) ( ,
( 12 , 1
2 2
2 2 , 0, 0)
2
2 2

[ ]

1
2
1
P= 2
0
0

1
2
1
2
0
0

1
5
2
5

2
5
1
5

Luego:

1
2
1
D=Pt AP= 2
0

1
2
1
2

1
2
1
2

( ) ( )
0

1
2
1
2
0
0

0
0

1
5
2
5

3
1
2 0
5 0
1
5
0

P ( X )=X t AX P ( Y )=Y t DY =( y 1

Forma diagonalizada
NOTAS COMPLEMENTARIAS
Superficies

1 0
0
3 0
0
0 9 2
0 2 6

y2

y3

y4 )

2
0
0
0

0
4
0
0

0
0

1
5
2
5

2
=0
2
0
5 0
1
5
0

0
4
0
0

0 0
0 0
5 0
0 10

0 0 y1
0 0 y 2 =2 y 2+ 4 y 2 +5 y 2+ 10 y 2
1
2
3
4
5 0 y3
0 10 y
4

)( )

Definicin.
Dada la ecuacin

( x , y , z ) =0

en las variables

ecuacin en el espacio tridimensional ( R

P( x , y , z)

x , y , z ; la grfica de esta

) es el conjunto de todos los puntos

cuyas coordenadas satisfacen la ecuacin; a dicha grafica se

denomina superficie.
Ejemplo.
El plano, la esfera, etc.
Nota.
Existen ecuaciones tales como
a)

x 2+( y2)2 + z 2+8=0 ,

( a , b , c ) R3

b)

( x+ 2)2 +9( y+ 1)2 +5( z1)2=0 ,

! punto.

Que no representan a una superficie (a estos casos se denomina degenerado).

Esfera.
Definicin.
Una esfera es el conjunto de todos los puntos del espacio que equidistan de un punto
fijo llamado centro. La distancia de cualquier punto al centro es llamado radio.
Sea

P (x , y , z )

cualquier punto de la esfera

c (x 0 , y 0 , z0 )

luego la distancia

d ( P , c )=r ; r >0 d 2 ( P , c )=r 2 ; c (x 0 , y 0 , z0 )

( xx 0)2 +( y y 0 )2+( zz 0 )2=r 2 ()

Si el centro es el origen, entonces la esfera es

x 2+ y 2 + z 2=r 2 .

y radio

r >0 ,

La ecuacin
2

() es de la forma

x + y + z + Dx+Ey+ Fz+G=0

Discusin y grfica de la ecuacin de una superficie.

De manera similar a la discusin que se efecta antes de trazar la grfica de una
curva plana, en el caso de las superficies es tambin ventajoso discutir previamente
su ecuacin antes de construirla. Para discutir la ecuacin

E ( x , y , z )=0 de una

superficie se siguen los siguientes pasos:

I)

INTERSECCIONES CON LOS EJES COORDENADOS.

Son las intersecciones de la superficie con cada uno de los ejes coordenados.
i)

Con el eje

X . Se reemplaza

y=z=0

en la ecuacin de la

superficie y se analiza la ecuacin resultante.

ii)

Con el eje

Y . Se reemplaza

x=z=0

en la ecuacin de la

superficie y se analiza la ecuacin resultante.

iii)

Con el eje

Z . Se reemplaza

x= y=0

en la ecuacin de la

superficie y se analiza la ecuacin resultante.

II)

TRAZAS SOBRE LOS PLANOS COORDENADOS.

La traza de una superficie sobre un plano coordenado es la interseccin de la
superficie y el plano coordenado.

i)

Con el plano
superficie.

ii)

Con el plano
superficie.

iii)

Con el plano

XY . Se reemplaza

z=0

en la ecuacin de la

YZ . Se reemplaza

x=0

en la ecuacin de la

XZ . Se reemplaza

y=0

en la ecuacin de la

superficie.
III)

SECCIONES TRANSVERSALES O SECCIONES PARALELAS A

LOSPLANOS COORDENADOS.
Son las intersecciones de la superficie con planos paralelos a los planos
coordenados.
i)

Al plano
superficie.

ii)

Al plano
superficie.

iii)

IV)

Al plano

XY . Se reemplaza

z=k

en la ecuacin de la

XZ . Se reemplaza

y=k

en la ecuacin de la

YZ . Se reemplaza

x=k

en la ecuacin de la superficie.

EXTENSION DE LA SUPERFICIE:
Se entiende por extensin de la superficie a los valores reales que toman las
variables

x, y ,z

en la ecuacin.

El paso anterior facilita la determinacin de la extensin; por ejemplo, si al

estudiar las secciones paralelas al plano
interseccin con los planos
en la superficie
V)

z=k

cuando

XY

se determina que hay

k [ 3 ; 3 ] . Esto indica que

z varia entre 3 y 3 , es decir

z [3 ; 3 ] .

SIMETRIAS CON RESPECTO A LOS PLANOS COORDENADOS,

ALOS EJES COORDENADOS Y AL ORIGEN:
Previamente, se dice que dos puntos

son simtricos con

respecto a un plano si el plano es perpendicular al segmento que los une en su

punto medio.

Por otro lado, se dice que una superficie es simtrica con respecto al plano

, si el simtrico de cada punto de la superficie, respecto al plano

es tambin un punto de la superficie.

Si

P ( x , y , z ) es un punto del espacio, entonces:

a) El simtrico de

P con respecto al plano

XY

es

Q ( x , y ,z ) .

b) El simtrico de

P con respecto al plano

XZ

es

Q ( x , y , z ) .

c) El simtrico de

P con respecto al plano YZ

es

Q (x , y , z ) .

Considerando que el lector est familiarizado a las simetras con respecto a una recta y
a un punto se sigue:
d) El simtrico de

P con respecto al eje

es

Q ( x , y ,z ) .

e) El simtrico de

P con respecto al eje Y

es

Q (x , y ,z ) .

f) El simtrico de

P con respecto al eje Z

es

Q (x , y , z ) .

g) El simtrico de

P con respecto al origen es Q (x , y ,z ) .

Se dice que una superficie es simtrica con respecto a una recta

da cada punto, respecto a la recta

si el simtrico

L , es tambin un punto de la superficie.

Se dice que una superficie es simtrica con respecto a una recta

de cada punto, respecto a la recta

si el simtrico

C , es tambin un punto de la superficie.

De las consideraciones anteriores, se deduce fcilmente la siguiente tabla:

Si la ecuacin de la superficie no se altera

La

superficie

cuando se reemplaza:

respecto al:

x por

plano

YZ

y por

plano

XZ

z por

plano

XY

por

eje

x por x z por

eje

x por x y

eje

z por z y

por

es

simtrica

con

por

x ,

yz

por

por

origen

VI)

CONSTRUCCION DE LA SUPERFICIE (GRFICA)

Con la ayuda de los pasos anteriores se construye la grfica de una superficie.
Ejemplo 1.
Discutir y graficar la ecuacin

9 x + 4 y 12 z=0 .

Solucin.
I.
INTERSECCION CON LOS EJES.
i)

Con el eje

Haciendo

X .

y=z=0 en la ecuacin se obtiene 9 x 2=0 x=0 .

La superficie intercepta al eje

en el origen de coordenadas.

Al estudiar las otras intersecciones se comprueba que el origen es el nico

punto de interseccin.

II.

TRAZAS SOBRE LOS PLANOS COORDENADOS.

i)

Sobre el plano
Haciendo

z=0

ii) Sobre el plano

Haciendo

9 x 2+ 4 y 2=0 . Esta ecuacin, en el

XZ .

y=0

se obtiene

9 x 212 z=0 . Esta ecuacin, en el

XZ , representa a una parbola.

iii) Sobre el plano

Haciendo
III.

se obtiene

XY , representa al origen de coordenadas.

plano

plano

XY .

YZ .

x=0 se obtiene la parbola 4 y 212 z=0 .

SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.

i)

Al plano

XY .

z=k

Haciendo
2

en la ecuacin de la superficie se obtiene

9 x + 4 y =12 k .
Se observa que hay interseccin solamente cuando
es un punto, si
ii) Al plano
Haciendo

k 0

(si

k =0

k >0 es una elipse)

XZ .
y=k

en la ecuacin de la superficie se obtiene

9 x 212 z + 4 k 2=0 .
Esta ecuacin representa a una parbola
iii) Al plano
Haciendo

YZ .
x=k

V.

EXTENSION.

De III (iii) se obtiene

xR .

De III (ii) se obtiene

y R .

De III (i) se obtiene

z [ 0 ; + .

xR .

SIMETRIAS.
La superficie es simtrica con respecto al plano
eje

VI.

Z .

GRFICA.
La grfica

de

ecuacin

denomina

se

paraboloide elptico.

Ejemplo 2.

esta

4 y 12 z +9 k =0 .

en la ecuacin se tiene

Esta ecuacin representa a una parbola

IV.

xR .

YZ , al plano

XZ

y al

y 4 y +2 z=0 .

Discutir y graficar la superficie cuya ecuacin es

I.

Solucin
INTERSECCION CON LOS EJES.
i)

Con el eje

X .

Haciendo

y=z=0

en la ecuacin se obtiene

0=0 , esto significa

que todo punto del eje satisface la ecuacin de la superficie, es decir, la

interseccin de la superficie con el eje

ii) Con el eje
Haciendo

Haciendo

X .

Y .
x=z=0 y 24 y=0 y=0 y =4 .

Las intersecciones son los puntos

iii) Con el eje

es el eje

P1 (0,0,0) y

P2 (0,4,0) .

Z .

x= y=0 2 z =0 .

La interseccin es el origen de coordenadas.

II.

TRAZAS SOBRE LOS PLANOS COORDENADOS.

i)

Sobre el plano

XY .

Las trazas son las rectas:

eje

(eje

X )

y=4

(paralelo al

X )

ii) Sobre el plano

XZ .

La traza es la recta:
iii) Sobre el plano

z=0 (eje

X ).

YZ .

La traza es la parbola
III.

y=0

y 24 y +2 z=0 .

SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.

i)

Al plano
Haciendo

XY .

z=k y 4 y+ 2 z=0 y=2 42 k .

Existe interseccin

k2

son dos rectas paralelas)

ii) Al plano

XZ .

(Para

k =2

es una recta, para

k <2

y=k

Haciendo

2 z =4 kk
iii) Al plano
Haciendo
parbola
IV.

en la ecuacin de la superficie se obtiene

, es una recta

k R .

YZ .
x=k

en la ecuacin se tiene

y 24 y +2 z=0 , es una

kR .

EXTENSION

xR

(De III iii)

y R (De III ii)

z ; 2 ]
V.

(De III i)

SIMETRIAS
Existe simetra con respecto al plano

VI.

YZ .

GRFICA
La grfica de esta ecuacin se denomina cilindro parablico.

Superficies cuadrticas
Una superficie cudrica o simplemente cudrica o cuadrtica es la grfica de una ecuacin
de segundo grado en las variables

x, y ,z .

Algunas superficies cilndricas o superficies de revolucin son ejemplo de cudricas. En

esta seccin se dar algunas formas estndar de las superficies cudricas cuyas ecuaciones
estn en su forma ms simple.
Considerando que el alumno est en condiciones de discutir la ecuacin de una superficie,
nos limitaremos a describir algunas propiedades de estas superficies.

Elipsoide.
Su ecuacin es de la forma:

x2 y 2 z2
+ + =1
a2 b2 c 2
Donde a ,

b y c son nmeros positivos.

x [a ; a ]
y [ b ; b ]
z [c ; c ]
Si

a2=b2=c2 , es una esfera.

Si

a2=b2 (o b2=c 2 , o a2=c 2 ) es un elipsoide de revolucin o esferoide.

Un esferoide cuyo tercer nmero es mayor que los dos nmeros iguales, se llama
esferoide alargado (la elipse que la genera gira alrededor de su eje mayor). Si el
tercer nmero es menor que los dos nmeros iguales, se llama esferoide achatado (la
elipse que la genera gira alrededor de su eje menor).
Las secciones transversales a los planos coordenados son elipses o circunferencias.
(en los planos

x= a ,

y= b ,

z= c , se reduce a un punto).

Esta superficie es simtrica con respecto a uno de los planos coordenados, simtrica
con respecto a cada uno de los ejes coordenados y simtrica con respecto al origen.
La grfica se muestra arriba.

El origen es el centro del elipsoide. Si el centro del elipsoide es el punto

C ( x0 , y0 , z0 )

( xx 0)

a2

, su ecuacin es de la forma

( y y 0 )
b2

( zz 0 )
c2

=1

Hiperboloide elptico (o circular) de una hoja.

Su ecuacin es de la forma:

x2 y2 z2
x2 y2 z2
x2 y2 z2
+

=1
o

+
=1,
o
+ + =1
a2 b2 c 2
a2 b2 c 2
a2 b 2 c 2

En la figura de abajo se muestra la grfica de

x2 y 2 z2
+ =1
a2 b2 c 2

A continuacin se describe algunas propiedades de esta superficie.

x ; a ] [ a ; +
y ;b ] [ b ; +
z ;+

Si

a =b

Si

a2 b2 , es el hiperboloide elptico de una hoja.

, es una superficie de revolucin (hiperboloide circular de una hoja)

Las secciones transversales al plano

XY

son elipses o circunferencias segn si

a2 b2 o a2=b2

Las secciones transversales al plano

y=b ,

los planos

XZ

o el plano

YZ

son hiprbolas. (En

x=a son dos rectas que se cortan).

Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
El centro de esta superficie es el origen de coordenadas. Si su centro es

C ( x 0 , y 0 , z 0 ) , su ecuacin es de la forma:

( xx 0)
a2

( y y 0 )

b2

( zz 0 )
c2

=1

Hiperboloide elptico (o circular) de dos hojas.

Su ecuacin es de la forma:

x 2 y 2 z 2
x2 y2 z2
x2 y2 z2
+

=1

=1,

+ =1
a2 b2 c2
a2 b 2 c 2
a2 b 2 c2

Donde a ,

b y c son nmeros positivos.

En la figura de abajo se muestra la grfica de

x 2 y 2 z 2
+ =1
a 2 b 2 c2

En lo que sigue, se describe algunas propiedades de esta superficie.

x ; +

y ;b ] [ b ; +
z ;+

Si

a2=c 2 , es una superficie de revolucin (hiperboloide circular de dos hojas).

Si

a2 c2 , es el hiperboloide elptico de dos hojas.

Las secciones transversales al plano

a2=c 2 o a2 c2 . (En el plano

XZ

son circunferencias o elipses segn si

y=b , es un punto).

Esta superficie es simtrica con respecto a los ejes coordenados, a los planos
coordenados y al origen.
El centro de esta superficie es el origen de coordenadas. Si su centro es

C ( x 0 , y 0 , z 0 ) , su ecuacin es de la forma:
( xx 0 )2 ( y y 0 )2 ( zz 0 )2
+

=1
a2
b2
c2

Observacin
Las tres superficies cudricas (elipsoide, hiperboloide de una hoja e hiperboloide de
dos hojas) tambin se denominan cudricas centrales. En general cualquier ecuacin
de la forma:
2

( xx 0 )
a2

Donde a ,
en

( y y 0 )
b2

( zz 0 )

b y c

c2

=1

son positivos, representa a una cudrica central con centro

C ( x0 , y0 , z0 ) .

Si los tres signos son positivos: elipsoide.

Si dos signos son positivos y uno es negativo: hiperboloide de una hoja.
Si dos signos son negativos y uno es positivo: hiperboloide de dos hojas.
Si los tres signos son negativos: es el conjunto vaco.
Paraboloide elptico (o circular)
Su ecuacin es de la forma

x y
x z
y z
+ 2 =cz o 2 + 2 =cy , o 2 + 2 =cx
2
a b
a b
a b
Donde a ,

b y c son nmeros positivos y c 0 .

En la figura de abajo se muestra la grfica de

2

x y
+ =cz
a2 b2

Con c >0 , (si

c <0

el paraboloide se extiende hacia la parte negativa del eje

Z ). Las propiedades de esta superficie son:

x ; +
y ;+
z ; 0 ]
(si c <0 ,

z ; 0 ] )

Si

a2=b2 , es una superficie de revolucin (paraboloide circular).

Si

a2 b2 , es el paraboloide elptico.

Las secciones transversales al plano

2

a =b

a b

. (En el plano

XY

son circunferencias o elipses segn si

z=0 , la traza es un punto).

Esta superficie es simtrica con respecto al eje

YZ .

Z , al plano

XZ

y al plano

El vrtice de esta superficie es el origen de coordenadas. Si el vrtice es

V ( x0 , y 0 , z 0 )

( xx 0)

a2

, su ecuacin es de la forma:

( y y 0 )

b2

=c(z z0 )

En los otros casos, la ecuacin es de la forma:

( xx 0)
a2

( zz 0 )
b2

=c ( y y 0 ) o

( y y 0 )
a2

( zz 0 )
b2

=c (xx 0)

Paraboloide hiperblico.
Su ecuacin es de la forma

y2 x2
z 2 x2
z2 y2

=cz
o

=cy
,
o
=cx
b 2 a2
b2 a2
b2 a2

Donde a ,

b y c son nmeros positivos y c 0 .

En la figura de abajo se muestra la grfica de

y2 x2
=cz
b 2 a2
Con

c >0 .

Las propiedades de esta superficie son:

x ; +
y ;+
z ; +

XY

Las secciones transversales al plano

son hiprbolas (En el plano

son dos rectas que se cortan). Las secciones transversales al plano

YZ

XZ

z=0

y al plano

son parbolas.

Z , al plano

Esta superficie es simtrica con respecto al eje

XZ

y al plano

YZ .
El origen de coordenadas es el punto de silla (de montar) de esta superficie. Si el

S ( x 0 , y 0 , z 0 ) , su ecuacin es de la forma:

punto de silla es

( y y 0 )

b2

( xx 0 )
a2

+ c ( zz 0 )

En los otros casos, la ecuacin es de la forma:

2

( zz 0 )
b

( xx 0 )
2

=c ( y y 0 ) o

( zz 0 )
2

( y y 0 )
2

=c( x x0 )

Cono elptico (o circular)

Su ecuacin es de la forma:

x2 y 2 z2 x2 z2 y2
x 2 y 2 z2
+
=
o
+
=
=,
o
+ =
a2 b2 c 2 a 2 b2 c 2
a2 b2 c 2

Donde a ,

b y c son nmeros positivos.

En la figura de abajo se muestra la grfica de la superficie

x2 y 2 z2
+ 2= 2
2
a b c

Esta superficie tiene las siguientes propiedades:

xR

y R

zR
Si

a2=b2 , es una superficie de revolucin (cono circular).

Si

a2 b2 es el cono elptico.

Las secciones transversales al plano

2

a =b

,o

a b

. (En el plano

Las secciones transversales al plano

planos

y=0 y

XY

son circunferencias o elipses segn si

z=0 la traza es el origen de coordenadas).

XZ

y al plano

YZ

son hiprbolas (En los

x=0 son dos rectas que se cortan).

Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
El origen de coordenadas es el vrtice de esta superficie. Si el vrtice es

V ( x0 , y 0 , z 0 ) , la ecuacin es de la forma:

( xx 0)
a2

( y y 0 )
b2

( zz 0 )
c2

En los otros casos, la ecuacin es de la forma:

( xx 0)
2

( zz 0 )

( y y 0 )
c

( zz 0 )
2

( y y0 )
2

( xx 0 )
c

PROBLEMAS
1. Reconocer y graficar con respecto a los nuevos ejes 7 x
2
+5 z

- 4xy + 6x - 6y + 12z -

19
2

+6 y

=0, indique los valores y

vectores propios.
Solucin:
Se expresa la ecuacin en su forma matricial

)( )

2 0 x
6 0 y
0 5 z

( x y z ) 2
0

()
x

+ 6 ( 1 1 2 ) y

19
2

=0

Hallamos los valores y vectores propios de:

7 2 0
2 6 0
0
0 5

7 2
0
2 6
0
0
0
5

Para

=5

2
= ( 5 )( 13 +38 )=0

13 17
2

=5:

)( ) ( )

2 2 0 x
2 1 0 y
0
0 0 z

0
0
0

13+ 17
2

x=y=0 , z=t

Para

13 17
2

(
3

1+ 17
2

1+ 17
2

3+ 17
2

13+ 17
2

()
0
0
1

x=y=z=0

Para

v1

v2

() ()
x
y
z

()
0
0
0

1 17
2

1 17
2

3 17
2

x=y=z=0

v3

() ()

()

'

( ) ( )( )
x
y
z

x
y
z

0
0
0

Entonces:

Luego:

0
0
0

0 0 0 x
'
0 0 0 y
1 0 0 z'

0
0
0

( x'

(x

y' z' )

'

5 x'

'

z)
'

0
13 17
2
0

0
13 17
2

0
13+ 17
2

13+ 17
2

)( )
)( )
x'
y'
z'

'

13 17 2
y'
2

'
5 ( x +1.2 )

(
(

x
'
y
'
z

()
x

+ 6 ( 1 1 2 ) y

x'
'
+ 6 (2 0 0) y
z'

13+ 17 2
z'
2

13 17 2
y'
2

()

- 19/2 = 0

+ 12x - 9.5 = 0

13+ 17 2
z'
2

- 19/2 = 0

- 16.7= 0

Reemplazando por traslacin:

x ' +1.2 =x
13 17 2
y'
2

5 x' '2 +

Haciendo x constante:
13 17 2
y' +
2

13+ 17 2
z'
2

13+ 17 2
z'
2

- 16.7= 0

- 16.7 +

cx = 0

Formaelipsoideal

Haciendo y constante:
5 x' '

13+ 17 2
z'
2

- 16.7 +

cy = 0

Forma elipsoideal

Haciendo z constante:
5 x' '

13 17 2
y ' + c z =0
2

Formaelipsoideal

Entonces en conjunto formaran un esferoide o un elipsoide de

revolucin.

2. Resolver el sistema de ecuaciones diferenciales

X

'
(t)

2 1 0
1 2 1 X (t)
0 1 2

X (0)

()
9
10
11

Solucin:

Sea A=

2 1 0
1 2 1
0 1 2

Luego hallamos los valores y vectores propios de A:

2 1
0
1 2 1
0
1 2

=0

1 =2,
Para

)( ) ( )

2 =2-

2 ,

( 2 ) ( 24 +2 ) =0

3 =2+

=2:

0 1 0 x
1 0 1 y
0 1 0 z

Para

=2-

2 :

0
0
0

y=0, -x-z=0

v1 =

()
1
0
1

)( ) ( )

2 1 0 x
0
1 2 1 y = 0
0
0 1 2 z

Para

()

2 :

=2+

)( ) ( )

2 1
0
x
1 2 1 y
0
1 2 z

0
0
0

1
1
2 2 ,
1
1

2
0
2
1
2 2
2
4
1 2 1

( )
1
2
1

v2 =

x=z, y=- 2 x

1
0
1

Luego P=

2 x

x=z, y=

1
2
1

v2 =

Se sabe:

e At = P.

e At =

e Jt . P1

1
1
= 4 0
1

At

1
4

e2 t
0
e 2 t

e Jt =

)(

2t

e
1
1
2 2 0
1
1
0

0
e

(2 2) t

)(

0
0
e(2+ 2)t

)(

e2 t
0
0
( 2 2 )t
0 e
0
(2 + 2 )t
0
0
e

2
0 2
2 2
2
1 2 1

e (2 2) t
e (2+ 2 )t
2
0
2
(2+ 2)t
(2 2) t
2 2
2
2 e
2 e
(2 2) t
(2+ 2 )t
1 2 1
e
e

e At =

2 e 2t +2 e( 22 )t +e(2+ 2)t
1
2 2 e( 22 ) t 2 e(2+ 2)t
4
2 e2 t + 2 e( 2 2 )t + e(2+ 2)t

2e (2 2) t 2 e(2 + 2)t 2 e 2t +2 e( 22 )t +e(2+ 2)t

2 e( 22 )t +2 e(2+ 2)t
2 2 e( 22 ) t 2 e(2+ 2)t
2e (2 2) t 2 e(2 + 2)t 2 e 2 t +2 e( 22 ) t +e(2+ 2)t

Xt =

2 e 2t +2 e( 22 )t +e(2+ 2)t
1
2 2 e( 22 ) t 2 e(2+ 2)t
4
2 e2 t + 2 e( 2 2 )t + e(2+ 2)t

)( )

2e (2 2) t 2 e(2 + 2)t 2 e 2t +2 e( 22 )t +e(2+ 2)t 9

2 e( 22 )t +2 e(2+ 2)t
2 2 e( 22 ) t 2 e(2+ 2)t 10
2e (2 2) t 2 e(2 + 2)t 2 e 2 t +2 e( 22 ) t +e(2+ 2)t 11

3. Determine los valores propios de

A=

3
0
0
0

4 2 8
1 1 0
0 1 5
0 0 4

A 10 , sabiendo que

Solucin:
Como es una matriz triangular superior, solo la diagonal principal es
afectada.

10

310 0
0
0
10
0 1
0
0
10
0
0 (1 )
0
0
0
0
4 10

) (
=

310
0
0
0

0
1
0
0

0 0
0 0
1 0
0 4 10

Hallando los valores propios:

310
0
0
0
0
1
0
0
0
0
1
0
10
0
0
0
4

=0

10
10
( 3 ) ( 1 ) ( 1 ) ( 4 )=0

1 =
Para

10
= 3 :

310 , 2 =

3 = 1, 4 = 4 10

0
0
0
0
10
0 13
0
0
10
0
0
13
0
10
0
0
0
4 310

)( ) ( )
x
y
z
t

0
0
0
0

y=z=t=0

Para

3101
0
0
0

=
0
0
0
0

0
0
0
0
0
0
10
0 4 1

0
0
0
0

v2

()
0
1
0
0

v3

10
= 4 :

0
0
0
0

x=y=z=0

T : M 2 x 2 R3

(| |)

()

)( ) ( )
x
y
z
t

310410
0
0
10
0
14
0
0
0
1410
0
0
0

3.-Sea

= 1:

x=t=0

Para

v1

1
0
0
0

v4

()
0
0
0
1

una transformacin lineal tal como:

T a b =(a+2 bc , a+ 4 b+ d ,b +8 c+ d)
c d

()
0
0
1
0

a) Calcule una base y la dimensin del ncleo

b) Calcule la imagen
c) Obtener la matriz de T respecto a las bases

{[ ] [ ] [ ] [ ]}

1 1 , 1 0 , 0 0 , 0 1 en M
2x 2
1 1 1 0 0 1 1 1

d) Hallar la imagen de

1 3
2 2

Solucin:
Calculamos la base canonica:

(| |)

1 0
=(1,1,0)
0 0

(| |)

T 0 1 =(2,4,1)
0 0

(| |)

T 0 0 =(1,0,8)
1 0

(| |)

T 0 0 =(0,1,1)
0 1
Entonces la matriz ser:

1 2 1 0
A= 1 4 0 1
0 1 8 1

Desarrollando se llega a:

1 0 00
A= 0 1 0 0
0 0 10
Con lo que se puede decir que:
Dim I=3
Dim k=1

Adems la imagen generada seria:

{( ) ( ) ( )}

1 2 1
T= 1 , 4 , 0
0 1
8

Ahora hallaremos la Matriz T:

(| |)

T 1 1 =(2,6,10)
1 1

(| |)

1 1
=(0,1,8)
0 0

(| |)

T 0 0 =(0,1,1)
0 1

(| |)

0 1
=(1,5,10)
1 1

Por tanto la Matriz T ser:

2 0 01
T= 6 1 1 5
10 8 1 10

La imagen de

1 3
2 2

] ( ) ( ) ( ) ( )

1 3 =1 1 0 +3 0 1 +2 0 0 +2 0 0
2 2
0 0
0 0
1 0
0 1

De aqu:

1 6 2 0
T 1 3 = 1 12 0 2
2 2
0
3 16 2

1 0 00
0 1 00
0 0 10

La imagen generada seria:

{( ) ( ) ( )}

1 6 2
T = 1 , 12 , 0
0
3
16

5.a) Sea la matriz

0 cos sen
A = 0 sen cos
1
0
0

A :R R describa A en trminos geomtricos , grafique

Si

b) Una matriz A tiene valores propios 6 y12.Adems correspondiente a 6 que

es de multiplicidad 2, se tiene los vectores propios (1,0,-1) y (1,1,1) y para
12 se tiene el vector propio (1,-2,1) si se sabe que A es simtrica, determine
la matriz A.
Solucin:
a)

0 cos sen
2
2
0 sen cos =cos + sen =1
1
0
0

Sabes que la ecuacin de la grfica es:

cos 2+ sen 2=x 2 + y 2=1

Por tanto la grfica es:

b)
Sabemos que:
A=P.B.P -1
Entonces los datos nos dan los vectores propios con lo cual:

1 1 1
P= 0 1 2
1 1 1

De este hallamos su inversa la cual es:

1 3 6 3
P = 2 2
2
6
1 2 1
1

Adems sabemos su diagonalizacin gracias a los valores propios dados

tambin:

6 0 0
B= 0 6 0
0 0 12

Por tanto reemplazando en A=P.B.P-1 nos debe salir:

)(

1 1 1
6 0 0

0 1 2 0 6 0 1
3 0 3
1 1 1
0 0 12
A=
2 2
2
6
1 2 1

)
(

7 2 1
A= 2 10 2
1 2 7

SISTEMA DE ECUACIONES DIFERENCIALES

LINEALES DE PRIMER ORDEN

Sea el sistema

d x1
=g 1 (t , x 1 , x 2 , , x n)
dt
d x2
=g 2 (t , x 1 , x 2 , , x n)
dt

d xn
=gn (t , x 1 , x 2 , , x n )
dt

er
Se trata de un sistema de n ecuaciones de 1 orden,

se le conoce como sistema de primer orden.

d x1
=a11 ( t ) x 1 +a12 ( t ) x2 ++ a1 n ( t ) x n + f 1 ( t )
dt

d x2
=a21 ( t ) x1 +a 22 ( t ) x 2+ +a2 n ( t ) x n +f 2 ( t )
dt

d xn
=an 1 ( t ) x 1+ an 2 ( t ) x 2 ++ ann ( t ) x n + f n ( t )
dt

Se denomina sistema lineal, los coeficientes

supone son continuos en un intervalo comn
Cuando

f i ( t )=0

i=1,2,3, , n

lineal es homogneo.
Matricialmente se tiene
X ' = AX + F
x1
a11 ( t ) a12 (t ) a1 n (t ) x 1 f 1 ( t )
d x2
= a 21 ( t ) a22 ( t ) a2 n ( t ) x 2 + f 2 ( t )
dt

xn
an 1 ( t ) an 2 ( t ) ann ( t ) x n f n ( t )

()(

Es homogneo si
EJEMPLO

dx
=6 x + y + z +t
dt

)( ) ( )
'

X = AX

aij , f i

se

se dice que el sistema

dy
=8 x+7 y z+10 t
dt

)( ) ( )

6 1 1 x
t
X ' = 8 7 1 y + 10 t
2 9 1 z
6t

dz
=2 x +9 yz +6 t
dt
Un vector solucin en un intervalo

es cualquier matriz columna

de la forma que satisface al sistema.

x 1 (t )
X = x2 ( t )

xn ( t )

()

Cuyos elementos son funciones diferenciales que satisfacen el

sistema.
Un vector solucin equivale a n ecuaciones escalares:

x 1= 1 ( t ) , x 2= 2 ( t ) , , x n= n ( t )
Y tienen la interpretacin de un conjunto de ecuaciones paramtricas
en el espacio.

METODO MATRICIAL PARA

COEFICIENTES CONSTANTES
Sea el sistema homogneo
dx1
=a 11 x 1 +a 12 x2 + + a1 n x n
dt

SISTEMAS

DE

PRIMER

ORDEN

CON

dx2
=a21 x 1+ a22 x 2 ++a 2 n x n
dt

dx n
=an 1 x 1 +an 2 x2 ++ ann x n
dt

Donde los coeficientes aij son constantes

El
vector
solucin
est
dado

{ x 1=e t x 01 , x 2=e t x 02 , , x n=e t x 0n }

Para

y x0

constantes

por

e t x 0i= aij e t x 0 j ; i=1,2, ,n

j=1

Dividiendo por

se obtiene

( a11 ) x 01 +a12 x 02 ++ a1 n x 0n=0

a21 x 01 + ( a 22 ) x 02+ +a2 n x 0n=0

an 1 x 1 +a n 2 x 2+ +( ann) x n=0
n

El sistema de

ecuaciones lineales con

x 0 1 , x 02 , , x 0n

incgnitas

es

homogneo

.Por

consiguiente tiene una solucin no nula si y solo si

se anula el determinante, es decir

a11
a12
a21
a22

an1

an 2

a1 n
a2 n

a nn

=0 , es decir det ( AI )=0

El polinomio caracterstico asociado con el sistema

de primer orden determina las
ecuacin polinomica
propios

.Cada

nmeros

raz

x 1, x 2, , x

0
n

P ( )=0

races de la

, se llaman valores

determina

un

conjunto

de

y por lo tanto es una solucin

del sistema de ecuaciones diferenciales.

Dos soluciones correspondientes a dos valores
diferentes

1 , 2

son linealmente independientes,

entonces para todas las

n

soluciones

races distintas existirn

linealmente

independientes

(LI),

entonces la solucin del sistema homogneo ser la

n

combinacin lineal de estas

soluciones LI.

PROBLEMA DE VALOR INICIAL

Sea t 0 un punto en un intervalo
que depende de

donde x

t0
x1 (t 0 )
X ( t 0 )= x 2 ( t 0 ) , X=

xn (t 0 )

( ) ()
1
2

El

problema consiste en resolver

X = A X +F
sujeto a X ( )=X , es un problema
de valor inicial en el intervalo.
'

(t )

t0

(t )

PRINCIPIO DE SUPERPOSICION
Sean x , x , , x un conjunto de vectores
solucin de un sistema homogneo en un
intervalo I entonces la combinacin
lineal:
1

x=c 1 x 1 +c 2 x 2 ++ c k x k

En las que los C , i=1,2,3, , k son

constantes arbitrarias, tambin es una
solucin en el intervalo.
i

TEOREMA.- Criterio para las soluciones

linealmente independientes.
Sean:

x 11
x 1= x 21 , x 2=

xn 1

x 12
x 22 , , x =
n

xn 2

x1 n
x2 n

x nn

() () ()

n
vectores,
solucin
del
sistema
I
homogneo en un intervalo
el
conjunto de vectores solucin es L.I. en
I
si y solo si el WRONSKIANO es
diferente de cero

[ ]

x 11 x 12 x1 n
W ( x 1 , x 2 , , x n )= x 21 x 22 x2 n 0

x n 1 x n 2 x nn

SISTEMA LINEAL HOMOGENEO

CON COEFICIENTES CONSTANTES
Si una matriz A tiene n valores
, ,,
propios reales y distintos
siempre es posible determinar un
conjunto de n vectores propios
Linealmente independientes k , k , , k ,
donde:
1

x 1=k 1 e t , x 2=k 2 e t , , xn =k n e
1

El cual es un conjunto solucin del

sistema de ecuaciones diferenciales
homogneo.
La solucin general queda expresada
por:
x=k 1 e t +k 2 e t ++ k n e t
1

Ejemplo: Resolver

( )

X '= 2 3 X
2 1

Solucin:
Busquemos los valores y vectores propios de la matriz de los coeficientes:

( )

A= 2 3
2 1

3 =0
det ( A )= 2
2
1
23 4=( +1 ) ( 4 )=0
1=1 y 2=4
Para

1=1

| | | | | ||
3 3 1 1 x1 = 0
2 2
0 0 x2 0

x 1+ x 2=0 x 1=x2

( )

k 1= 1
1
Para

2=4

||

| | ||

2 3 2 3 x 1 = 0
2 3
0 0 x2 0

2 x 1+ 3 x 2=0

()

k 2= 3
2

( )

()

x 1= 1 e1 t , x2 = 3 e 4 t
1
2

( ) ()

x= 1 e1 t + 3 e4 t
1
2
VALORES PROPIOS REPETIDOS
Cuando los valores propios de una matriz A de orden

nxn

no

necesariamente son diferentes como por ejemplo en el sistema:

X ' = 3 18 X
2 9

2
det ( A )= 3 18 =( +3 ) =0
2
9

1= 2=3
Es una raz de multiplicidad algebraica 2, se obtiene el vector propio de
modo que:

()

()

k 1= 3 es un vector propio , x= 3 e3 t es lasolucion del sistema

1
1
Observacin:
En general si m es un entero positivo y
ecuacin caracterstica, mientras que
que

( 1 )

( 1 )
m+1

es un valor propio de multiplicidad m.

Ejemplo: Resolver

1 2 2
X ' = 2 1 2 X
2 2 1
Solucin:

1 2
2
det ( A )= 2 1 2 =0
2
2 1

es un factor de la

no lo es, entonces se dice

1= 2=1 y 3=5
Para

1= 2=1

| | ||

||

2 2 2
1 1 1 x1 0

2 2 2
0 0 0 x2 = 0
2 2 2
0 0 0 x3 0

x 1x2 + x 3=0
1
0
k 1 = 1 ; k 2= 1
0
1

() ()

1
0
t
t
x 1 = 1 e , x2 = 1 e
0
1

()

Para

()

3 =5

| | ||

||

4 2 2
1 0 1 x1 0
2 4 2 0 1 1 x2 = 0
2 2 4
0 0 0 x3 0

x 1 + x 3=0
x 2+ x 3=0
1
1 5 t
k 3 = 1 ; x 3= 1 e
1
1

( ) ()

1
0
1
t
t
5 t
x= 1 e + 1 e + 1 e
0
1
1

() () ( )

FORMA CANONICA DE JORDAN

Sea una matriz cuadrada de orden
valores propios L.I.

1 , 2 , , n

La matriz diagonal D:

nxn

dicha matriz tiene

D=diag ( 1 , 2 , , n ) generan los vectores propios v1 , v 2 , , v n .

R

DEFINICION.- Sea

, se dice que la matriz es un bloque de Jordn si

es de la forma:

10 00
0 1 00
B ( )= 0 0 0 0

000 1
000 0

( )

B ( ) es una matriz cuadrada de orden k con

en la diagonal, cifras 1

como se indica y cifras 0 en el resto.

Ejemplo: Sean las matrices de orden 1, 2, 3, 4 respectivamente (son formas
canoncas de Jordn)

)(

3
2 1
0
(5 ) , 10 1 , 0 2 1 , 0
0 10
0
0
0 2
0

)(

1
3
0
0

0
1
3
0

0
0
1
3

DEFINICION.- Una matriz de Jordn

B 1 ( 1 )

B 2 ( 2 ) B n ( n )

B ( )=
Donde cada

Bi( i)

es un bloque de Jordan

Ejemplo: Matrices de orden

( )

2 x 2 0 y pueden ser iguales .

0

Matrices de Jordn de orden 3 x 3:

)( )(

)( )

0 0 1 0 0 0 1 0
0 0 , 0 0 , 0 1 , 0 1
0 0 0 0 0 0 0 0

TEOREMA: Sea A una matriz de orden

orden n tal que

J =C

AC ,

nxm una matriz C invertible de

donde J es una matriz de Jordan cuyos

elementos en la diagonal son los valores propios de A, la matriz de Jordan J

es nica salvo por el orden en el que aparecen los bloques. Esta matriz se
llama forma cannica de Jordn.
Ejemplo: Si A es semejante a la matriz de Jordn.

2
0
0
0
0
0

1
2
0
0
0
0

0
1
3
0
0
0

0
0
1
3
0
0

0
0
0
1
3
0

0
0
0
0
0
5

Tambien lo es la matriz

2
0
0
0
0
0

1
2
0
0
0
0

0
1
3
0
0
0

0
0
1
3
0
0

0
0
0
1
3
0

0
0
0
0
0
5

OBSERVACIONES
1. Cmo saber si
Calcule el vector

es un vector propio de A?

u= Av

es vector propio si y solo si

es multiplo escalar de

esto se puede hacer formando la matriz ampliada y reduciendo a

una forma escalonada,
consistente.
2. Cmo saber si

es el vector propio si el sistema es

es una valor propio de A?

Formar y reducir el sistema

[ A ]= [ 0 ] es un valor propio si y

solo si el sistema tiene al menos una variable libre.

3. Cmo determinar la multiplicidad algebraica de un valor propio de
A?

Calcule el polinomio caracterstico de A

P ( A )=det ( A t )
-

Aplique divisin repetidamente para determinar cuantas veces

divida

al polinomio caracterstico.

4. Cmo determinar la multiplicidad geomtrica de un valor propio

de A?
Formar y reducir el sistema

[ A ]= [ 0 ] , el numero de variables

libre es la dimensin o multiplicidad geomtrica del valor propio.

TEOREMA

1 dim geomde multiplicidad algebraica de

TEOREMA
Si los vectores

x1 , x2 , , xk

son vectores propios diferentes entonces

{x 1 , x 2 , , x k } es L.I.
Ejemplos
1. Diagonalizar la matriz

A= 2 5
2 1

Solucin:
Calculamos los valores y vectores propios de la matriz A.

2 5 = 0 3, =4
1
2
2 1

=3

| |

| | | | ||

5 5 1 1 1 1 x = 0
2 2
1 1
0 0 y 0

x y=0 v 1= 1
1

()

=4

| |

| | | | ||

2 5
2 5
2 5 x 0

=
2 5
0 0
0 0 y 0

( )

2 x +5 y=0 v 2= 5
2

P= 1 5
1 2

)
P1

Determinando

| |

1 1 1 0 1 0 2/7 5 /7
0 0 0 1
0 1 1/7 1/7

P1= 2 /7 5/7
1/7 1/7

)
)(

)(

)(

P1 A P= 2/7 5 /7 2 5 1 5 = 3 0
1/7 1 /7 2 1 1 2
0 4

2. Diagonalizar para obtener la ecuacin cannica de la siguiente

cnica:
2

3 x 10 xy +3 y 14 2 x+ 18 2 y +38=0
Solucin: Expresar la ecuacin en su forma matricial

(5 53 )( xy )+2 (7 2

(x y) 3

()

9 2 ) x +38=0 ( )
y

Hallamos los valores y vectores propios de la matriz

(53 53 )

3 5 = 26 16= ( +2 ) ( 8 )=0
5 3

Ortonormalizacin: La matriz
Planeando una rotacin:
'
x = 1/ 2 1 / 2 x
y
1/ 2 1/ 2 y '

()(

)( )

P=

(1/1/ 22

1 / 2
1/ 2

x=

1 ' 1 '
1 ' 1 '
x
y , y=
x+
y
2
2
2 2
( )

Reemplazando en

( x'

y )1 x 2
'

2 0
0 8

) ()
'

2x 2

x
y'

+2 (7 2 9 2 )1 x 2

2 x1

1
2
1
2

( )()
1
2
1
2

x'
y'

2x 1

2 x2

2 ( x 2 x +11 ) +8 ( y 4 y + 44 ) +38=0
'

'

'

'

2 ( x ' 1 ) +8 ( y ' 2 ) + 8=0

2

'

'

( x 1 ) + 4 ( y 2 ) + 4=0
x ' ' =x ' 1

Si:

y '' = y ' 2
2

x ' ' + 4 y ' ' + 4=0

2

x ''
H : y ' ' =1
4
2

x ''

OBS:

y
x'

'

y ''
3. Hallar la ecuacin cannica de la siguiente cudrica o cuadrtica:

2 y 2+ 4 xy8 xz 4 yz +6 x5=0
Solucin: Expresin matricial

)( )

2 4 x
x
2 2 y + ( 6 0 0 ) y 5=0 ()
4 2 0 z
z

(x y z) 2

()

Hallamos los valores y vectores propios:

2
4
2 2 2 =0 ( +4 )( 6 ) =0
4 2
Para

1=4

||

| |||

4
2 4
1 0 1 x 0
2
6 2 0 1 0 y = 0
4 2 4
0 0 0 z 0

()

1
v 1= 0
1

xz=0

y=0
Para

2=0

||

||

| | ||

0
2 4
0 1 2
1 0 1 x 0

2
2 2
1 0 1
0 1 2 y = 0
4 2 0
0 0 0
0 0 0 z 0

()

1
v 2= 2
1

x+ z =0

y2 z=0
Para

3 =6

| | | | ||

6 2 4
1 0 1 x 0

2 4 2
0 1 1 y=0
4 2 6
0 0 0 z 0
'

)( )

1/ 2 1 / 6 1 / 3 x
x
'
y = 0
2/ 6 1 / 3 y
z
1/ 2 1/ 6
1/ 3 z '

()(
Luego:

(x

'
x'
4 0 0 x
y z ) 0 0 0 y ' + ( 6 / 2 6 / 6 6/ 3 )1 x 3 y '
0 0 6 z'
z'

)( )

'2

'2

4 x +6 z +

4 x'

()

6 ' 6 ' 6 '

x
y
z 5=0
2
6
3
2

( )) (

6 '
3
x+
2 2
2

+ 6 z'

2
1 ' (
z + 1/2 3 )
3

1
4
58 9 2
6 y '
+
=0
8
8
4

2 x'

(
2 2 )

+ 6 z'

35
6 ( y +
=0
)
2 3
8 6 )

Reemplazando por traslacin:

2 x'

3
=x' '
2

z'

1
2 3

=z ' '

'

3x 1

5=0

y'+

35
= y' '
8 6
2

''

x ' ' +6 z ' ' 6 y =0

y''

y''

''

'

''

''

6 z = 6 y
z ''

y''
''

z =k

Sea
2

x ' ' +6 2 k 6 y ' ' =0

2

x ' ' 6 y '' =6 2 k

Paraboloide hiperblico

MATRIZ EXPONENCIAL
Es una funcin definida sobre las matrices cuadradas, se parece a la funcin
exponencial. Sea X una matriz cuadrada de orden n de nmeros reales o
complejos, la exponencial de x denotada por

e =
x

k =0

xk
,
k ! es decir

e A= lim
n k=0

Ak
A 2 A3
= + A+ + +
k!
2! 3 !

PROPIEDADES
Sean X e Y dos matrices cuadradas de orden n, a y b son reales o complejos,
donde

es la matriz nula e

es identidad .

1.

e = (identidad)

2.

exp ( aX ) exp ( bX )=e(a+b )X (linealidad)

3.

exp ( X ) exp (X )=

4.

( e A ) =eA ( inversa )

5.

det e X =e trazX ( relacin traza, determinante )

6.

exp X =( exp X )

7.

Si XY =YX e x e y =e x+ y =e y e x ( preservacin de la conmutacin )

8.

Si Y es invertible e yx y = y e x y 1

9.

Acotacin de la norma:|e A|eA

'

Exponencial de una matriz nilpotente :

10.

Definidala exponencial de unamatriz cuadrada :

e A= + A+

A A
A
+ ++
2! 3 !
n!

Luego A tiene alguna potencia nula

Ejemplo:

A =0

, A es nilpotente de orden k.

( )

0 0 0
A= 1 0 0
0 1 0

( ) ( )

0 0 0
0 0 0
A 2 = 0 0 0 , A 3= 0 0 0
1 0 0
0 0 0

Las matrices de potencias superiores a 3 son nulas.

Luego:

( )= 10

0 0 0
1 0 0
0 1 0

( )( ) ( ) ( )

0 0 0 0 0 1 0 0 0 1 0 0 0
1 0 + 1 0 0 + 0 0 0 + 0 0 0 +
2
6
0 0 1 0 1 0
1 0 0
0 0 0

( )=
e
0 0 0
1 0 0
0 1 0

1 0 0
1 1 0
1/2 1 1

MATRICES DIAGONALES Y DIAGONALIZABLES

Si una matriz A es diagonal

a1 0
0 a2
A=

0 0

0
0

an

Una matriz M diagonalizable entonces

M =P1 DP

donde D es la matriz

diagonal y es una matriz no singular, P puede elegirse como una matriz

unitaria, la exponencial de matrices diagonalizables se puede reducir a:
M

e =P e P
EXPONENCIAL Y FORMA DE JORDAN:
-

Matrices que admiten formas de Jordn

Las matrices cuadradas reales o complejas pueden ser interpretadas como
expresiones en una base dada de una aplicacin lineal, mediante este hecho
se puede expresar con mayor comodidad la exponencial de una matriz.
Si A representa a la matriz de cierta aplicacin lineal entonces la
exponencial puede obtenerse a partir de la forma cannica de Jordn, es
decir:

M =P1 JP

e =e

P JP

=
k=0

e ,e

( P1 JP )
k!

=
k=0

P1 J k P
=P1 e J P
k!

Entonces la expresin anterior representa la descomposicin de Jordn de

una matriz A , calcular

e A , la exponencial de una matriz de Jordan se

tiene:

J1

J0

Jn

J =

J 0n

n
J 1 J nn

n
J =
Si tenemos una matriz diagonal de bloque como la de Jordn, sus potencias
resultan ser una matriz diagonal de bloque, donde cada bloque es la
potencia del correspondiente bloque.
Ejemplo:

1. Sea la matriz

( )

1 0 0
A= 1 3 0
1 1 1

, el polinomio caracterstico de dicha

matriz es:
2

P ( )=( 1 ) (3 )
El polinomio mnimo coincide con
Los valores propios

m ( )=P ( )

son 1 ma2 y 3 de ma 1.

Se puede establecer la forma de Jordn y una matriz de paso P.

( )

1 0 0
J= 1 3 0
1 1 3
e M =e P

JP

=P1 eJ P

e 0 0
e J= e e 0
0 0 e3

( )

0 0 0
P= 2 0 0
1 1 1

e
2
1 /2
0
0 e e 0 2 0 0
e A=P1 e J P= 1 /12 1/6 1/3 e e 0 1 0 2 = e
4
1/4
1/2
0 0 0 e3 0 3 1
3 e
4

)(

)(

( )
0

e3
0

e3 e

3 2
3e
2

2. Resolver:
'
1

x ( t )=3 x 1 ( t )x 2 ( t )
'

x 2 ( t )=2 x 1 (t ) +2 x2 ( t )
Con

x 1 ( 0 ) =120 y x 2 ( 0 )=150

Solucin:

x '1 ( t )

( )
'
2

x (t )

(23 12 )( xx (( tt )))
1

(23 12 )

Para

Buscando sus valores y vectores propios se obtiene:

v 1= 1 y v 2 = 1
2
1

()

( )

Entonces:

)( )

1
C= 1 1 y C1= 1 1
2 1
2 1
3

( )

J =D= 1 0
0 4

e Jt =

et 0
0 e4 t

Luego:

1 1 1 et 0 1 1
e =Ce C =
3 2 1 0 e 4 t 2 1
At

Jt

)(

)(

1=1 y 2=4

1 et 2 e 4 t e t +e 4 t
e =
3 2 et +2 e 4 t 2 e te4 t
At

At

1 et 2 e 4 t e t +e 4 t 120
x t= x 1 ( t ) =e X 0=
3 2 et + 2 e4 t 2 et e 4 t 150
x2 ( t )

( )

)( )