Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
bi
aij
xi
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
Operaciones elementales
Se llaman operaciones elementales o transformaciones elementales por filas
sobre una matriz A:
[ E1 ]
[ E2 ]
[ E3 ]
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 ,
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
n , donde n es el
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
[ 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
1)
2)
3)
4)
5)
6)
7)
8)
9)
[ 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
[ 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
aij
=0 para i
j
Ejemplo:
( )
1 2 3
0 4 5
0 0 6
[ aij ]nxn
aij
=0 para
i<j
Ejemplo:
1
0
1
2
0
2
0
1
0
0
3
0
0
0
0
4
R 2 de pares
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
z (3; 4)
Propiedades
Sea
a)
z1 ;z2
b)
c)
d)
Re(i z) Im(z)
Im(iz) Re(z)
uuur
OP
R ' 0
Consideremos la funcin:
R ' (a,b) / b 0
f : R'
x a (x , 0)
(a ; 0).(b ; 0) = (a.b ; 0)
f : R'
son isomorfos.Esto
(a,0)
a (a , 0) a
Forma binomica de un nmero complejo
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
como:
, podemos escribir:
z a bi
z (a,b)
i1 i
i5 i
i9 i
i2 1
i6 1
i10 1
i3 i
i7 i
i11 i
i4 1
i8 1
i12 1
1)
i i2 i3 i4 0
, entonces
in1 in 2 in 3 in 4 0
2)
i4k 1
i4k a ia
, k es entero.
Corolario
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
Im
definido por:
Z=(a; b)
Re
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 )
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
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
Radicacin:
la radicacin se vuelve complicada
Argumento de un nmero complejo no nulo
Dado
z \ (0 , 0)
cos
, un argumento de z es cualquier
tal que:
Re(z)
Im(z)
, sen
z
z
Re(z)
Im(z)
argz / cos
,sen
z
z
Un nmero complejo
z \ (0 , 0)
0 2
z \ (0 , 0)
y se denota Arg z, al
Es decir
0 Arg z 2
arg z Arg z 2k ,k
, adems
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)
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
, es el
Como
z a ib
, entonces:
z.
Operaciones en forma polar o trigonomtrica
Sean:
; 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:
Z1 r1Cis1 Z2 r2 Cis2
Sea:
Entonces:
Z1Z 2 r1r2Cis 1 2
Z1 r1
Cis 1 2
Z2 r2
Propiedades:
Cis 1
1.
2.
3.
4.
5.
Cis 2
Cis 1 2
cos 1 2 isen 1 2
Cis cos isen
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
Sean
z1 r1 ei1
z2 r2 ei2
a)
z1 r1 i(12 )
e
z2 r2
b)
c)
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
2
we n
i
Si hacemos
, entonces
2k
i
k
w e n
conjunto
Gn w k ,k 0,1,2,3,...,(n 1)
1, w , w 2 , w 3 ,..., w n1
2
n
z 1 (k 0)
Ejemplo:
Calcular
61
Solucin:
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
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
z rei
z x yi
o segn
Solucin:
z r x 2 y 2 r x 2 y2 r 2
Solucin:
z z0 r (x x 0 )2 (y y0 )2 r
(x x 0 )2 (y y0 )2 r 2
(x0 ,y0 )
de radio r
A i z / iz 1 i 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),
, es la ecuacin de una
Z C
Sea
:
Donde
complejos
ai C
de grado
n1
an 0
un polinomio complejo
,
z1,z2,z3,...,zn
, tal que:
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
tambin lo es.
Nota
Todo polinomio de grado
factorizar:
n1
Z =a-bi
(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
(2+36 i
14 i
7i
(236 i
1+ 4 i
7 i
A* =
i
(23
1+4 i
6
7 i
(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
Matriz Ortogonal
Es aquella matriz cuadrada donde se cumple: (A -1 = At)
Ejemplo:
A=
( )
1 0 0
5 4 0
2 8 7
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
)( )
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
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
(ac bd )( xy)
(rs)
| A| =
| |
a b
c d
= 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
|B| = r
| A|
3. det(A1 ,
, 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
Definicin:
Sea una matriz cuadrada de orden 3x3
A=
a 11 a12 a13
a 21 a22 a23
a 31 a32 a33
| 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|
2) El cofactor del elemento aij que se simboliza por Aij se define por:
Aij
cofactor
M ij
menor
i+j
(1)
signo
|M ij|
| A|
kj
j=1
| 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
| 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
| 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|
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
xj =
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
AX =0
a) Sea
supongamos
que el rango o caracterstica de
es
R=n1
entonces un vector no
nulo cuyas
entonces
C) Si
puntos
es solucin de
AX =0
n1
adjA=0
es una matriz simtrica entonces tambin lo es la
adj ( A)
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
x
y
x+ y
y
x+ y
x
x+ y
x
y
3 puntos
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
(2 ;2 ; 3)t
si la
matriz de
Cofactores de
8 4 4
A es 5 7
1
1 1 5
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
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
a
a
0
0
b a+b
0 0
b 0
0 a+b
3 0
6
3t
A= t 2 2(t+1) 0
2
2 4
0 2tt
PROBLEMAS RESUELTOS
1. Que valores debe tener
( 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
( )
(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
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)
Donde
2
x , x
A=
( x 1 , x 2 ) + ( y 1 , y 2 ) =(|x 1 + y 1|, y2 )
no se
{ A=( a ij ) 1 i n ; 1 j m}
{
n
P( )=
k=0
ak x k :n N , ak R
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 }
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.
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
(18 17 )
Determinar si la matriz
( )( )(
{ 1 0 , 0 1 , 2 3 } en el espacio vectorial M
2x2
2 1 2 0 0 2
Solucin:
que pertenecen a
K , con algn
i =0
{ v1, v 2 , v 3 , , v n }
independiente.
Si
i=0 i=1,2, , n
es linealmente
Observacin:
Para estudiar si un conjunto de vectores
{ v1, v 2 , v 3, , v n }
es linealmente
i v i=0
i=0
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 }
v =0
2 0 A V A es linealmente dependiente
3 { u , v }
es linealmente dependiente
u =
v ( 0
6 A linealmente dependiente
OBSERVACIN
1. El conjunto
son dependientes
4. Dos vectores
v1
v2
si son linealmente
es una base
Ejemplo:
Indique si el conjunto de vectores
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
)( )
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
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)
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
cero
2. Los subespacios de una dimensin de
origen.
3. Los subespacios de dos dimensiones de
R3
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
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 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:
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:
SOLUCION
Consideramos dos rectas arbitrarias que pasan por origen , dichas rectas son
subespacios de
R2
(a , b) un vector de
R2
a=3 x2 y
b=7 x+5 y
Despejando obtenemos
x=5 a2 b
y=7 a+ 3 b
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
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
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
P:{(s;t;-s-t)}
P:{s(1;0;-1)+t(0;1;-1)}
1 0 0 0
0 1 0 0
0 0 1 0
0 1 0
2 1 1 0
, comor(A)=r(Ab)=n=3
el sistema es
La base es B={(1;3;2),(1;0;-1),(0;1;-1)}
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:
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:
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
, comor(A)=r(Ab)=n=4
el sistema es
0 1
2i) B={
anterior.
1 1
1 0
1 0
1 0
1 1
0 1
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:
Resolviendo: a=b=c=d=0
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:
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
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
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
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
1 1
1 1
SOLUCION
Una base de U es {
1 0
0 1
y
x
z x y z
0 1 0 0
0 1 1 1
=x
1 0
0 1
y
x
z x y z
+y
0 1
0 1
+z
0 0
1 1
}; dim(U)= 3
1 1
0 0
0 0
1 1
Una base de V es {
1 1
0 0
0 0
1 1
}; dim(V)= 2
1 0
0 1
+b
1 1
1 1
0 0
0 0
b
ab
a b
b
0 0
0 0
1 0
0 1
+b
1 1
1 1
m n
p q
b
ab
a b
b
m n
p q
1 m
1 n
1 p
1 q
incompatible
1
0
0
mn
1
n
0
pn
0 (m q ) / 2 n
S T={(0;0;z)}, notamos
(0;0;z)=z(0;0;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
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)
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
5 a 0
si a5
1 0 0 0
0 1 0 0
0 0 1 0
Si a=5
1 0 0 0
1 0 0 0
0 1 0 0
0
0
0
m
X
si a=5; X=
si a5
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
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
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
0
0
1 4/3
1
1/ 4 0
0
0
0
0
0
resolviendo el sistema.
(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:
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
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
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
1
0
0 a a
0 1
0
1 a a
1 0
1
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
son
linealmente
independientes
linealmente dependientes
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
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
un vector se encuentre en la
{(1,3,2)}
i) B =
{( ) ( ) ( ) ( )}
1 0 , 1 1 , 1 1 , 0 0
0 0 0 0 1 0 0 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
1 2+ 3 + 4 =0
2 + 3=0
2+ 3=0
1+ 4 =0
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
3=0
3= 1=0
2+ 3=0
1+ 4 =0
4. A) Extender el conjunto S=
para que
R =S={ ( 1; 0 ; 0 ; 1 ) , ( 0 ;1 ; 0 ; 0 ) , ( 0 ; 0 ; 1; 0 ) }
U=
{( )
V=
{( )
W=
x
z
x
z
{(
y tal que x= , y= , z= , t=
t
) ( )}
1 0 , 1 1
0 1 1 1
W,U+W
}
}
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 :
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
{( ) ( ) ( ) ( )}
S=
R3
S T , S +T
Solucin
a= 1 =0
b=2 1=0
c= 1 + 2= 1
S +T :
( )( )
1 2 1
1 2 0
S +T = 0 0 1 = 0 0 1
0 0 1
0 0 0
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
! 0 T /0+a=a , a T
Sea a=( x ,e x )
x
x
0+ ( x ,e ) =(x ,e )
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 ))
8. Sea A =
( )
5 0 0
1 5 0
0 1 5
()
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 )
De (1 ) a=5 ( 4 )
( 4 ) en(2)
m+ 5 n=5 a= m=0
( 4 ) en(3)
()
0
X ={ 0 / p R }
p
( )
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
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+c 2+ a2 +abcabc+b 2
| A|=1+a2 +b 2+ c2 >0
| A|> 0= es no singular
R3
Determine
una
base
dimensin
de
U W , U W , U +W
Es
U W =R3 ?
U +W
1
1 1
0 000
1 0 1
0 1
1
0 1
0 000
1 0 1
0 0
( ) ( )
U W
Sea V U W = V U y V W
1= 1 ; 1= 2 ; 2 = 2= 2 = 1
Como U W 0= U W no existe
12. En
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
+=0
+ =0
=0
2 + + =0
1
0 0
0 1 0
1 0 1 0
2
1 1 0
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 .
Hallar
base para
S ,T , S T , S T ,
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 ) }
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
Sea V S T
1= 1 2 ; 1=2 1 ; 2=2 2 ; 2 =2 1 = 1= 2
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
x , y
se lee producto
( 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.
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 )
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
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
(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
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
f , g = f ( x ) g ( x ) dx
a
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
por:
=ang ( u , v )
PROPIEDADES
. u 0
.
u=0 u=0
u=||u
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
la norma de
2
u+ v =u +v (teoremade pitgoras)
ORTOGONALIDAD
( u , v =0 ) .
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
2 , 3 x = 2 3 x dx = 3 x 2 1 =0 son ortogonales
2 2
2 2
2 2 1
1
{ x1 , x2 , , xn }
{ 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
Sea
{ u1 , ,u n }
Sea
Rn .
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
Proy u v=
v , u
u
uu
{ v1 , , v n }
vectores
{u1 , ,u n }
V , el conjunto de
Para tener una base ortonormal, se normaliza cada uno de los vectores
u1 , ,u n :
u1=v 1
u2=v 2Proyu v 2
1
n1
Ejemplo:
Dado el conjunto
es L.I. en
R ,
los vectores
R4 . Construir
Sean
Aplicando GRAM-SCHMIDT
{ u1 ,u 2 , u3 }
Sea
un conjunto ortogonal
( 8, 1, 5,6 ) , ( 2,4,5, 2 )
( 2,4,5, 2 )( 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
)(
. Se llaman ortogonal
un subespacio vectorial de
V .
ortogonales a cualquiera de
U = { vV / u , v =0 u U }
U .
. Sea
u1 +u2 , donde
como
. Al vector
denota
un espacio euclideo y
u1
v de V
u1 U y u2 U .
v sobre U y se
Proy u v .
. El vector
u2
v sobre U . u2=vProy u v
proyeccin ortogonal de
v V
un subespacio vectorial de
se cumple:
vProy u vvuu U
OBSERVACION
Las series de FOURIER
[ 0 ,2 ] .
v =( 3,2,6 ) R3 ,
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
{ ( 1,0,0 ) , ( 0,1,1 ) }
una base
(es un conjunto L . I .)
se puede
{u1 ,u 2 }
Sea
1 1
,
2 2
( 3,0, 0 )+
1 1
,
2 2
) (0, 12 , 12 )
8
1 1
0,
,
=( 3, 4, 4 )
2 2 2
Luego:
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
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
Sea
b1=u 1=(1,1,1 )
b2=u2Proy b u1=(1,1, 0 )
1
(1, 1, 0 )
u2 , b1
b1
2
b1
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 ) ,
( 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 >
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 1 , x 2 ) ; y=( y1 , y 2)
Indique si
es un producto interno.
Solucin:
Para que
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
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 ) +
( 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>
( 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
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)
ORTOGONALIDAD
Sea
(V ,+, R ,)
[ 1,1 ]
f , g = f x g x dx
1
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
|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> 1
|x|| y|
1
Para
x, y>
|x|| y|
cos=
< x , y| x|| y| cos
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:
Sea
x i 0 i=1,2, , r
y sea la
combinacin lineal:
j x j=0
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
es decir
siendo
xi 0
entonces
xi , xi 0
i=0 i=1,2, , r
{ 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
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.
R2
Ejemplos
01) Una recta
conjunto
Si
P0 R
es un punto arbitrario de
y en la direccin
es un
L={ P0 +t /t R }
P=P0 +t
Entonces
es:
es un vector ortogonal a
( xx 0 , y y 0 ) , ( a ,b ) > 0
ax +by +c=0
Donde:
La distancia de un punto
a la recta
QP
, donde
P L
d (Q , P )=|QP| ,
vemos que QP=v , con v ortogonal a , R
O sea QP/ v
de donde
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
a la recta
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 |
donde
Pero
w es ortogonal a v
Luego:
cos=
,v
,|w|=|u|
|||v|
sen=cos
sen=
,w
=
2
|||v|
,w
|||v|
TEOREMA
Sea
{1 , , n }
V , el vector
manera siguiente:
=( . 1 ) 1 + ( . 2 ) 2 ++ ( . n ) n
Es decir
= , 1 1+ , 2 2+ + , n n
Ejemplo:
=(7,5,10)
Dado el vector
3 4
4 3
1=( 1,0,0 ) , 2= 0, , , 3 = 0, ,
5 5
5 5
donde:
) (
3 4
4 3
=7 ( 1,0,0 )+ 5 0, , 10 0, ,
5 5
5 5
) (
Definicin
La proyeccin de un vector
Proy
sobre un vector
0 , denotada por
se define:
Proy =
{ 1 , , n }
vectores
{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
es
ortogonal
, se normaliza
Ejemplo:
El conjunto
Solucin:
Sean
Sea:
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 )
para .
{(
ortonormal de
LEMA:
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
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=( u1 , u2 , u3 ) , v=(v 1 , v 2 , v 3)
Solucin
Sea
Hacemos
y 1=x 1=(1,0,0)
y 2=(1,1,0 )
1 1 +3 ( 0 )( 1 ) +5 ( 0 ) ( 0 )
( 1,0,0 )=(0,1,0)
1 1 +3 ( 0 )( 0 )+5 ( 0 )( 0 )
( ( ( ) () ( ) )
y 3=(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)
TEOREMA
Sea
{ 1 , , n }
de
entonces existe
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=
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.
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)
Sea
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=
un subespacio de
para W . Si es
, denotada
Proy w
, sea
un vector en
Rn
{1 , , n }
, 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
se encuentra en W y
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
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
Para
se
.Los vectores
ortonormal
( 1,0,0 ) y ( 0,1,1 )
{ 1 , 2 }
W,
donde
1=( 1,0,0 ) y 2= 0,
1 1
,
2 2
1 1
,
2 2
Ejemplo:
Dado los vectores: =( 2,1,2 ) , =( 1,2,1 ) y w=(2,3,3 ) . Determine un vector de
R3
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=
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
llama ortogonal de
en
PROPIEDADES:
un subespacio vectorial de
V . Se
1) Si
v V
U ,
entonces v U .
2) Si U W W U .
COMPLEMENTO ORTOGONAL
Sea un subespacio S de un espacio vectorial
y se denomina
S y S
es
V .
Ejemplo
Dado el subespacio vectorial
{(
N= a a tal que a , c R
a c
su complemento
A , B =tr( A B) , en el espacio
base arbitraria
{(
) ( )}
B= 1 1 , 0 0
1 0
0 1
( ) ( )
( ) ( )
( )
1 1 , w
1 0
y
0 0 , w
0 1 y
x =0=tr 0 0 =0=z+ 0
z
y z
{(
N = w w+ y tal que w , y R
y
0
OBSERVACION
x , y
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
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
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
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 )
y un vector
vector genrico
wS
x de R
x a un
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
f ( x )=cos (x)
2.
Encuentre la mejor aproximacin para
PROBLEMA 1
cos x
en el intervalo
[ 0,1 ]
(y1,y2)
Es un f (u, v) un producto interno?, de ser un producto interno determine la
norma de (1,2).
SOLUCION
1.
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
u+ v ; z = <x,z> + <y,z>
2.
3.
8x1x2+ 7x2
u , u = 0 u = 0
f (u, v) 6x1y1
La norma de u =
1,2
(6y z
1 1
u= u , u = 18=3 2
PROBLEMA 2
R
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
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) -
u2=
Proy Vu
(-
1
2 (1,0,1,0)
1
1
,
1,
2
2 ,0)
u
<u1 , u1> 1
u3=
V3
Proy u
V3 -
V3
Proy u
2
2
1 +0 +1 + 0 (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)
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 ) ,
( x , y ,t , z ) ,
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
( 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
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
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 )}
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}
En U1
a+b+c=o
a = -b c
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
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
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
En U2+U3
U2 U3 V
U V
2
U3
( )( )
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
U V
1
U3
- -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
U1+U2
PROBLEMA 6
Dado L = { t(1,-1,2) / t
IR }
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
= = =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
a
( 22+a 33 +a 44)
24
= a13
a31
a32
a33
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
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
+ ( x 1)+ (x2-3x+1) 0
x2 + x( 3 )+( + )=0
=0
3 =0
===0
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
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
=0
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
v =( 1,2, 3,4 )
Sabiendo que
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 )
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
matrices
5. Sean
x=( x 1 , x 2 ) , y =( y 1 , y 2 )
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 ) }
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
K .La funcin
f : V W
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
f ( x 1 , x 2 , x 3 ) =( x1 x3 , x 2x 3 )
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
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 )
f : V W
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 )
f,
imgenes por
N ( f )= { x V f ( x )=0W }
N(f)
se lee
. El nucleo de toda
f ( x 1 , x 2 , x 3 ) =( x1 x3 , x 2x 3 )
. Determine el nucleo de
f.
Solucin
1)
)(
)(
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
generadores de
I( f )
, La matriz
(10 01)
es un sistema de
TRANSFORMACIONES LINEALES
( V ,+ , R ,. )
K.
La funcin
f :V W
slo si:
i)
ii)
f (x + y )=f ( x ) +f ( y )
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 , . )
la funcin
f : R3 R 2
definida por
f (x
, x 2 ,x 3)
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
halle la imagen de
f ( 2,3 ) .
Solucin:
F : R3 R 4
( 1,2,0,4 ) y (2,0,1,3)
Solucin
Sea
F ( x , y , z ) =( x +2 y ,2 x , y ,4 x3 y)
Ejemplo 4:
0w
I)
f :V W
0v
Laimagen
f ( 0 v )=f ( 0 x ) =0 f ( x )=0 w
II)
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 , . )
f ( x 1 , x 2 , x 3 ) =(x 1x 3 , x 2x 3)
f :R
R definida por
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
(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
0
f ( a , b )= a+b
0
a+b
f : R2
R 2 x 2 definida por
(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
) (
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
I ( f )={ A R2 x2 / f ( x 1 , x 2 ) A }
( )
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
)( )
( )
La matriz
(10 01)
es un sistema de generadores de la
I ( f ) , constituye
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
x 2+ x 3=0
resolviendo
x 1=0 , x2 =x 3
este
sistema
de
ecuaciones
(0,1,1)
x 1+ x 2 + x 3=0 ,
tenemos
, es decir los
{(0,1,1) }
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
, la imagen de
es generada por
{ ( 1,0 ) ,(0,1)}
Cuya dimensin es dos.
2. Ejemplo
Sea la transformacin lineal
; determine el ncleo y
f ( x 1 , x 2 )=( x1 + x 2 , x 1x 2 , x 1 +2 x 2 )= ( 0,0,0 )
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
) (
) (
1 1 2 0 3 2 0 3
1 2
1 1 2
0 2 1
{ ( 2,0,3 ) , ( 0,2,1 ) }
de dimensin dos.
PROBLEMAS
(1)=[1/5 -3/5]
(-1,1)=c(2,1)+d(-1,-3)
(2)=[-4/5 -3/5]
(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=
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
(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 )
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
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:
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
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)
F(0,0,1)=(3,-1,7)
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)
)( ) ( )
)( ) ( ) ( )( ) ( )
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
un
{ e 1 , e 2 , , e n }
cuerpo
v =a1 e1 +a 2 e 2 ++a n en
a
{e i }
para
vV,
supongamos
V
que
relativo
a1
[ V ] e= a 2
an
()
{ e 1 , e 2 , , e n }
supongamos que
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 se llama representacin
{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
{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
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
T ( x , y )=( 4 x2 y , 2 x+ y )
Solucin
Tenemos:
(1 2 )
[ T ] f = 3 2
TEOREMA
Sea
{ e 1 , e 2 , , e n }
sobre V entonces
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 )
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 }
n entonces la aplicacin:
A ( v)
T [T ]
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
) (
[ T ] e = a1 b1 [ S ] e = c1 d 1
a2 b2
c2 d 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= 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 }
{ f 1, f 2, , f n}
otra
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
la base antigua.
Ejemplo
Sean las bases
{ 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
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
[ 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
T (1 ,1)=( 0 ,2 )
T (a ,b )
definido por
T (3 ,1)= ( 2,4 )
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
Expresando
T ( a ,b )=T
T ( a ,b )=
T (a ,b )
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
T (7,4)
se tiene
T ( 7 ,4 )=( 3 ,11 )
se
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.
sobre un
si existe un
subespacio de
T :V V . Sea
el
pertenecientes al valor
) Demostrar que
es un
V .
Demostracin
Sean
v , w V
; es decir
luego
av +bw
V es un
es decir
V .
subespacio de
TEOREMA
T :V V
Sea
entonces
es un valor 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
llama
ecuacin
caracterstica,
el
polinomio
caracterstico es de la forma:
( )
A= 1 4
2 3
tal que
P AP
sea diagonal
Ejemplo:
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
es de grado
es un valor propio de
AX =X X
de
nxn
OBSERVACION:
valor.
Ejemplo
Dada la matriz
3 1 1
A= 2 2 1
2 2 0
valores propios de
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
f ( t )=a n t +an1 t
n 1
++ a1 t +a 0
si A es una matriz
f ( A ) =an A +a n1 A
n1
++ a1 A+ a0
f ( A ) =0.
TEOREMA
Sean
cuadrada de orden
, sobre
i)
(f + g)( A) =f ( A)+ g( A)
ii)
(f . g)( A )=f ( A ) . g( A)
iii)
k,
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
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
caracterstico.
Ejemplo:
A son
4, 4, 3, 3,3, 2,2, 1
con
k2
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 }
k1 , k2 , , kn .
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
A=PD P1
, la matriz
y una
se
tal
A es semejante a D
. Si
es semejante a
diagonalizable ,
es
nxn
OBSERVACION
A yX
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
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
()
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
X =BY , resulta:
y 1 , y 2 , y3 , , y n . Se dice
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
( P1=Pt )
u1
u 1
a.
v 1=
b.
v k +1
{ v1 , v 2 , , v k }
, 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:
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:
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=
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=
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
P( x , y , z)
x , y , z ; la grfica de esta
denomina superficie.
Ejemplo.
El plano, la esfera, etc.
Nota.
Existen ecuaciones tales como
a)
( a , b , c ) R3
b)
! punto.
P (x , y , z )
c (x 0 , y 0 , z0 )
luego la distancia
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
E ( x , y , z )=0 de una
Con el eje
X . Se reemplaza
y=z=0
en la ecuacin de la
Con el eje
Y . Se reemplaza
x=z=0
en la ecuacin de la
Con el eje
Z . Se reemplaza
x= y=0
en la ecuacin de la
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)
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.
z=k
cuando
XY
z [3 ; 3 ] .
Por otro lado, se dice que una superficie es simtrica con respecto al plano
a) El simtrico de
XY
es
Q ( x , y ,z ) .
b) El simtrico de
XZ
es
Q ( x , y , z ) .
c) El simtrico de
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
es
Q ( x , y ,z ) .
e) El simtrico de
es
Q (x , y ,z ) .
f) El simtrico de
es
Q (x , y , z ) .
g) El simtrico de
si el simtrico
si el simtrico
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)
9 x + 4 y 12 z=0 .
Solucin.
I.
INTERSECCION CON LOS EJES.
i)
Con el eje
Haciendo
X .
en el origen de coordenadas.
II.
Sobre el plano
Haciendo
z=0
XZ .
y=0
se obtiene
se obtiene
plano
plano
XY .
YZ .
Al plano
XY .
z=k
Haciendo
2
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
XZ .
y=k
9 x 212 z + 4 k 2=0 .
Esta ecuacin representa a una parbola
iii) Al plano
Haciendo
YZ .
x=k
V.
EXTENSION.
xR .
y R .
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
xR .
YZ , al plano
XZ
y al
y 4 y +2 z=0 .
I.
Solucin
INTERSECCION CON LOS EJES.
i)
Con el eje
X .
Haciendo
y=z=0
en la ecuacin se obtiene
Haciendo
X .
Y .
x=z=0 y 24 y=0 y=0 y =4 .
es el eje
P1 (0,0,0) y
P2 (0,4,0) .
Z .
x= y=0 2 z =0 .
Sobre el plano
XY .
(eje
X )
y=4
(paralelo al
X )
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 .
Al plano
Haciendo
XY .
Existe interseccin
k2
XZ .
(Para
k =2
k <2
y=k
Haciendo
2 z =4 kk
iii) Al plano
Haciendo
parbola
IV.
, es una recta
k R .
YZ .
x=k
en la ecuacin se tiene
y 24 y +2 z=0 , es una
kR .
EXTENSION
xR
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 .
Elipsoide.
Su ecuacin es de la forma:
x2 y 2 z2
+ + =1
a2 b2 c 2
Donde a ,
x [a ; a ]
y [ b ; b ]
z [c ; c ]
Si
Si
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.
C ( x0 , y0 , z0 )
( xx 0)
a2
, su ecuacin es de la forma
( y y 0 )
b2
( zz 0 )
c2
=1
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
x2 y 2 z2
+ =1
a2 b2 c 2
x ; a ] [ a ; +
y ;b ] [ b ; +
z ;+
Si
a =b
Si
XY
a2 b2 o a2=b2
y=b ,
los planos
XZ
o el plano
YZ
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
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 ,
x 2 y 2 z 2
+ =1
a 2 b 2 c2
x ; +
y ;b ] [ b ; +
z ;+
Si
Si
XZ
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
C ( x0 , y0 , z0 ) .
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 ,
x y
+ =cz
a2 b2
c <0
x ; +
y ;+
z ; 0 ]
(si c <0 ,
z ; 0 ] )
Si
Si
a2 b2 , es el paraboloide elptico.
a =b
a b
. (En el plano
XY
YZ .
Z , al plano
XZ
y al plano
V ( x0 , y 0 , z 0 )
( xx 0)
a2
, su ecuacin es de la forma:
( y y 0 )
b2
=c(z z0 )
( 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 ,
y2 x2
=cz
b 2 a2
Con
c >0 .
x ; +
y ;+
z ; +
XY
YZ
XZ
z=0
y al plano
son parbolas.
Z , al plano
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 )
( zz 0 )
b
( xx 0 )
2
=c ( y y 0 ) o
( zz 0 )
2
( y y 0 )
2
=c( x x0 )
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 ,
x2 y 2 z2
+ 2= 2
2
a b c
xR
y R
zR
Si
Si
a2 b2 es el cono elptico.
a =b
,o
a b
. (En el plano
y=0 y
XY
y al plano
YZ
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
( 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
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
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
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
'
(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
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
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
)( )
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
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
T a b =(a+2 bc , a+ 4 b+ d ,b +8 c+ d)
c d
()
0
0
1
0
{[ ] [ ] [ ] [ ]}
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
{( ) ( ) ( )}
1 2 1
T= 1 , 4 , 0
0 1
8
(| |)
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
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
{( ) ( ) ( )}
1 6 2
T = 1 , 12 , 0
0
3
16
0 cos sen
A = 0 sen cos
1
0
0
Si
0 cos sen
2
2
0 sen cos =cos + sen =1
1
0
0
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
1 3 6 3
P = 2 2
2
6
1 2 1
1
6 0 0
B= 0 6 0
0 0 12
)(
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
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,
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
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
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
x 1 (t )
X = x2 ( t )
xn ( t )
()
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.
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
y x0
constantes
por
Dividiendo por
se obtiene
an 1 x 1 +a n 2 x 2+ +( ann) x n=0
n
El sistema de
x 0 1 , x 02 , , x 0n
incgnitas
es
homogneo
.Por
a11
a12
a21
a22
an1
an 2
a1 n
a2 n
a nn
.Cada
nmeros
raz
x 1, x 2, , x
0
n
P ( )=0
races de la
, se llaman valores
determina
un
conjunto
de
1 , 2
soluciones
linealmente
independientes
(LI),
soluciones LI.
donde x
t0
x1 (t 0 )
X ( t 0 )= x 2 ( t 0 ) , X=
xn (t 0 )
( ) ()
1
2
El
(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
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
x 1=k 1 e t , x 2=k 2 e t , , xn =k n e
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
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:
()
()
( 1 )
( 1 )
m+1
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
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
() () ( )
1 , 2 , , n
La matriz diagonal D:
nxn
DEFINICION.- Sea
es de la forma:
10 00
0 1 00
B ( )= 0 0 0 0
000 1
000 0
( )
en la diagonal, cifras 1
)(
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
B 1 ( 1 )
B 2 ( 2 ) B n ( n )
B ( )=
Donde cada
Bi( i)
es un bloque de Jordan
( )
)( )(
)( )
0 0 1 0 0 0 1 0
0 0 , 0 0 , 0 1 , 0 1
0 0 0 0 0 0 0 0
J =C
AC ,
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 multiplo escalar de
[ A ]= [ 0 ] es un valor propio si y
P ( A )=det ( A t )
-
al polinomio caracterstico.
[ A ]= [ 0 ] , el numero de variables
x1 , x2 , , xk
{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
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
(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
'
'
'
'
'
'
( x 1 ) + 4 ( y 2 ) + 4=0
x ' ' =x ' 1
Si:
y '' = y ' 2
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
()
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 '
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 )
2 x'
3
=x' '
2
z'
1
2 3
=z ' '
'
3x 1
5=0
y'+
35
= y' '
8 6
2
''
y''
''
'
''
''
6 z = 6 y
z ''
y''
''
z =k
Sea
2
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.
3.
exp ( X ) exp (X )=
4.
( e A ) =eA ( inversa )
5.
6.
exp X =( exp X )
7.
8.
Si Y es invertible e yx y = y e x y 1
9.
'
10.
e A= + A+
A A
A
+ ++
2! 3 !
n!
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
( )= 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
a1 0
0 a2
A=
0 0
0
0
an
M =P1 DP
donde D es la matriz
e =P e P
EXPONENCIAL Y FORMA DE JORDAN:
-
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!
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
matriz es:
2
P ( )=( 1 ) (3 )
El polinomio mnimo coincide con
Los valores propios
m ( )=P ( )
son 1 ma2 y 3 de ma 1.
( )
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
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 )
( )
)( )