Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PROGRAMA
ÍNDICE
2
Método de Gauss………………………..……...……….……………………
18
Sistemas Homogeneos …………………………………………………..……
21
Aplicaciones…………………………………………………………….23
Matrices…………………………………………………………………………..
30
Multiplicación de matrices…………………………………………..
32
Operaciones con matrices cuadradas……………………………36
Matriz Elemental………………………………………………………………..
44
Determinantes…………………………………………………………………..
53
ESPACIOS VECTORIALES……………………………………………………………
….60
Subespacio vectorial…………………………………………………………..
66
Combinación lineal……………………………………………………………71
Dependencia lineal……………………………………………………………
75
Cambio de bases………………………………………………………………96
Bases ortonormales…………………………………………………………...
106
Normalización………………………………………………………….
107
Propiedades del producto punto…………………………………108
Teorema de Grahm-Schmidt………………………………………………
112
Producto interno de vectores (General…...……………………………..
113
TRANSFORMACIONES LINEALES…………………………………………………
….116
Transformación de rotación………………………………………………..
119
Transformación J : C[ 0,1] → ℜ ……………………………………….
120
Núcleo e Imagen……………………………………………………………..
127
Rango y Nulidad………………………………………………………………
129
Representación matricial de una transformación lineal……...
131
3
EIGEN VALORES Y EIGEN VECTORES…………………………………………
…….137
Raíces Racionales…………………………………………………….
139
Matrices semejantes…………………………………………………………
143
Multiplicidad geométrica…………………………………………………...
146
Matrices geométricas………………………………………………………..
147
Matrices ortonormales……………………………………………….
153
Teorema de los ejes principales……………………………………………
154
4
SISTEMA DE ECUACIONES LINEALES
DEF.
Una Ecuación Lineal es aquella expresión donde las variables
tienen como potencial a la unidad.
Ejemplo
ℜ 2 → ax + by = c ← línea recta
ℜ3 → ax + by + z = d ← plano
ℜ 4 → hasta ℜ n → a1 x1 + a2 x2 + a3 x3 + + an xn ≡ ℜ ← se le llama hiperplano
DEF.
Un sistema de ecuaciones lineales consta de n-variables por m-
ecuaciones.
Variables=n
i = 1, , m
j = 1, , n[ corre]
i tipifica a las filas
j tipifica a las columnas
Ejercicio.
5
En la fabricación de una silla se utiliza una unidad de madera de cada
tipo. Por otra parte para fabricar una mesa se necesitan una unidad de
tipo A y 2 unidades de tipo B.
Solución
Supones que:
x=sillas y
y=mesas
− x − y = −14
x + 2 y = 16
y= 2
Sustituyendo y:
x + 2 = 14
x = 14 − 2
x = 12
Por tanto:
x = 12 y y=2
DEF.
6
Dadas las n-ádas
u1 v1
u v
u = 2 y v = 2
un vn
se definen las siguientes operaciones
1) La suma de u + v es la n-áda.
u1 + v1
u + v
u +v = 2 2
u n + vn
es decir, cada elemento u + v es la suma correspondiente de los
elementos de u y v .
v1 av1
v av
av = a 2 = 2
vn avn
donde cada elemento está multiplicado por el número a.
Ejemplo
Si
1 4 7
w = 2 y v = 5 y u = 8
3 6 9
Solución
1)
7 4 1
38 − 55 + 82 =
9 6 3
7
21 20 8
= 24 − 25 + 16 =
27 30 24
21 − 20 + 8 9
= 24 − 25 + 16 = 15
27 − 30 + 24 21
2)
1 4 7
− 2 + 6 5 − 8 =
3 6 9
1 24 7
= − 2 + 30 − 8 =
3 36 9
− 1 + 24 − 7 16
= − 2 + 30 − 8 = 20
− 3 + 36 − 9 24
TEOREMA
Sean u, v y w tres n-ádas y sean a, b y c tres números
reales cualesquiera. Entonces satisfacen:
Existe una n-áda, llamada n-áda nula denotada por 0 con todos los
elementos nulos, tal que
u+0 = 0+u = u
8
u + ( − u) = 0
5) Propiedad distributiva del producto de un número real respecto a
la suma de las n-ádas
a u + v = au + a v( )
( )
** ( a + b ) v = a + b v **
Demostración de la propiedad 2
u1 + v1 α1 + v1
u + v α + v
u+v 2 2
, α v
2 2
un + vn α n + vn
Sea
u1 v1 w1
u v w
u = 2 , v = 2 , w = 2
u3 v3 w3
u1 v1
( u + v ) = u2 + v2
un vn
Sabemos que:
u1 + v1
u + v
( u + v ) = 2 2
un + vn
u + v = m donde m es n-áda
9
Ahora
u1 + v1 w1 ( u1 + v1 ) + w1
u + v w ( u + v ) + w
m +m = 2 2 + 2 = 2 2 2
un + vn wn ( u n + vn ) + wn
Tenemos que
( u1 + v1 ) + w1 u1 + ( v1 + w1 ) u1 v1 + w1
( u + v ) + w u + ( v + w ) u v + w
2 2 2
= 2 2 2
= 2 + 2 2
=
( u n + vn ) + wn un + ( vn + wn ) u n vn + wn
v1 + w1 v1 + w1
v + w
v + w
=u+ 2 2
= u + 2 + 2 =
v
vn + wn n + wn
= u + ( vn + wn ) cqd.
Demostración de la regla 6
Sea
ab=real= α
αv u1 ab u1
α u ab u
α u+ 2
= 2
α un ab u n
10
= a ( bu ) cqd.
Observemos
5x + 6y + 7z = 0
x1 x2 x3
x = y1 , y = y2 y z y3
z z z
1 2 3
x1 x2 x3 0
5 y1 + 6 y2 + 7 y3 = 0
z z z 0
1 2 3
5 x1 6 x2 7 x3 5 x1 + 6 x2 + 7 x3 0
5 y1 + 6 y2 + 7 y3 = 5 y1 + 6 y2 + 7 y3 = 0
5z 6 z 7 z 5z + 6 z + 7 z 0
1 2 3 1 2 3
5 x1 + 6 x2 + 7 x3 = 0
5 y1 + 6 y2 + 7 y3 = 0 Sistema Lineal
5 z1 + 6 z 2 + 7 z3 = 0
Ejemplo:
Solución
Sustituimos en el sistema la propuesta de solución
x1 4
x = 2
2
x3 Vector solución 1
x1 = 4
x2 = 2
x3 = 1
11
4 − 2 = 2 → satisface 1
4 + 2 = 8 → satisface 2
4 − 2 + 1 = 3 → satisface 3
3x + 5 y = 8 16
⇒y=
6 y = 16 6
15 x + 25 y = 40 16
⇒y=
6 y = 16 6
fácil x=?...II
Para I
16
3 x + 5 = 8
6
80
3x + =8
6
80
3x = 8 −
6
8 80
x= −
3 18
32 16
x=− ⇒
18 9
Para II
16
15 x + 25 = 40
6
25 ⋅16
15 x + = 40
6
25 ⋅16
15 x = 40 −
6
8 5 16
x= − ⋅
3 3 6
12
8 5 8
x= − ⋅
3 3 3
8 5
x = 1 −
3 3
8 3−5
x=
3 3
8 2
x = −
3 3
16
x=−
9
Caso 1.
Ec. 1
Se cortan (en un solo
plano)
∴ El sistema tiene
solución única
Ec. 2
Caso 2.
Ec. 2
Ec 1 = Ec 2
Se tocan en una
Ec. 1 infinidad de puntos.
∴ El sistema tiene
infinidad de soluciones.
Ec. 2
Ec. 2 en Ec. 1tienen la misma
pendiente, sus ordenadas al
Ec. 1 origen deben ser diferentes con
Caso 3.
ordenada al origen diferente.
Con esto garantizo que son
rectas paralelas
13 ∴ El sistema no tiene solución.
** Resumen
Sistema lineal de ecuaciones
Única Soluble
Solución ∞
No tiene No Soluble**
DEF.
Dos sistemas de ecuaciones lineales son semejantes/equivalentes
si tienen el mismo conjunto solución.
ax + by + cz = d1 x = α1
ex + fy + gz = d 2 ⇒ y = β2
α x + β y + τ z = d3 z = τ3
⇓
α x +0+0 =α
**Un sistema de E.L. es posible1 llevarlo a un sistema solución
β y operaciones
(equivalente) por medio0 +de + 0 = β2 elementales, diagonalizando
0 + 0 +τ z = τ3
nuestro sistema de ecuaciones.**
14
Ejemplo
Sea E.L.
x1 − x2 + 2 x3 = 1
− x1 + 2 x2 − x3 = −1
x1 − 2 x2 − x3 = 3
Encontrar su equivalente más sencillo, usando operaciones elementales.
Solución
a) Etiquetar el sistema.
x1 − x2 + 2 x3 = 1 R1
− x1 + 2 x2 − x3 = −1 R2
x1 − 2 x2 − x3 = 3 R3
Volvemos a etiquetar:
x1 − x2 + 2 x 3 = 1 R1
x2 + x3 = 0 R2
x2 + 3 x3 = −2 R3
R2 + ( − 1) R3 → R3
x2 + x3 = 0
− x2 − 3 x3 = −2
− 2 x3 = 2 NewR3
x1 − x2 + 2 x3 = 1 R1
0 + x2 + x3 = 0 R2
0 + 0 − 2 x3 = 2 R3
15
Ahora vamos a hacer ceros arriba de x3 y de la ecuación R3.
R3 + ( 2 ) R2 → R2
R3 + R1 → R1
0 + 0 − 2 x3 = 2 R3 0 + 0 − 2 x3 = 2
2 x2 + 2 x 3 = −0 x1 − x2 + 2 x3 = 1
2 x2 + 0 = 0 New R2 x1 − x2 + 0 = 3 New R1
Resolver el sistema
2 x − 3 y + 6 z + 2v − 5w = 3
y − 4z + v =1
v − 3w = 2
Solución
Etiquetamos nuestro sistema de E.L.
16
2 x − 3 y + 6 z + 2v − 5w = 3 R1
y − 4z + v = 1 R2
v − 3w = 2 R3
( 3) R2 + R1 → R1
2 x − 3 y + 6 z + 2v − 5w = 3
3 y − 12 z + v =1
2 x + 0 − 6 z + 5v = 6 New R1
Ahora
R3 + ( − 1) R2 → R2
− y + 4z − v = −1
v − 3w = 2
− y + 4 z + 0 − 3w = 1 New R2
Ahora
De R3
v − 3w = 2
v = 2 + 3w 4
Sustituimos 4 en R2
y − 4 z + ( 2 + 3w) = 1
y = 1 + 4z − v
x = 3 y − 6 z − 2v + 5w + 3
De R1
17
NOTA: Para nuestro ejercicio w y z se llaman variables libres.
Resolver
x + 2 y − 3 z = 1 R1
3 x − y + 2 z = 7 R2
5 x + 3 y − 4 z = 2 2 R3
Solución
( − 3) R1 + R2 → R2
( − 5) R1 + R3 → R3
− 3x − 6 y + 9 z = 3 − 5 x − 10 y + 15 z = 5
3x − y + 2 z = 7 5x + 3 y − 4 z = 2
− 7 y + 11z = 10 New R2 − 7 y + 11z = 7 New R3
El sistema es inconsistente.
¡No tiene solución!
SISTEMA ESCALONADO
18
5x + 3 y + 0z = 1
8 y + 0 z = 1 __ una solución
8 z = 1 __ tiene infinidad
→ 5 x + 3 y + 0 z = 1 5 3 0 1
0 + 8 y + 0 z = 1 ⇒ 0 8 0 1
0 0 8 1
0 + 0 + 8z = 1 **De coeficientes aumentada**
MATRIZ
DEF.
Dado un sistema de ecuaciones lineales se le puede asociar una
matriz de coeficientes aumentada
Ejemplo
Sea
2x + 3y = 1
5x + 7 y = 3
Sol.
2 3 1 − 10 − 15 − 5
5 7 3 − 5 R1 + 2~R2 → R2 0 − 1 1
− 10 − 15 − 5 “Método de Gauss
para matrices”
10 14 6
−1 1
2x + 3y = 1 2x − 3 = 1
⇒ y = −1
− y =1 1+ 3
x=
2
x=2
TEOREMA
Sean dos sistemas lineales tales que uno de ellos es el
resultado de realizar una operación elemental en el otro. Entonces
ambos sistemas son equivalentes.
DEF.
Una matriz se dice escalonada si se verifican las siguientes
condiciones:
19
III. Las filas nulas, si existen, están en la parte inferior de la matriz
MÉTODO DE GAUSS
TEOREMA
Un sistema de ecuaciones lineales es:
Solución
20
x1 + bx2 − 2 x3 = 2
− x1 + ( b − 2) x2 + 2 x3 = −2
2 x1 + 2 x2 + ( b − 4 ) x3 = 3
matriz aumentada del sistema
Fila pivote
1 b −2 2
−1 b − 2 2 − 2
ceros
2 2 b − 4 3
R1 + R2 → R2 El sistema es inconsistente
− R1 + R3 → R3
∴ No tiene solución para el valor
1 b −2 2
de b=0
0 2b − 2 0 0
0 − 2b + 2 b − 1
i) Si b=1
1 1 − 2 2 b≠0
0 0 0 0 ⇒ x3 = −1 ← R3 ( 2b − 2) x2 = 0
0 0 1 − 1 x2 ≠ 0
x1 + x2 − 2 x3 = 2 2b − 2 = 0
x1 + x2 − 2( − 1) = 2 b =1
x1 + x2 + 2 = 2 ( − 2b + 2) x2 + bx3 = −1
x1 + x2 = 0 x1 + bx2 − 2 x3 = 2
x1 = − x2
x2 = t x2 = 0
x1 = −t 2b − 2 ≠ 0
t ∈ℜ
n-áda
− t 1 0 − 2 2 ∴ b=1 ⇒ El sistema bx3 = −1
F t 0 0 0 0 tiene una infinidad de 1
0 0 b − 1 soluciones x3 = −
− 1 b
ii) b=0 que le pasa al sistema
1 0 − 2 2 →1
R2 → −2 x2 = 0
0 − 2 0 0 → 2
0 2 R3 → 2 x2 = −1
0 − 1 → 3
21
x1 − 2 x3 = 2
2
x1 = 2 + 2 x 3 = 2 −
b
n-áda solución
2
2 −
b
f = 0
1
−
b
Ejemplo
2 x + 4 y = 10
3 x + 6 y = 15
Solución
2 4 10 2 4 10
3 6 15 − 3~R1 + 2 R2 → R2 0 0 0
2 x + 4 y = 10
x = 5 − 2y
su n-áda solución es:
5 − 2t
f =
t
y =t t ∈ℜ
SISTEMAS HOMOGÉNEOS
OJO
m > n sol. Trivial
OJO
m = n sol.
li linealmente independiente
ld . li
ld linealmente dependiente
22
y cada ecuación
− a11 x1 + + a1n xn = 0
Se forma combinación lineal
Ejemplo
Determinar si el sistema tiene solución diferente de cero
x + 3y − 2z = 0
x − 8 y + 8z = 0
3x − 2 y + 4 z = 0
Solución
1 3 − 2 0 ~ 1 3 − 2 0 1 3 − 2 0
R +R →R
1 − 8 8 0 1 2 2
0 11 10 0 ( − ) R2 + R3 → R3 0 − 11 10 0
3 − 2 4 0 − 3R1 + R3 → R3 3 − 11 10 0 0 0 0 0
− 11 y − 10 z = 0
10 z
y=− z =t t ∈ℜ
11
10
x + 3 t − 2t = 0
11
30 − 8t
x = 2t − =
11 11
8
− 12 t
10 n-áda solución
u= t ←
11
t
Ejemplo
Verificar si tiene solución o es la solución trivial
x + 3y − 2z = 0
2x − 3y + z = 0
3x − 2 y + 2 z = 0
23
Determinar si el sistema tiene solución diferente a la trivial
Solución
1 3 − 2 0 ~ 1 3 − 2 0 1 3 − 2 0
− 2R + R → R ~
2 − 3 1 0 1 2 2
0 − 9 5 0 − 11R2 + 9 R3 → R3 0 − 9 5 0
3 − 2 2 0 − 3R1 + R3 → R3 0 − 11 8 0 0 0 17 0
De R1 x + 3( 0) − 2( 0 ) = 0 ⇒ x = 0
∴ el sistema es li.
APLICACIONES
Circuitos Eléctricos
Resistencias + -
v
v = iR → Ley de Ohm
i
serie
los puedo conectar + - i
paralelo +
v
-
-
+ +
+ V
Batería
o i3 i2
-
Fuente
- +
2) ∑v i =0 ***
Solución
24
10 + VR5 + VR2 + VR3 = 0
VR2 + VR1 = 0
10 + 5( − i1 ) + 2( − i1 + i2 ) + 3( − i1 ) = 0
2( i2 − i1 ) + 1( − i2 ) = 0
De la ecuación 1.
10 = 5i1 + 2i1 − 2i2 + 3i1
10 = ( 5 + 2 + 3) i1 − 2i2
De la ecuación 2.
2i2 − 2i1 − i2 = 0
− 2i1 + ( 2 − 1) i2 = 0
10i1 − 2i2 = 101
− 2i1 + i2 = 0 2
~
10 − 2 10 10 − 2 10
2 R1 + 10 R2 ⇒ R2
− 2 1 0 − 2 1 0
20 − 4 20
− 20 10 0
6 20
20
i2 =
6
20 20
vR = −1 = Volts
6 6
Ejercicio
Resolver el siguiente circuito
R1
R3
I II
III IV
25
Resistencias= 1Ω
Voltaje=10 V
¿Cuánto vale iI , iII , iIII e iIV ?
Solución
Hay 4 ventanas
( R1 + R2 + R5 ) iI − R2iII − R5iIV = V
( R2 + R3 + R4 ) iII − R2iI − R4iIII = 0
( R4 + R6 + R7 ) iIII − R4iI − R7iIV = 0
( R5 + R7 + R8 ) iIV − R5iI − R7iIII = 0
Asociándola a la matriz
iI iII iIII iIV
R1 + R2 + R3 − R2 0 − R5 V
− R2 R2 + R3 + R4 − R4 0 0
0 − R4 R4 + R6 + R7 − R7 0
− R5 0 − R7 R5 + R7 + R8 0
− R1 + ( 3) R2 → R2
R1 + ( 3) R4 → R4
3 1 0 1 10 3 − 1 0 − 1 − 10
−3 9−3 0 0 −3 0−3 9 0
8 − 3 1 − 10 − 1 − 3 8 − 10
3 − 1 0 − 1 − 10
8R1 + R2 → R1
0 8 − 3 − 1 − 10 8R + R → R ~
0 − 1 3 − 1 0 3 2 3
8 R4 + R2 → R4
0 − 1 − 3 8 − 10
26
24 − 8 0 − 8 − 80 − 8 24 − 8 0 − 8 − 24 64 − 80
0 8 − 3 1 − 10 8 − 3 1 − 10 8 − 3 1 − 10
24 0 − 3 − 7 − 90 0 21 − 7 − 10 0 − 27 65 − 90
24 0 − 3 − 7 − 90 24 0 − 3 − 7 − 90
0 8 −3 1 − 10 ~ 0 8 3 1 − 10
~ 21R4 + 27 R3 → R4
0 0 21 − 7 − 10 0 0 21 − 7 − 10
0 0 − 27 65 − 90 0 0 0 65 − 2160
567 − 189 − 270
− 567 1365 − 1890
0 1176 − 2160
De esto podemos ver que
1176iiv = 2160
2160
iIV = = 1.84 A
1176
21iIII − 7(1.84) = −10
21iIII = −10 + 12.88
2.88
iIII = = 0.14 A
21
8iII − 3( 0.14 ) + 1.84 = −10
8iII = −10 + 0.42 − 1.84
11.06
iII = = 1.39 A
8
24iI − 3( 0.14 ) − 7(1.84 ) = −90
24iI = −90 + .42 + 12.88
− 76.6
iI = = 3.20 A
24
Ejercicio
I1
4
R3
1 I2
I3
27
Ri = 1Ω i = 1,2,3, ,6
v = 10V
Solución
Podemos reescribir el circuito de la siguiente forma:
J1 J2
R3
J3
R6 J1 + R5 ( J1 − J 2 ) = −10V
R3 J 2 + R5 ( J 2 − J1 ) + R4 ( J 2 − J 3 ) = 0
R1 J 3 + R2 ( J 3 − J 4 ) + R4 ( J 3 − J 2 ) = 0
28
Por Gauss-Jordan
R1 + ( 2) R2 → R2
2 − 1 0 − 10 2 − 1 0 − 10
− 1 3 − 1 0 ( 5) R3 + R~
2 → R3 0 5 − 2 − 10
0 − 1 3 0 0 0 13 − 80
− 80
∴ J3 = ⇒ J 3 = −6.15
13
Sustituyendo en J 3 en
5 J 2 − 2( − 6.15) = −10
J 2 = −10 − 12.6
− 22.6
J2 = J 2 = −4.46
5
Sustituyendo J 2 en
2 J1 − ( − 4.46 ) = −10
2 J1 = −10 − 4.46
− 14.46
J1 = ⇒ J1 = −7.23
2
120 E
A x4 C 110
x1 x5
Llegan 100 y 120 coches por hora a los puntos D y A, mientras que los
puntos B y C salen 110 coches p/hora.
29
Hallar los posibles flujos de tráfico entre las calles.
Solución
Lo primero que hay que hacer es armar nuestro sistema de ecuaciones
A) x1 − x2 + x3 + = 120
B) − x3 + + x7 = 110
C) − x5 − x6 − x7 = 110
D) − x1 + + x4 + x5 = 120
Sustituyendo en la ecuación A.
x1 − x2 + ( − 110 + x7 ) = 120
x1 = 120 + x2 − x7 + 110
x1 = x2 + x7 + 230
Sustituyendo x1 en D.
− ( x2 − x7 + 230 ) + x4 + x5 = 120
x4 = − x5 + x2 − x7 − 110
pero también
x5 = x4 + x2 − x7 − 110
30
MATRICES
DEF.
Se llama matriz de tamaño m × x a un conjunto de m × x número
escritos formando un rectángulo de m-filas por n-columnas.
Notación
[ ]
aij i = 1, , m
j = 1, , m
Suma
[ a ] + [b ] = [ c ]
ij ij ij i = 1, , m
j = 1, , n
aij + bij = cij
Elementos
Ejemplo
11 12 11 12
DEF.
Producto de un escalar por una matriz
[ ]
α aij i = 1, , m
j = 1, , n
[
= α aij ] i = 1, , m
j = 1, , n
Ejemplo
31
1 2 1 ⋅ 8 2 ⋅ 8 8 16
8 = =
3 4 3 ⋅ 8 4 ⋅ 8 24 32
TEOREMA
Sea V el conjunto de todas las matrices m × x sobre un
cuerpo ℜ( ⊄ ) . Entonces para todas las matrices A, B y C ∈ V y todo escalar
k1 y k2 que pertenecen al cuerpo ( k1 y k 2 ∈ B ) .
i) ( A + B) + C = A + ( B + C )
ii ) A+0 = A
iii ) A + ( − A) = 0
iv) A+ B = B + A
v) k1 ( A + B ) = k1 A + k1 B
vi) k1 + k 2 ( A) = k1 A + k 2 A
vii) k1 ( k 2 A) = k 2 ( k1 A)
viii ) 1 ⋅ A = A
ix) 0 ⋅ A = 0
Multiplicación de matrices
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
⇓ Matriz Aumentada
a11 a21 a31 b1
a21 a22 a23 b2
a a32 a33 b3
31
El sistema lo podemos expresar Ax + b
Donde
a11 a21 a31 x1 b1
A = a21 a22 a23 y x = x2 , b = b2
a a32 a33 x b
31 3 3
32
x , b se llaman vectores columna
A es la matriz del sistema
a11 a21 a31 x1 b1
Ax = b ⇒ a21 a22 a23 x2 = b2
a
31 a32 a33 x3 b3
DEF.
La multiplicación de dos matrices como la operación fila•columna
(“producto lineal”)
B ⋅ A = [ n × p ] [ m × n]
≠
De aquí observamos que AB ≠ BA
Ejemplo
Supongamos que ( R × S ) representa una matriz de la forma R × S .
Ejemplo
Si
1 3 2 0 − 4
A = y B =
2 − 1 3 − 2 6
Hallar AB & B A
33
Solución
[ A] = [ 2 × 2]
[ B] = [ 2 × 3]
AB = [ 2 × 3] B A = [ 2 × 2]
1 3 2 0 − 4 2 0 − 4 1 3
AB = B A =
2 − 1 3 − 2 6 3 − 2 6 2 − 1
(1,3)
0
( 2,3)
3
= 0 − 6 = −6 (1,2) = 6 − 3 = 3 (1,2)
−
2 −
1
− 4
(1,3) ( 0,−2)
1
= −4 + 18 = 14 (1,3) = 0 − 6 = −6 ( 2,1)
6 3
( 0,−2)
2
AB(11 − 6 14 ) = 0 + 2 = 2 ( 2,2)
−
1
( 2,−1)
2
( − 4,6)
1
= 4 − 3 = 1 ( 2,1) = −4 + 18 = 14 ( 3,1)
3 3
( 2,−1)
0
( − 4,6)
2
= 0 + 2 = 2 ( 2,2) = −8 − 6 = −14 ( 3,2 )
−
2 −
1
8 3
−4
( 2,−1) = −8 − 6 = −14 ( 2,3) BA = − 6 2
6 14 − 14
11 − 6 14
∴ AB =
1 2 − 14
Ejercicio
2 − 1
1 − 2 − 5
A= 1 0 , B =
−3 4 3 4 0
Hallar AB y B A
Solución
34
[ A ] = [ 3 × 2]
[ B] = [ 2 × 3]
AB = [ 3 × 3] B A = [ 2 × 2]
2 − 1 − 1 − 8 − 10
1 − 2 − 5
AB = 1 0 = 1 − 2 − 5
− 3 4 3 4 0
9 22 15
( 2,−1)(1,3) = 2 − 3 = −1 ( 1,0 )(1,3) = 1
( 2,−1)( − 2,4) = −4 − 4 = −8 ( 1,0 )( − 2,4) = −2
( 2,−1)( − 5,0) = −10 ( 1,0 )( − 5,0) = −5
( − 3,4)(1,3) = −3 + 12 = 9
( − 3,4)( − 2,4) = 6 + 16 = 22
( − 3,4)( − 5,0) = 15
2 − 1
1 − 2 − 5 15 − 21
B A = 1 0 =
3 4 0 − 3 4 10 − 3
(1,−2,−5)( 2,1,−3) = 2 − 2 + 15 = 15 ( 3,4,0,)( 2,1,−3) = 6 + 4 = 10
(1,−2,−5)( − 1,0,4) = −1 − 20 = −21 ( 3,4,0,)( − 1,0,4) = −3
DEF.
a11 a12 a13 a1n
a a22 a23 a2 n
Si A = 21
a am 2 amn
m1
** [ A ] = ( m × n ) **
Le asociamos la matriz
a11 a12 a1n
a21 a22 a2 n
A = a31 a32 a3n = A t
a
n1 an 2 anm
A t matriz transpuesta
35
“Si la matriz es de n × n se llama matriz cuadrada”
Ejemplo
Si
cosθ senθ
A =
− senθ cosθ
Preguntas.
At = ?
A ⋅ At = ?
At ⋅ A = ?
Solución
cosθ − senθ
A t =
senθ cosθ
cosθ senθ cosθ − senθ
A ⋅ A t =
− senθ cosθ senθ cosθ
Matriz Identidad
cos 2 θ + sen 2θ − cosθ senθ + senθ cosθ
A ⋅ A
t
− senθ cosθ − senθ cosθ sen 2θ + cos 2 θ
1 0
=
0 1
Nos preguntamos ¿ ΑΒ = ΙΙ ?
•) A y B cuadradas
•) No se puede dividir matrices
•) Dado que A tiene asociada A −1 , donde
AA −1 = II
** A −1 se llama inversa**
36
(
** ( A I ) ~ ( I ) A
−1
)
1
A −1 = ( cofA ) t **
det .A
Solución
a b x y 1 0
AB = =
c d z w 0 1
ax + bz ay + bw 1 0
AB = =
cx + dz cy + dw 0 1
De ahí tenemos que
ax + bz = 1 ay + bw = 0
cx + dz = 0 cy + dw = 1
1er . Sistema 2 do . Sistema
a b 1 a b 1 a( bc − ad ) 0 − ad
cR1 + ( − ( a ) R2 ) → R2 R1 ( bc − ad ) + ( − b ) R2 → R1
c d 0 0 bc − ad c 0 bc − ad c
~ ~
ac bc c a ( bc − ad ) b( bc − ad ) ( bc − ad )
− ac − ad 0 0 − b( bc − ad ) − bc
bc − ad c a ( bc − ad ) 0 − ad
a( bc − ad ) x = −ad
( x − ad ) z = c
ad d
x= ⇒
a ( bc − ad ) bc − ad 37
c
z=
bc − ad
Resolviendo el segundo sistema:
a b 0 a b 0 a( ad − cb ) 0 − ad
c d 1 cR1 + aR~ 2 → R2 0 ad − cb a ( ad − cb ) R1 +~( − b ) R2 → R1
0 ad − cb a
ac − cb 0 a( ad − cb ) b( ad − cb ) 0
− ac ad a 0 − b( ad − cb ) − ab
bc − ad a a ( bc − ad ) 0 − ab
a( ad − cb ) y = −ab
( ad − cb) w = a
b
y=−
ad − cb
a
w=
ad − cb
−d d
x= =
bc − ad ad − bc
−b d −b
y=
ad − cb
B = ad − bc ad − cb
z=
−c − c a
ad − bc ad − bc ad − cb
a
w=
ad − cb
**Recordando
aβ bβ a b
= β **
cβ dβ c d
1 d − b
B= = A −1
ad − bc − c a
DEF.
a b
= ad − bc A
c d
= det A
1 b −d
A −1 =
A − c a
38
Nuestro problema se puede resolver por determinantes de la siguiente
forma:
∆x
x=
∆
a b
∆x =
c d
∆ = ad − cb
1 b
∆x = =d
0 d
d
∴x =
ad − cb
Ejemplo
Calcular la inversa de:
a b
3 2
A = c d
7 5
39
Solución
−1 1 5 − 2
A =
( 3)( 5) − ( 2)( 7 ) − 7 3
−1 1 5 − 2
A =
1 − 7 3
−1
AA = I
3 2 5 − 2 15 − 14 ( − 2)( 3) + ( 2)( 3)
=
7 5 − 7 3 ( 7 )( 5) + ( 5)( − 7 ) − 14 + 15
1 0
=
0 1
Ejemplo
Calcular la inversa de la matriz
2 1 −1
A = 0 2 1
5 2 − 3
Solución
40
2 1 −1 1 0 0
( A I) ~ 0 2 1 0 1 0 ~
0 −1 −1 0 0 1
− 5 R1 + 2 R2 → R3
− 10 − 5 5 5 0 0
10 4 − 6 0 0 2
−1 −1 5 0 2
2 1 −1 1 0 0 2 1 −1 1 0 0
~ 0 2 1 0 1 0 ~ 0 2 1 0 1 0 ~
0 − 1 − 1 − 5 2 2 0 0 − 1 − 10 1 4
R2 + 2 R3 → R2 R3 + R2 → R2 R3 + ( − 1) R1 → R1
0 2 1 010 0 0 − 1 − 10 1 4 0 0 − 1 − 10 1 4
0 0 − 1 − 10 1 4 0 2 1 010 − 2 −1 1 −1 0 0
0 0 − 1 − 10 1 4 0 2 0 − 10 2 4 − 2 − 1 0 − 11 1 4
− 2 − 1 0 − 11 1 4 − 4 0 0 − 32 4 12
~ 0 2 0 − 10 2 4 ~ 0 2 0 − 10 2 4
0 0 − 1 − 10 1 4 0 0 − 1 − 10 1 4
2 R1 + R2 → R1
− 4 − 2 0 − 22 2 8
0 2 0 − 10 2 4
− 4 0 0 − 32 4 12
1 0 0 8 −1 − 3
∴0 1 0 − 5 1 2
0 0 1 − 10 1 − 4
Ejemplo
Podemos formar también polinomios en la matriz A para cualquier
polinomio de la forma f ( x ) = a 0 + a 1x + a 2 x 2 + + a n x n con a ∈ ℜ , definimos
f ( A ) = a 0 I + a 1A + a 2 A 2 + + a n A n
si:
1 2
A =
3 − 4
y f ( x ) = 2 x 2
− 3 x+ 5
entonces:
f ( A) = ?
41
Solución
f ( A ) = 2( A ) − 3( A ) + 5 I
2
2 1 2
A =
3 − 4
2 7 − 6
A =
− 9 22
7 − 6 1 2 1 0
∴ f ( A ) = 2 − 3 + 5
9 22 3 − 4 0 1
14 − 12 3 6 5 0
f ( A ) = − +
− 18 44 9 − 12 0 5
16 − 18
f ( A ) =
− 27 61
TEOREMA
Sean A, B y C matrices k1 y k 2 ∈ ℜ entonces
i) ( AB ) C = A( BC) → Asociativa
ii) A( B + C) = AB + AC → Distributiva izquierda
iii) ( B + C) A = B A + CA → Distributiva derecha
iv) R( AB ) = ( R A )( B ) = A( R B )
Demostración de i)
a11 a12 a1i a1n ***
a21 a22 a2i a2 n
A=
a j1 a j 2 a ji a jn
a amn
m1
42
b11 b21 b1i b1 j b1l
b21 b2i b2 j b2l
B=
b b b b
n1 ni nj nl
AB = C
Cij = a ji b j 2 + a j 2b2i + + a jn bni
n
= ∑ a jR bRi***
R =1
[ ] [ ]
Sean A = aij , B = b jk , C[ cke ]
además AB = S = [ Sik ], BC = T = tij [ ]
La forma:
n n
Sik = ∑ aij b jk , t jl = ∑ b jk ckl
j =1 k =1
( A B ) C = SC
Sik es cualquier elemento de S
n
[ Sik ][ Ckl ] ⇒ Sik Ckl = ∑ aij b jk ckl
k =1
¡Número!
[ ][ ]
n
AT = aij t jl ⇒ aij ∑ b jk ckl
k =1
¡Número!
** ( ab ) c = a( bc ) **
n n
∴ ∑ aij b jk ckl = aij ∑ b jk ckl
k =1 k =1
( A B ) = C = A ( BC )
Demostración A( B + C) == AB + AC
Sea
AB = E = ( e ik ) *** A( aij ), B = ( b jk***
)
AC = F( f ik )
B + C = D = ( d jk )
Ahora
d jk = b jk + c jk
n
eik = ∑ aij b jk
j =1
43
n
f ik = ∑ aij c jk
j =1
n n
eik + f ik = ∑ aij b jk + ∑ aij c jk
j =1 j =1
j =1
Retornando a la matriz
⇒ A[ B + C] c.q.d.
TEOREMA
i) ( A + B ) t = At + Bt
ii) (A )
t t
=A
iii) ( ℜA ) t = ℜA t
iv) ( AB ) t = B t A t
Demostración ( AB ) t = B t A t
Sea
[ ]
aij = A y bij = B [ ]
Entonces el elemento en la n-ésima fila, j-ésima columna de la matriz
AB es ai1b1 j + ai 2 b j 2 + + ain bnj (1) .
Por otra parte, los elementos de la j-ésima fila de B t son los elementos
de j-ésima columna de B .
b1 j , b j 2 , , bmj ( 2 )
44
En consecuencia, el elemento que aparece en la j-ésima fila y la i-ésima
columna de la matriz B t A t es el producto de (2)(3).
ai1
a
b1 j , b j 2 , , bnj i 2 =
a
in
b1 j ai1 + b j 2 ai 2 + + bnj ain ( 4 )
∴ ( AB ) = B A porque (1)=(4) c.q.d.
t t t
DEF.
Una matriz A se dice que es simétrica si A t = A y asimétrica si
t
A = −A .
MATRIZ ELEMENTAL
DEF.
Una matriz (cuadrada) E de n × n se llama matriz elemental si se
puede obtener de la matriz identidad I n de n × n mediante una sola
operación elemental con renglones.
Ejemplo
Demuestre que la matriz
2 4 6
A = 4 5 6 es invertible
3 1 − 2
y escríbala como un producto de matrices elementales.
**Def. de un determinante de 3× 3
a b c
e f d f d e
d e f =a −b +c
h i g i g h
g h i
“Menores” **
Solución
det A ≠ 0
2 4 6
det A = 4 5 6
3 1 −2
45
5 6 4 6 4 5
det A = 2 −4 +6 =
1 −2 3 −2 3 1
= 2( − 10 − 6 ) − 4( − 8 − 18) + 6( 4 − 15) =
= −32 + 104 − 66 =
= −6
≠ 0 ∴ es invertible
2 4 6 1 0 0 − 4 − 8 − 12 − 2 0 0
~
4 5 6 0 1 0 − 2 R1 + R2 → R1 4 5 6 0 1 0 ~
3 1 − 2 0 0 1 0 1 −2 0 0 1
− 4 − 8 − 12 − 2 0 0 E
~ 0 − 3 − 6 − 2 1 0
0 0 1
E
2 4 6 2 0 0 1 0 0
A = 2 5 6 = 0 1 0 4 1 0
3 1 − 2 0 0 1 0 0 1
2 R1 R2 + 4 R1
1 0 0 1 0 0 1 2 0
0 1 0 0 − 3 0 0 1 0
0 0 1 0 0 1 0 0 1
R3 + 3R1 − 3R2 R1 + 2 R2
1 0 0 1 0 0 1 0 − 1 1 0 0
0 1 0 0 1 0 0 1 0 0 1 2
0 − 5 1 0 0 − 1 0 0 1 0 0 1
R3 − 5 R2 − R3 R1 − R3
TEOREMA
46
Sea A una matriz de n × n . Entonces las seis siguientes
afirmaciones son equivalentes, es decir, cada una de ellas implica a las
otras cinco.
i) A es invertible.
ii) La única solución al sistema homogéneo Ax = 0 es la solución
trivial.
iii) El sistema Ax = b tiene solución única para cada n-áda b .
iv) A es equivalente por renglones a la matriz I n de n × n .
v) La forma escalonada por renglones de A tiene n pivotes.
vi) Determinante de A es distinto de cero.
Ejercicios
a b
1.- Encuentre A = tal que la matriz A , por la matriz formada por
c d
2 3 1 0
sea igual a la matriz .
1 2 0 1
Solución
Sea
a b 2 3 1 0
A = =
c d 1 2 0 1
⇓
1 d − b 2 − 3 1
x= = , A =
A − c a − 1 2 det A
Solución
x1 = 2 x1 + 0 x2 + 0 x3 + 0 x4 = 2
x2 = 3 0 x1 + x2 + 0 x3 + 0 x4 = 3
x3 = −5 0 x1 + 0 x2 + x3 + 0 x4 = −5
x4 = 6 0 x1 + 0 x2 + 0 x3 + x4 = 6
47
3 4
3.- Muestre que la matriz A = es su propia inversa.
− 2 − 3
Solución
det A = −9 + 8 = −1
−1 − 3 − 4 3 4
A = = A −1 = A
2 3 − 2 − 3
2 1 − 1
4.- Calcular la inversa de la matriz A = 0 3 4
0 0 5
Solución
Primero verificamos que tenga inversa
det A = −9 + 8 = −1
2 1 −1
det A = 0 3 4 = 2(15)
0 0 5
= 30
es ≠ 0 por tanto tiene inversa
Resolviendo
2 1 −1 1 0 0 − 6 0 7 3 1 0
~
0 3 4 0 1 0 − 3R1 + R2 → R1 0 3 4 0 1 0 ~
0 0 5 0 0 1 0 0 50 0 1
−6 −3 3 3 0 0 30 0 − 35 − 15 − 5 0
0 3 4 0 1 0 0 0 35 0 0 7
−6 0 7 3 1 0 30 0 0 − 15 − 5 7
− 15 − 20 0 − 5 0
20 0 0 4
− 15 0 0 −5 4
~ 30 0 0 − 15 − 5 0 1 0 0 −3015 5 −7
5 R1 + 6 R3 → R3 0 − 15 0 0 − 5 4 ~ 0
30 30
1 0 0 5
15
4
15
5 R2 + 3R3 → R2 0
0 5 0 0 1 0 0 1 0 0 1
5
1 0 0 12 1 −7
6
30
~ 0 1 0 0 5
15
4
15
0 0 1 0 0 1
5
48
Ejemplo
Suponga que un fabricante produce 4 artículos, su demanda está dada
por d = ( 30,20,40,10 ) .
El precio por unidad que recibe el fabricante por los artículos está dado
$ 20
$ 15
por el vector precio p = , si se cumple la demanda. ¿Cuánto dinero
$ 18
$ 40
recibirá el fabricante?
Solución.
20
15
d ⋅p = ( 30,20,40,10 ) = 30 × 20 + 20 × 15 + 40 ×18 + 10 × 40
18
40
= 600 + 300 + 720 + 400 = 2,020
= $ 2,020.00
Ejemplo
Suponga que 4 individuos han contraído una enfermedad, este grupo
hace contacto con 6 personas d un segundo grupo.
aij = 1 , i-ésima persona del primer grupo hace contacto con la j-ésima
persona del segundo grupo.
a33 = 1 , la cuarta persona del grupo 1 hizo contacto con la 4a persona del
grupo 2.
49
segundo grupo y tercer grupo
0 0 1 0 1
0 0 0 1 0
0 1 0 0 0El tercer grupo consta de
B=
1 0 0 0 15 individuos
0 0 0 1 0
0 0 1 0 0
Problemas.
Demuestre que la matriz A
1 0 0
A = − 2 0 0 no es invertible
4 6 1
Solución
1 0 0
det A = − 2 0 0 = 0 + 0 + 0 = 0
4 6 1
No es invertible
∴
Solución
a12 = a21 ⇒ α = 5
a13 = a31 ⇒ β = 3
Demuestre que A t ( ) −1
(
y A −1 ) t
son iguales para las siguientes matrices
50
1 1 1
2 1
A = A = 0 2 3
3 2 5 5 1
Solución
1)
2 1 2 − 3 4 + 2 − 6 + 2 6 − 4
(A )t −1
=
3 2
− 1 2
=
6 + 2 − 9 + 4
=
8 − 5
1 2 − 3 −1 2 − 3
A −t =
1 −1 2
( )
= A t
−1 2
2 − 3 2 − 1
( t
)
A −1 =
− 1 2
=
3 2
2 − 3 2 − 1
≠
−1 2 3 2
∴ No son iguales
2)
1 0 5 1 0 0 R − R → R
1
(A )t −1
= 1 2 5 0 1 0
2
~
2
1 3 1 0 0 1 R1 − R3 → R3
1 0 5 1 0 0 1 0 5 1 0 0
0 − 2 0 1 − 1 0 3R2 + 2 R3 → R3 0 − 2 0 1 −1 0 ~
0 − 3 4 1 0 − 4 ~ 0 0 8 −1 3 − 2
− 8 0 0 − 13 15 − 10 1 0 0 138 −15 5
4
8
− 8 R1 + 5R3 → R1 0 − 2 0 1 − 1 0 ~ 0 1 0 −12 1
2 0
~ 0 0 8 − 1 3 − 2 0 0 1 −18 3 −1
8 4
1 1 1 1 0 0 1 1 1 1 0 0 − 2 0 1 − 2 1 0
(A )
−1 t
= 0 2 3 0 1 0 − 5R1 + R3 → R3 0 2 3 0 1 0 − 2 R1 + R2 → R2 0 2 3 0 1 0 ~
5 2 1 0 0 1 ~ 0 0 − 4 − 5 0 1 ~ 0 0 − 4 − 5 0 1
4 R1 + R3 → R1 − 8 0 0 − 13 4 1 1 0 0 8 − 48 − 18
13
~
0 8 0 − 15 4 3 ~ 0 1 0 − 158 1
2
3
8 ~
4 R2 + 3R3 → R2 0 0 − 4 − 5 0 1 0 0 1 5 0 − 14
4
(A )t −1
( t
)
= A −1 Estas
∴ Matrices son iguales
Ejemplo
51
I A
Si C = I donde es la matriz identidad y A es una matriz
0 I
cuadrada, 0 es la matriz cero, calcular la inversa de C .
Solución
1 0 0 a14 a15 a16
0 1 0 a24 a25 a26
0 0 1 a34 a35 a36
C=
0 0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 0 1
I A
C =
0 I
1 I − A
C −1 =
det C 0 I
1 0 0 a14 a15 a16
0 1 0 a24 a25 a26
1 0 0 1 a34 a35 a36
C −1 =
det C 0 0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 0 1
Ejemplo
1 + 2 + 4 + 8 + 16 +
1 2 2⋅2 2⋅4
2⋅2⋅2
n
∑2
k =0
k
a21 + a22 + a23 + a24 + a31 + a32 + a33 + a34 + a41 + a42 + a43 + a44
4, 4
∑a
i =2
ij
j =1
52
0 1 0 1 0 0
0 0 1 , 0 1 0
1 0 0 0 0 1
R3 → R1
**Como son operaciones elementales por
R1 → R2 lo tanto es una matriz elemental**
R2 → R3
1 0 0 5
0 1 0 0 Multiplicar 4× 5 y ponerla en 1)
0 0 1 0
0 0 0 1
Solución
Por teorema nos dice que A −1B −1 = ( AB ) −1 válido
A1 A 2 A k
k +1
A1A 2 A k A k +1
Invertible Invertible
Ejemplo
1 4
2 3 1 5
− 1 0
0 1 4 2
3 1 6 4 2 3
1 5
A B E AE + BF
=
C D F CE + DF
2 × 2 2 ×1
2 3 2 −3 8
A = AE =
0 1 −1 0
1 4 −1 8
E = AE =
−1 0 −1 0
53
1 5 2+5 3+5
B = BF =
− 4 2 − 8 + 2 − 12 + 10
2 3 7 28
F = BF =
1 5 − 6 − 2
− 1 8 7 28 6 36
AE + BF = + =
−1 0 − 6 − 2 − 7 − 2
Solución
a11 a12 0
a21 a22 0 a11 a12 a1n
A = a31 , A t = 0 a22
0 ann
a
n1 ann
(a )
ij
t
= a ji
DETERMINANTES
DEF.
En el conjunto de matrices de tamaño m × m se llama determinante
a una función real que cada matriz cuadrada A de m × n le asigna un
número.
Menor
Sea A una matriz de n × n y M ij la matriz de ( n − 1) × ( n − 1) de A
eliminando el renglón i-ésimo y la columna j-ésima.
M ij se llama el menor de ij de A .
Cofactor
Sea A una matriz de m × n . El cofactor ij de A , denotado por A ij ,
está dado por
A ij = ( − 1) ( M ij )
i+ j
DEF.
54
Sea A una matriz de n × n . Entonces el determinante de A ,
denotado por det A ó A , está dado por
det A = a11A 11 + a12 A 12 + + a1n A1n
n
= ∑ a1k A1k
k =1
Ejemplo
Sea
1 2 3
A = 4 5 6
7 8 9
5 6 4 6 4 5
det A = 1(1) + 2( − 1) + 3(1)
8 9 7 9 7 8
= 1( 5 ⋅ 9 − 8 ⋅ 6 ) − 2( 4 ⋅ 9 − 7 ⋅ 6 ) + 3( 4 ⋅ 8 − 7 ⋅ 5)
= 1( 45 − 48) − 2( 36 − 42 ) + 3( 32 − 35)
= 1( − 3) − 2( − 6 ) + 3( − 3)
= −3 + 12 − 9
=0
TEOREMA
Sea A( aij ) de tamaño n × n triangular superior e inferior
entonces.
det A = a11a22 a33 ann
Demostración (Inducción)
Sea
a a
A = 11 12 , n = 2
0 a22
a a
det A = 11 12 = a11a22
0 a22
55
a11 a12 a1kk
0 a22 a2 kk
det A =
0 ak −1k −1 akk
0 akk
a11 a12 ak −1
0 a22 2ak −1
= akk
0 ak −1ak −1
= akk ( a11a22 ak −1k −1 ) cqd
TEOREMA
Sea I una matriz triangular superior. Entonces I es
invertible ⇔ det I ≠ 0 .
Demostración
Sea
a11 a12 a1n
0 a22 a2 n
I=
amn
0 0 a
nn
det I = ∏ aij
i = j =1
Así det I ≠ 0 ssi todos sus elementos de la diagonal son distintos de cero.
Por lo tanto I está escalonada entonces por el teorema anterior es
invertible.
56
sea
a b
A=
c d
En la figura se grafican los puntos ( a, c ) y ( b, d ) .
(a,b , c+a)
y
c
(b,d)
a (a, c)
d
0 x
b
En el plano xy
TEOREMA
El área generada por A = det A .
TEOREMA
1
Si A es invertible ⇒ A =
1
( cof .A ) T .
det A
Demostración
Si
a a12
A = 11
a21 a22
T
−1 1 a22 − a21
A = − a
a11a22 − a21a12 12 a11
57
−1 1 a22 − a21
A =
det A − a12 a11
−1
para n = 3 .
DEF.
( cof A ) T = Adjunta de A
Demostración
a11A11 + a12 A12 + + a1n A1n
Propiedad
Si el renglón i o la columna de A se multiplica por un escalar c . Es
decir, si se denota por B la nueva matriz, entonces.
58
a11 a12 a13
a 21 a 22 a 23 a11 a12 a1n
a a 22 a2n
B = = C 21
C ai1 C ai 2 C ain
a n1 a n 2 a nn
C ani C an 2 C ann
Propiedad
Sea
a11 a12 a1 j a1n a11 a12 ∝ij a1n
a21 a22 a2 j a2 n a21 a22 ∝ 2 j a2 n
A= B=
a an 2 anj ann a an 2 ∝ nj ann
n1 n1
a11 a12 aij + ∝ij a1n
a21 a22 a2 j + ∝ 2 j an1
C=
a an 2 anj + ∝ nj ann
n1
Demostración
det C = ( aij + ∝ij )Cij + ( a2 j + ∝ 2 j )C 2 j + + ( anj + ∝ nj )Cnj
= aij Cij + a2 j C 2 j + + anj C nj + ∝ij Cij + ∝ 2 j C 2 j + + anj C nj
= det A + det B
Propiedad
El intercambio de cualesquiera dos renglones (ó columnas) de A tiene el
efecto de multiplicar det A( − 1) .
Propiedad
Si A tiene dos renglones o columnas iguales det A = 0 .
Ejemplo
Evalúe el determinante usando las propiedades antes enlistadas.
se descartan
a b 0 0
a b 0
b 0 0 0 b 0
A= = −d b 0 0 ←= − d − b
0 0 0 c 0 c
0 0 c
0 0 d 0
= db 2 c
Ejemplo 2.
59
Cambio de fila
2 0 0 0
0 3 0 −1 0 0
0 0 3 0
A= = 2 − 1 0 0 = −2 0 3 0
0 −1 0 0 0 0 4
0 0 4
0 0 0 4
= ( − 2 )( − 1)( 3)( 4 )
= 24
Ejercicio
a b 0 0
c d 0 0
0 0 a −b
0 0 c d
2 −1 3
4 0 6
5 −2 3
Solución
a b 0 0
d 0 0 c 0 0
c d 0 0
=a0 a −b −b0 a −b
0 0 a −b
0 c d 0 c d
0 0 c d
a −b a −b
= a d − b c
c d
c d
= ad ( ad + cb ) − bc( ad + cb )
= a 2 d 2 + adbc − adbc − c 2 b 2
= a 2 d 2 − c 2b 2
= ( ad + cb )( ad − cb )
2 −1 3
−1 3 2 −1
4 0 6 = −4 −6
−2 3 5 −2
5 −2 3
= −4( − 3 + 6 ) − 6( − 4 + 5)
= −12 − 6
= −18
**En la columna 3 todos sus elementos son múltiplos de 3**
Propiedad
60
Si se suma un múltiplo escalar de un renglón (columna) de A a otro
renglón (columna) de A , entonces el determinante no cambia.
Ejemplo
Sea
1 −1 2
A = 3 1 4
0 − 2 5
1 −1 2
det A = 3 1 4
0 −2 5
↑
1 4 −1 2
=1 −3
−2 5 −2 5
= 1( 5 + 8) − 3( − 5 + 4 )
= 13 + 3 = 16
61
v es un vector “estudiado en Análisis Vectorial”
• v+w =w+v
v = ( x1 , y1 , z1 ) → se pueden representar gráficamente en ℜ3 .
v = x1iˆ + y1 ˆj + z1kˆ , donde {iˆ, ˆj , kˆ}
Base li
Generan ℜ 3
**
τ
z
cos τ =
v
y
v cos β =
v
τ
x
cos α =
β y v
α Magnitud de v = v = x 2 + y 2 + z 2
x
**
k > 1 ⇒ k v (aumenta)
kv 0 ≤ k ≤ 1 ⇒ k v (acorta)
k < 0 ⇒ k v (cambia el sentido)
Supongan
a = kv
a colineal
¿Por qué número puedo
b multiplicar a para obtener b ?
α a = bτ = 0
a α = τ = 0 → {a, b} son li
α ≠ τ ≠ 0 → {a, b} son ld
62
PRODUCTO CRUZ A × B ← vector ← vectores perpendiculares
w B+C = A
B C C = A−B
tw = c
r B+W =r
A W = r −B
C = tr − B → Ecuación de la recta
ó
C = A−B
C = A (1 − t ) + t B
0≤t ≤1
a r a × b = n ← perpendicular Ecuación
n ⋅r = 0 del plano
r
DEF.
Se dice que V es un espacio vectorial real (complejo) si dados tres
elementos x, y , z ∈ V y dos números reales arbitrarios a y b se cumplen las
siguientes condiciones.
Axiomas
A1 : x + y = y + x
A2 : (x + y) + z = x + (y + z)
A 3 : Existe un elemento de V , denotado por 0 tal que x + 0 = 0
A 4 : Para cada x que pertenece a V existe otro elemento en V ,
denotado por − x tal que x + ( − x ) = x − x = 0
63
A 5 : a + ( x + y ) = ax + ay
A 6 : ( a + b ) x = ax + b x
A 7 : a( b x ) = ( ab ) x
A 8 : 1x = x
A9 : x + y ∈ V
A10 : a x ∈ V
**A todos los elementos que satisfagan las 10 condiciones se les llama
vectores**
Demostración
A1 : ( f + y )( x ) = f ( x ) + g ( x ) = g( x ) + f ( x ) = ( g + f )( x )
A 2 : ( ( f + g ) + h )( x ) = ( f + g )( x ) + h ( x ) = f ( x ) + g( x ) + h ( x )
= ( f )( x ) + ( g + h )( x ) = ( f + ( g + h ) )( x )
A 4 : ( f + ( − f ) )( x ) = f ( x ) + ( − f ( x ) ) = f ( x ) − f ( x )
= 0 x **garantizamos la existencia del cero**
A 3 : ( f + θ )( x ) = f ( x ) + θ( x ) 0= F( x )
A 5 : a ( f + g )( x ) = a ( f ( x ) + g( x ) )
= af ( x ) + ag( x ) = ( af + ag )( x )
A 6 : ( a + b ) f ( x ) = af ( x ) + bf ( x ) = ( af + bf )( x )
A 7 : a ( bf ( x ) ) = ( ab ) f ( x )
A 8 : 1 f ( x ) = (1 f )( x ) = f ( x )
Ejemplo
Demostrar que las matrices M mn son un espacio vectorial para la suma y
la multiplicación de un escalar por una matriz de forma tradicional.
64
a11 a12 a13 a1n b11 b1n a11 + b11 a1n + b1n
=
a am 2 amn bm1 bmn am1 + bm1 amn + bmn
m1
a a1n α a11 α a1n
& α 11 =
am1 amn α am1 α amn
Solución
a11 a12 a1n b11 b12 b1n
a11 + b11 a1n + b1n
A1 = A + B = =
a a + b a + b
m1 amn bm1 bmn m1 m1 mn mn
C11 C1n
= , Cmn
C
m1 Cmn
a11 a1n
α a11 α a1n C11 C11
a21 a2 n
A1 = α = = Cmn
α am1 α amn C11 C11
a a
m1 mn
Α1 = Α + Β = Β + Α
a11 a12 a1n b11 b12 b1n
a21 a22 a2 n b21 b22 b2 n
+
a am 2 amn bm1 bm 2 bmn
m1
a11 + b11 a12 + b12 a1n + b1n
= ≈
a + b amn + amn
m1 m1
**Por propiedad de los reales
a11 + b11 = b11 + a11 **
65
A1 = A + ( − A ) = 0
a11 a12 a1n a11 a12 a1n
a21 a2 n a21 a22 a2 n
( − 1)
a amn a amn
m1 m1
− a11 − a12 − a1n
− a21 − a2 n
=
− a
m1 − amn
a11 a12 a1n − a11 − a12 − a1n
a a2 n − a21 − a2 n
A + ( − A ) = 21 +
a amn − am1 − amn
m1
a11 + ( − a11 ) a1n + ( − a1n ) **Por Ley de los signos
+(-)=- **
=
a + (− a ) a + (− a )
m1 m1 mn mn
Solución
y = mx → Ecuación de la recta
( x, mx )
Recta 1 Recta 2
Sea ( a, mb ) ; ( c, m2 z )
y1 y2
mm1 ⇒ son pendientes
a, b, c, z ∈ ℜ y1 & y2 son las rectas
66
A1 = y1 + y2 = y2 + y1
= ( a, mb ) + ( c + m2 z ) = ( a + c, mb + m2 z ) = ( c + a, m2 + mb )
= ( c + m2 z ) + ( a + m1 ) = y2 + y1
(α + β ) y1 = α y1 + β y1
(α + β )( a + mb ) = [ (α + β ) a, (αβ ) mb]
= [α a + β ,α mb + β mb]
= [α a + α mb] + [ β a, β mb]
= α [ a, mb] + β [ a, mb]
= α y1 + β y2
w, x, y ∈ V
α, β ∈ℜ
∃0 ∈ V
( x + y)(α + β )
= α x +α y + β x + β y
SUPESPACIO VECTORIAL
DEF.
Sea H un subconjunto no vacío de un espacio vectorial V y
suponga que H es en sí un espacio vectoria bajo las operaciones de
suma y multiplicación por un escalar definidas en V . Entonces se dice
que H es un subespacio vectorial de V .
TEOREMA
Un subconjunto no vacío H de un espacio vectorial V si se
cumple las siguientes reglas.
1) Si x ∈ V y y ∈ H → x + y ∈ H
2) Si x ∈ H → α x ∈ H∀α ∈ ℜ
Aseveraciones
- Un espacio vectorial es un subespacio en sí mismo → subespacio
trivial.
- Todo espacio vectorial de V contiene dos subespacios, que son el
subespacio cero y al subespacio V .
67
Si H 1 y H 2 son dos subespacios vectoriales de V . Entonces
H 1 H 2 es un subespacio de V .
Ejercicio
Sea H = { x, y, z x = at , y = bt , z = ct; a, b, ct ∈ ℜ} .
Solución
x − x1 x − y1 x − z1
= =
x2 − x1 y2 − y1 z 2 − z1
COLORARIO
Sea W un subespacio vectorial de V ssi ( i ) 0 ∈ W y ( ii ) v, w ∈ W
para todo escalar a, b ∈ ℜ .
Ejemplos
Sea V el espacio vectorial de todas las matrices cuadradas n × n sobre
los números reales. Mostrar que W es un subespacio vectorial de V
donde:
i) W está formado por las matrices simétricas, esto es, todas las
matrices A = ( aij ) tales aij = a ji .
ii) W está formada por todas las matrices que conmutan con una
matriz dada T . Esto es, W = { A ∈ V AT = T A} .
Demostración
i) 0 ∈ W puesto que todos los componentes de 0 son 0y por lo
tanto son iguales.
68
Para cualquiera escalares a y b ∈ ℜ, a A + bB , es la matriz cuya
componente es aaij + bbij .
W = { A ∈ V AT = T A}
( a A + bB ) T = ( a A ) T + ( bB ) T
= Aa T + BbT
= ATa + BTb
= T Aa + TBb
= T( a A + b B )
∴ W es un subespacio vectorial de V .
Ejemplo
Sea V el espacio vectorial de todas las funciones de cuerpo real de ℜ
en ℜ .
Solución
0 ∈ W , puesto que 0( − x ) ∈= 0 = −0 = − 0 ∈ W .
69
i)
{ }
El conjunto llamado Im A = Au u ∈ ℜ es un subespacio vectorial
n
Solución
* *[ m × n][ n ×1]
[ m ×1] * *
Puesto que O m = AO n tenemos que O m está en la imagen de A .
Sean Au, Av elementos de la imagen de A .
Como u + v es un elemento de ℜ n .
∴ A ( au ) ∈ ℜ n de donde la Im A ⊂ ℜ m .
Sean u y v ∈ ℜ n , ( u + v ) ℜ n
A( u + v ) = Au + Av = 0 + 0
=0
iv) Sea a ∈ ℜ n
a Av = A( av ) = 0
Ejemplos
Sea V = ℜ 3 . Mostrar que W es un subespacio de V si:
i) W = {( a, b,0 ) ab ∈ ℜ}
Solución
Sea W la matriz A = aij y B = bij
0 ∈ W puesto que los componentes de a, b son 0 , por lo que son iguales
0( aij + bij ) = 0( aij ) + 0( bij ) = 0
70
Ahora supongamos que 0( aij + bij ) = 0( aij ) + 0( bij ) = 0 .
• x y y∈W
x + y = ( a1 , b1 0 ) + ( a2 , b2 0 )
= ( a1 + a2 , b1 + b2 ,0 + 0 )
= ( c, d ,0 )
α x = (α a1 , α b1 0 )
•
= ( c, d ,0 ) ∈ W
Sea
a a12 b b
W = A 11 y B 11 12
a21 a22 b21 b22
cuyos determinantes son cero
a a12 b b
A 11 = 0 y B 11 12 = 0
a21 a22 b21 b22
pero la suma de estas matrices no es cero.
Por lo que
1 0 0 0 1 0
A + B = + =
0 0 0 1 0 1
∴ No es elemento del conjunto y por ende no es un subespacio de V .
Solución
71
Sea
1 0 1 0
W = por lo que B =
0 1 0 1
2 0
W + B =
0 2
2 2 0 2 0 4 0
A = =
0 2 0 2 0 4
2
A no es elemento de A por tanto no es un subespacio vectorial
Si
2 1 0
A =
0 1
2 1 0
A =
0 1
Sea
1 0 1 0
A y B
0 1 0 1
2 0
A + B =
0 2
2
¿C = C?
2 0 2 0 4 0
=
0 2 0 2 0 4
COMBINACIÓN LINEAL
DEF.
Sean x1 , x 2 , , x n vectores en un espacio vectorial V . Entonces
cualquier vector de la forma a1x1 + a2 x 2 + + an x n , donde los ai son
escalares y i = 1, , n , se llama combinación lineal de x1 , x 2 , , x n .
Ejemplo
−3 2 8
Mostrar que es una combinación lineal de
−1 9 3
−1 0 4 0 1 − 2
y
1 1 5 − 2 3 6
Solución
72
−3 2 8 −1 0 4 0 1 − 2
= α + β
−1 9 3 1 1 5 − 2 3 6
Si α = 3 y β =2
−1 0 4 − 30 12
3 =
1 1 5 3
3 15 −3 2 8
+ No regresa la matriz
0 1 − 2 0 2 − 4 − 1 9 27
2 =
− 2 3 6 − 4 6 12
Por lo que
− 3 2 8 −α 0 4α 0 β − 2β
= +
−1 9 3 α α 5α − 2 β 3β 6 β
αβ 4α − 2 β
=
α − 2 β 5α + 6 β
α =3
β =2
4α − 2 β = 8 α + 3β = 9
α − 2 β = −15 α + 6β = 3
Ejemplo
1
Sea 3 un vector en ℜ 3 , expresarlo en una combinación lineal de iˆ, ˆj , kˆ .
5
Solución
1
3 = α iˆ + β ˆj + τ kˆ
5
73
1 1 0 0
3 = α 0 + β 1 + τ 0
5 0 0 1
α = 1, β = 3, τ = 5
1 1 0 0
3 = 0 + 3 1 + 5 0
5 0 0 1
1 0 0 1
= 0 + 3 + 0 = 3
0 0 5 5
Ejemplo
Sea Pn ( x ) el conjunto de polinomios de grado
Pn ( x ) = a n x n + a n −1x n −1 + + a 0 x 0
{1, x, x , , x }
2 n
3 x 2 + 1 = 3 x + 0 x + 1 OJO
Ejercicio
Comprobar que los vectores u = ( 4,−2,5) y v = (1,−1,−1) ∈ ℜ3 son combinación
lineal de x1 = (1,−1,2) & x 2 = ( 2,0,1) .
Solución
Sea
α = ( 4,−2,5) y β = (1,−1,−1)
u = α (1,−1,−1) + β ( 2,0,1)
74
(1,−1,1) = (α + 2 β ,−α ,2α + β )
α + 2β = 1 ⇒ 2β = 0
− α = −1 ⇒ α = 1
2α + β = 1 β = 1− 2
β = −1
∴
El sistema es inconsistente, no es combinación lineal
DEF.
Se llama envoltura lineal de los vectores x1 , x 2 , , x p de un espacio
vectorial V al conjunto de todas las combinaciones lineales de dichos
vectores y lo denotaremos:
Env{x1 , x 2 , , x p }
Ejemplo
Obtener la envoltura de los vectores x = (1,−1,0 ) & y = ( 0,1,1) en el espacio
vectorial ℜ 3 .
Solución
z = ax + by
z = ( a,− a,0) + ( 0, b, b )
= ( a, b − a, b ) ; a, b ∈ ℜ
Env{ x, y} = {( a, b − a, b ) a, b ∈ ℜ}
TEOREMA
Sea x1 , x 2 , x p , vectores en un espacio vectorial V . Si W es
igual a la Envoltura de {x1 , x 2 , x p }( Env{ x1 , x 2 , x p } ) entonces.
i) W es un subespacio de V .
ii) W contiene a los vectores x1 , x 2 , x p .
iii) W es el menor subespacio vectorial que contiene a x1 , x 2 , x p .
Demostración
i) Como 0 = 0x1 + 0x 2 + + 0x p , se tiene que el vector 0 está en W .
Si u = a1x1 + a2 x 2 + + a p x p y v = b1x1 + b2 x 2 + + b p x p son dos elementos de W
.
75
u + v = a1x1 + a2 x 2 + + a p x p + b1x1 + b2 x 2 + + b p x p
= ( a1 + b1 ) x1 + ( a 2 +b2 ) x 2 + + ( a p + b p ) x p
ai + bi ∈ ℜ
ai + bi = Ci
= C1 x 1 + C 2 x 2 + + C p x p
Por lo tanto u + v está contenida en W .
Si t es un escalar, el vector tu se escribe:
tu = ta1x1 + ta2 x 2 + + ta p x p
tai ∈ ℜ ∴ tai = Ci i = 1, , p
tu = C1 x1 + C 2 x 2 + + Cp x p
Por lo tanto tu está contenido en W con lo cual se verifica las
propiedades subespacio W ⊂ V .
DEPENDENCIA LINEAL
Sean v 1 , v 2 , v n vectores de un espacio vectorial V , si la combinación
lineal
a1 v 1 + a2 v 2 + + an v n = 0
y los a1 , a2 , , an son distintos de cero, entonces v 1 , v 2 , v n son distintos
de cero, entonces v 1 , v 2 , v n , son vectores linealmente dependientes.
76
Si:
a1 = a2 = a3 = = an = 0
los vectores v 1 , v 2 , v n son linealmente independientes.
Ejemplo
Sea
1 2
v1 = 2 y v2 = 4
3 6
verificar que son ld.
Solución
2 v 1 = v 2 ∴ v 1 y v 2 son vectores linealmente dependientes.
Ejemplo
Verificar que
1 0 0
iˆ = 0 , ˆj = 1 y kˆ = 0
0 0 1
son vectores linealmente independientes.
Solución
aiˆ + bˆj + ckˆ = 0
1 0 0 a 0 0 0
a 0 + b 1 + c 0 = 0 + b + 0 = 0
0 0 1 0 0 c 0
a=0=b=0=c
iˆ, ˆj , kˆ Son vectores linealmente independientes
Ejemplo
Determinar si los vectores
1 2 0
− 2 , − 2 y 1 son “ld” ó “li”
3 0 7
Solución
77
1 2 0 a 2b 0
a − 2 + b − 2 + c 1 = − 2a + − 2b + c
3 0 7 3a 0 7c
a + 2b + 0 0
= − 2a − 2b + c = 0
3a + 0 + 7c 0
a + 2b + 0
− 2a − 2b + c
3a + 0 + 7c
1 2 0 a 0
− 2 − 2 1 b = 0
3 0 7 c 0
TEOREMA
Un conjunto de n-vectores en ℜ n siempre es linealmente
independiente si n>m.
Demostración
Sean v 1 , v 2 , , v n , n-vectores en ℜ m , intentaremos encontrar C1 , C2 , , Cn
no todas cero.
78
C1 v 1 + C 2 v 2 + + C n v n = 0
a11 a12 a1n
a21 a22 a2 n
v 1 = , v 2 = ,, v n =
a a a
m1 m2 mn
C1 a11 C 2 a12 Cn a1n
C1a21 C 3 a22 C n a2 n
C1 v 1 = , C2 v 2 = ,, C3 v 3 =
C a C a C a
1 m1 2 m2 n mn
C1 v 1 + C 2 v 2 + C 3 v 3 + + C n v n
C1 a11 + C 2 a12 + + Cn a1n = 0
C1 a21 + C 2 a22 + + Cn a2 n = 0
C1 am1 + C 2 am 2 + + Cn amn = 0
COLORARIO
Si tenemos a los más v 1 , , v n , vectores en ℜ n estos vectores
son li.
Ejemplo
{ }
Averiguar si el conjunto de polinomios 1 − x,2 + x + 2 x 2 ,1 + x 2 es linealmente
independiente.
Solución Cero
( ) ( )
a1 (1 − x ) + a2 2 + x + 2 x 2 + a3 1 + x 2 = 0 polinomio
79
0 + 2a2 + a3 = 0 Sistema
− a1 + a2 + 0 = 0 De
a1 + 2a2 + a3 = 0 Ecuaciones
1 2 1 0 1 2 1 0
− 1 1 0 0 R1 + R2 → R2 0 3 1 0 − 2 R 2 +3R3 → R3
0 2 1 0 ~ 0 2 1 0 ~
1 2 1 0
~ 0 3 1 0
0 0 1 0
de aquí concluimos
a1 = a2 = a3
{ }
∴ 1 − x,2 + x + 2 x 2 ,1 + x 2 es li
Ejercicio
Comprobar que el conjunto de funciones { sen x, cos x} es li en el intervalo
[ 0, 2π ] .
Solución
DEF.
a1sen x + a2 cos x = 0
a1 = ?
a2 = ?
DEF.
80
(f1 ( x ) , f 2 ( x ) , , f n ( x )
f1 ( x ) f2 ( x) fn ( x )
W f1 ( x )
'
f2 ( x)
'
f n' ( x )
f1 ( x ) f 2( n −1) f n( n −1) ( x )
( n −1)
Ejercicio
{ }
Verificar que el e x , xe x , x 2 e x conjunto es li.
Solución
Utilizando el wronskiano
ex xe x x 2e x
e x xe x + e x x 2 e x + 2 xe x
e x xe x + 2e x x 2 e x + 4 xe x + 2e x
1 x x2
e3 x 1 x + 1 x2 + 2x
1 x + 2 x2 + 4x + 2
{ [ ( ) ( )] [ ( ) ( )]
= e 3 x − ( x + 1) x 2 + 4 x + 2 − ( x + 2 ) x 2 + 2 x + ( x ) x 2 + 4 x + 2 − ( x + 2 ) x 2
− [( x ) ( x + 2 x ) − ( x + 1) ( x ) ]}
2 2
= e {− [( x + 5 x + 6 x + 2 ) − ( x + 4 x + 4 x ) ] + [ ( x + 4 x
3x 3 2 3 2 3 2
) (
+ 2 x − x3 + 2 x 2 )]
− [( x + 2 x ) − ( x + x ) ]}
3 2 3 2
= e [ − ( x + 2 x + 2) + ( 2 x + 2 x ) − x ]
3x 2 2 2
= 2e 3 x
DEF.
81
Un conjunto de vectores { v 1 , v 2 , , v n } es una base para un espacio
vectorial V si
**genera ⇒ Env**
Ejemplo
Los polinomios de grado de tres tienen como base 1, x, x 2 , x 3 . { }
3 x 2 + 4 = 0 x 3 + 3x 2 + 0 x + 4
{
Env = ax 3 + bx 2 + cx + d A, B, C , D x ∈ ℜ }
1 x x 2 x3
1 2 x 3x 2
(
w 1, x, x 2 , x 3 =
0
)
0 0 2 6x
0 0 0 6
Ejemplo
El conjunto { senx, cos x, sen2 x, cos 2 x, , sennx cos nx} es una base y se llama
base de Fourier.
ab ∞
** f ( x ) =
+ ∑ a 1cosmx + bnsenmx
2 n =1
función periódica**
Ejemplo
{ }
El conjunto e − st , e −2 st , e −3st , , e − nst donde t y s son variables.
** F( s ) = ∫ e f ( t ) dt ⇐ Transformada de Laplace**
− st
82
i) Estas cuatro matrices están generando a la matriz de 2× 2 , es
decir, nos generan a ℜ 2 .
Por decir:
1 0 0 1 0 0 0 0 0 0
a + b + c + d =
0 0 0 0 1 0 0 1 0 0
a 0 0 b 0 0 0 0 0 0
+ + + =
0 0 0 0 c 0 0 d 0 0
a b 0 0
=
c d 0 0
∴a = 0
b = 0 son li por tanto son bases
c=0
d =0
1 1 1 0 1 1
i) A = , B = , C =
1 1 0 1 0 0
1 2 3 − 1 1 − 5
ii) A = , B = , C =
3 1 2 2 − 4 0
Solución
i)
1 1 1 0 1 1 0 0
α + β + τ =
1 1 0 1 0 0 0 0
α α β 0 τ τ 0 0
+ + =
α α 0 β 0 0 0 0
α + β + τ α + τ 0 0
=
α α + β 0 0
83
α + β +τ = 0
α +τ = 0
α =0 No son dependientes
∴
α+β =0
α = 0, β = 0,τ = 0
ii)
1 1 1 0 1 1 0 0
α + β + τ =
1 1 0 1 0 0 0 0
α α β 0 τ τ 0 0
+ + =
α α 0 β 0 0 0 0
α + 3β + τ 2α − β − 5τ 0 0
=
3α + 2 β − 4τ α + 2 β 0 0
α + 3β + τ = 0
2α − β − 5τ = 0
3α + 2 β − 4τ = 0
α + 2β = 0
1 3 1 0 1 3 1 0 1 3 1 0 1 3 1 0
2 −1 − 5 0 0 − 7 − 7 0 0 1 1 0 0 1 1 0
3 2 − 4 0 = 0 − 7 − 7 0 ~ 0 1
~
1 0 0 0 0 0
1 2 0 0 0 −1 −1 0 0 1 1 0 0 0 0 0
∴α = 2τ
α + 3(τ ) + τ = 0
β =τ
∴ Si son
i) Si u = t 3 − 3t 2 + 5t + 1, v = t 3 − t 2 + 8t + 12
y w = 2t 3 − 4t 2 + 9t + 5
ii) Si u = t 3 + 4t 2 − 2t + 3, v = t 3 + 6t 2 − t + 4
y w = 3t 3 + 8t 2 − 8t + 7
Solución
84
i) Sea
V = 0 = 0t 3 + 0t 2 + 0t + 0
α ( t 3 − 3t 2 + 5t + 1) + β ( t 3 − t 2 + 8t − 2 ) + τ ( 2t 3 − 4t 2 + 9t + 5) = 0
(α − 3α + 5α + α ) + ( β − β + 8β + 2 β ) + ( 2τ − 4τ + 9τ + 5) = ( 0,0,0,0)
Ordenando términos
α + β + 2τ = 0
− 3α − β − 4τ = 0
5α + 8 β + 9τ = 0
α + 2 β + 5τ = 0
1 1 2 0 1 1 2 0 1 1 2 0
− 3 −1 − 4 0 0 2 2 0 0 2 2 0
5 ~ ~
8 9 0 0 3 −1 0 0 0 4 0
1 2 5 0 0 1 3 0 0 0 4 0
4τ = 0
2β = 0 Es un sistema li
β =0
ii) Sea
(
V = 0t 3 ,0t 2 ,0t ,0 )
α (1 + 4 − 2 + 3) + β (1 + 6 − 1 + 1) + τ ( 3 + 8 − 8 + 7 ) = ( 0,0,0,0)
(α + 4α − 2α + 3α ) + ( β + 6 β − β + β ) + ( 3τ + 8τ − 8τ + 7τ ) = ( 0,0,0,0)
1 1 3 0 1 1 3 0 1 1 3 0
4 6 8 0 0 2 − 4 0 0 1 − 2 0
− 2 −1 − 8 0 ~ 0 4 8 0 0
~
0 0 0
3 4 7 0 0 1 − 2 0 0 0 0 0
β = 2τ
85
Sea V el espacio vectorial de las funciones de ℜ en ℜ . Mostrar que
f , g , h ∈ V son independientes.
i) f ( t ) = e2 t ii ) f ( t ) = sent
g( t ) = t 2 g ( t ) = cost
h( t ) = t h( t ) = t
Solución
Utilizando el wronskiano
i)
e 2t t 2 t
( ) [( ) ( ) ] [( )
w = e 2t , t 2 , t = 2e 2t 2t 1 = t 2e 2t ( 2 ) − 4e 2t ( 2t ) − e 2t ( 2 ) − 4e 2t t 2 ( )( )]
4e 2 t 2 0
( ) ( )
= t 4e 2t − 8e 2t t − 2e 2t − 4e 2t t 2 = 4e 2t t − 8e 2t t 2 − 2e et + 4e 2t t 2
( )
= 2e − 2t + 2t − 1 = 0 Existirá un t ∈ Ν ≠ 0?
2t 2
NO
ii)
sent cos t t
w = cos t − sent 1 = t [ ( cos t )( − cos t ) − ( − sent )( − sent ) ] − [ ( sent )( − cos t ) − ( − sent )( cos t ) ]
− sent − cos t 0
( )
= t − cos 2 t − sen 2t − ( − sent cos t + sent cos t )
= −t cos ( 2
t + sen t ) 2
= −t ∴ ≠ 0 es li
TEOREMA
Si { v 1 , v 2 , , v n } es una base de Vy .
Si v ∈ V , entonces existe un único producto de escalares C1 , C2 , , Cn tales
que
v = C1 v 1 + C 2 v 2 + + Cn v n
Demostración
Existe al menos un conjunto de dichos escalares porque { v1 , v2 , , vn }
genera a V , suponga que v = C1 v 1 + C 2 v 2 + + Cn v n
Restando tenemos
0 = ( c1 − d1 ) v 1 + ( c2 − d 2 ) v 2 + + ( cn − d n ) v n
86
pero el conjunto { v 1 , , v n } por lo tanto
c1 − d1 = 0 = c2 − d 2 = = cn − d n
TEOREMA
Si { u1 , u 2 , , u m } y { v 1 , v 2 , , v n } son dos bases de un espacio
vectorial V , entonces m=n, es decir, cualesquiera de dos bases en
espacio vectorial V , tienen el mismo número de vectores.
Demostración
Sea S1 = { u1 , u 2 , , u 3 } y S 2 = { v 1 , v 2 , , v n } son dos bases para el espacio
vectorial V . ¿Qué pasa si m>n?, entonces si es un conjunto linealmente
dependiente (porque le sobran términos) lo que contradice la hipótesis
de ser base.
u1 = a11 v 1 + a12 v 2 + + a1n v n
u 2 = a21 v 1 + a22 v 2 + + a2 n v n
u m = am1 v 1 + am 2 v 2 + + amn v n
C 1u 1 + C 2 u 2 + + C n u n = 0
C1 ( a11 v 1 + a12 v 2 + + a1n v n ) +
C 2 ( a21 v 1 + a22 v 2 + + a2 n v n ) +
Cm ( am1 v 1 + am 2 v 2 + + amn v n ) = 0
87
a11C1 + a21C 2 + + am1Cn = 0
a12C1 + a22C 2 + + am 2Cn = 0
a1mC1 + a2 mC 2 + + amnCn = 0
DEF.
Si el espacio vectorial V tiene una base finita entonces la
dimensión de V es el número de vectores li en todas las bases y V se
llama espacio vectorial de dimensión finita.
Ejemplos
La dimensión de ℜ n
ℜn = n
La dimensión de un polinomio de grado n
grad ℜ n = n + 1
La dimensión de una matriz Mmn
dim M mn = mn
Ejercicio
Determine si el conjunto de vectores dados es una base para el espacio
vectorial al que se refiere
{
Polinomios de grado 3 3, x 3 − 4 x + 6, x 2 }
Solución
Primero comprobamos que sean li
3=0
x3 − 4 x + 6 = 0
x2 = 0
Haciendo el wronskiano
88
3 x3 − 4 x + 6 x 2
0 3x 2 − 4 [( )
2 x = 3 3 x 2 − 4 ( 2 ) − ( 6 x )( 2 x ) ]
0 6x 2
( )
= 3 6 x 2 − 8 − 12 x 2
= 6 x 2 − 24 ≠ 0 ∴ es li
0 ± − ( 4 )( 6 )( − 24)
x= =i
12
TEOREMA
Suponga que dim V = n, u1 , , u m es el conjunto de vectores
linealmente independientes en V, entonces m ≤ n .
Base para Vi { v 1 , v 2 , v n } los v i son li, u = a1 v 1 + + an v n .
Cuando m>n
u1 = a11 v 1 + a12 v 2 + + an v n
u m = am1 v1 + am 2 v 2 + + amn v n
C1u1 + C 2u 2 + + Cnu m = 0
C1 a11 + C 2 a21 + + Cm um1 = 0
C1 a12 + C 2 a22 + + Cm u mn = 0
C1 a1m + C 2 a2 m + + Cm amn = 0
Ci son distintos de cero
∴ u i son ld.
∴ contradice la hipótesis
Entonces para que sea li { u i } m ≤ n
TEOREMA
89
Sea H un subespacio vectorial de V de dimensión finita
entonces H tiene dimensión finita.
dim H ≤ dim V
Ejemplo
Sea P0 ( x ) , P1 ( x ) , , Pn ( x ) polinomios cualesquiera de Pn ( x ) de grados 0,1, , n
.
Solución
Sabemos que Pn = n + 1 , por lo tanto tenemos n+1 polinomios que son li.
Para ello hagamos lo siguiente:
a0 ρ 0 ( x ) + a1 ρ1 ( x ) + + an ρ n ( x )
con ai = 0, i = 1, , n
Obsérvese lo siguiente
{
1, ( x − a ) , ( x − a ) , , ( x − a ) con a ∈ ℜ
2 n
}
esto también es una base para los polinomios de grado n( Pn ( x ) ) , ahora
cualquier polinomio de grado n se puede escribir.
P( x ) = a0 + a1 ( x − a ) + a2 ( x − a ) + + an ( x − a )
2 n
P( a ) = a0 ⇒
⇒ P( x ) = p( a ) + a1 ( x − a ) + + an ( x − a )
n
pero
P( x ) = p( a ) + ( x − a ) q ( x )
q ( x ) = a1 + a2 ( x − a ) + a3 ( x − a ) + + an ( x − a )
2 n −1
Tendríamos que
P1 ( x ) = a1 + 2a2 ( x − a ) + 3a3 ( x − a ) + + nan ( x − a )
2 n −1
P 2 ( x ) =
p ( 1) ( a )
( x − a) + p ( a ) ( x − a) 2 + + p ( a ) ( x − a) n
( 2) ( n)
P( x ) = p( a ) +
1! 2! n!
cuando x = a
Esto se llama la serie de Taylor.
90
n
p ( x ) = ∑ an ( x − a )
n
n =0
SERIE DE POTENCIAS
Ejemplo
Encuentre una base (y de la dimensión) para el espacio solución S del
sistema homogéneno
x + 2y − z = 0
2 x − y + 3z = 0
Solución
1 2 −1 0 1 2 −1 0
− 2 R1 + R2 → R2
2 −1 3 0 0 − 5 5 0 ~
~
1 2 −1 0
~
0 − 1 0 0
Si
y = z de R2
x + 2z − z = 0
x = −z
− z
El vector solución z Es la base del espacio solución
z
dim Espacio solución =1
Ejemplo
Encuentre una base para el espacio solución S del sistema
2 x − y + 3z = 0
4x − 2 y + 6z = 0
− 6x + 3y − 9z = 0
Solución
El sistema asociado
2 −1 3 0 2 −1 3
2 R1 + R2 → R2
4 − 2 6 0 ~ 0 0 0
− 6 3 − 9 0 3R1 + R3 → R3 0 0 0
2 x − y + 3z = 0
91
y=0 3
− t
z=t 2
⇒ t
3 0
x= t
4
Si z = 0 li
2x = y t
y =t 2
⇒t
t 0
x=
2
− 3 1
Env 0 , 2
− 2 0
dim S = 2
DEF.
Sea A una matriz real de tamaño m × n , si consideramos las filas de
A como vectores en ℜ n y las columnas de A como vectores en ℜ m :
DEF.
Sea A una matriz de tamaño m × n
ii) El conjunto
{
Nuc A = v ∈ ℜn Av = 0 }
es un subespacio de ℜ al que llamaremos núcleo de A.
n
Ejemplo
Calcular el núcleo de A y la imagen de A.
92
− z
1 2 − 1
A = ⇒ S = z
2 −1 3 z
1
= Núcleo de A
− 1
1
*** 1 2 − 11
1 = ( − 1 + 2 − 1,−2 − 1 + 3)
2 − 1 3 1
2 × 3 3 ×1 = 2 ×1OJO ***
ii) Se sabe que las dos columnas son li ∈ ℜ 2 y por lo tanto forman una
base para ℜ 2 . Im A = ℜ 2 .
C1 + C 2 = C 3
cte?
C1 − C 2 = C 3
Nuc=Nulidad
Img= Rango
Solución
Buscamos una base del conjunto solución de la ecuación
b + c + d = 0 ó 0a + b + c + d = 0
Hacemos
v 1 = (1,0,0,0)
1) a = 1, c = 0, d = 0
2) a = 0, c = 1, d = 0 ⇒ v 2 = ( 0,1,−1,0 )
3) a = 0, c = 0, d = 1 v 3 = ( 0,−1,0,1)
∴ la dim U = 3
93
1) a + b = 0
a + b + 0c + 0d = 0
2) 0a + 0b + c − 2d = 0
c = 2d
Armamos el sistema
1 1 0 0
0 0 1 2
a = −b
c = 2d
Ejercicio
Encuentre una base para el conjunto de vectores que están en el plano
x
π y ( 2 x − y + 3 z ) = 0
z
Solución
y = 2 x + 3 z tenemos dos variables libres
x =1 x = 0
z = 0 z =1
1 0
2 , 3
0 1
DEF.
Sea A una matriz de n × n . Entonces el rango de la matriz A
denotado por ρ ( A ) está dado por
ρ ( A ) = dim( Im A )
DEF.
El Nuc( A ) también recibe el nombre de espacio nulo de A y
υ ( A ) = dimNuc( A ) se llama la nulidad de A.
TEOREMA
94
Sea A una matriz de n × n . Entonces A es una matriz
invertible ssi υ ( A ) = 0 .
TEOREMA
Si A es una matriz de m× n entonces
dim ℜ A = dim C A = dim Im A = ρ ( A ) .
rango
DEF.
Si A es matriz de m × n , sean { v 1 , v 2 , , v n } los renglones de la matriz
A, {C1 , C 2 , , Cn } las columnas de A. Entonces
Env
Solución
Este conjunto de vectores genera el siguiente sistema
1 2 − 3
− 2 0 4
0 4 − 2
− 2 − 4 6
Entonces escalonamos a esta matriz
95
1 2 − 3 1 2 − 3 1 2 3
2 R + R2 → R2
− 2 0 4 1 0 4 − 2 0 4 − 2
0 2 R + R4 → R4 ~ =A
4 − 2 1 0 4 − 2 0 0 0
~
− 2 − 4 6 0 0 0 0 0 0
C3
ρ ( Α) = 2
Ejercicio
Hallar el rango de la matriz A donde
1 2 − 3
2 1 0
A=
− 2 −1 0
−1 4 − 2
Solución
1 2 − 3 1 2 3 1 2 3
2 1 0 0 − 3 6 0 − 3 6
A= ~ ~
− 2 −1 0 0 3 − 6 0 0 0
−1 4 − 2 0 6 − 5 0 0 7
ρ ( A) = 3
Ejercicio
Determine el rango y el espacio de los renglones de la matriz
1 −1 3
A= 2 0 4
−1 − 3 1
Solución
1 − 1 3 − 2 R1 + R2 → R2 1 −1 3 1 −1 3
A= 2 0 4 ~ 0 − 2 − 2 − 2 R2 + R3 → R3 0 − 2 2
−1 − 3 1 R + R → R 0 − 4 4 ~ 0 0 0
1 3 3
R A = gen{ (1,−1,3) , ( 0,−2,−2)}
TEOREMA
96
Sea A una matriz de tamaño m × n , entonces:
( )
1) ρ ( A ) = ρ A t .
2) Si ρ ( A ) = m entonces las filas de A son li.
3) Si ρ ( A ) = n entonces las columnas de A son li.
TEOREMA
Sea A una matriz de tamaño n × n las condiciones siguientes
son equivalentes.
TEOREMA
Sea A una matriz de tamaño m × n de ρ ( A ) = r , entonces la
dimensión del núcleo de A υ ( A ) = n − r .
CAMBIO DE BASES
Ejemplo
eˆϑ cosθ senθ 0 iˆ
eˆθ = − senθ cosθ 0 ˆj
eˆ 0 0 1 kˆ
z
eˆϑ cosθ iˆ + senθ ˆj + 0kˆ
e = − senθ iˆ + cosθ ˆj + 0kˆ
ˆθ
eˆz 0iˆ + 0 ˆj + 0kˆ
eˆϑ = cosθ i + senθ j
ˆ ˆ
eˆθ = − senθ iˆ + cosθ ˆj
eˆz = kˆ
“Coordenadas cilíndricas”
(iˆ, ˆj, kˆ ) → ( eˆϑ , eˆθ , eˆz )
Base ↔ Base
97
Sea β = ( b1 , b2 , , bn ) una base del espacio vectorial V. Si el vector
x ∈ V se puede escribir como una combinación de la base β de la forma
x = x1b1 + x2b 2 + + xnb n
Ejemplo
r = 5iˆ + 6 ˆj + 7 kˆ, β = {iˆ, ˆj , kˆ}
5
Cβ = 6 canónicas
7
{ }
P3 ( x ) = 5 x 2 + 1, β = x 3 , x 2 , x,1
0
5
C=
0
1
Ejercicio
Hallar las componentes del vector x = (1,3,−2 ) con respecto a la base
β = ( b1 , b 2 , b 3 ) donde
b1 = (1,0,0 ) , b 2 = (1,1,0 ) , b 3 = (1,1,1)
Solución
x = α b1 + β b 2 + τ b 3
(1,3,−2) = α (1,0,0) + β (1,1,0) + τ (1,1,1)
(1,3,−2) = (α ) + ( β , β ,0) + (τ ,τ ,τ )
α + β +τ =1
β +τ = 3
τ = −2
Sustituyendo en 2 Sustituyendo y en 1
98
β = 3+ 2 α = −5 + 2 + 1
β =5 α = −2
− 2
C1 = 5
− 2
Ahora sea β = {b1 , b 2 , , b n } una base de un espacio vectorial de un
x1
x2
espacio vectorial V dado un vector x = de ℜ n , siempre se puede
x
n
encontrar un vector u de V de manera que
u = Cϑ ( x )
99
n n n
x = x1 ∑ ai1d i + x2 ∑ ai 2d i + + xn ∑ ain d i
i =1 i =1 i =1
= ∑ x j ∑ aij d i = ∑∑ ( aij x j )d i
n n n n
j =1 i =1 j = i =1
n
∑ a1 j x j
j =1 a11 a12 a1n x1
n
∑ a2 j x j a12 a22 a2 n x2
C D ( x ) = j =1 =
a a a
1n nn xn
n
∑ nj j
n2
a x
j =1
a11 x1 + a12 x2 + + a1n xn
C D ( x ) = C D ( b1 ) , C D ( b 2 ) , , C D ( b n )
donde la matriz
PD←B = [ C D ( b1 ) , C D ( b 2 ) , , C D ( b n ) ]
se llama matriz de cambio de base B a D.
Ejercicio
Sea
1 0
u1 = , u 2
0 1
Sean
1 − 1
v 2 = , B 2 { v 1 , v 2 }
v 1 = y
3 2
Sea
x
x = 1
x2
un vector en ℜ 2 .
Expresar ( x ) Base
Solución
( x1 ) B1 = x1u1 + x2u2
( x2 ) B2 = a1v1 + b1v2
100
( x1 ) B1 = x1
1 0
+ x2
0 1
0 x
( x1 ) B1 = 1 + = 1
x
0 x2 x2
−1
( x2 ) B2 = a + b
1
3 2
−b
( x2 ) B2 = +
a
3a 2b
( x 2 ) B2 ⇒ a − b = x1
3a + 2b = x2
a − b x1 a − b x1
3a + 2b x ~ 0 − b x
2 2
1 1 − 1
= a + b
0 3 2
0 1 − 1
= a + b
1 3 2
a − b 1
+ =
3a 2b 0
a −b =1
3a + 2b = 0
2b 2b
a= −b =1
3 3
5b 3
− =1 b =
3 5
( x1 ) B2 = x1u1 + x2u 2 = x1 [θ v 1 + θ v 2 ] + x2 [ β v 1 + β v 2 ]
2 3 1 1
a1 = b1 = , a2 = b2 =
5 5 5 5
( x2 ) = x1 2 v1 + 3 v2 + x2 1 v1 + 1 v2
3 5 5 5
52 −3
x1
1 5
x2
1
5 5
52 5 x1
1
3
1
5 5 x2
*** 1 3
C =
−1 1
1 2 − 3
C −1 =
5 1 1
1 2 1
(C ) −1 t
=
5 − 3 1 ***
101
TEOREMA
Sean B1 y B2 bases para el espacio vectorial V. Sea A la
matriz de tansición de la base B1 a B2. Entonces para todo x ∈ V
( x) B2 = A( x) B1
TEOREMA
Sea A una matriz de transición de B1 a B2, entonces A-1 es la
matriz de transición de B2 a B1.
1 3 0
En ℜ3 son B1 = {iˆ, ˆj , kˆ} y B 2 = 0 , − 1, 1
2 0 2
x
Si x = y ∈ ℜ , escribir ( x ) B2
3
z
Solución
1 3 0
A = 0 −1 1
2 0 2
1 3 0 1 0 0 1 3 0 1 0 0
−1
A = 0 −1 1 0 1 0 ~ 0 −1 1 0 1 0 ~
2 0 2 0 0 1 0 − 6 2 − 2 0 1
1 3 0 1 0 0 1 0 3 1 3 0
~ 0 1 −1 0 −1 0 ~ 0 1 −1 0 −1 0 ~
0 0 − 4 − 2 − 6 1 0 0 4 − 2 − 6 1
4 0 0 − 2 − 6 3 1 0 0 −2 4 −6 3
4
4
~ 0 − 4 0 − 2 − 2 1 ~ 0 1 0 24 2
4
−1
4
0 0 − 4 − 2 − 6 1 0 0 1 2 6 −1
4 4 4
− 2 − 6 3
−1 1
A = 2 2 − 1
4
2 6 − 1
− 2 − 6 3 x
1
( x ) B2 = 2 2 − 1 y
4
2 6 − 1 z
Ejemplo
102
Obtener el vector de coordenadas de p = 1 + 2 x + 3 x 2 en P 2 con respecto a
cada una de las siguientes bases.
Solución
1) Ya que p = 1⋅1 + 2 ⋅ x + 3 ⋅ x 2
1
[ P] B1 = 2
3
2)
p = c1 v 1 + c2 v 2 + c3 v 3
( ) (
1 + 2 x + 3 x 2 = c1 (1 + x ) + c2 1 − x 2 + c3 1 + x + x 2 )
1 + 2 x + 3 x = ( c1 + c2 + c3 ) + ( c1 + c3 ) x + ( − c2 + c3 ) x 2
2
1 = c1 + c2 + c31 1 1 1 1 1 1 1
2 = c1 + + c3 = 1 0 1 2 − R1 + R2 → R2 0 − 1 0 1
3 = − c2 + c3 0 − 1 1 3 0 − 1 1 3
~
1 1 1 1 1 1 1 1
1 0 1 2 − R1 + R2 → R2 0 − 1 0 1
0 −1 1 3 ~ 0 − 1 1 3
c3 = 2
De la ecuación 2
c2 = −1 ← R2
c1 + ( − 1) + 2 = 1
c1 = 0
c1 0
[ P] 2 = c2 = − 1
c3 2
Ejemplo
Determine el vector de coordenadas de
103
2 − 3
A=
1 4
en M22 con respecto a cada una de las siguientes bases
Solución
1 0 0 1 0 0 0 0
E11 = , E12 , E 21 , E 22
0 0 0 0 0 1 0 1
1)
2 − 3
A= = 2E11 − 3E12 + E 21 + 4E 22
1 4
2
− 3
[ A] B =
1
4
2)
2 − 3
A= = C1 − E 21 + C2 E 22 + C3 − E12 + C4 E11
1 4
= −C1E 21 + C2 E 22 − C3E12 + C4 E11
2 − 3 0 0 0 0 0 − C3 C 4 0
= + + +
1 4 − C1 0 0 C2 0 0 0 0
2 =C 4 − 1
3 = C3 4
[ A ] B2 =
− 1 = C1 3
4 = C2 2
Ejemplo
{ } { }
En P2 la base canónica es Β1 = 1, x, x 2 , otra base es Β 2 = 4 x − 1,2 x 2 − 2,3 x 2 − 3
. Si p = a0 + a1 x + a2 x escriba a p en términos de los polinomios de B2.
2
Solución
104
− 1 − 2
( 4 x − 1) B1 = 4 , ( )
2 x 2 − 2 B1 = 0
0 2
3
( )
3 x + 3 B1 = 0
2
3
Así
−1 − 2 3
C= 4 0 0
0 2 3
ésta es la matriz de transición de B2 a B1 de manera que C-1 es la matriz
se transición de B1 a B2.
− 3 6 3 a1
1
[ P] B2 = − 12 − 3 12 a2
27
8 2 1 a3
Si
p = x + x2
− 3 6 3 0
1
[ P] B1 = − 12 − 3 12 1
27
8 2 1 1
Ejemplo
Sea
3 2 2 − 5
B1 = ,
& Β 2 = ,
1 − 1 4 3
b1
dos bases para ℜ 2 . Si ( x ) B1 = , exprese a x en la base B2.
b2
Solución
3 2 − 5
= a11 + a21
1 4 3
2 2 − 5
= a12 + a22
− 1 4 3
3 = 2a11 − 5a21
1 = 4a11 + 3a21
105
2 = 2a12 + 5a22
− 1 = 4a12 + 3a22
2 − 5 3 2 − 5 3
4 3 1 ~ 0 26 − 10
10 5
a21 = − =−
26 13
7
2a11 = 5 = 3
13
25 14
2a11 = 3 − =
13 13
7
a11 =
13
106
Sea
1 2 − 1 3 2 − 1 1 4
B = , , &
3 6 −1 1 0 1 4 9
Demostrar que son li o ld.
Solución
Proyectamos
1 2
3 6
1 2 1 0 0 1 0 0 0 0
= α + β + τ + ϑ
3 6 0 0 0 0 1 0 0 1
1 2 α β
=
3 6 τ ϑ
α = 1, β = 2, τ = 3,ϑ = 6
1
1 2 2
=
3 6 B1 3
6
1 − 1 2 1
2 3 − 1 4 ld ⇒ det C = 0
C=
3 − 1 0 4 li ⇒ det C ≠ 0
6 1 1 9
1 −1 2 1 1 −1 2 1 1 −1 2 1
2 3 −1 4 0 5 − 5 2 0 5 − 5 2
3 − 1 0 4 ~ 0 2 − 6 1 ~ 0 0 − 20 1
6 1 1 9 0 7 − 11 3 0 0 − 20 1
∴ es ld
BASES ORTONORMALES
DEF.
Un conjunto S = { u1 , u 2 , , u n } en ℜ n es un conjunto ortogonal si
u i ⋅ u j = 0 siempre que i ≠ j y u i ⋅ u j = 1 si 1 = j .
Ejemplos
a) La base canónica {eˆeˆ , , eˆ n } ∈ ℜ n es ortogonal.
1, 2
107
TEOREMA
Si un conjunto { u1 , u 2 , , u n } de vectores no nulos en ℜ n es
ortogonal, entonces S es linealmente independiente.
Demostración
Supóngase que S = { u1 , , u n } es ortogonal y que u i ≠ 0
1< i < k
Supóngase además
C1u1 + + Ck u k = 0
para u j 1≤ j ≤ k
u j ⋅ 0 = 0 = u j ⋅ ( C1u1 + + C ju j + + Ck u k )
⇒ 0 = C1 ( 0 ) + + C j u j + + C k ( 0 ) = C j u j
2
⇒ Cj = 0
pero j es arbitrario. Por lo tanto, C j = 0 ∀j = 1,2, , k y S es linealmente
independiente.
DEF.
Un conjunto S = { u1 , u 2 , , u n } de vectores en ℜ n es ortonormal si
a) S es ortogonal.
b) Todo vector en S tiene longitud unitaria, esto es, u i = 1 ∀i .
Normalización
v
v ≠ 1 ⇒ = uˆ ← vector unitario
v
Ejemplo
Si
u = (1,3) y v = ( 6,−2 )
1
uˆ = (1,3) , vˆ = 1 ( 6,−2)
10 2 10
TEOREMA
Sea { v 1 , v 2 , , v n } una base ortonormal y supóngase que v es
cualquier vector en ℜ n . Entonces
v = ( v ⋅ v1 ) v1 + ( v ⋅ v 2 ) v 2 + + ( v ⋅ v n ) v n
Esto es el coeficiente de v j es v ⋅ v j .
Demostración
108
Sea S = { v 1 , v 2 , , v n } una base ortonormal (que también es ortogonal) y
supóngase que v ∈ ℜ n . Entonces
v = C1 v 1 + C 2 v 2 + + Cn v n
= C1 ( v j ⋅ v 1 ) + C 2 ( v j ⋅ v 2 ) + + C n ( v j ⋅ v n )
= C1 0 + + C j = ( 1) + + Cn 0
= Cj ⇒ Cj = v j ⋅ v = v ⋅ v j
j es arbitrario entre j = 1, , n
por tanto se cumple el teorema.
DEF.
La norma de un vector
v = v = v⋅v
DEF.
Un conjunto S = { u1 , u 2 , , u n } de vectores en ℜ n se llama ortonormal
si
1) S es ortogonal.
2) Si los elementos de S son unitarios.
u1 = 1∀i = 1, , n
TEOREMA
109
Sea { v 1 , v 2 , , v n } una base ortonormal, y suponga que v es
cualquier vector en ℜ n . Entonces
v = ( v ⋅ v1 ) v1 + ( v ⋅ v 2 ) v 2 + + ( v ⋅ v n ) = v n
Esto es, los coeficientes de v j es v ⋅ v j .
Ejemplo
2
Escribir el vector − 1 en ℜ 3 en términos de la base ortonormal
3
1 2 −1 6 1 3
B1 = 1 2 , 1 6 , −1 3
0 2 1
6 3
u1 u2 u3
Solución
Verifiquemos de B1 es ortonormal
a)
1
2
−1
6
1
3 1 −1 1
1 1 1
3 =
1
2
1
6
−1 1 1 1
2 3 6
0 2
6
1
3 k ≠0 0 2 1
2 −2
= k = k ( 2 + 4 ) ≠ 0 es li
2 1
b)
12
1 1 0 1+1 2
u1 = 12 ⇒ u1 = + + = = = 1 =1
0 2 2 2 2 2
−16
1 1 4 6
u 2 = 16 ⇒ u 2 = + + = = 1 =1
2 6 6 6 6
6
13
1 1 1 3
u 3 = −13 ⇒ u 3 = + + = = 1 =1
1 3 3 3 3
3
c)
110
u1 ⋅ u 2 = 0
1 1 1 1 2 1 1 1 1
, ,0 ⋅ ,− , = ⋅ + ⋅ +0 = 0
2 2 6 6 6 2 6 2 6
u2 ⋅ u3 = 0
1 1 2 1 1 1 1 1 1 1 1 1
− , , ⋅ ,− , = − ⋅ + ⋅− + ⋅ =
6 6 6 3 3 3 6 3 6 3 6 3
1 1 2
=− − +
18 18 18
2 2
=− + =0
18 18
*** v = ( u1 ⋅ v ) u1 + ( u 2 ⋅ v ) u 2 + ( u 3 ⋅ v ) u 3
r = ( iˆ ⋅ r ) iˆ + ( ˆj ⋅ r ) ˆj + ( kˆ ⋅ r ) kˆ
r = xiˆ + yˆj + zk***
2 1 1 2 1 2 2 −1 −1
6
6
− 1 = − 1, 1 2 1 2 + − 1, 1 6
1
6+
3 3 0 0 3 2 2
6 6
2 1 1
3 3
+ − 1, −1 3
−1
3
3 1 1
3 3
2
2 1 2 1 6 2 1 3
− 1 = − u1 + − − + u 2 + + + u 3
3 2 2 6 6 6 3 3 3
2
1 3 6
− 1 = u1 + u2 + u3
3 2 6 3
DEF.
Si la matriz Q consta de vectores v 1 , v 2 , , v n , los cuales son:
1) li { v 1 , , v n } .
2) v i = 1 i = 1, , n .
0 i ≠ j
3) v1 ⋅ v2 = .
1 i = j
111
Ejemplo
Si
1 2 −1 1
6
3
Q= 1 2 1
6
−1
3
0 2 1
6 3
Solución
Sabemos que QQ −1 = I = QQ T .
1 2 −1 1 1 1 0
6 3
2 2
QQ T = 1 2 1
6
−1
3
−1
6
1
6
2
6
0 2 1 1 −1 1
6 3 3 3 3
1 0 0
1 2 1 2+ 1 6 1 6+ 1 3 1 3 1 2 1 2− 1 6 1 6− 1 3 1 0− 1 2 + 1 1
3 6 6 3 3
= 1 2 1 2 − 1 6 1 6 0− 1 3 1 3 1 2 1 2 + 1 6 1 6 +
1 1
3
1
3 0+ 1
6
2
6 −
0 1
3
1
3
0 − 3 1 +0 1 1 0+ 2 6 1 6 − 1 3 1 3 0+
6 +
2 2 1 1
6 6 3 3 6 3 3
1
(1,1) = 1 + 1 + 1 = 3 + 1 + 2 = 1
0
2 6 3 6
(1,2) = 1 − 1 − 1 = 3 − 1 − 2 = 0
2 6 3 6
4 1 4+2
( 3,3) = + = =1
6 3 6
( 3,1) = − 2 + 1 = − 2 + 2 = 0
6 3 6
TEOREMA
La matriz Q de n × n es ortonormal ssi las columnas de Q son
linealmente independientes.
DEF.
Una matriz Q de n × n se llama ortogonal si Q es invertible y
−1
Q = Qt .
112
Sean { u1 , u 2 , , u n } un conjunto linealmente
independiente de vectores en ℜ n .
Demostración
Sea S = { v 1 , v 2 , , v n } una base para H.
Paso 1.
Se elige un primer vector y se hace unitario
v
v 1 = u1 = 1
v1
Paso 2.
Se elige un segundo vector a v1
′ u 1 ⋅ v 1
*** 1 1v = u − v1 este vector es ortogonal a v1 ***
v1
v ′2 = v 2 − ( v 2 ⋅ u ) u 1
v1
u2
u1 v1
v′
u 2 = 2
v ′2
v 3 = v 3 − ( v 3 ⋅u 1 ) u 1 − ( v 3 ⋅ u 2 ) u 2
′
v′
v 3 = 3
v ′3
v ′m = v m − ( v m ⋅ u 1 ) u 1 − ( v m ⋅ u 2 ) u 2 − − ( v m ⋅ u m −1 ) u m −1
′
v
u m −1 = m −1
v ′m −1
α2
v1
α1 u1
113
{ α1 , α 2 }
son base
v = aα 1 + bα 2
a1 i
a2 j
u=xi+y j
Producto Producto
Punto Interno
Para todo
vector
114
v) ( x + y) , w
= x, w , y, w
vi) α x, y = α x, y , α ∈ C
vii) x, y = α ( x, y ) , α ∈ C
z(a,b)
a ℜ
Re ( Ζ ) = a parte real
Im( Ζ ) = b parte imaginaria
Si
Ζ1 = a + ib y Ζ 2 = α + iβ
Ζ1 ± Ζ 2 = a + α ± i ( b + β ) ∈⊄
OJO
La unidad i (imaginario)= −1
i = −1 = i5 = i9
i 2 = − 1 = 17 = i10
i 3 = − i = 18 = i11
i4 = 1 = i 9 = i12
Multiplicación
115
Ζ 1 ⋅ Ζ 2 = ( a , b ) ⋅ ( α + iβ )
= ( a + ib ) ⋅ (α + iβ )
División
Ζ1 a + ib Ζ 2 ( a + ib ) − (α − iβ )
= ⋅ =
Ζ 2 α + iβ Ζ 2 α2 + β 2
a+b a b
= + Ζ 2 = α − iβ
c c c
Ζ1 aα ⋅ iaβ + ibα − i 2bβ
= =
Ζ2 α2 + β 2
Ζ1 aα + bβ + i ( bα − aβ )
=
Ζ2 α2 + β 2
Ζ1 aα + bβ bα − aβ
= 2 +i 2
Ζ2 α + β 2
α +β 2
y = ( y1 , y 2 , , y n ) y ∈ C
Ejemplo
Si
x = (1,1 + i,1 − i )
y = (1,0, i )
x, y = ?
(1,1 + i,1 − i ) , (1,0, i )
= 1 ⋅1 + (1 + i ) ⋅ ( 0 ) + (1 − i )( i )
= 1 ⋅1 + 0 + (1 − i )( − i )
116
ℜ( z ) = ℜ( z )
(
= 1+ − i + i2 )
= 1( i + 1)
= 1 − i − 1 = −i
TRANSFORMACIONES LINEALES
y
(x,y)
Reflexión
x
(-x,-y)
Rotación
Ax 2 + By 2 + Cxy + D = 0
45°
giro
x2 y2
+ =1
a 2 b2
DEF.
117
Sea v ∈ V , y sea Tv su imagen, se dice que una transformación es
lineal si
1) T( v + w ) = T( v ) + T( w )
2) T(α w ) = α ( w )
f ( x) = x
x∈Ν
f :Ν →Ν
1 2
Q →Q
T V − W Notación
v∈V y w∈W
w, v tiene como componentes a los números reales ℜ ó C .
Reflexión
x x x +x x +x
T 1 + 2 = T 1 2 = 1 2
y1 y2 y1 + y2 − ( y1 + y2 )
x x x x x x x +x
T 1 + 2 = T 1 + T 2 = 1 + 2 = 1 2
y1 y2 y1 y2 − y1 − y2 − ( y1 + y2 )
La propiedad 1 se cumple
T( α v ) = α + ( v )
x α x1 α x1 x
Tα 1 = T = = α 1
y1 − α y1 − α y1 − y1
= α T( v )
Se satisface la propiedad 2.
118
Decir si cada uno de los siguientes diagramas define a una función de
A = { a, b, c} en B = { x, y, z} .
a x a x a x a x
b y b y b y b y
c z c z c z c z
A B A B A B A B
a) No b) No c) Si d) Si
DEF.
f es uno –a- uno
x ≠ y ⇒ f ( x ) ≠ f ( y)
y y
x
sobre sobre
f(x)=x3
f(x)=x2 Si
No
DEF. Sobre
f es sobre si un elemento de la imagen proviene de al menos un
elemento del dominio.
DEF.
Una f es biyectiva si es 1 –a- 1 y sobre b) es biyectiva
Ejemplo
Composición de funciones
(
f ( x ) = cos sen 2 x )
g ( x ) = cosx
g ( u ) = cosu
h ( x ) = senx
h ( v ) = senv
L( x ) = x 2
g ( h ( L( x ) ) )
Composición
g h L ( x )
119
Ejemplo
Sean funciones (aplicaciones o transformaciones)
f :A → B g:B→ C y h:C → D
Definidas por el diagrama
x
1 4 a
y
2 5 b
z
3 6 c
w
A f B g C h D
Determinar si las funciones son a) 1-a- 1 y b) sobre y c) biyectiva.
Solución
a) f Si es 1 –a- 1
g No es 1 –a- 1
h Si es 1 –a- 1
b) f No es sobre
g Si es sobre
h Si es sobre
c) f No es biyectiva
g No es biyectiva
h Si es biyectiva
Función Transformación
(hija) (Madre)
Transformación de rotación
T : ℜ2 → ℜ2
y
α
x
120
x = r cos α
y = rsenα
x' = r cos(α + θ ) = r{ cos α cosθ − senα senθ }
y ' = rsen(α + θ ) = r{ senα cosθ + senθ cos α }
x' = r cos α cosθ − rsenα cosθ = x cosθ − ysenθ
y ' = rsenα cosθ + cos α senθ = y cosθ + senθ
x' = x cosθ − ysenθ cosθ − senθ x
=
y ' = xsenθ + y cosθ senθ cosθ y
cos θ − senθ
A θ =
senθ cosθ
Se llama matriz de rotación
x x'
T = ; Tv = v
y y'
Rotación en el z
cosθ − senθ 0
A θ 2 = senθ cosθ 0
0 0 1
Eje y
cosθ 0 − senθ
0 1 0
senθ 0 cosθ
Transformación J : C[ 0,1] → ℜ
1
Definida por JF = ∫ f ( x ) dx
0
¿Será Lineal?
Solución
1)
1 1 1
∫ [ f ( x ) + g( x ) ] dx = ∫ f ( x ) dx + ∫ g ( x ) dx = J[ f + g]( x )
0 0 0
= J f ( x ) + J g( x )
J[ f + g ] ( x ) = J ( f ( x ) ) + J ( g ( x ) )
121
2)
1 1
J ( α f ( x ) ) = ∫ α f ( x ) dx = α ∫ f ( x ) dx
0 0
= RJ f ( x )
¿Cuánto vale?
( )
J 5x 4 = ?
1 1
x5
∫0 = =1
4
5 x dx 5
5 0
J se llama operador integral.
2
No es
lineal
1 X+1
y 2
v
x 1 x
Sean
x x
v 1 = 1 & v 2 = 2
y1 y2
x + x x + x +1
T( v 1 + v 2 ) = T 1 2 = 1 2
y1 + y2 y1 + y2 + 2
122
x x
T( v 1 ) + T( v 2 ) = T 1 + T 2
y1 y2
x + 1 x + 1 x1 + x2 + 2
= 1 + 2 =
y1 + 2 y2 + 2 y1 + y2 + 4
Esta transformación no es lineal
Sea
T : ℜ3 → ℜ2
x
x+ z
T y =
z y + z
x
T : ℜ → ℜT y = ( x + y + z )
3
z
T : ℜ → ℜ3
x
T( x ) = 2 x
3x
ℜ2 → ℜ
x
T = ( x + 0 y )
y
Ejemplo
Sea V el espacio vectorial de las matrices cuadradas de tamaño n × n
sobre un cuerpo ( ℜ ) .
123
T( A ) : A M + M A
Donde A ∈ V
Solución
Sean A y B ∈ V y Κ ∈ ℜ
Por demostrar
T ( A + B ) = T( A ) + T ( B )
T( A + B ) = ( A + B ) M + M ( A + B )
= A M + BM + M A + M B
= A M + M A + B M + M B = T( A ) + T( B )
T( A ) = A M + M A
T( B ) = B M + M B
⇒ T( A + B ) = T( A ) + T( B )
α T( A ) = T ( α A )
T( K A ) = ( K A ) M + M ( K A )
= K AM + K M A
= K [ AM + M A]
= KT ( A )
TEOREMA
Sea T : V → W
Entonces para todos los vectores u, v, v 1 , v 2 , , v n en V y para todo escalar
α n∈ℜ
i) T( 0 ) = 0
T ( u − v ) = T ( u ) + T( v )
ii)
T(α 1 v1 + α 2 v 2 + + α n v n ) = α1T( v 1 ) + α 2 T( v 2 ) + + α n T( v n )
iii)
Demostración
1) T( 0 ) = T( 0 + 0 ) = 0 + 0 = 0
T( u − v ) = T( u + ( − 1v ) ) = T( u ) + T( − 1v )
2)
= T ( u ) + ( − 1) T ( v ) = T ( u ) − T ( v )
3) iii) Por Inducción
1) No. 2
T(α 1 v 1 + α 2 v 2 ) = α 1T( v 1 ) + α 2T ( v2 )
es lineal
124
2) Supóngase válido para n=K
T( α 1 v 1 + α 2 v 2 + + α κ v κ ) = α
= α 1Tv 1 + α 2 Tv 2 + + α k Tv k
k +1 = ?
T(α 1 v 1 + + α k v k v k +1 ) =
w
T( w + α k +1 v k +1 ) = T( w ) + α k +1T( v k +1 )
= T( w ) + α kM T( v kM )
TEOREMA
Sea V en espacio vectorial con dimensión finita y con base
B = { v1 , v 2 , , v n }
Sean w 1 , w 2 , , w n , n vectores en W.
Demostración
Como B es una base para V existe un único conjunto de escalares
α 1 , , α n , tales que
V = α 1v1 + α 2 v 2 + + α v β
Entonces
T1 ( v ) = α w 1 + α 2 w 2 + + α n w n
T2 ( v ) = α1T2 v 1 + α 2 T2 v 2 + + α n T2 v n
= α 1w 1 + α 2 w 2 + + α n w n
T1 = T2
Ejemplo
Sea T una transformación lineal T : ℜ3 → ℜ 4 y suponga que
1 0 0
2 −1 5
T 0 = , T 1 = & T 0 =
0 3 0 − 4 1 − 3
Calcule
125
3
T − 4
5
Solución
3 1 0 0
T − 4 = 3T 0 + ( − 4) T 1 + 5T 0
5 0 0 1
2 −1 5
= 3 − 4 + 5
3 − 4 − 3
6 4 25 6 + 4 + 25 35
= + + = =
9 16 − 15 9 + 16 − 15 10
TEOREMA
Sea V un espacio vectorial de dimensión finita con base
B{ v 1 , v 2 , , v n } . Sea W un espacio vectorial que contiene los vectores
w 1 , w 2 , , w n .
Entonces existe una transformación única T : V → W , tal que Tv i = w i ;
para i = 1, , n .
Demostración
Si suponemos que tenemos T1 v i = w i y T2 v i = w i ; la demostración es
similar al TEOREMA ANTERIOR.
Ejemplo
Encuentre una transformación lineal en ℜ (en el plano)
x
W = y 2 x − y + 3 z = 0
z
Solución
T : ℜ3 → ℜ2
x=1 x=0
Base z=0 y=1
x 1 0
y = 2 x + 3 z ⇒ 2 x + 3 z ⇒ x 2 + z 3
z 0 1
Entonces - Base -
126
1 0
w1 = 2 & w 2 = 3
0 1
1 0
Usamos la base canónica de ℜ 2 ; v 1 = & v 2 =
0 1
Entonces
1 0
1 0
T = 2 & T = 3
0 0 1 1
1 0
5 1 0
T = 5 + ( − 7 ) ≠ 5 2 − 7 3
− 7 0 1 0 1
Solución
i) Sea
x x
v 1 = 1 y v 2 = 2 ; & ∈ ℜ
y1 y2
T ( v 1 ) + T( v 2 ) = T( v 1 + v 2 )
x x x + x x + x
T 1 + T 2 = T 1 2 = 1 2
y1 y2 y1 + y2 0
x1 x2 x1 + x2
+ =
y1 y2 0
T ( α v 1 ) = α T( v 1 )
α x α x x
T 1 = 1 = α 1 cqd
α y1 α ( 0 ) 0
127
Solución
1
T( f ) = ∫ f ( x ) g( x ) dx
0
F = f ( x ) , g( x ) ; G = g( x ) , h ( x )
T ( F + G ) = T( F ) + T ( G )
1
T( F+ G ) = ∫ ( f ( x ) g( x ) dx + g ( x ) h ( x ) ) dx
0
1 1
= ∫ f ( x ) g ( x ) dx + ∫ g( x ) h ( x ) dx = T( F) + T( G )
0 0
∴ T( α f ) = α T( f )
1
T( α f ) = ∫ α( f ( x ) g( x ) ) dx
0
Pero α ∈ ℜ
1
= α ∫ f ( x ) g( x ) dx
0
Entonces
= α T( f )
Solución
Sea B y C
T( B + C) = T( B ) + T( C) = det B + det C
T( B + C) = det ( B + C) ≠∴ No es lineal
1 0 2 0 3 0
+ = = det = 9
0 1 0 2 0 3
5≠9
128
Im T = { w ∈ W Tv = w para v ∈ V}
TEOREMA
Si T : V → W es una transformación lineal, entonces:
i) nuT es un subespacio de V.
ii) ImT es un subespacio de W.
A ( x + y ) = Ax + Ay
A⊂V
A(α x ) = α Ax
Demostración
Sea x, y ∈ nuT
nuT( x + y ) = nuTx + nuTy
= 0+0 = 0
Sea α ∈ ℜ
nuT(α x ) = α nuTx = α 0 = 0
∴ nuT es un subespacio de V
ii) 1) Sean w, x , en la imagen de T.
Entonces w = Tu, x = Tv
Pero v, u ∈ V
x + w = T( v ) + T( u ) = T( v + u )
2) α x = α T( v ) = T(α v )
Ejemplos
1) Sean Tv = 0 para v ∈ V (Transformación cero).
Entonces
nuT = V
Im T = { 0}
2) Sea Tv = v para v ∈ V (Transformación Lineal)
nuT = { 0}
Im T = V
129
T es el operador de proyección de ℜ3 en en plano xy.
Entonces
nuT = ? gez
Im T = ?
z
# # x=0
y=0
#
z=0
x
Sea V = M mn y T definida por la transformación T : M mn → M mn , T( A ) = A t .
Rango ζ( T ) y Nulidad γ ( T )
DEF.
Si T es una transformación lineal de V en W, entonces se define:
la nulidad = γ ( T ) = dim nuT
el rango = ζ ( T ) = dim ImT
Ejemplo
(
Sea T : P3 → P2 por T( P ) = T a0 + a1 x + a2 x 2 + a3 x 3 )
a0 + a1 x + a2 x 2 =
Entonces
T( P ) = 0, a0 + a1 x + a2 x 2 + a3 x 4
a0 ≠ a1 = a2 = 0
Así
130
nuT = { P ∈ P3 }
{
nuT = P ∈ P3 0 + 0 x + 0 x 2 + a3 x 3 }
por lo tanto
γ ( T) = 1
Im T = P2
ζ( T ) = 3
Ejercicios
Encuentre Núcleo, Imagen, Rango y Nulidad de la Transformación Lineal
dada:
x
1) T : ℜ → ℜ,
2
T = x + y
y
Solución
x
NuT = , γ ( T ) = 1
− x
x+ y =0
γ ( T ) + ζ ( T ) = dim V
x = −y
Im T = { ℜ} , ζ ( T ) = 1
( )
2) T : C[ 0,1] → ℜ, T f = f 12
Solución
f ( x) = x
1 1
f ( x) = x2 f =
2 4
( 0,1)
Im T = { ℜ}
ζ ( T) = 1
γ ( T) = 0
Nuc( T ) = Todas las funciones que siendo 12 son cero
131
x, y, T( x + y ) = Tx + Ty
T( x + y ) = A( x + y ) = Ax + Ay = T( x ) + T( y )
TEOREMA
Sea T : ℜ n → ℜ m una transformación lineal. Entonces existe
una matriz única de m × n A T tal que:
Tx = A T x∀x ∈ ℜn
Demostración
La Base Canónica de ℜ n es:
0
0
{ eˆ1 , eˆ2 , , eˆn } donde 1 ← en la posición iˆ
e
ˆ =
1
0
0
Sea w 1 = Teˆ 1 , w 2 = Teˆ 2 , , w i = Teˆ i , , w n = T en
Sea AT la formada por los elementos w 1 , w 2 , , w n en forma de columnas
y logramos que AT denote a la transformación de ℜ n → ℜ m .
a1i
a2 i
w i = para i = 1, , n
a
mi
a11 a12 a1n
a21 a22
A T = ( w 1 , w 2 , , w n ) = a31
a32
a
m1 am 2 amn
Entonces
132
a11 a12 a1n 0 a1i
a a22 a2 n a2i
A Teˆ i = 21 = = wi
a
m1 amn 0 ani
Así A Teˆ i = w i para i = 1, , n , Ty la transformación AT son la misma poeque
coincide en los vectores básicos.
Ejemplo
Sea T : ℜ3 → ℜ 4 definida por:
x− y
x
y+z
T y =
z 2x − y − z
− x + y + 2z
Calcular AT
Solución
Usemos la base canónica
1 − 1 0
0 0
0 1 1
T( iˆ ) = , T( ˆj ) = 1 = , T( kˆ ) = 0 =
2 0 − 1 1 − 1
− 1 1 2
Entonces
1 −1 0
0 1 1
AT =
2 − 1 − 1
−1 1 2
Ejemplo
x
x− y+z
T : ℜ → ℜ , definida por T y =
3 2
z − 2 x + 2 y − 2 z
Solución
1 0 0
1 − 1 1
T 0 = , T 1 = , T 0 =
0 − 2 0 2 1 − 2
133
1 −1 1
⇒
− 2 2 − 2
DEF.
La matriz AT del teorema anterior se llama matriz de
transformación correspondiente a T ó representación matricial de T.
TEOREMA
Sea AT la matriz de transformación correspondiente a la
transformación lineal de T. Entonces:
i) Im T = Im A T = C AT (Espacio columna).
ii) ϑ ( T) = ϑ ( AT ) .
iii) nuT = NA T , NAT espacio nulo.
iv) υ( T ) = υ( A T ) .
Ejemplo
Si
x x
3
T : ℜ → ℜ ; T y = y
3
z 0
Calcular A T , ϑ ( A T ) , nuT, υ( T )
Solución
1 1 0 0 0 0
T 0 = 0 , T 1 = 1 , T 0 = 0
0 0 0 0 1 0
ϑ ( AT ) = 2
1 0 0
1 0
⇒ AT = 0 1 0
0 0 0 Im A T = gen 0 , 1
0 0
0
NuA T = gen 0
1
υ( A T ) = 1
134
Ejemplo
T : ℜ 3 → ℜ3
x 2 x − y + 3z
T y = 4 x − 2 y + 6 z
z − 6x + 3y − 9z
Calcular A T , Im A T , NuA T , ϑ ( A T ) , υ( A T )
Solución
2 −1 3
T( iˆ ) = 4 , T( ˆj ) = − 2 , T( kˆ ) = 6
6 3 − 9
2 −1 3
AT = 4 − 2 6
− 6 3 − 9
− 1
Im A T = gen − 2 ϑ ( A T ) = 1
3
2 −1 3 0 2 −1 3 0
4 − 2 6 0 ~ 0 0 0 0
− 6 3 − 9 0 0 0 0 0
⇒ 2 x − y + 3z = 0
y = 2 x + 3z
x =1 z = 0 x = 0 z =1 1 0
1 0 NuA T = gen 2 , 3
0 1
2 3
0 1
υ( A T ) = 2
Ejercicio
Encuentre la representación matricial AT de la Transformación Lineal T,
el NuT, la Im T , υ( T ) y el ϑ ( T ) .
T : ℜ 4 → ℜ3
x
x − y + 2 z + 3w
y
T = y + 4 z + 3w
z
x + 6 z + 6 w
w
135
Solución
1 − 1 2 3
T1 = 0 , T2 = 1 , T3 = 4 , T4 = 3
1 0 6 6
1 −1 2 3
AT = 0 1 4 3
1 0 6 6
1 −1 2 3 1 − 1
0 1 4 3 Im A T = gen 0 , 1
0 0 0 0 0 0
ϑ ( AT ) = 2 υ( A T ) = 2
− 6
1 − 1 2 3 z = 0, w = 1
− 3
0 1 4 3 ~ y = −3
0 0 0 0 x + 3 + 3 = 0 0
1
x − y + 2 z + 3w = 0
− 6
y + 4 z + 3w = 0 z = 1, w = 0
− 4
y = −4 1
y = −4 z − 3w
0
x+4+2 = 0
− 6 − 6
− 4 − 3
NuA T = gen ,
1 0
0 1
TEOREMA
Sea V un espacio vectorial de dimensión n, W un espacio
vectorial de dimensión m, y T : V → W una transformación lineal.
Sean B1 = { u1 , u 2 , , u n } y B 2 = { v 1 , v 2 , , v n } bases.
Ejemplo
Sea T : P2 → P3 una transformación lineal, definida por
( ) ( )
T a + bx + cx 2 = a + bx + cx 2 + ( a + b + c ) x 3
{ } {
Supóngase que B1 = 1, x, x 2 , B 2 = 1, x, x 2 , x 3 }
136
Entonces
T(1) = 1 + x 3
Τ( x ) = x + x 3
( )
T x 2 = x 2 + x3
1 0 0
0 1 0
[ T(1) ] B 2 =
0
[ T( x ) ] B 2
=
0
[ T( x ) ]
2
B2 =
1
1 1 1
1 0 0
0 1 0
AT =
0 0 1
1 0 0
Ejemplo
Sea una Transformación Lineal T : ℜ 3 → ℜ 2 definida por
x
x+ y
T y =
z 3 x − z
Sean
B1 = { u1 , u 2 , u 3 } y B 2 = { v1 , v 2 }
donde
1 − 3 2
4 3
u1 = 1 , u 2 = 6 , u 3 = 4 y v 1 = , v 2 =
2 1 3 1 1
Obtener AT
[ T( ui ) ] B 2 , osea las coordenadas de T( ui ) relativas a la base B2.
Solución
2 −3 6
T( u1 ) = , T( u 2 ) = , T( u3 ) =
1 − 10 3
1
1+1
T 1 =
2 3 ( 1) − 2
137
2 4 3
[ T( u 1 ) ] B
= = x + y
1 1 1
2
2 = 4 x + 3 y 1
1 = x + y2
1 − 4( 2)
2 = 4x + 3y
− 4 = −4 x + y
−2 = 0− y
y = 2 ⇒ x = −1
− 1 27 − 3
A T =
2 − 37 6
− 6 17
∴ Α Τ = Los creadores de la Física Moderna
− 2 6
**Receta
Valores propios.- A − IIλ = 0
λ es valor propio
Vector propio.- ( A − IIλ ) v = 0 ⇒ v
Sea
3 0
A = una matriz
2 1
Calcular sus valores propios y sus vectores propios.
Solución
A − IIλ = 0
3 0 λ 0
A = , IIλ =
2 1 0 λ
138
3 − λ 0
A − IIλ =
2 1 − λ
3−λ 0
= ( 3 − λ )(1 − λ ) = 0
2 1− λ
¿Vectores propios?
( A − IIλ ) v = 0
Para λ = 3
( A − IIλ ) v = 0
λ =3
3 − 3 0 x 0
=
2 1 − 3 y 0
0 0 x 0
=
2 − 2 y 0
2x − 2 y = 0
⇒x= y
1
v λ 3 =
1
Para λ = 1
3 − 1 0 x 0
=
2 1 − 1 y 0
2 0 x 0
=
2 0 y 0
2x + 0 y = 0 0
⇒ v λ 1 =
2x + 0 y = 0 1
1 0
C =
1 1
Vectores propios
DEF.
Sea A una matriz n × n , v un vector no nulo ( n ×1) , se dice que v es
un vector propio característico; (eingevector), si existe un escalar λ tal
que
Av = λ v
139
TEOREMA
Sea A una matriz de n × n . Entonces λ es un valor propio
(característico) [eingevalor] de A ⇔ λ es la solución de la ecuación
[característico]
A − λ II = λ II A = 0
Ejemplo
Sea
0 1
A = , calcular los λ (valores propios)
1 0
Solución
λ − 1
λ II − A = = λ 2 − 1 = 0
−1 λ
∴ λ = 1, λ = 2
Sea
6 10 − 28
A = − 2 −3 4
1 2 7
Calcular los valores propios de A
Solución
6−λ 10 − 28
A − IIλ = − 2 −3−λ 4 =
1 2 7−λ
A − IIλ = ( 6 − λ )( − 3 − λ ) + ( − 2 )( 2 )( − 28) + (10 )( 4)(1)
− [ ( 1)( − 3 − λ )( − 28) + ( − 2)(10)( 7 − λ ) + ( 2 )( 4 )( 6 − λ ) ]
= ( 6 − λ )( − 3 − λ )( 7 − λ ) + 112 + 40 − [ − 28( − 3 − λ ) − 20( 7 − λ ) + 8( 6 − λ ) ]
= ( 6 − λ )( − 3 − λ )( 7 − λ ) + 152 + 28( − 3 − λ ) + 20( 7 − λ ) − 8( 6 − λ )
( )
= − 18 − 6λ + 3λ + λ 2 + 152 − 54 − 28λ + 140 − 20λ − 48 + 8λ
= ( − 18 − 3λ + λ )( 7 − λ ) + 160 − 40λ
2
Raíces Racionales
1) an y a0 ∈ Q
140
a0
2) Divisores de ≠ Candidatos a raíz
a n
± 1,±34 ± 2 ± 17
± 341 ,± 12 ,± 171
− 1 10 − 43 34 − 1
1 − 11 54
− 1 11 − 54 88 ≠ 0 El candidato no es
raíz
− 1 10 − 43 34 1
−1 9 − 34
x−2 1x 9 x−0 34 0 1 Es
raíz
x + 9 x − 34 = 0
2
− 9 ± 81 − 136 − 9 ± − 55
x2 = =
−2 −2
9 i 55 9 i 55
λ 1 = 1, λ 2 = + ,λ 3 = −
2 2 2 2
Ejercicio
Sea
− 2 − 2
5 1
0 1 0 Calcular λ
Valores propios
0 0 1
0 1 − 1
Solución
1)
− 2 − λ − 2
λ II − A = = (1 − λ )( − 2 − λ ) − 10
−5 1− λ
= −2 − λ + 2λ + λ 2 − 10
= λ 2 + λ − 12
= ( λ + 4 )( λ − 3)
⇒ λ 1 = −4 λ2 = 3
141
2)
−λ 1 0
A − IIλ = 0 −λ 1 = −λ [ ( − λ )( − 1 − λ ) − 1]
0 1 −1− λ
[
= −λ λ + λ 2 − 1 ]
3
= −λ 2 − λ + λ
= λ2 + λ3 −λ
= λ3 + λ2 −λ
(
= λ λ 2 + λ −1 )
⇒ λ1 = 0
− 1 ± 1 − 4(1)( − 1)
2 1 5 1 5
λ2 = + , λ3 = −
−1± 5 2 2 2 2
=
2
Ejemplo
Valores propios
Calcular los &
Vectores propios
3 − 5
det A =
1 −1
λ 0 3 − 5
−
0 λ 1 −1
Solución
Calculemos los valores propios
IIλ − A = 0
λ −3 5
= λ 2 + λ − 3λ − 3 + 5 = 0
−1 λ +1
= λ 2 − 2λ + 2 = 0
2 ± 4 − ( 4 )(1)( 2 )
λ 12 =
2
2± 4−8 2± −4 i 4
λ 12 = = λ 12 = = 2±
2 2 2
λ 1 = 1 + i, λ 2 = 1− i
142
Av = λ v
OJO
( A − IIλ ) v = 0
3 − λ − 5 x 0
=
1 − 1 − λ y 0
λ 1 = 1+ i
3 − (1 + i ) −5 0
1 − 1 − ( 1 + i ) 0
2 −i − 5 0 − R1 2 − i − 5 0
1 − 2 − i 0 − R ~ 0 0 0
2
R1 − ( 2 − i ) R2 → R2
2−i − 5 0
zz = x 2 + y 2
− 2 − i + ( 2 − i )( 2 + i ) 0
z = x + iy
0 0 0
( 2 − i) x − 5 y = 0
5y
x=
( 2 − i)
5
v λ 1 =
2 −i
λ 2 = 1− i
3 − (1 − i ) −5 0
1 − 1 − ( 1 − i ) 0
2 + i − 5 0 − R1 2 + i − 5 0
1 − 2 + i 0 − R ~ 0 0 0
2
R1 − ( 2 + i ) R2 → R2
2+i − 5 0
− 2 + i − ( 2 − i )( 2 + i ) 0
0 0 0
( 2 + i) x − 5 y = 0
5y
x=
( 2 + i)
5
v λ 2 =
2 + i
143
TEOREMA
Sea A de tamaño m × n . Entonces las siguientes 12
afirmaciones son equivalentes.
i) A es invertible.
ii) La única solución al sistema homogéneo Ax = 0 es la solución
trivial ( x = 0) .
iii) El sistema Ax = v tiene una única solución.
iv) A es equivalente por renglones a la matriz II(Identidad).
v) A se puede escribir como producto de matrices elementales.
vi) La forma escalonada por renglones de A tiene n-pivotes.
vii) Los renglones (i columna) de A son li.
viii) El determinante de A ≠ 0 .
ix) La nulidad de A es igual con cero ( υ( A ) = 0) .
x) ∈ϑ ( A ) = n .
xi) La transformación lineal T : ℜ n → ℜ n definida por Tx = Ax es un
isomorfismo.
xii) Cero no es un valor propio de A.
///¿T es un isomorfismo?
R. T es una transformación lineal uno a uno
y
sobre
Si T es un isomorfismo existe la transformación inversa\\\
Ejemplo
∞
L = { f ( t )} = ∫ e −st f ( t ) dt = F( s )
0
Transformación de Laplace
f ( t1 ) F( s1 )
f ( t2 ) F( s 2 )
Dominio Imagen
f ( t 1 ) ≠ f ( t 2 ) ⇒ F( s1 ) ≠ F( s 2 ) por lo tanto es 1 a 1
t s
1 L 1S
∞
e at
L 1
S−a L −1
{ F( s )} = kte ∫ e −st F( s ) ds
0
−1
L
144
xiii) A no es singular.
MATRICES SEMEJANTES
DEF.
A y B son semejantes si
AC=CB
DEF.
B=C-1AC
Multiplicando por la izquierda a la ec. por C.
CB=CC-1AC=IIAC=AC
Ejemplo
Si
2 1 4 − 2 2 − 1
A = , B = , C =
0 − 1 5 − 3 −1 1
Demostrar que A y B son semjantes
Solución
Usando la definición AC=AB tenemos
2 1 2 − 1 4 − 1 − 2 + 1 3 − 1
AC = = =
0 − 1 − 1 1 0 + 1 0 − 1 1 − 1
Ahora
2 − 1 4 − 2 8 − 5 − 4 + 3 3 − 1
= = = II
− 1 1 5 3 − 4 + 5 2 − 3 1 − 1
Ejemplo
Si
2 1
A = Calcular su matriz semejante B
0 − 1
Solución
Encontrar a la matriz C
145
1) A − IIλ = 0 (valores propios)
2−λ 1
= ( 2 − λ )( − 1 − λ ) = 0
0 −1− λ
λ 1 = 2, λ 2 = −1
2)
λ=2
vλ = 2 = ?
( A − IIλ ) v = 0
0 1 x 0
=
0 − 1 − 2 y 0
0 1 x 0
=
0 0 y 0
1
0x + y = 0 vλ 2 =
0
λ =1
vλ =1 = ?
2( − 1) 1 x 0
=
0 0 y 0
3 1 x 0
=
0 0 y 0
− 1
3x + y = 0 vλ λ 1 =
3
1 − 1 − 1 3 1
C = , C −1
0 3 3 0 1
B = C −1 AC =
1 2
2 1 2 1 − 13
3
=
−1 0 − 1 0 −13
0 3
146
2 23
=
0 −13
2 2 3 1 − 1 2 − 2 + 2
=
0 −13 0 3 0 − 1
2 0
=
0 − 1
A − IIλ = 0
λ1 ≠ λ 2 ≠ λ 3 ≠ ≠ λ n
Si los λ i son diferentes genera v λ i ; son linealmente independientes.
MULTIPLICIDAD GEOMÉTRICA
DEF.
Sea λ un valor propio de A; entonces la multiplicidad geométrica
de λ es la dimensión del espacio propio correspondiente a λ (que es la
nulidad de la matriz ( A − λ II ) ).
TEOREMA
Sea λ un valor propio de la matriz A. Entonces la
multiplicidad geométrica de λ ≤ multiplicidad algebraica de λ .
Ejemplo
Sea
−1 − 3 − 9
A= 0 5 18
0 − 2 − 7
Calcular los valores propios y los vectores propios.
Solución
1) IIλ − A = 0
λ +1 3 9
0 λ − 5 − 18 = ( λ + 1) [ ( λ − 5)( λ − 7 ) − ( 2)( − 18) ]
0 2 −7
= ( λ + 1) [ ( λ − 5)( λ + 7 ) + 36]
( ) ( )
= λ + 1 λ 2 + 7λ − 5λ − 35 + 36 = ( λ + 1) λ 2 + 2λ + 1
= λ + 1( λ + 1) = ( λ + 1)
2 3
λ = 1 es de multiplicidad 3
Vectores propios
147
( IIλ − A ) v = 0
0 3 9 x 0
0 − 6 − 18 y = 0 ⇒ 0 x + 3 y + 9 z = 0
0 2 6 z 0
3 y = −9 z
y = −3 z
x = ? = cualesquiera
hay que observar que hay 2 variables libres.
1 0
− 3 , − 3 = E
1 1
λ =1
•) Valores propios
• Hay multiplicidad λ 1 = λ 2 , λ 3
( A − IIλ ) v3 = 0
v λ −3 = ?
( A − IIλ ) v1 = 0 ⇒ v1
( A − IIλ ) v2 = v1 ⇒ v2
λ1 0 0 Cuando
C −1 AC = 0 λ 2 0 λ1 ≠ λ 2 ≠ λ 3
0 0 λ 3
↓ Columnas
C = ( v1 , v 2 , v 3 )
λ1 1 0
C AC = 0 λ 2
−1
0
0 0 λ 3
Ejemplo
Si λ 1 = 5 = λ 2 = λ 3 , λ 4 = 8
Escribir la forma canónica de Jordan para estos valores propios
Solución
5 1 0 0
0 5 1 0
DJ =
0 0 5 0
0 0 0 8
MATRICES SIMÉTRICAS
148
Sea
a b
b c
a c b
a c b
Si tenemos el problema − x 2 − y 2 + 6 xy = F( x, y )
2
Solución
Le asociamos una matriz simétrica de la siguiente forma
− 1 3 x
( x, y ) x
= ( − x + 3 y,3 x − y )
3 − 1 y y
= − x + 3 xy + 3 xy − y 2
2
= − x 2 + 6 xy − y 2
149
−1 3
C −1 C = D
3 − 1
−1− λ 3
det A − IIλ = = ( − 1 − λ )( − 1 − λ ) − 9
3 −1− λ
= 1+ λ + λ + λ 2 − 9
= λ 2 + 2λ − 8
( λ + 4) ( λ − 2)
λ 1 = −4 λ 2 = 2
( x, y )
2 0 x x
= ( 2 x,−4 y ) = 2 x 2 − 4 y 2 → Hipérbola
0 − 4 y y
cosθ senθ
MATRIZDEROTACIÓN =
− senθ cosθ
cosθ senθ 0 1 0 0
R θ 2 = − senθ cosθ 0 , R θ x = 0 cosθ senθ
0 0 1 0 − senθ cosθ
z
cosθ 0 senθ 1
θ
Rθ y = 0 1 0 0 →
− senθ 30°
0 cosθ 0 y
x
Ejercicio
3 x 2 − 6 xy + 3 y 2
¿Qué lugar representa?
Solución
3 − 3 3−λ −3
A = ⇒ det A − Iλ = = ( 3 − λ )( 3 − λ ) − 9
−3 3 −3 3−λ
= 9 − 6λ + λ 2 − 9
= λ 2 − 6λ
λ − 6λ = 0
2
λ =0 Valores propios
λ ( λ − 6) = 0 λ =6
150
los vectores propios
3 − 3 x 3 − 3 x
( A − Iλ ) v = 0 ⇒ = ⇒
− 3 3 y 0 0 y
⇒ 3x − 3 y = 0
x= y
1
⇒
1
3 − 6 − 3 x − 3 − 3 x
v λ ⇒ =
− 3 3 − 6 y − 3 − 3 y
− 3x − 3 y = 0
⇒ x = −y
1
v λ = 6 =
− 1
1 1 1 − 1 − 1
C = ⇒ C −1 =
1 − 1 − 2 − 1 1
12 12
C −1 =
12 −12
Calculemos Q a partir de C.
*) Los vectores columnas se van a hacer unitarios (ortonormales)
12 12 1 1 1
Q ⇒Q
−1
2
1
2 2 1 − 1
0 0
D = C −1 AC =
0 6
3 x 2 − 6 xy + 3 x 2 = F( x, y )
( x, y )
0 0
( x, y ) = 6 y 2 = F( x, y )
0 6
F( x, y ) = 6 ⇒ y 2 = 1, y = ± 1
x
y
y 1
-1
151
θ ≅ Rθ
1
cosθ =
2
1
θ = cos −1
2
θ = 45°
TEOREMA
La ecuación característica de una matriz simétrica (real) A
tiene solo raíces reales.
TEOREMA
Sean λ 1 y λ 2 valores propios de una matriz simétrica A. Si
v1 y v2son vectores propios que corresponden a λ 1 y λ 2
respectivamente, entonces v1 y v 2 son ortogonales.
DEF.
Una matriz A de n × n son ortogonalmente diagonalizable ssi A es
una matriz simétrica.
Demostración
A t = CDDt( )
Def
D=CtAC multipliquemos a esta expresión por C por la izquierda
CD=CCtAC
I
CD=AC multipliquemos por Ct a esta expresión por la derecha
CDCt=ACCt
I
t
CDC =A
At=(CDCt)t
At=(Ct)tDtCt
=CDCt OJO Dt=D
=A
∴ A es simétrica
[A=At]
152
2−λ 3
det A − Iλ = = ( 2 − λ )(10 − λ ) − 9 = 0
3 10 − λ
Polinomio característico
20 − 22λ − 10λ + λ 2 − 9 = 0
λ 2 − 12λ + 11 = 0
( λ − 11)( λ − 1)
λ 1 = 11, λ 2 = 1
2) Vectores propios
v λ =11 = ( A − Iλ ) v = 0
− 9 3 x 3 − 1 x 0
= = =
3 − 1 y 0 0 y 0
3x − y = 0 1
⇒ = v λ =11
3x = y 3
1 3 x 1 3 x 0
v λ =1 = = =
3 9 y 0 0 y 0
x + 3 y = 0 ⇒ λ = −3 y
− 3
v λ =1 =
1
3) Gram-Schidt
u1 , u 2 , u 3 ← lo que se acaba de construir
u1 = v1
u
v 1 = 1
u1
u 2 = u 2 − ( u 2 ⋅ v1 ) v1
v
v 2 = 2
v2
u 3 = u 3 ⋅ ( u 3 ⋅ v1 ) v1 − ( u 3 ⋅ v 2 ) v 2
v3
v3 =
v3
1
v 1 =
2
− 3
v 2 =
1
153
v 1 = u1 → ortogonal
1
3
u1 = → ortonormal
10
ortogonal
u 2 = v 2 − ( v 2 ⋅ u1 ) u1
− 3 − 3 1 1
u 2 = − ⋅ 0
1 1 3 3
− 3
u 2 =
1
− 3
1
u2 =
10
1 −3
1 1 − 3 a b
C = 3 10 1 10 = // A = \\
10 10 10 3 1 c d
1 3
1 1 3 1 d − b
Ct = −3 10 1 10 = A −1 =
10 10 10 − 3 1 \\
det A − c a //
1 1 3
C −1 =
e = 10 − 3 1
10 10 ⋅ 10
det = = 10
10 10
DEF.
Una ecuación de la forma ax 2 + 2bxy + cy 2 = d se llama ecuación
cuadrática en x & y sin términos lineales.
La expresión
ax 2 + 2bxy + cy 2 = f ( x, y )
se llama forma cuadrática, y la gráfica de la ecuación reciben el nombre
de secciones cónicas.
[ x, y ]
a b x
b c y
x t Ax
154
MATRICES ORTONORMALES
Sistema
cosθ senθ x x'
=
− senθ 1 cosθ y y '
Ax = x1
−1
x = A x1
cosθ − senθ x '
x =
senθ cosθ y '
Ec. de la Recta
y=mx+b
Ec. de la Elipse
( x − h) 2 + ( y − k ) 2 =1
a2 b2 Cónicas
Parábola
y = px 2 − k , ( y − k ) = 4 p( x − h ) 2
Círculo
(x-h)2+(y-k)2=r2
x
155
Sea ax2+bxy+cy2=d una ecuación cuadrática en las variables x y y.
Entonces existe un número único θ entre [ 0,2π ) tal que la ecuación
anterior se puede escribir como a’x2+c’y2=d, donde x’ y y’ son los ejes x y y
un ángulo θ en sentido a las manecillas del reloj; los números a’ y b’ son
los valores propios de la matriz.
a b2
A =
b2 c
los ejes x’ y y’ se llaman los ejes principales de la gráfica de la ecuación
ax2+bxy+cy2=d
Ejemplo
Identificar la sección cónica cuya ecuación es x2-4xy+3y2=6.
Solución
1 − 2
A =
− 2 3
156
−1 − 5 − 2 0
−2 ( )
− 2 R1 + R2 5 → R2
1 − 5 0 ~
{(
− 2 11+ 5 )
− 2 0}
( )
− 1 + 5 { − 2 1 − 5 0}
(1 + 5 )(1 − 5 ) = −5
= −4 = 4
~
(
− 1+ 5 ) − 2 0
0 0 0
( )
x = 1+ 5 = 1+ 5 = 1+ 5
(1 + 5 ) x = −2 y = 0
1 + 5x − 2 y
2y
x=
1+ 5
TEOREMA
Sea x t Ax = ax 2 + 2bxy + cy 2 una forma cuadrática y C la matriz
ortogonal que diagonaliza a la matriz A.
157
11x'2 +1y '2 = 11 ← cónica
÷ 11
1
x '2 + y '2 = 1
11
x 2
y
2 a =1
2 + 2 → Elipse
a b b = 11 = 3.3
cosθ senθ
R θ =
− senθ cosθ
1
cosθ = ⇒ θ = 71°
10
y
y’
x’
3.3
TEOREMA ℜ 3
La forma cuadrática
ax2+by2+cz2+2dxy+2exz+2fyz
no tiene términos lineales.
158
λ 1 x '2 + λ 2 y '2 + λ 3 z ' 2
159