lgebra 1

Elaboracin: Ferran Gmez Vidal

1. ESPACIOS VECTORIALES
ESPACIO VECTORIAL KE E
(E,+) Grupo Abeliano Asociativa Elemento Neutro
Conmutativa Elemento Simtrico
(E,) verifica (u)=()u, u E, , K
(+)u =u +u, u E, , K
(u+v)= u +v, u,v E, K
+ Todo cuerpo K es espacio vectorial sobre s mismo.
+ El conjunto es espacio vectorial sobre .
+
2
,
3
, ,
n
, son espacios vectoriales sobre .
+ El conjunto P
n
(x) con coeficientes en K, es espacio vectorial sobre K con las operaciones suma
de polinomios y producto de un polinomio por un K.
SUBESPACIO VECTORIAL:
Es un subconjunto S de E que verifica
S v u
S u S u K
S v u S v u
+
1
]
1

+

; ,
; ,
SISTEMA DE VECTORES: Cualquier subconjunto finito de los vectores de E.
COMBINACIN LINEAL DE VECTORES: u ser una combinacin lineal de los vectores de E
n
u u u , , ,
2 1
K si
n n
u u u u + + + K
2 2 1 1
con K
i

VARIEDAD LINEAL VECTORIAL: L(F) ser una variedad lineal generada por F de los vectores com-
binacin lineal de un sistema de F. Este conjunto ser un subespacio vectorial de E.
{ } { } K u u u F L u u u F
i n n n
+ + + , ) ( , , ,
2 2 1 1 2 1
K K
SISTEMA DE VECTORES LIBRES: { }
n
u u u F , , ,
2 1
K es un sistema libre o linealmente indepen-
diente, si 0 0
2 1 2 2 1 1
+ + +
n n n
u u u K K .
SISTEMA DE VECTORES LIGADOS: { }
n
u u u F , , ,
2 1
K es un sistema ligado o linealmente depen-
diente, si existe un
n n i i i i i i
u u u u u F u + + + + +
+ +
K K
1 1 1 1 1 1
/ o sea si algn vector
i
u
es combinacin lineal de los dems vectores de F.
SISTEMA DE GENERADORES: Dado un subespacio vectorial S, se dice que el sistema F de vectores
genera, o es un sistema de generadores de S si L(F)=S.
SISTEMAS EQUIVALENTES: Dos sistemas F
1
y F
2
son equivalentes si generan el mismo espacio vec-
torial. Es decir L(F
1
)= L(F
2
).
Si a un sistema F se le aade un vector combinacin lineal de los vectores de F, el nuevo sistema es
equivalente al anterior.
Si a F, sistema ligado, se le elimina el vector que es combinacin lineal de los restantes, el sistema
obtenido tambin es equivalente a F.
BASE DE UN ESPACIO VECTORIAL: Todo sistema libre de generadores.
TEOREMA DE LA BASE: En todo espacio vectorial existe al menos una base. En un espacio vectorial
todas las bases tienen el mismo nmero de vectores.
2 lgebra
COORDENADAS DE u EN LA BASE B: Si la base { }
n
e e e B , , ,
2 1
K , las coordenadas de un vector u
en esa base sern los escalares
1
,
2
, ,
n
, tal que
n n
e e e u + + + K
2 2 1 1
.
Las coordenadas de u son nicas en esa base.
DIMENSIN DE UN ESPACIO VECTORIAL: Nmero de vectores de una cualquiera de sus bases.
SUMA DE SUBESPACIOS VECTORIALES: Si S
1
y S
2
son subespacios vectoriales de E(K)
{ }
2 1 2 1
, ; S v S u v u x S S + +
Verifica: -- S
1
+S
2
es un subespacio vectorial de E.
-- Si F
1
y F
2
son sistemas de E tales que S
1
=L(F
1
) y S
2
=L(F
2
) S
1
+S
2
=L(F
1
F
2
).
-- Si S
1
+S
2
=S entonces S x , x se puede descomponer como suma de un vector de
S
1
y otro vector de S
2
.
INTERSECCIN DE SUBESPACIOS VECTORIALES: Si S
1
y S
2
son subespacios vectoriales de E
entonces S
1
S
2
tambin es subespacio vectorial.
RELACIN ENTRE DIMENSIONES DE LOS SUBESPACIOS SUMA E INTERSECCIN
dim(S
1
+S
2
)+dim(S
1
S
2
)=dim(S
1
)+dim(S
2
)
SUMA DIRECTA. ESPACIOS SUPLEMENTARIOS
- Si S=S
1
+S
2
siendo S
1
S
2
={0}, entonces S
1
y S
2
se llaman suplementarios.
- Si E=S
1
S
2
entonces cualquier vector de E se puede descomponer de manera nica, como suma de
un vector de S
1
y otro vector de S
2
.
RANGO DE UN SISTEMA DE VECTORES: Es la dimensin del subespacio S generado por F. Se de-
nota por rg(F).
TEOREMA DE LA BASE INCOMPLETA: Si E es un espacio vectorial de dimensin n y F es un siste-
ma libre de E, n-rg(F) es el nmero de vectores que faltan a F para ser base.
lgebra 3
Elaboracin: Ferran Gmez Vidal
2. MATRICES
TIPOS PARTICULARES DE MATRICES:
a) Matriz Regular: su determinante es distinto de cero.
b) Matriz Singular: su determinante es igual a cero.
c) Matriz Rectangular: m n (n filas n columnas).
d) Matriz Cuadrada: m=n (n filas=n columnas).
e) Matriz Fila: orden (1,n).
f) Matriz Columna: orden (m,1).
g) Matriz Opuesta (-A): matriz de los elementos opuestos.
h) Matriz Transpuesta (A
t
): elementos de filas y columnas intercambiados.
i) Matriz Opuesta (0): todos sus elementos son cero.
j) Matriz Diagonal: todos los elementos son cero excepto los de la diagonal.
- Matriz Escalar: elementos de la diagonal iguales.
- Matriz Unidad (I): elementos de la diagonal iguales a 1.
k) Matriz Simtrica: matriz cuadrada que coincide con su transpuesta.
l) Matriz Antisimtrica o Hemisimtrica: matriz cuadrada que coincide con la opuesta de su trans-
puesta. Los elementos de la diagonal son ceros y los elementos situados encima son opuestos a
sus simtricos respecto a la diagonal.
m) Matriz Adjunta ( A): cada elemento es substituido por el valor de su adjunto.
n) Matriz Inversa (A
-1
): al multiplicar una matriz por su inversa se obtiene la matriz unidad.
o) Matriz Triangular Superior: tiene ceros por debajo de la diagonal principal (la que va de arriba a
abajo y de izquierda a derecha).
SUMA DE MATRICES: Se suman los elementos que ocupan el mismo lugar.
(M
m,n
,+) es un grupo abeliano
PRODUCTO DE UN ELEMENTO DE K POR UNA MATRIZ: Se multiplica el escalar K por cada
elemento de la matriz en el mismo lugar.
(M
m,n
,+,) es un espacio vectorial
BASE CANNICA: Conjunto de matrices con un 1 en un elemento y cero en los restantes.

'

,
_

,
_

,
_

,
_

,
_

,
_

1 0 0
0 0 0
,
0 1 0
0 0 0
,
0 0 1
0 0 0
,
0 0 0
1 0 0
,
0 0 0
0 1 0
,
0 0 0
0 0 1
3 , 2
M
La dimensin de M
m,n
(K) ser mn.
PRODUCTO DE MATRICES: c
ij
=a
i1
b
1j
+ a
i2
b
2j
++ a
in
b
nj
El nmero de columnas de la primera matriz debe coincidir con el de filas de la segunda matriz.
La estructura (M
n
,+,) es un Anillo Unitario.
MATRICES INVERSIBLES O REGULARES: En el anillo (M
n
,+,) tiene elemento inverso.
A regular A
-1
M
n
/ AA
-1
=A
-1
A=I
n
El conjunto de matrices regulares de orden n (MR
n
,+,) tiene estructura de Cuerpo.
4 lgebra
CAMBIO DE BASE EN UN ESPACIO VECTORIAL:
{ } { }
n n
v v v B e e e B , , , , , , ,
2 1 2 2 1 1
K K y
n nn n n n
n n
n n
e a e a e a v
e a e a e a v
e a e a e a v
+ + +
+ + +
+ + +
K
M
K
K
2 2 1 1
2 2 22 1 21 2
1 2 12 1 11 1
Un vector u con coordenadas (x
1
, x
2
, , x
n
) en B
1
y coordenadas (y
1
, y
2
, , y
n
) en B
2
.
Tenemos que
2 1 2 1
,
2
1
2 1
2 22 12
1 21 11
2
1
B B B B
n nn n n
n
n
n
U M U
y
y
y
a a a
a a a
a a a
x
x
x

,
_

,
_

,
_

M
L
M M M M
L
L
M
Siendo
1 2
,B B
M la matriz de paso.
Cambiando el orden tendremos
1 2 1 2
, B B B B
U M U y la matriz de paso ser
2 1
,B B
M .
RANGO DE UNA MATRIZ: Nmero de vectores fila o columna linealmente independientes.
OPERACIONES ELEMENTALES EN UNA MATRIZ:
a) Permutar dos vectores.
b) Sustituir un vector por el mismo ms una combinacin lineal de los restantes.
c) Multiplicar un de los vectores por un escalar.
MTODOS DE CLCULO DEL RANGO DE UNA MATRIZ:
a) Buscando el mximo nmero de filas (o columnas) linealmente independientes.
b) Mediante operaciones elementales en las filas (o columnas) eligiendo un 1 en la matriz y ha-
ciendo cero los elementos de su misma fila (o columna).
c) Mediante determinantes.
CLCULO DE LA MATRIZ INVERSA:
1) Se parte de la matriz (A).
2) Se construye la matriz ( ) I AM .
3) Mediante transformaciones en sus filas se llega a la matriz ( ) B I M .
4) B es la matriz inversa de A B=A
-1
PROPIEDADES DE LAS MATRICES INVERSA Y TRANSPUESTA:
a) (A+B)
t
=A
t
+B
t
b) (AB)
t
=B
t
A
t
c) (AB)
-1
=B
-1
A
-1
d) (A
-1
)
t
=(A
t
)
-1
lgebra 5
Elaboracin: Ferran Gmez Vidal
3. DETERMINANTE DE UNA MATRIZ CUADRADA
DETERMINANTE DE UNA MATRIZ UNIDAD: Es siempre el elemento unidad del cuerpo al que
pertenecen los elementos de la matriz. | I| =1.
DETERMINANTE DE UNA MATRIZ DIAGONAL: Es el producto de los elementos de la diagonal.
DETERMINANTE DE UNA MATRIZ TRIANGULAR: Es el producto de los elementos de la diagonal.
PROPIEDADES:
a) | A| =| A
t
|
b) Si se permutan entre si dos lneas paralelas el determinante cambia de signo.
c) Si en una lnea se multiplican todos los elementos por , el determinante queda multiplicado
por .
d) Si en una matriz se expresa una de sus lneas como suma de dos nuevas, el determinante es
igual a la suma de dos determinantes que se obtienen de sustituir la lnea por cada una de las
lneas sumandos.
e) El determinante de una matriz cuadrada es nulo si y slo si
- existe una lnea de ceros.
- una lnea es combinacin lineal de otras paralelas.
f) Si se sustituye una lnea por una combinacin lineal de ella misma ms otras paralelas, el valor
del determinante no cambia.
MENOR COMPLEMENTARIO del elemento a
ij
de la matriz A de orden n, es el determinante de la
matriz n-1 que resulta de eliminar en A la fila i y la columna j, sin alterar las dems. Se designa
ij
.
ADJ UNTO del elemento a
ij
(A
ij
):
- el menor complementario si i+j es par.
- el menor complementario cambiado de signo si i+j es impar.
CLCULO PRCTICO DE DETERMINANTES:
a) Transformndolo en un determinante conocido (diagonal, triangular, etc.) aplicando las propie-
dades de los determinantes.
b) Desarrollando por los elementos de una fila: el determinante de una matriz A es igual a los ele-
mentos de una lnea por sus adjuntos:
| A| =a
1j
A
1j
+ a
2j
A
2j
++ a
nj
A
nj
CLCULO DE LA MATRIZ INVERSA:
( )
t
A
A
A

1
1
RANGO DE UNA MATRIZ: Es el mayor de los rdenes de sus Menores no nulos.
DETERMINANTE DE LA MATRIZ PRODUCTO DE OTRAS DOS:
| AB| =| A| | B|
Consecuencia: ya que | A| =| A
t
| | AB| =| A| | B| =| A
t
| | B
t
| =| A
t
B
t
|
6 lgebra
4. APLICACIONES LINEALES
APLICACIN LINEAL U HOMOMORFISMO: Una aplicacin f: EF, donde E y F son dos espacios
vectoriales sobre el mismo cuerpo, y donde para cualquier par de vectores E v u , y todo escalar K
se verifica:
( ) ( ) ( )
( ) ( ) u f u f
v f u f v u f

+ +

Equivale a ( ) ( ) ( ) v f u f v u f + +
TIPOS DE APLICACIONES LINEALES:
a) Si f biyectiva, la aplicacin lineal es un isomorfismo.
b) Si f: EE, la aplicacin se denomina endomorfismo.
c) Si f no es inyectiva ni sobreyectiva, se dice aplicacin en.
d) El endomorfismo biyectivo se llama automorfismo.
e) f: E(K)K se llama forma lineal.
PRINCIPALES PROPIEDADES: Si f: EF es una aplicacin lineal, se verifica:
a) f(0)=0.
b) ) ( ) ( ; u f u f E u .
c) S E, S subespacio vectorial de E f(S) subespacio vectorial de F.
d) Si { }
n
u u u L ,..., ,
2 1
sistema de generadores de E, entonces { } ) ( ),..., ( ), ( ) (
2 1 n
u f u f u f L f es
un sistema de generadores de f(E).
e) Si { }
n
u u u L ,..., ,
2 1
sistema ligado de E, entonces { } ) ( ),..., ( ), ( ) (
2 1 n
u f u f u f L f es un sistema
ligado de f(E).
IMAGEN DE UNA APLICACIN LINEAL: Dada una aplicacin lineal f: EF, el conjunto f(E) F
que es tambin espacio vectorial, se llama imagen de f. Se denota Im(f)= f(E).
La aplicacin lineal f: EF ser sobreyectiva si f(E)=F.
NCLEO DE UNA APLICACIN LINEAL: Dada una aplicacin lineal f: EF, se llama Ncleo de f,
y se denota K
er
(f) o bien N(f), el conjunto de vectores de E que se aplican en el vector nulo de F. Es de-
cir, es la imagen inversa del vector nulo de F.
K
er
(f)=N(f)= { } ) 0 ( 0 ) ( que tal , ) ( ) (
1
f x f E x f N f K
er
N(f) es subespacio vectorial de E, y se verifica:
dim(N(f))+dim(Im(f))=dim(E)
DETERMINACIN DE UNA APLICACIN LINEAL. MATRIZ: Una aplicacin lineal queda determi-
nada conociendo ) ( , ), ( ), (
2 1 n
e f e f e f K , o sea, conociendo las imgenes por f de los vectores de la base
de E.
Si E u tiene de coordenadas (x
1
, x
2
, , x
n
) en la base B de E y su imagen ) (u f tiene de coordena-
das (y
1
, y
2
, , y
n
) en la base B de F.
X A Y
x
x
x
a a a
a a a
a a a
y
y
y
n nm m m
n
n
n

,
_

,
_

,
_

M
L
M M M M
L
L
M
2
1
2 1
2 22 12
1 21 11
2
1
lgebra 7
Elaboracin: Ferran Gmez Vidal
Las columnas de A son las coordenadas de los vectores ) ( , ), ( ), (
2 1 n
e f e f e f K en la base B.
As ) ( ) (
1 12 11 1 m
a a a e f K en la base B.
Expresin matricial de f en las bases B y B:
B B B f B
X M Y
) ' , , ( '
RANGO DE UNA APLICACIN LINEAL f: EF: La dimensin del espacio vectorial imagen. Se de-
nota rg(f).
rg(f)=dim(Im(f))=dim(f(E))
Adems el rg(f) coincide con el rango de la matriz asociada a f en cualquier base:
rg(f)=rg(M
f
)
APLICACIONES LINEALES INYECTIVAS: K
er
(f)={ } 0
f inyectiva [B base de E f(B) base de f(E)]
dim(E)=dim(f(E))
rg(M
f
)=dim(E)
ENDOMORFISMOS BIYECTIVOS: AUTOMORFISMOS
f: EE biyectivo | M
f
| 0
CONJ UNTO DE LAS APLICACIONES LINEALES ENTRE E Y F L (E,F):
) ( ) (
) ( ) ( ) (
u f u f E u
u g u f u g f E u

+ +

El conjunto L (E,F) con las operaciones suma y producto por un escalar es un K-espacio vectorial.
EL ANILLO L (E) DE LOS ENDOMORFISMOS EN E: En el conjunto L (E,F) de las aplicaciones li-
neales sobre E, adems de las operaciones suma y producto por un escalar, es posible definir otra ope-
racin interna, el producto, que ser la propia composicin de aplicaciones.
El conjunto (L (E),+,) es anillo unitario.
MATRICES ASOCIADAS A UN ENDOMORFISMO EN DOS BASES DISTINTAS:
Sean { }
n
e e e B , , ,
2 1 1
K y { }
n
v v v B , , ,
2 1 2
K dos bases de E donde los vectores de B
2
en B
1
son:
n nn n n n
n n
e a e a e a v
e a e a e a v
+ + +
+ + +
K
M
K
2 2 1 1
1 2 12 1 11 1
Sea la aplicacin lineal f: EE de matrices
) , (
1
B f
M y
) , (
2
B f
M en las bases B
1
y B
2
.
La relacin existente entre ambas matrices es
C M C M
B f B f


) , (
1
) , (
1 2
donde C es la matriz de cambio de base
) , (
1 2
B B
M : matriz que tiene por columnas las coordenadas de los
vectores de B
2
expresados en B
1
.
Recordando que
1
) , ( ) , (
2 1 1 2

B B B B
M M tenemos que
1
) , ( ) , ( ) , ( ) , (
2 1 1 2 1 2

B B B f B B B f
M M M M
8 lgebra
5. SISTEMAS DE ECUACIONES LINEALES
Un sistema de ecuaciones lineales puede expresarse en forma matricial:

,
_

,
_

,
_

m n mn m m
n
n
b
b
b
x
x
x
a a a
a a a
a a a
B X A
M M
L
M M M M
L
L
2
1
2
1
2 1
2 22 21
1 12 11
Se puede interpretar como la expresin de una aplicacin lineal f: EF de matriz A de forma que la
bsqueda de soluciones equivale a hallar vectores u=(x
1
, x
2
, , x
n
)E que se aplican sobre el vector
b=(b
1
, b
2
, , b
m
)F.
TIPOS DE SISTEMAS:
a) Sistema Incompatible: el vector bIm(f). No existen u=(x
1
, x
2
, , x
n
) / f(u)=b.
b) Sistema Compatible: u=(x
1
, x
2
, , x
n
) / f(u)=bIm(f).
- Determinado: un solo u / f(u)=bIm(f).
- Indeterminado: infinitos u / f(u)=bIm(f).
Sistemas Equivalentes: tienen las mismas soluciones
TEOREMA DE ROUCH-FROBENIUS:
AX=B compatible rg(A)=rg( B AM )
- Si rg(A)=rg( B AM )=n de incgnitas sistema compatible determinado.
- Si rg(A)=rg( B AM )<n de incgnitas sistema compatible indeterminado.
SISTEMA DE CRAMER: Dado AX=B con A regular, su solucin nica es
| |
| |
A
A
x
i
i
, i=1, 2, , n,
donde A
i
es la matriz que resulta de substituir en la matriz A la columna i por la matriz columna B de
los trminos independientes.
MTODO DE GAUSS: Se aplican a la matriz ampliada B AM transformaciones elementales de las filas
hasta conseguir una matriz A triangular, cuyo sistema asociado es fcilmente resoluble.
ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL: El conjunto de
soluciones de un sistema homogneo (AX=0) es un subespacio vectorial. Las ecuaciones de dicho
sistema se llaman ecuaciones implcitas o cartesianas del subespacio solucin.
Si hay infinitas soluciones, esas soluciones en funcin de los parmetros correspondientes se llaman
ecuaciones paramtricas del subespacio vectorial.
- Nmero de parmetros en AX=0: n de incgnitas rg(A).
- Dimensin del subespacio: n de incgnitas n de ecuaciones independientes.
+ Paso de implcitas (AX=0) a paramtricas: Se halla el rg(A) (es el n de ecuaciones indepen-
dientes) y se resuelve el sistema: esa solucin en funcin de parmetros sern las paramtricas.
+ Paso de paramtricas a implcitas (AX=0): Se eliminan los parmetros hasta obtener un n de
ecuaciones independientes igual al n de incgnitas n de parmetros.
matriz de los coeficientes
de las incgnitas
matriz de las
incgnitas
matriz de los trminos
independientes
lgebra 9
Elaboracin: Ferran Gmez Vidal
6. VARIEDADES LINEALES VECTORIALES
VARIEDAD LINEAL: Subespacio vectorial de
n
(V
n
, n 2)
Dado en V
2
un subespacio L V
2
:
+ dim(L)=0 L={0}
+ dim(L)=1 L es una recta vectorial del plano V
2
.
En V
3
un subespacio L V
3
:
+ dim(L)=0 L={0}
+ dim(L)=1 L es una recta vectorial del espacio V
3
.
+ dim(L)=2 L es una plano vectorial del espacio V
3
.
HIPERPLANO: Variedad Lineal L V
n
/ dim(L)=n 1.
TEOREMA: El conjunto de soluciones de un sistema homogneo con n incgnitas es un subespacio
vectorial de
n
, cuya dimensin es n rg(matriz coeficientes).
El nmero de parmetros coincide con la dimensin del subespacio vectorial.
MTODOS DE ELIMINACIN DE PARMETROS:
a) Mtodo Matricial
De la forma matricial
X
x
x
x
a a a
a a a
a a a
A
m n mn m m
n
n

,
_

,
_

,
_

M M
L
M M M M
L
L
2
1
2
1
2 1
2 22 21
1 12 11

donde A es la matriz de los coeficientes de los parmetros.

Se tiene que el rango de A y el de X AM tienen que coincidir.
b) Mtodo de Igualacin
c) Mtodo de Sustitucin
d) Mtodo de Reduccin
10 lgebra
7. DIAGONALIZACIN DE MATRICES
7.1 DEFINICIONES PRELIMINARES
Dadas dos matrices A y B del conjunto M
mn
son equivalentes si existen dos matrices regulares
M y N tales que A=MBN.
Si A y B son equivalentes, entonces los rangos de ambas matrices coinciden.
Dadas dos matrices cuadradas de orden n, A y B, se dice que son congruentes si existe
una matriz regular P tal que
A=PBP
t
A=P
t
BP
De la definicin se deducen tres proposiciones importantes:
1. Si A y B son congruentes, entonces A y B son equivalentes.
2. Si A y B son congruentes entonces rg(A)=rg(B).
3. La congruencia de matrices es una relacin de equivalencia (simtrica, reflexiva y transitiva).
Dadas dos matrices cuadradas de orden n, A y B, se dice que son semejantes si existe
una matriz regular P tal que
A=PBP
-1
A la matriz P se le llama matriz de paso.
De esta definicin se deducen cinco proposiciones importantes:
1. Si A y B son semejantes, entonces A y B son equivalentes.
2. Si A y B son semejantes, entonces rg(A)=rg(B).
3. La semejanza de matrices es una relacin de equivalencia (simtrica, reflexiva y transitiva).
4. Si A=PBP
-1
, entonces A
h
=PB
h
P
-1
.
5. La matriz suma de matrices semejantes es semejante (si tienen la misma matriz de paso).
7.2 VECTORES Y VALORES PROPIOS
Sea A una matriz cuadrada de orden n, se llama vector propio o autovector a todo vector u no nulo tal
que u u A .
De la misma manera, llamamos valor propio o autovalor a todo escalar tal que existe 0 u que verifi-
ca: u u A .
7.3 ECUACIN CARACTERSTICA
Para una matriz cuadrada A, los vectores propios asociados al valor propio , son las soluciones de la
ecuacin matricial,
(A I) X=0
La ecuacin | A I| =0 se llama ecuacin caracterstica de A, sus soluciones son los autovalores de A.
El polinomio en ; | A I| se llama polinomio caracterstico de A.
lgebra 11
Elaboracin: Ferran Gmez Vidal
De lo dicho se deducen cinco proposiciones importantes:
1. Si A y B son semejantes, entonces | A| =| B| .
2. Si A y B son semejantes, tambin lo son A
n
y B
n
.
3. Las matrices asociadas a un endomorfismo en diferentes bases, son semejantes.
4. Si A y B son semejantes, entonces A y B tienen la misma ecuacin caracterstica y, con ello,
los mismos autovalores con el mismo orden de multiplicidad.
5. Dados dos autovalores de una misma matriz simtrica le corresponden vectores propios orto-
gonales.
Ejemplo 7.1:
Consideremos la matriz

,
_

3 1 0
1 2 1
0 1 3
3 1 0
1 2 1
0 1 3
I A A
[ ] + + + 3 ) 1 3 2 6 ( ) 3 ( ) 3 ( ) 1 ( 1 ) 3 ( ) 2 ( ) 3 (
2
) 4 ( ) 3 ( ) 1 ( 12 19 8
2 3
+ +
cuyos autovalores son
1
=1,
2
=3, y
3
=4.
Para =1:
R , 2
0 2
0 2
0 2
0
0 2
0
0
0
2 1 0
1 1 1
0 1 2
3
2
1
3 2
2 1
3 2
3 2 1
2 1
3
2
1

'

+
+

,
_

,
_

,
_

u
u
u
u u
u u
u u
u u u
u u
u
u
u
y su conjunto de vectores ser L
1
={(, 2, ), }. Base de L
1
=(1,2,1)
Para =3:
R , 0
0
0
0
0
0
0
0
0 1 0
1 1 1
0 1 0
3
2
1
3 1
2
2
3 2 1
2
3
2
1

'

,
_

,
_

,
_

u
u
u
u u
u
u
u u u
u
u
u
u
y su conjunto de vectores ser L
3
={(, 0, -), }. Base de L
3
=(1,0,-1)
Para =4:
R ,
0
0
0
0 2
0
0
0
0
1 1 0
1 2 1
0 1 1
3
2
1
3 2
2 1
3 2
3 2 1
2 1
3
2
1

'

,
_

,
_

,
_

u
u
u
u u
u u
u u
u u u
u u
u
u
u
y su conjunto de vectores ser L
4
={(, -, ), }. Base de L
4
=(1,-1,1)
7.4 SUBESPACIO PROPIO
Para cada autovalor de A, el conjunto X de autovectores asociado se obtiene resolviendo el sistema re-
sultante de la ecuacin (A I)X=0. Para cada ese conjunto es un subespacio vectorial que se llama
subespacio propio asociado a . Se denota L

, y su dimensin es:
dim(L

)=n-rg(A I)
donde n=orden de A.
12 lgebra
A la dimensin de L

le denominaremos multiplicidad geomtrica de

i
y la notaremos por m
i
(repre-
senta los vectores linealmente independientes asociados a
i
).
Dada una matriz A con n autovalores distintos entonces el conjunto de vectores pro-
pios asociados a cada valor propio constituyen una base del espacio vectorial.
Diremos que un autovalor
i
es simple si
i
=m
i
, es decir, si su multiplici-
dad algebraica coincide con la geomtrica que es precisamente la dimen-
sin del subespacio vectorial engendrado por
i
.
7.5 DIAGONALIZACIN DE MATRICES
Diremos que una matriz A es diagonalizable si es semejante a una matriz diagonal o dicho de otro mo-
do, si existe una matriz regular P, de paso, tal que A=PP
-1
.
Al proceso de bsqueda de las matrices y P dada una matriz A se llama diagonalizacin de A.
7.5.1 Teorema de caracterizacin de matrices diagonalizables
Una matriz A de orden n, con nmeros reales, es diagonalizable si, y slo si, admite n vectores propios
linealmente independientes. Esto sucede cuando:
1) La ecuacin de multiplicidad tiene n races reales (iguales o no).
2) El orden de multiplicidad de cada autovalor en la ecuacin caracterstica coincide con la di-
mensin del subespacio propio asociado.
TEOREMA: Sea A una matriz de orden n con elementos reales, si todos los valores pro-
pios
1
,
2
, ,
n
son reales y distintos entonces A es diagonalizable, es decir A es se-
mejante a una matriz diagonal , o dicho de otro modo, existe una matriz P de paso tal
que A=PP
-1
siendo la matriz diagonal.
Ejemplo 7.2:
Consideremos la matriz del ejemplo anterior:

,
_

3 1 0
1 2 1
0 1 3
A
Procediendo como indica el teorema anterior y vistos los espacios vectoriales asociados L
1
, L
3
, y L
4
po-
demos elegir en cada uno de ellos unos vectores columna. Consideremos en L
i
, el vector que se obtiene
para =1, ser

,
_

1
2
1
, para =1,

,
_

1
0
1
, y para =1,

,
_

1
1
1
.
La matriz P, de paso, ser:

,
_

1 1 1
1 0 2
1 1 1
P
y la matriz diagonal ser:

,
_

4 0 0
0 3 0
0 0 1
lgebra 13
Elaboracin: Ferran Gmez Vidal
Si calculamos P
-1
resultar:

,
_

,
_

,
_

2 2 2
3 0 3
1 2 1
6
1
| |
1
2 2 2
3 0 3
1 2 1
2 3 1
2 0 2
2 3 1
1
t t
P
P
P P P

,
_

3 / 1 3 / 1 3 / 1
2 / 1 0 2 / 1
6 / 1 3 / 1 6 / 1
1
P
Fcilmente se puede comprobar que:
A P P A

,
_

,
_

,
_

,
_

3 1 0
1 2 1
0 1 3
3 / 1 3 / 1 3 / 1
2 / 1 0 2 / 1
6 / 1 3 / 1 6 / 1
4 0 0
0 3 0
0 0 1
1 1 1
1 0 2
1 1 1
1
TEOREMA: Sea A una matriz cuadrada, diremos que A es diagonalizable si, y slo
si, la dimensin del subespacio vectorial asociado a cada autovalor es igual al grado
de multiplicidad algebraica de dicho autovalor.
Ejemplo 7.3:
Veamos la matriz A:

,
_

2 1 1
1 2 1
1 1
2 1 1
1 2 1
1 1 0
I A A
+ + + + ) 2 1 ( ) 1 2 ( ) 1 2 2 4 (
2

) 2 ( ) 1 ( 2 5 4 2 1 1 2 2 2 4
2 2 3 3 2 2
+ + + + + + +
cuyos autovalores son
1
=1 (doble) y
2
=2.
Para =1
3 1 2
3 2 1
3 2 1
3 2 1
3
2
1
0
0
0
0
0
0
1 1 1
1 1 1
1 1 1
u u u
u u u
u u u
u u u
u
u
u
+

+
+
+

,
_

,
_

,
_

de donde el subespacio vectorial asociado es:
L
1=
{(,+,), , }. Base de L
1
= {(1,1,0),(0,1,1)}
Como la dimensin de L
1
es dos entonces m
1
=2 y, por tanto,
1
=1 es un autovalor simple.
Para =2
R ,
0
0
0
0
0 2
0
0
0
0 1 1
1 0 1
1 1 2
3
2
1
2 1
3 1
2 1
3 1
3 2 1
3
2
1

'

,
_

,
_

,
_

u
u
u
u u
u u
u u
u u
u u u
u
u
u
y L
2=
{(,,-), }, luego la dimensin de L
2
es uno y entonces m
2
=1 por lo cual
2
tambin es un
autovalor simple.
14 lgebra
Base de L
2
=(1,1,-1)
Ya que todos los autovalores son simples [coincide su multiplicidad algebraica (nmero de races del
autovalor) con la geomtrica (dimensin de L

)], A es diagonalizable.
Para el clculo de la matriz P, de paso, recordemos que se toman para cada autovalor una base de su su-
bespacio propio:

,
_

1 1 0
1 1 1
1 0 1
P
y la matriz diagonal ser:

,
_

2 0 0
0 1 0
0 0 1
Si calculamos P
-1
resultar:

,
_

,
_

,
_

1 1 1
0 1 1
1 1 2
1
1
| |
1
1 1 1
0 1 1
1 1 2
1 0 1
1 1 1
1 1 2
1
t t
P
P
P P P

,
_

1 1 1
0 1 1
1 1 2
1
P
7.6 MATRICES SIMTRICAS
Dados dos valores propios distintos de una misma matriz simtrica, le
corresponden vectores propios ortogonales.
Si la matriz A es simtrica, en la diagonalizacin existen ciertas caractersticas:
1. Los autovalores son todos reales.
2. Verifican el teorema de caracterizacin de matrices diagonalizables.
3. La base de vectores propios es ortogonal.
7.6.1 Matriz ortogonal
Dividiendo cada vector de la base ortogonal por su mdulo se obtiene una base ortonormal (ortonormali-
zacin). La matriz cuadrada que tiene por columnas (o filas) un sistema ortonormal se llama Matriz ortogo-
nal y verifica:
A ortogonal A
t
=A
-1
7.6.2 Diagonalizacin ortogonal
Toda matriz real y simtrica es ortogonalmente diagonalizable, es decir:
A simtrica P ortogonal tal que D= P
-1
AP es diagonal
De este teorema podemos deducir dos conclusiones triviales:
1. Si A es simtrica es congruente con una matriz diagonal. En efecto, como y como C es ortogonal
es regular y, por tanto cumple la condicin de congruencia.
2. Toda matriz simtrica es diagonalizable.
lgebra 15
Elaboracin: Ferran Gmez Vidal
Ejemplo 7.4:
Sea la matriz:

,
_

2 0 1
0 3 0
1 0 2
| |
2 0 1
0 3 0
1 0 2
I A A
+ + + + + 3 ) 6 5 ( ) 2 ( ) 3 ( ) 2 3 6 ( ) 2 (
2 2
) 1 ( ) 3 ( 9 15 7 3 6 5 12 10 2
2 2 3 2 3 2
+ + + + +
cuyos autovalores son
1
=3 (doble) y
2
=1.
Para =3
R , ,
0
0
0
0
0
1 0 1
0 0 0
1 0 1
3
2
1
3 1
3 1
3
2
1

,
_

,
_

,
_

u
u
u
u u
u u
u
u
u
Su conjunto de vectores ser L
3
={(, , ), , }. Base de L
3
={(1,0,1),(0,1,0)}.
Los vectores elegidos tienen que ser ortogonales: (1,0,1)(0,1,0)=10+01+10=0.

1
es un autovalor simple al coincidir la dimensin de L
3
con el nmero de races de
1
.
Para =1
R , 0
0
0 2
0
0
0
0
1 0 1
0 2 0
1 0 1
3
2
1
3 1
2
3 1
3
2
1

,
_

,
_

,
_

u
u
u
u u
u
u u
u
u
u
Su conjunto de vectores ser L
1
=(, 0, -), }. Base de L
1
=(1,0,-1).
2
es un autovalor simple al
coincidir la dimensin de L
1
con el nmero de races de
2
.
No sera necesario comprobar la ortogonalidad de este vector con los otros vectores calculados puesto
que se deber dar por el teorema anterior:
(1,0,1)(1,0,-1)=11+00+1(-1)=0 (0,1,0)(1,0,-1)=01+10+0(-1)=0
Pasemos a ortonormales los tres vectores calculados
) 1 , 0 , 1 ( , ) 0 , 1 , 0 ( , ) 1 , 0 , 1 (
3 2 1
v v v
cuyos mdulos sern:
2 , 1 , 2
3 2 1
v v v
lo que resultar:
( )
,
_

,
_

2
1
, 0 ,
2
1
, 0 , 1 , 0 ,
2
1
, 0 ,
2
1
3 2 1
u u u
y, por tanto
t
C C

,
_

2 / 1 0 2 / 1
0 1 0
2 / 1 0 2 / 1
16 lgebra
y se verifica que:

,
_

,
_

,
_

,
_

1 0 0
0 3 0
0 0 3
2 / 1 0 2 / 1
0 1 0
2 / 1 0 2 / 1
2 0 1
0 3 0
1 0 2
2 / 1 0 2 / 1
0 1 0
2 / 1 0 2 / 1
C A C
t
y tambin:
A C C A
t

,
_

,
_

,
_

,
_

2 0 1
0 3 0
1 0 2
2 / 1 0 2 / 1
0 1 0
2 / 1 0 2 / 1
1 0 0
0 3 0
0 0 3
2 / 1 0 2 / 1
0 1 0
2 / 1 0 2 / 1
lgebra 17
Elaboracin: Ferran Gmez Vidal
8. FORMAS BILINEALES Y CUADRTICAS
8.1 FORMAS BILINEALES
Sea V un espacio vectorial sobre el cuerpo K.
Una forma bilineal sobre V es una aplicacin f: VVK, tal que:
1. ) , ( ) , ( ) , (
2 1 2 1
v u f v u f v u u f + + .
2. ) , ( ) , ( ) , (
2 1 2 1
v u f v u f v v u f + + .
Si el cuerpo K= (reales), la forma bilineal se dice real.
Una forma bilineal se dice simtrica si v u u v f v u f , ), , ( ) , ( .
Una forma bilineal se dice alternada o antisimtrica si u u u f , 0 ) , ( .
[Esta definicin es equivalente a: v u u v f v u f , ), , ( ) , ( .]
Se verifica que para todo
2 2 1 1
y V v V v ,
0 ) 0 , ( ) , 0 (
1 2
v f v f
Consideremos que V
1
=V
2
=V y f: VVK una forma bilineal, diremos que
f es degenerada por la izquierda si existe un vector V v , con 0 v , tal que para todo V u , se verifi-
ca:
0 ) , ( u v f
f es degenerada por la derecha si existe un vector V u , con 0 u , tal que para todo V v , se verifica:
0 ) , ( u v f
Diremos que f es degenerada cuando lo es por la derecha y por la izquierda.
Por el contrario si f no es degenerada, entonces es regular.
8.1.1 Matriz asociada a una Forma Bilineal
Sea f: VV una forma bilineal sobre V de dimensin n, y sea } , , , {
2 1 n
e e e B K una base de V.
Si ) , , ( ), , , (
1 1 n n
y y v x x u K K son las coordenadas de ambos vectores en la base B, la imagen ) , ( v u f
puede expresarse:
Y A X
y
y
y
e e f e e f
e e f e e f e e f
e e f e e f e e f
x x x v u f
t
n
n n n
n
n
n

,
_

,
_

M
L L
M M M M
L
L
K
2
1
1
2 2 2 1 2
1 2 1 1 1
2 1
) , ( ) , (
) , ( ) , ( ) , (
) , ( ) , ( ) , (
). , , , ( ) , (
donde:
X
t
es la matriz fila de las coordenadas de X en B.
Y es la matriz columna de las coordenadas de Y en B.
A es la matriz asociada a f en la base B. Cada a
ij
de A en la base B verifica
n j i e e f a
j i ij
, , 2 , 1 , ); , ( K
18 lgebra
Ejemplo 8.1:
3 3 2 3 3 2 1 3 3 1 1 2 2 1 1 1
4 3 3 2 ) , ( y x y x y x y x y x y x y x y x v u f + + + + + + +
Su expresin analtica es:
Y A X
y
y
y
x x x v u f
t

,
_

,
_

3
2
1
3 2 1
4 1 3
1 0 1
3 1 2
) , , ( ) , (
Como puede observarse f es simtrica, al serlo su matriz asociada, ya que
Si A es simtrica, f es simtrica
Si A es antisimtrica, f es alternada
8.1.2 CAMBIO DE BASE EN UNA FORMA BILINEAL
Sea f: VV una forma bilineal y } ' , , ' , ' { ' }; , , , {
2 1 2 1 n n
e e e B e e e B K K dos bases de V, tales que:
B a a a e a e a e a e
B a a a e a e a e a e
nn n n n nn n n n
n n n
en ) , , , ( '
en ) , , , ( '
2 1 2 2 1 1
1 12 11 1 2 12 1 11 1
K K
M
K K
+ + +
+ + +
Si A y A son las matrices de f en las bases B y B, respectivamente, se verifica:
A=P
t
AP
Donde P es la matriz que tiene por columnas las coordenadas de los vectores de B expresadas en B. Es
decir:

,
_

nn n n
n
n
a a a
a a a
a a a
P
L
M M M M
L
L
2 1
2 22 12
1 21 11
8.1.3 Matrices congruentes
Las matrices cuadradas A y B del mismo orden se dicen congruentes si existe una matriz regular P tal
que:
A=P
t
BP
Es evidente que las matrices A y A de una forma bilineal sobre dos bases diferentes, son congruentes.
Ejemplo 8.2:
Se considera la aplicacin bilineal f:
2

2
definida por:
f((x
1
, x
2
),( y
1
, y
2
))=x
1
y
1
+2x
2
y
1
+x
2
y
2
)} 0 , 2 ( ), 1 , 1 {( } ' , ' { ' y )} 1 , 1 ( ), 0 , 1 {( } , {
2 1 2 1
e e B e e B
Las imgenes de la base B sern:
( ) ( )
( ) ( ) 4 1 2 1 ) 1 , 1 ( ), 1 , 1 ( ) , ( ; 3 0 2 1 ) 0 , 1 ( ), 1 , 1 ( ) , (
1 0 0 1 ) 1 , 1 ( ), 0 , 1 ( ) , ( ; 1 0 0 1 ) 0 , 1 ( ), 0 , 1 ( ) , (
2 2 1 2
2 1 1 1
+ + + +
+ + + +
f e e f f e e f
f e e f f e e f
Y las imgenes de la base B sern:
( ) ( )
( ) ( ) 4 0 0 4 ) 0 , 2 ( ), 0 , 2 ( ) ' , ' ( ; 2 0 0 2 ) 1 , 1 ( ), 0 , 2 ( ) ' , ' (
2 0 4 2 ) 0 , 2 ( ), 1 , 1 ( ) ' , ' ( ; 0 1 2 1 ) 1 , 1 ( ), 1 , 1 ( ) ' , ' (
2 2 1 2
2 1 1 1
+ + + +
+ +
f e e f f e e f
f e e f f e e f
lgebra 19
Elaboracin: Ferran Gmez Vidal
Por tanto, las matrices de f en las bases B y B sern:

,
_

,
_

4 2
2 0
'
4 3
1 1
A A
Las matrices A y A son congruentes.
La matriz P tiene como columnas los vectores de B expresados en la base B:
B e e
B e e
en ) 0 , 2 ( ' ) 1 , 1 ( 0 ) 0 , 1 ( 2 ) 0 , 2 ( '
en ) 1 , 2 ( ' ) 1 , 1 ( ) 1 ( ) 0 , 1 ( 2 ) 1 , 1 ( '
2 2
1 1
+
+
Por tanto, la matriz de paso P es,

,
_

0 1
2 2
P
Podemos comprobar que se verifica,
'
4 2
2 0
0 1
2 2
4 3
1 1
0 2
1 2
A P A P
t

,
_

,
_

,
_

,
_

8.1.4 VECTORES CONJ UGADOS RESPECTO A UNA FORMA BILINEAL SIMTRICA.
NCLEO
Dos vectores v u, son conjugados respecto una forma bilineal simtrica f, si:
0 ) , ( v u f
Un vector u es conjugado con un subespacio S respecto de f si lo es con todos los vectores de S.
Se llama ncleo de una forma bilineal simtrica f: VV, el conjunto de vectores de V conjugados con
todos los de V.
N(f)={ V u tal que 0 ) , ( v u f ; V v }
Una forma bilineal simtrica se dice degenerada si N(f)=0, es decir, cuando:
rg(A)<n (n= dim(V))
8.2 FORMAS CUADRTICAS
Sea V un espacio vectorial real y f: VV una forma bilineal sobre V.
Se llama forma cuadrtica asociada a f, a la aplicacin q: Vd definida por
V u u u f u q , ) , ( ) (
8.2.1 FORMA POLAR ASOCIADA A UNA FORMA CUADRTICA
Existe una sola forma cuadrtica asociada a una forma bilineal dada. El recproco no es cierto.
Existen diferentes formas bilineales asociadas a una forma cuadrtica. De todas ellas slo una es sim-
trica y se llama forma polar de la forma cuadrtica.
As, si q: Vd es una forma cuadrtica, su forma polar est definida por:
f: VV tal que [ ] ) ( ) ( ) (
2
1
) , ( v q u q v u q v u f +
20 lgebra
8.2.2 EXPRESIN MATRICIAL DE UNA FORMA CUADRTICA
Se define la matriz de una forma cuadrtica a la matriz de su forma polar asociada:
X A X u u f u q
t
) , ( ) (
Esta matriz ser, por tanto, simtrica.
Ejemplo 8.3:
Se considera la forma cuadrtica sobre
2
:
2
2 2 1
2
1
4 3 2 ) ( x x x x u q +
donde ) , (
2 1
x x u en una base } , {
2 1
e e .
La forma bilineal simtrica asociada a q (forma polar) es f:
2

2
definida para ) , (
2 1
x x u y
) , (
2 1
y y v
[ ] ) ( ) ( ) (
2
1
) , ( v q u q v u q v u f +
2
2 2 2 2 1 1
2
1 1
) ( 4 ) ( ) ( 3 ) ( 2 ) ( y x y x y x y x v u q + + + + + +
2
2 2 1
2
1
4 3 2 ) ( x x x x u q +
2
2 2 1
2
1
4 3 2 ) ( y y y y v q +
Simplificando:
[ ]
2 2 1 2 2 1 1 1 2 2 1 2 2 1 1 1
4
2
3
2
3
2 8 3 3 4
2
1
) , ( y x y x y x y x y x y x y x y x v u f + +
Por lo tanto,
Y A X
y
y
x x v u f
t

,
_

,
_

2
1
2 1
4 2 / 3
2 / 3 2
) , ( ) , (
Si nos fijamos un poco veremos que la expresin analtica anterior se puede deducir fcilmente:
2
2 2 1
2
1
4 3 2 ) ( x x x x u q +
1 1
2
1
2 2 x x x el valor 2 en la posicin
11
de la matriz.
2 1
3 x x el valor 3 repartido entre las posiciones
12
y
21
de la matriz, o sea en cada uno.
2 2
2
2
4 4 x x x el valor 4 en la posicin
22
de la matriz.
8.2.3 PROPIEDADES DE LAS FORMAS CUADRTICAS
Si q: V es la forma cuadrtica asociada a f: VV:
a) ) ( ) , ( ) , ( ) (
2 2
u q u u f u u f u q
b) 0 ) 0 ( q
c) ) , ( ) , ( ) ( ) ( ) , ( ) ( u v f v u f v q u q v u v u f v u q + + + + + +
8.2.4 FORMAS CUADRTICAS DEFINIDAS
En toda forma cuadrtica 0 ) 0 ( q . Ahora bien, podra haber otros vectores V u tales que 0 ) ( u q .
Una forma cuadrtica, q: V se dice definida si
Q es definida [ 0 0 ) ( u u q ]
lgebra 21
Elaboracin: Ferran Gmez Vidal
8.2.5 CAMBIO DE BASE EN UNA FORMA CUADRTICA
Si X A X u q
t
) ( es la expresin de una forma cuadrtica en una base B, y es P la matriz que expresa
en columnas las coordenadas de los vectores de una nueva base B en B, la expresin de q en B ser:
P A P A X A X u q
t t
' siendo ' ) (
Las dos matrices A y A son, por tanto, congruentes.
Por tanto, dos matrices cuadradas del mismo orden son congruentes si lo son de una misma forma cua-
drtica en dos bases distintas.
Ejemplo 8.4:
A partir del ejemplo (8.3) vamos a buscar la expresin de q en la base } , {
2 1
v v , siendo ) 1 , 1 (
1
v y
) 2 , 1 (
2
v en la primera base.
Siendo ) ' , ' (
2 1
x x u , las coordenadas en la nueva base, la expresin de q es ahora:

,
_

2
1
2 1
'
'
' ) ' , ' (
x
x
A x x q donde A=P
t
AP
siendo P la matriz que expresa, en columnas, las coordenadas de los vectores de la nueva base en la an-
tigua:

,
_

,
_

,
_

,
_

,
_

,
_

12 2 / 15
2 / 15 9
2 1
1 1
2 / 13 1
2 / 11 2 / 7
2 1
1 1
4 2 / 3
2 / 3 2
2 1
1 1
' A
La expresin de q ser:
2
2 2 1
2
1
' 12 ' ' 15 ' 9 ) ( x x x x u q +
8.2.6 DIAGONALIZACIN DE UNA FORMA CUADRTICA
Diagonalizar una forma cuadrtica consiste en encontrar una base respecto a la cual la matriz sea diago-
nal. Su expresin, en esa nueva base, quedar reducida a una suma de cuadrados:
2 2
2 22
2
1 11
) (
n nn
x a x a x a u q + + + K
Proposicin: en toda forma cuadrtica q: V existe alguna base de V donde la matriz asociada a q es
diagonal.
Ejemplo 8.5:
Diagonalizar la forma cuadrtica definida sobre
3
:
yz xz xy z y x z y x q 2 2 2 3 5 3 ) , , (
2 2 2
+ + +
Matriz de q:

,
_

3 1 1
1 5 1
1 1 3
A
Autovalores de A:
0
3 1 1
1 5 1
1 1 3
| |

,
_

I A
22 lgebra
[ ] [ ] 0 ) 5 ( 1 ) 1 3 ( 1 ) 3 ( ) 5 ( ) 3 ( + + + +
0 ) 5 1 ( 2 ) 1 5 3 15 ( ) 3 (
2
+ + + +
0 5 1 2 ) 8 14 ( ) 3 (
2
+ + + +
0 2 6 8 14 3 24 42
3 2 2
+ + +
0 36 36 11
2 3
+ +
cuyos autovalores son
1
=2,
2
=3 y
3
=6.
La matriz diagonal es:

,
_

6 0 0
0 3 0
0 0 2
D
y la expresin reducida de q es:
2 2 2
6 3 2 ) , , ( z y x z y x q + +
8.2.7 INVARIANTES. rango y signatura
Llamaremos invariantes de una forma cuadrtica a aquellas propiedades de su matriz asociada que no
dependen de la base considerada en el espacio vectorial.
El rango de una forma cuadrtica es el rango de su matriz:
rg(q)=rg(A)
Signatura de una forma cuadrtica q: V se llama al par (p, m) donde p es el nmero de elementos po-
sitivos que posee la diagonal de la matriz asociada a q, y mlos negativos. Se designa sg(q) y se verifica:
p+m=rg(q)
Teorema de Silvester: El nmero de elementos positivos que hay en la diagonal de cualquiera de las
matrices diagonales asociadas a una forma cuadrtica dada, es el mismo.
8.2.8 CLASIFICACIN DE LAS FORMAS CUADRTICAS
Sea q: V forma cuadrtica, donde dim(V)=n. La forma cuadrtica puede ser:
1. Definida positiva. Si 0 , ; 0 ) ( > u V u u q .
2. Definida negativa. Si 0 , ; 0 ) ( < u V u u q .
3. Semidefinida positiva. Si 0 ) ( que tal 0 y ; 0 ) ( u q u V u u q .
4. Semidefinida negativa. Si 0 ) ( que tal 0 y ; 0 ) ( u q u V u u q .
5. Indefinida. Si 0 ) ( ; 0 ) ( que tal ,
2 1 2 1
< > u q u q V u u .
lgebra 23
Elaboracin: Ferran Gmez Vidal
Una forma cuadrtica puede clasificarse haciendo uso de su diagonalizacin y recordando que tanto el
rango como la signatura son invariantes. As:
1. Definida positiva:
sg(q)=(n,0); rg(q)=n
o bien, cuando todos los autovalores son positivos.
2. Definida negativa:
sg(q)=(0,n); rg(q)=n
o bien, cuando todos los autovalores son negativos.
3. Semidefinida positiva:
sg(q)=(r,0); rg(q)=r<n
Los autovalores son mayores que cero, con alguno de ellos cero.
4. Semidefinida negativa:
sg(q)=(0,r); rg(q)=r<n
Los autovalores son negativos, con alguno de ellos cero.
5. Indefinida: Restantes casos. Los autovalores son positivos y negativos.
24 lgebra
9. EL ESPACIO AFN
Se dice que E es un espacio afn asociado a V si se define una aplicacin EEV tal que a cada par de
puntos P,QE le haga corresponder un vector V v que se le denominar PQ v (es decir
PQ v Q P f ) , ( ), y verificar:
1. PQ v Q P f E Q V v E P ) , ( / ; ,
2. Q P Q P f 0 ) , (
3. ) , ( ) , ( ) , ( / , , R Q f Q P f R P f QR PQ PR E R Q P + +
REFERENCIA AF N: Es el conjunto } , , , , 0 {
2 1 n
u u u R K donde u
1
, u
2
, , u
n
es una base de V.
SUBESPACIO AF N: Cualquier subconjunto de un espacio afn con estructura de espacio afn.
ECUACIONES DE UNA RECTA EN EL PLANO: si el punto es P=(a,b) y el vector director es
) , (
2 1
d d d :
-- Ecuacin Vectorial d OP y x + ) , (
-- Ecuaciones Paramtricas
1
]
1
+
+
2
1
d b y
d a x

-- Ecuacin Continua: igualando a travs de

2 1
d
b y
d
a x

-- Ecuacin Cartesiana o Implcita: a partir de la anterior

d
2
(x a)= d
1
(y b) d
2
x d
2
a d
1
y+d
1
b=0 d
2
x d
1
y+d
1
b d
2
a=0
Ax+By+C=0 donde A=d
2
, B=d
1
y C= d
1
b d
2
a.
ECUACIONES DE UNA RECTA EN EL ESPACIO: si el punto es P=(a,b,c) y el vector director es
) , , (
3 2 1
d d d d :
-- Ecuacin Vectorial d OP z y x + ) , , (
-- Ecuaciones Paramtricas
1
1
1
]
1
+
+
+
3
2
1
d c z
d b y
d a x

-- Ecuacin Continua: igualando a travs de

3 2 1
d
c z
d
b y
d
a x

-- Ecuacin Cartesiana o Implcita: a partir de la anterior

1
]
1
+ + +
+ + +
0 ' ' ' '
0
D z C y B x A
D z C y B x A
POSICIONES RELATIVAS DE DOS RECTAS (r y s) EN E
2
:
-- Paralelas
s r
d d
-- Coincidentes
s r
d d y r P s P
-- Se cortan
s r
d d
HAZ DE RECTAS DE VRTICE P:
(Ax+ By+ C)+ (Ax+ By+ C)=0 ,
lgebra 25
Elaboracin: Ferran Gmez Vidal
ECUACIONES DE UN PLANO: Puede determinarse por:
1 punto P=(a,b,c) y 2 vectores contenidos u y v.
-- Ecuacin Vectorial (x,y,z)=P+ u+ v
-- Ecuaciones Paramtricas
1
1
1
]
1
+ +
+ +
+ +
3 3
2 2
1 1
v u c z
v u b y
v u a x



-- Ecuacin Cartesiana 0 0
3 3
2 2
1 1
+ + +

D z C y B x A
v u c z
v u b y
v u a x
3 puntos no alineados P
1
, P
2
y P
3
Ser el plano que tiene como vectores, por ejemplo, P
1
P
2
y
P
1
P
3
y contiene a uno cualquier de los tres.
1 punto y un vector perpendicular ) , , ( C B A d :
A(x a)+ B(y b)+ C(z c)=0
POSICIONES RELATIVAS DE DOS PLANOS: Sean dos planos 0
1 1 1 1 1
+ + + D z C y B x A y
0
2 2 2 2 2
+ + + D z C y B x A
Analizando el sistema:

,
_

2 2 2 2
1 1 1 1
) (
D C B A
D C B A
N MM
-- Planos Coincidentes 1 ) ( rg ) ( rg N M M M
-- Planos Paralelos 2 ) ( rg y 1 ) ( rg N M M M
-- Se cortan segn una recta 2 ) ( rg ) ( rg N M M M
HAZ PROPIO DE PLANOS DE EJ E LA RECTA r:
(A
1
x+B
1
y+C
1
z+D
1
)+(A
2
x+B
2
y+C
2
z+D
2
)=0 ,
HAZ IMPROPIO DE PLANOS PARALELOS A UNO DADO: Dado = Ax+By+Cz+D=0 sern:
Ax+By+Cz+=0
POSICIONES RELATIVAS DE TRES PLANOS:
Analizando el sistema:

,
_

3 3 3 3
2 2 2 2
1 1 1 1
) (
D C B A
D C B A
D C B A
N MM
-- Planos Coincidentes 1 ) ( rg ) ( rg N M M M
-- Planos Paralelos o 2 coincidentes y 1 paralelo 2 ) ( rg y 1 ) ( rg N M M M
-- Forman un Haz Propio 2 ) ( rg ) ( rg N M M M
-- Se cortan dos a dos (forman prisma) 3 ) ( rg y 2 ) ( rg N M M M
-- Se cortan en un solo punto (forman vrtice) 3 ) ( rg ) ( rg N M M M