Вы находитесь на странице: 1из 63

28/02/2008

lgebra y Geometra Analtica

Unidad 1

MATRICES
Definicin: una matriz es un arreglo rectangular de smbolos o nmeros encerrados entre corchetes. Los
nmeros del arreglo se denominan elementos y estn ubicados en p filas y q columnas (Antn, 47)
Ejemplos:

a b c
A =

d e f

1
B = 0
0

a 11 a 12 ..... a 1q

a 21 a 22 ..... a 2q

A=
= a1j
.............................

a p1 a p 2 .... a pq

[ ]

Matriz cuadrada; una matriz es cuadrada si tiene igual nmero de filas que de columnas.
Ejemplos:
a b c
1 0
A =
B = d e f

0
1

g h i
Matriz nula:
0 0
Es aquella en que aij=0 para todo i,j . Se simboliza: O =

0 0
Matriz diagonal: una matriz cuadrada es diagonal si verifica que aij = 0 para todo i j.
1 0 0
1 0
B =
Ejemplo: A = 0 2 0
0 i

0 0 0

1 si i = j
Matriz identidad: es aquella matriz cuadrada que verifica que: a ij
0 si i j
1 0 0
Ejemplo: I = 0 1 0
0 0 1
Matriz transpuesta: si A es cualquier matriz mxn, entonces la transpuesta de A, denotada At, se define como
la matriz nxm que se obtiene al intercambiar las filas y la columnas de A. Es decir, la primera fila de A es la 1
columna de At, la segunda fila de A es la 2 columna de At, y as sucesivamente. (Antn, 57). O sea que (At)ij
=(A)ji.
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 1

1 2
Ejemplo: A =

3 4

1 3
At =

2 4

Propiedades:

a)
b)
c)
d)

(At)t = A
(.A)t = .At ( escalar)
si A y B son matrices pxq: (A+B)t = At + Bt
Si A y B son matrices de orden pxq y qxr respectivamente, entonces: (A.B)t = Bt. At

Matriz simtrica: una matriz cuadrada A es simtrica si A = At (Antn,97)


2 3
Ejemplo: A =

3 0
Matriz antisimtrica: una matriz cuadrada A se denomina antisimtrica si At = -A (Antn, 102)

Ejemplo:

0 1
A=

1 0

Matriz triangular: Una matriz cuadrada en la que todos los elementos arriba de la diagonal principal son cero
se denomina triangular inferior, y una matriz cuadrada en la que todos los elementos debajo de la diagonal
principal son cero se denomina triangular superior. Una matriz que es triangular inferior y superior se
denomina triangular. (Antn, 95)
1 0 0
1 2 9

B = 2 3 0 es triangular inferior
Ejemplo: A = 0 0 2 es triangular superior
4 - 5 0
0 0 1
Traza de una matriz: se denomina traza de una matriz a la suma de los elementos de su diagonal principal y
n

se escribe tr(A) =

a
i =1

ii

Propiedades:
o tr(A+B) = tr(A) + tr(B)
o tr(kA) = k. tr(A)
o tr(At) = tr(A)
o tr(A.B) = tr(B.A)

Operaciones con matrices

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 1

Suma: sean A y B matices del mismo orden, entonces la suma A+B es la matriz obtenida al sumar los
elementos correspondientes de B con los de A . O sea: (A+B)ij = (Aij)+(B)ij = aij + bij
Ejemplo:
1 2
- 5 4
4 6
B=
A+B =
A=

3 4
- 8 0
5 4
Propiedades:
a)
b)
c)
d)

A + B = B +A
A+(B+C) = (A+B)+C
A+O=A
A+(-A) = O

Producto por un escalar: Si A es una matriz y c un escalar, el producto c.A es la matriz que se obtiene al
multiplicar cada elemento de A por c. O sea: (c.A)ij = c.(A)ij = c.aij
Propiedades:
a) c(A+B) = cA+cB con c escalar y A y B matrices del mismo orden
b) (c+d)A = cA+dA
con c y d escalares
c) (c.d)A = c.(d.A)=(d.c)A con c y d escalares

Producto de matrices: Si A es una matriz pxq y B es una matriz qxr, entonces el producto A.B es la matriz
pxr cuyos elementos se determinan as: para el elemento ij de A.B multiplicar entre s los elementos
correspondientes de la fila i de A y la columna j de B y luego sumar los productos.
1 2
5 6 7
1.5 + 2.8 1.6 + 2.9 1.7 + 2.10
B
A.B
=
=
Ejemplo: A =

8 9 10
3.5 + 4.8 3.6 + 4.9 3.7 + 4.10 =
3 4

En forma general:
a 11

L
a p1

a 12
L

a 13
L

a p2

a p3

L a 1q b11

L L . L
L a pq b q1

b 12
L

b 13
L

b q2

b q3

L b1r c11

L L = L
L b qr c p1

c12
L
c p2

L c1r

L L
L c pr

donde:
c11 = a11.b11 + a12.b21+.+a1q.bq1
c21 = a21.b11 + a22.b21 ++ a2q.bq1
.
q

Cij = ai1.b1j + ai2.b2j +..+ aiq.bqj =

ik .bkj

con 1 i p

1 j r

k =1

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 1

Propiedades:

a) (A.B).C = A.(B.C)
b) A(B+C) = A.B+A.C
c) (A+B).C = A.C + B.C

Comentario: por la condicin que deben cumplir las matrices A y B para que su producto est definido,
podemos decir que en algunos casos aunque A.B est definido no necesariamente B.A lo estar. Adems,
aunque ambos productos estn definidos, no siempre el resultado de multiplicar A.B es igual que el resultado de
B.A. Por lo tanto podemos decir que el producto de matrices no verifica la propiedad conmutativa. O sea:
A.B B.A

Potencia de una matriz: si k es un entero y A una matriz cuadrada : A k = 1


A. A
. A........
42
4
43
4A
k veces

Operaciones elementales
Existen slo tres operaciones elementales:

intercambiar dos filas (o columnas) entre s.


Multiplicar una fila (o columna) por un escalar distinto de cero.
Sumar a una fila (o columna) un mltiplo de otra fila (o columna)

Matrices elementales
Son aquellas matrices que se obtienen mediante una sola operacin elemental sobre la matriz identidad.
1 0 3
1 0 0
1 0

Ejemplo: E1 =
E 2 = 0 1 0
E 3 = 0 0 1

0 2 (-2)F2
0 0 1 F +3F
0 1 0 F F
1

Sea A una matriz mxn y E una matriz elemental de mxm, la multiplicacin por izquierda de A por E realiza la
misma operacin elemental en las filas de A que la realizada en la identidad para obtener E. Si la operacin se
hace por derecha, se opera sobre las columnas.

Matrices equivalentes
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 1

Definicin: Una matriz B es equivalente por filas a A si existe una secuencia finita E1, E2, E3........Ek de
matrices elementales tales que: B = Ek, Ek-1, ......E1.A

Matrices escalonadas
Una matriz est escalonada por filas si satisface:
9 Todas las filas que tienen slo ceros estn en la parte inferior de la matriz
9 Si un rengln no consta completamente de ceros, entonces el primer elemento distinto de cero de la fila
es un uno ( uno principal).
9 En dos filas consecutivas cualesquiera que no conste completamente de ceros, el uno principal del
rengln aparece ms a la derecha que el uno principal del rengln anterior.
1 3 4
Ejemplo: A = 0 0 1
0 0 0

1 4 2
B = 0 1 0
0 0 1

Matriz escalonada reducida: son las matrices escalonadas que tienen ceros por encima y por debajo del
uno principal.
1 0 0
Ejemplo: A = 0 1 0
0 0 1
Una matriz A puede llevarse a escalonada o escalonada reducida utilizando operaciones elementales. De esta
manera se obtiene la forma escalonada o escalonada reducida equivalente de A. (Mtodo de Gauss-Jordan)

Rango de una matriz: es la cantidad de filas distintas de cero de la forma escalonada equivalente de una
matriz.

Inversa de una matriz


Sea A una matriz cuadrada de orden mxm, una matriz C de orden mxm es la inversa de A si: A.C = C.A =I
La escribimos: C = A-1
2 5
3 5
=
Ejemplo: A =
C
A.C = C.A = I

1 2
1 3

Propiedad
Si una matriz tiene inversa, sta es nica.

Demostracin: sea A , C y D matrices de orden mxm, y sean C y D dos inversas de A.


Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 1

A.C=I
D(A.C)=DI
(D.A).C = D
I.C = D
C = D luego la inversa es nica
Las matrices que tienen inversa se las llama invertibles o no singulares.
Propiedades : Si A y B son matrices invertibles de mxm:
a) A.B es inversible (A.B)-1 = B-1.A-1
Demostracin:
(A.B).(B-1.A-1)=
=A.(B.B-1).A-1 =
=I
luego B-1A-1 es la inversa de A.B

b) (k.A ) 1 =

1 1
A
k

con k escalar

c)(A-1)-1=A
d) (Am)-1 = (A-1)m
e) (At)-1 = (A-1)t
f) I-1 = I

Clculo de la inversa

Para encontrar una matriz X=A-1 tal que A.X = I, debemos ampliar la matriz A con la identidad y trabajar de la
siguiente manera:
2 5
A=

1 3

Prof A. Schilardi
2008

[A M I] =

2 -5 M 1 0
1 3 M 0 1

1 0 M 3 5
0 1 M 1 2

lgebra y Geometra Analtica

Alumno:

Unidad 1

Curso:

fecha:

EVALUACIN

Si A es una matriz que se obtiene a partir de I5 (identidad de orden 5) permutando las dos primeras filas
y luego multiplicando la ltima fila por (-3) entonces el rango de A es:
3 ( )
2( )
1 ( )
5( )
NRAC ( )
Si A2 = I, entonces A.(A+B) es igual a:
AB-I ( )
2I+AB ( )
AB + I ( )
I+B ( )
NRAC ( )

Determinar si las siguientes proposiciones son verdaderas (V) o falsas (F )

Si A es una matriz de orden nxn, entonces A es inversible


Si A es una matriz simtrica, entonces A es diagonal
Cualquiera sea la matriz A, la matriz A.At es simtrica
Toda matriz antisimtrica admite matriz inversa
La suma de matrices diagonales inversibles es una matriz diagonal inversible
Si A.B = 0, entonces A = 0 B = 0
Si A es una matriz diagonal, entonces A es simtrica
Si A = 0 B= 0, entonces A.B = 0
La traza de la matriz ( 2I + 0) es igual a 6
Toda matriz equivalente por filas a la matriz 3.I admite inversa
La suma de matrices diagonales inversibles, es una matriz diagonal inversible.

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 2

DETERMINANTES
A cada matriz cuadrada es posible asociarle un nmero real llamado determinante. O sea, a cada matriz A
de orden nxn, es posible asociar un escalar det(A).
Producto elemental : un producto elemental de una matriz A de orden nxn se define como cualquier
producto de m elementos de A donde todos los factores pertenecen a filas y columnas distintas.
a12
a
A = 11
producto elemental = a 11 .a 22

a
a
22
21

producto elemental = a 12 .a 21
Signo de un producto elemental:
Una permutacin del conjunto de enteros {1,2,3....,n} es un arreglo de stos en algn orden sin omisiones ni
repeticiones. (Antn, 108)
Inversin: ocurre una inversin en una permutacin, siempre que un entero mayor precede a un menor.
Permutacin Cantidad de inversiones
1) 1,2,3
0
2) 1,3,2
1
3) 3,1,2
2
Se dice que una permutacin es impar si el nmero total de inversiones es impar. En caso contrario, la
permutacin es par.
Un producto elemental con signo de A, ser el producto a1 j1 .a 2 j2 ....a njn multiplicado por (+1) si {j1;j2;...jn}
es una permutacin par, o estar multiplicado por (-1) si {j1;j2;...jn}es una permutacin impar.

Definicin de determinante
Sea A una matriz cuadrada. La funcin determinante (det(A) o A ) se define como la suma de todos los
productos elementales con signo de A.
a11 a12
= a11 .a 22 a12 .a 21
Ejemplo: det( A) =
a 21 a 22

Propiedades
a) det(At) = det(A)
b) si A es una matriz triangular, el det(A) es el producto de los elementos de la diagonal.
c) Si A tiene una fila o columna completa de ceros, entonces det(A) = 0
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 2

d) Si A es una matriz que tiene dos filas o columnas idnticas, entonces det(A) = 0
e) Si A es la matriz que se obtiene de multiplicar a una sola fila o columna de A por una constante k,
entonces det(A) = k det(A)
f) Si A es la matriz que se obtiene de intercambiar dos filas o columnas de A, entonces det(A) = det(A)
g) Si A es la matriz que se obtiene de sumarle a una fila o columna de A un mltiplo de otra, entonces
det(A)=det(A)
h) Si A y B son matrices cuadradas de igual orden, entonces det(A.B)=det(A).det(B)
i) A es inversible det(A) 0
Demostracin:
) A es inversible

det( A) 0

A es invertible A.A-1 = I
) det( A) 0

Det(A.A-1) = det(I) det(A).det(A-1) = 1 det(A) 0

A es inversible

Ek.Ek-1.......E1.A = R
det (Ek).det(Ek-1) .......det(E1) .det(A) = det(R)
det (R ) 0
R no tiene ninguna fila de ceros
R=I
A es equivalente por filas a I
A es inversible

j) Si A es invertible : det( A 1 ) =

1
det( A)

Demostracin:
Si A es invertible A.A-1 = I
det(A.A-1) det(I)
det(A).det(A-1) = 1
1
det(A-1) =
det( A)

Clculo de determinantes de matrices de mxm


Menor complementario : Si A es una matriz cuadrada, entonces el menor complementario del elemento
aij (se anota Mij) se define como el determinante de la submatriz que queda despus de quitar la i-sima
fila y la j-sima columna de A.
El nmero (-1)i+j Mij se denota Cij y se denomina cofactor del elemento aij.

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 2

Desarrollo por cofactores


El determinante de una matriz cuadrada A se puede calcular como:
det(A) = a1jC1j+a2jC2j+......+anjCnj
det(A) = ai1Ci1 + ai2Ci2 + .....+ ain

Matriz adjunta:

Si A es cualquier matriz cuadrada y Cij es el cofactor de aij, entonces la matriz

c11 c12 K c1n


K K K K se denomina matriz de cofactores de A. A la transpuesta de esta matriz se la

c n1 c n 2 K c nn
denomina adjunta de A y se escribe Adj(A).

Clculo de la inversa
Se A es una matriz invertible: A 1 =

Prof A. Schilardi
2008

1
. Adj ( A)
det( A)

lgebra y Geometra Analtica

Alumno:

Unidad 2

Curso:

fecha:

Evaluacin
En el siguiente ejercicio una sola es la respuesta correcta. Mrquela con una cruz:
a b c
g h
i

Si d
g

10 ( )

e
h

f = 5 entonces 2d 2e 2f
es igual a :
i
a b c
-10 ( )
-5 ( )

5( )

NRAC ( )

Sean C y D matrices de 3x3. Completar las siguientes expresiones para que resulten proposiciones
verdaderas.
Det( C-2Ct)= ............................
Det ((-DC) = ............................
Det( 3C-1) =............................
Det(2(CD)-1) = ............................
Det (5(DC)t)= ............................

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 3

SISTEMAS DE ECUACIONES LINEALES


Una ecuacin lineal con n incgnitas tiene la forma : a1x1+a2x2+.....+anxn donde los ai son nmeros reales y
a los xi se los denomina incgnitas o variables.
Un sistema de ecuaciones lineales con n ecuaciones y p incgnitas tiene la forma:
a11 x1 + a12 x 2 + a13 x3 + ........ + a1 p x p = b1

a 21 x1 + a 22 x 2 + a 23 x3 + ........ + a 2 p x p = b2

...............................................................
a x + a x + a x + ......... + a x = b
n2 2
n3 3
np p
n
n1 1
El conjunto de todos los valores que puede tomar x1,x2,x3,.....,xn es el conjunto solucin S.
Ejemplo:
x1 + x 2 = 2
i)
S={(2;0)}

x1 x 2 = 2

ii)

x1 + x 2 = 2

x1 + x 2 = 1

S=

x1 + x 2 = 2
iii)
x1 x 2 = 2

S tiene infinitos elementos

determinado

Tiene
solucin

COMPATIBLE
indeterminado

SEL
No tiene
solucin

Prof A. Schilardi
2008

INCOMPATIBLE

lgebra y Geometra Analtica

Unidad 3

Forma matricial
Matriz de trminos
independientes

1 1 x1 2
i)
. =
1 1 x 2 2

Matriz de
coeficientes

1 1 M 2
1 1 M 2 matriz ampliada o aumentada (A)

Matriz de
incgnitas

A.X = B

Sistemas equivalentes:
Dos sistemas de ecuaciones son equivalentes si tienen el mismo conjunto solucin. Dos matrices ampliadas
equivalentes corresponden a sistemas de ecuaciones lineales equivalentes.
Sistemas de ecuaciones homogneos:
Un sistema de ecuaciones es homogneo cuando la matriz de trminos independientes es la matriz nula. En
forma matricial: A .X = 0
todo sistema de ecuaciones lineales homogneo siempre es compatible.
Si un sistema homogneo es compatible determinado, entonces S = { 0nx1 } (solucin trivial).

Teorema de Rouch-Frobenius
Un sistema de ecuaciones lineales es COMPATIBLE si la matriz de coeficientes y la matriz
ampliada tienen igual rango.
A . X = B es compatible (A) = (A)
Si un sistema de ecuaciones lineales es compatible:
a) Si (A) = (A) = n (n de incgnitas) el sistema es DETERMINADO.
b) Si (A) = (A) < n (n de incgnitas) el sistema es INDETERMINADO.

Mtodo de eliminacin Gaussiana


Nos permite encontrar el conjunto solucin de un sistema buscando un sistema equivalente cuya matriz
aumentada sea ESCALONADA. (Antn, 29)
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 3

Mtodo de Gauss-Jordan
Nos permite encontrar el conjunto solucin de un sistema buscando un sistema equivalente cuya matriz
aumentada sea ESCALONADA REDUCIDA. (Antn, 35)

Teorema:
Si A es una matriz inversible de nxn, entonces para cada matriz B de orden nx1, el sistema A . X = B
tiene exactamente una sola solucin y esta es : X = A-1. B
Demostracin
A.X=B A-1.( AX) = A-1.B I.X = A-1B X = A-1.B

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 3

Alumno:

Curso:

fecha:

Evaluacin
En los siguientes enunciados una sola es la respuesta correcta. Mrquela con una cruz.
Si la matriz A de orden n es equivalente por filas a In, entonces el sistema A X=0
Es compatible ( ) es compatible determinado ( )
es compatible indeterminado ( )
tiene solucin S = { X Rn / X = A-1 } ( )
NRAC ( )

Si la matriz de coeficientes de un sistema de ecuaciones lineales, A, es de orden 3x5 entonces el


nmero mximo de variables libres es:
3( )
5 ( )
2 ( )
4 ( )
NRAC ( )

x1 x 2 + x3 x 4 = t
El sistema
es compatible determinado si:
x 2 2 x3 + 3 x 4 = 1
t=0 ( )
t no existe ( )
t = -1 ( )

t R ( )

NRAC ( )

Si A es una matriz inversible de orden nxn, X es de orden nx1, y B es de nx1, entonces la


ecuacin matricial A.X = B admite solucin:
X = B-1.A ( )
X = A-1B
no admite solucin ( )
X=I( )

Prof A. Schilardi
2008

NRAC ( )

lgebra y Geometra Analtica

Unidad 4

VECTORES Y ESPACIOS VECTORIALES


Los vectores en R2 se pueden representar como:

w
v
x2
x1

v = (x1;x2)
v = x 1 i + x2 j
v = x1 x0 + x2 y0
v y w son representaciones del mismo vector

mdulo o norma euclidiana: es la longitud del vector. Es decir que :

v = x12 + x 22

Si P1(x1;y1) y P2(x2;y2) son dos puntos del plano, el vector P1 P2 = ( x2-x1;y2-y1) y la distancia entre P1 y
P2 es la norma del vector P1 P2

Producto por un escalar:


Siendo un nmero real, definimos el producto v = (x1;x2) = (x1 ; x2).

Suma de vectores
u= (u1;u2)
v = (v1;v2)
u + v = (u1+v1 ; u2+v2 )

Propiedades

u,v R2 : u + v = v + u
u,v,w R2 : u + (v+w) = (u+v) +w
0 = ( 0;0) elemento neutro: u+0 = u

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

Vectores en R3

u = (u1 ; u2 ; u3)

u = u12 + u 22 + u 32

Vectores unitarios : un vector es unitario si su norma es 1. Si v = 1 entonces v

es un versor. Los

versores cuya direccin es la de los ejes cartesianos se denominan versores fundamentales. Cmo obtener
un versor a partir de un vector?
v
v =a
entonces
es un versor
a
Demostracin
v
1
1
v
= v = .a = 1
luego
es un versor
a
a
a
a
distancia euclidiana entre vectores: la distancia entre dos vectores u y v se define como:
d (u, v) = u v
Producto escalar (o producto punto)
Si u y v son dos vectores en R2 o R3 y es el ngulo entre u y v, entonces el producto punto o escalar se
define como (Antn, 164)
u . v cos u 0 y v 0
u v
u=0 o v=0
0

PQ = u + v 2 u v cos
PQ = v u

p
u

Q
v

u v cos =
como

1
2
2
u + v vu
2

vu

= ( v1 u1 ) 2 + ( v 2 u 2 ) 2 + ( v3 u 3 ) 2

demostrar que u v = u1v1 + u 2 v 2 + u 3 v3

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

Propiedades:
o uv=vu
o u (v+w) = u v + u w
o (u v) = (u) v

escalar

cos

ngulo entre vectores:

uv
u.v

ngulos directores

Sean i, j, k vectores unitarios a lo largo de los ejes positivos de x,y,z de un sistema de coordenadas
rectangulares de un espacio tridimensional. Si v=(a,b,c) es un vector diferente de cero, entonces los ngulos
a, b, g entre v y los vectores i, j, k, respectivamente, se denominan ngulos directores de v.
A los nmeros cos(a), cos (b), cos(g), se los denomina cosenos directores de v.
Propiedades: sea v = (a,b,c) un vector de R3, y a, b, g sus ngulos directores, entonces:

a
v
2
b) cos (a) + cos2(b) + cos2(g) = 1
a) cos( a) =

Producto vectorial o producto cruz


Si u(u1;u2;u3) y v(v1;v2;v3) son vectores de R3 entonces u v es un vector definido por:
u v = (u2v3-u3v2 ; u3v1 u1v3 ; u1v2 u2v1)
que en notacin de determinantes es:

x y
u v = u1 u2
v1

Prof A. Schilardi
2008

v2

z
u3
v3

lgebra y Geometra Analtica

Unidad 4

Propiedades:
u v = -(v u)
u (v+w) = u v + u w
k.(u v) = ku v = u kv
u0= 0
u u= 0
2
2
2
u v = u v (u v ) 2

k escalar

Interpretacin geomtrica

uv

= u

v ( u . v cos ) 2
2

2
= u . v (11
4cos
)
24
3
2

sen 2

u v = u . v sen

A = b . h = u v sen = u v

Producto mixto:
Si u , v , w son vectores de un espacio tridimensional, entonces u ( v w) se denomina producto mixto y
se calcula como :
u1 u 2 u 3

u (v w) =

v1
w1

v2
w2

v3
w3

v w = sup erf parale log


h = proy v w u = u cos
V = (sup parale log).h = v w . u cos
V = u (v w )

(siempre positivo)

Propiedad:
o (u v ) w = u (v w)
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

RECTAS EN R3 (Grossman, 204)

P0(x0;y0;z0)

P(x,y,z)

R
P0 P = v
OP = OP0 + P0 P
OP = ( x0 ; y 0 ; z 0 ) + .v
OP = ( x0 ; y 0 ; z 0 ) + .(v1 ; v 2 ; v3 )

Ecuacin vectorial de
la recta

Ecuaciones paramtricas:

OP = ( x0 ; y 0 ; z 0 ) + (v1 ; v 2 ; v3 )
( x; y; z ) = ( x0 + v1 ; y 0 + v 2 ; z 0 + v3 )
x = x0 + v1

y = y 0 + v 2
z = z + v
0
3

Ecuaciones simtricas:

Prof A. Schilardi
2008

x x0
v1

y y0
v2

z z0
v3

x x0 y y 0 z z 0
=
=
v1
v2
v3

lgebra y Geometra Analtica

Unidad 4

PLANOS EN R3
OP = OP0 + P0 P
P0 P = 1v + 2 u
P0(x0;y0;z0)

P(x;y;z)

OP = OP0 + 1v + 2 u

ecuacin
vectorial del
plano
u
v

Ecuacin general (Grosssman, 208)

(n x ; n y ; n z ) = n vector normal n

n(nx;ny;nz)

P0 P P0 P n P0 P n = 0

[( x; y; z) ( x 0 ; y 0 ; z 0 )] (n x ; n y ; n z ) = 0
P0(x0;y0;z0)

( x x 0 ; y y 0 ; z z 0 ) (n x ; n y ; n z ) = 0

P(x;y;z)

( x x 0 )n x + ( y y 0 )n y + (z z 0 )n z = 0
xn x x 0 n x + yn y y 0 n y + zn z z 0 n z = 0
xn x + yn y + zn z ( x 0 n x + y 0 n y + z 0 n z ) = 0

Ecuacin general del


plano
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

ESPACIOS VECTORIALES
Definicin: Sea V un conjunto en el cual se definen las operaciones de adicin y multiplicacin por un
escalar. Se dice que el conjunto V con estas operaciones es un ESPACIO VECTORIAL si satisface:
9
9
9
9
9
9
9
9
9
9

A1) x V , y V : (x+y) V
A2) (x+y)+z = x+(y+z)
para todo x,y,z V
A3) existe un e V tal que : x+e = e+x = x
A4) para cada x V existe un x V tal que : x+(-x) = e
A5) x+y = y+x para todo x,y V
A6) x V, R entonces : .x V
A7) , R y x V entonces : ( + )x = x + x
A8) R y x,y V entonces: (x+y) = x + y
A9) , R , x V entonces : (.) x = ( x)
A10) x V entonces : 1.x = x

Propiedades:
?

P1) 0.u = 0 con 0 R y u V (espacio vectorial)


Demostracin: 0.u = (0+0) u = 0.u + 0.u 0.u = 0.u + 0.u 0.u + (-0.u) = 0.u + 0.u + (-0.u) 0 =
0.u

u V (espacio vectorial)
P2) (-1).u = u
Demostracin: 0 = 0.u = (1+ (-1)).u = u+(-1). u 0 = u+(-1)u 0+(-u) = u+(-1) u + (-u) -u = (-1)u

P3) k .0 = 0
con 0 V (espacio vectorial) y k R
Demostracin: k.0= k(u+(-u) ) = k.u + k.(-u) = ku + (-ku) = 0 k.0 = 0

SUBESPACIOS VECTORIALES
Definicin: un subconjunto S de un espacio vectorial V es subespacio de V si S es espacio
vectorial por s solo, bajo las operaciones de adicin de vectores y multiplicacin por un escalar definidas
en V.

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

Teorema (condicin necesaria y suficiente para la existencia de subespacios)

V es espacio vectorial y S es subconjunto de V, distinto del conjunto vaco. Entonces S es subespacio de


V s y solo s:
S es cerrado para la adicin de vectores.
S es cerrado para el producto por un escalar

Demostracin
?

) S es subespacio se verifican las dos condiciones enunciadas.


Si S es subespacio de V entonces es espacio vectorial por s mismo. Por lo tanto, como las dos condiciones
corresponden a dos de los axiomas de espacio vectorial, est demostrado.

) se verifican las dos condiciones S es subespacio vectorial.


Por hiptesis es un subconjunto de un espacio vectorial y muestra las mismas propiedades de V. (axiomas
A2,A5,A7, A8,A9) . Adems los axiomas A1 y A6 corresponden a las dos condiciones, por lo tanto faltara
demostrar que se verifican los axiomas del elemento neutro y del opuesto.
Por ser cerrado para el producto por un escalar : k.u S con k R y u S
- Si k = 0 entonces 0.u S entonces 0.u = 0 S .
- Si k = -1 entonces -1.u S entonces -1.u = -u S

Propiedad:
sea S un subespacio de V entonces S contiene al vector nulo

Combinacin lineal
Sea un espacio vectorial V . Sean v1,v2,.....,vn vectores de V y 1, 2,...., n escalares. Se dice que la
expresin 1v1 + 2 v2 + ......+ n vn es una combinacin lineal de los vectores de V. (Antn, 270)
Propiedad:

Si v1,v2,.....,vn son vectores de un espacio vectorial V, entonces el conjunto W de todas las combinaciones
lineales de v1,v2,.....,vn es un subespacio de V.
Demostracin:
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

1, 2, ....., n R y 1, 2,...., n R

1v1 + 2v2 + .....+ n vn es una combinacin lineal de v1,v2,.....,vn


1 v1 + 2 v2 +.... + nvn es otra combinacin lineal de v1,v2,.....,vn
entonces : (1+1) v1 + (2 +2) v2 + .....+ (n + n) vn es una combinacin lineal de v1,v2,.....,vn
Luego es cerrado para la suma.
k R

1v1 + 2v2 + .....+ n vn es una combinacin lineal de v1,v2,.....,vn

k( 1v1 + 2v2 + .....+ n vn ) = (k.1)v1 + (k.2 )v2 + .....+ (k.n) vn combinacin lineal de
v1,v2,.....,vn. Entonces es cerrado para el producto por un escalar.
Como W es cerrado para la suma y el producto por un escalar, entonces es subespacio de V.

Espacio generado
Sea S = { v1,v2,.....,vn } un conjunto de vectores en un espacio vectorial V. Entonces el conjunto W de
todas las combinaciones lineales de los vectores de S se denomina espacio generado por v1,v2,.....,vn , y
se dice que los vectores v1,v2,.....,vn generan a W. (Antn, 272)
Independencia lineal

Sea S = { v1,v2,.....,vn } un conjunto de vectores en un espacio vectorial V. Entonces la ecuacin 1v1 + 2


v2 + ......+ n vn = 0 tiene al menos una solucin que es : 1 , 2 ,....... ,n = 0.
Si sta es la UNICA solucin entonces S es un conjunto linealmente independiente.
Si existen otras soluciones entonces S es linealmente dependiente. (Antn, 277)

Teorema 1

Un conjunto S con dos o mas vectores es linealmente dependiente si y slo s al menos uno de los vectores
es una combinacin lineal de los dems vectores de S. (Antn, 279)
Demostracin
?

) S es linealmente dependiente un vector es C.L de los dems.


Si S es linealmente dependiente entonces 1v1 + 2 v2 + ......+ n vn = 0 con i 0
Supongamos que 1 0 entonces
1v1 = - 2 v2 - ......- n vn

2
v1 =
v 2 3 v3 ........ n v n

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 4

Luego v1 es combinacin lineal de los dems.


?

) un vector es C.L de los dems S es linealmente dependiente


supongamos que v1 es combinacin lineal de los dems, entonces
v1 = 2 v2 + 3 v3 +......+ n vn
v1 - 2 v2 - 3 v3 -......- n vn = 0 1 = 1
entonces S es linealmente dependiente.
Teorema 2

a) Sea S = { v1,v2,.....,vr } un conjunto de vectores de Rn con r > n, entonces S es linealmente


dependiente
b) ningn conjunto con menos de n vectores generan a Rn.
Demostracin de a)
Supongamos v1=( v11, v12,......, v1n )
v2 = (v21, v22 , ....., v2n)
.....................................
vr = (vr1, vr2, ......., vrn)

1v1 + 2 v2 + ......+ r vr = 0
1 v11 + 2 v 21 + ......... + r v r1 = 0
v + v + ......... + v = 0
1 12
2 22
r r2

....................................................
1 v1n + 2 v 2 n + ......... + r v r n = 0

Entonces existen soluciones no triviales, luego S es linealmente dependiente como queramos demostrar.
Teorema 3

Todo vector no nulo de un espacio vectorial constituye un conjunto linealmente independiente.


Demostracin:
Sea V un espacio vectorial y u V con u 0
Para que { u } cumpla la definicin de L.I debemos demostrar que : .u = 0
Prof A. Schilardi
2008

=0

10

lgebra y Geometra Analtica

Entonces : = 0, luego {u} es L.I

Unidad 4

.u = 0

=0 u=0

Teorema 4

El vector nulo de cualquier espacio vectorial es un conjunto linealmente dependiente.


Demostracin
Para cualquier R, 0 se verifica que : .0 = 0 luego {0} es L.D

Teorema 5

Todo conjunto al que pertenezca el vector nulo es linealmente dependiente.


Demostracin
A = { u1, u2 , .....,un } con uj = 0
Se verifica que:
1v1 + 2 v2 +.. ..+ j vj +.....+ n vn = 0
0v1 + 0 v2 +.. ..+ j vj +.....+ 0 vn = 0 con j 0
Por lo que no necesariamente j es cero entonces A es linealmente dependiente.

Base y dimensin
Sea V un espacio vectorial y B = { v1,v2,.....,vr } un conjunto finito de vectores de V. Se dice que B es una
base de V si: (Antn, 290)

B es un conjunto linealmente independiente


B genera al espacio vectorial V

Dimensin
Sea V un espacio vectorial y B una base que consta de n vectores, decimos que V tiene dimensin n. Se
anota dim (V). Adems, por definicin el espacio vectorial {0} tiene dimensin cero. (Antn, 298)
Decimos que V tiene dimensin finita si hay un conjunto finito de vectores que formen una base, sino se
dice que V tiene dimensin infinita.

Coordenadas
Prof A. Schilardi
2008

11

lgebra y Geometra Analtica

Unidad 4

Si B = { v1,v2,.....,vn } es una base de un espacio vectorial V, entonces cada vector de V se puede expresar
de modo nico como combinacin lineal de los vectores de B. O sea:
v = 1v1 + 2 v2 +.....+ n vn
donde 1 , 2 ,....... ,n son nicos.
A los escalares se los denomina coordenadas del vector en la base B.
Podemos nombrar las coordenadas de un vector como los elementos de una matriz de nx1 tal que:

[v]B

1

= 2
M

n

esta matriz es la matriz de coordenadas de v respecto a B

Teorema

Para una base, las coordenadas de un vector son nicas.


Demostracin
Sea V un espacio vectorial y B = { v1,v2,.....,vn } una base de V. Entonces existen 1 , 2 ,....... ,n escalares
tales que
1v1 + 2 v2 +....+ n vn = u V
supongamos que existe otra:

1v1 + 2 v2 +.. ...+ n vn = u V


(1-1) v1 + (2- 2) v2 +....+ (n - n ) vn = 0
Entonces

1-1 = 0 1 = 1
2- 2 = 0 2 = 2
n - n = 0 n = n
Luego los escalares son nicos.
Cambio de base

Si se cambia la base de un espacio vectorial de una base inicial B = { u1,u2,.....,un } a una nueva base B=
{ u1,u2,.....,un } entonces la matriz de coordenadas inicial [v]B est relacionada con [v]B por medio de la
ecuacin
[v]B = P. [v]B
Donde las columnas de P son las coordenadas de los vectores de B con respecto a la base B
P = [[u1 ]B ' M[u 2 ]B ' M.........M[u n ]B ' ] matriz de transicin de B B
Prof A. Schilardi
2008

12

(Antn, 401)

lgebra y Geometra Analtica

Alumno:

Unidad 4

Curso:

fecha:

Evaluacin:

1) En los siguientes enunciados una sola es la respuesta correcta. Mrquela con una cruz.
El volumen de la caja determinada por los vectores (1;4;0) , (1, 3, 3) y (0,1,-2) es igual a
10 ( ) 0 ( )
-1 ( )
1 ( )
NRAC ( )

la ecuacin de la recta que pasa por los puntos (2,-1,3) y (1,0,-1) es


x2
z 3
(x,y,z)=(2,-1,3) + k(1,0,-1) , k R ( )
( )
= y +1 =
4
1
)
(x,y,z)= (1,0,-1) + k(2,-1,3) ( )

x 1 = y =

z 1
(
3

NRAC ( )

si en R3 se considera el conjunto de vectores S={u;v;w} entonces se puede asegurar que:


S es linealmente independiente ( )
S genera a R3 ( )
S es una base de R3 ( )
NRAC ( )

Sea S={(t;-t ; r ; s) R4} el espacio solucin de un sistema de ecuaciones lineales homogneo,


entonces una base de S es:
{(1;-1;0;0) ;(0;0;1;0) ; (0;0;0;1)} ( )
{(1;-1;0;0);(0;0;1;1)} ( )
{(1;-1;1;1)} ( )
NRAC ( )

La matriz de cambio de base o de pasaje de la base {(-1;0);(0;1) } a la base cannica es:

1 0
P=
( )
0 1

1 0
P=
( )
0 1

0 1
P=
( )
1 0

1 0
P=
( )
0 1

NRAC ( )

2) Completar las siguientes proposiciones:


o La norma de un vector perteneciente a la circunferencia de radio 1 en R2 es ...................
o El ngulo entre el eje y y la recta (x,y,z)=(1,2,-1) + k(2,3,0) , k R es ...........
o el valor de h para que los vectores (2,3,1),(h, -6,-2) y (1,-1,0) sean coplanares es.............
o la ecuacin del plano paralelo a z = 3 que pasa por el origen es...........................
o la distancia entre los puntos (1,-1,0) y (2,-2,3) es.................................
o un vector ortogonal al plano determinado por los vectores (-1,1,2) y(3,1,0) es..............
o un ejemplo de conjunto de vectores linealmente dependientes en R3 es ..................
o el vector de coordenadas de v = (1;-2) en la base {(0;-1);(2;0) } es.........
Prof A. Schilardi
2008

13

lgebra y Geometra Analtica

o
o
o
o

Unidad 4

una base del subespacio S = { (x;y;z) R3 / y = 0} es ................


la norma euclidiana del vector u=(1;0;-1;-4) de R4 es...........
un ejemplo de un conjunto generador de R3 y que no sea base de R3 es..............
la dimensin del espacio generado por {(1;0;2);(1;0;0);(0;1;0)} es..............................

3) Dado el siguiente sistema de ecuaciones:

1
x + 2y z = 0

2x + y 2z = 0 2
3x + 3 y 3z = 0
3

3.1) interpretar geomtricamente el conjunto solucin.


3.2) Hallar la ecuacin de una recta ortogonal al plano 3 y que pase por el origen.
3.3)3
determinar un punto que pertenezca al plano 2.
3.4) determinar un plano paralelo no coincidente al plano 1.

Prof A. Schilardi
2008

14

lgebra y Geometra Analtica

Unidad 5

ESPACIOS VECTORIALES CON PRODUCTO

INTERIOR

Producto interior (Antn,339)


Definicin: un producto interior sobre un espacio vectorial V es una funcin que asocia a cada par de vectores
u y v de V, un nmero real < u; v > de forma que los siguientes axiomas se cumplen para los vectores u,v,w
en V y escalares k.
o A1 ) < u; v > = < v; u >
o A2 ) < u + v ; w > = < u; w > + < v ; w >
o A3) < k.u; v > = k. < u; v >
o A4 ) < u; u > 0 donde < u; u > = 0 u = 0

Propiedades
9 < 0; u > = < u; 0 > = 0
Demostracin: < 0; u > = < 0 + 0; u > = < 0; u > +< 0; u > 0 = < 0; u >
9 < u; v + w > = < u; v > + < v ; w >
Demostracin
< u; v + w > = < v + w ; u> = < v; u > + < w ; u > = < u; v > + < u; w >
9 < u ; k.v > = k < u; v >
Demostracin:
< u ; k.v > = < k.v ; u > = k. < v ; u > = k. < u ; v >

Desigualdad de Cauchy-Schwarz
Sean u,v dos vectores de un espacio vectorial real con producto interior, entonces:
< u; v > u . v

(Antn, 354)
Otras expresiones equivalentes:
< u; v > 2 < u, u > . < v; v >
< u; v > 2 u
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 5

Norma o longitud
Sean u un vector de un espacio vectorial con producto interior, entonces la norma o longitud de un vector
u se define como:
u =< u; u >

Propiedades (Antn, 355)

u 0

u =0 u=0

k .u = k . u

u+v u + v

desigualdad triangular

Distancia entre dos vectores


Sean u,v dos vectores de un espacio vectorial con producto interior, entonces la distancia entre u y v se define
como:
d (u; v) = u v

Propiedades

d ( u; v) 0
d ( u; v ) = 0 u = v
d (u; v ) = d (v; u )
d (u; v ) d (u; w) + d (v; w)

desigualdad triangular

ngulo entre vectores


cos =

< u; v >
u . v

Vectores ortogonales
En un espacio vectorial con producto interior dos vectores u y v son ortogonales si < u ; v > = 0

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 5

Teorema de Pitgoras generalizado


Si u y v son dos vectores ortogonales en un espacio vectorial con producto interior entonces

u+v

= u + v
2

Demostracin:

u + v =< u + v; u + v >=< u; u + v > + < v; u + v >=< u; u > + < u; v > + < v; u > + < v; v >= u + v
2

Bases ortonormales
Un conjunto de vectores de un espacio vectorial con producto interior se denomina conjunto ortogonal si todas
las parejas de vectores distintos en el conjunto son ortogonales. Un conjunto ortogonal en el que cada vector
tiene norma uno se denomina conjunto ortonormal. Si este conjunto es base de un espacio vectorial, se
denomina base ortonormal.
Teorema
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es linealmente independiente.
Demostracin
Sea W = { v1;v2;....;vn} un conjunto ortogonal con vi 0
Suponga que:
w = 1 v1 + 2 v2 + .... + n vn = 0
(1)
hagamos: < w ; vi > = < 0; vi > = 0
entonces: < w; vi > = 1 < v1 ; vi > + 2 < v2; vi > + .... + n < vn ; vi > = 0

(2)

como W es ortogonal: <vj ; vi > = 0 i j


entonces por (2) se reduce a: i < vi ; vi > = 0 Por hiptesis: vi 0 i = 0 como i es arbitrario:
1 = 2 = .......= n = 0

luego W es linealmente independiente.

Matriz ortogonal
Se dice que Q es una matriz ortogonal si los vectores columna de Q forman una conjunto ortonormal de Rn
(con el producto euclideano).

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 5

Teorema
Si Q es una matriz ortogonal, entonces Q es invertible y adems: Q-1 = Qt.
Propiedades

la inversa de una matriz ortogonal es ortogonal


el producto de matrices ortogonales es ortogonal
si Q es ortogonal, entonces det(Q) = 1 det(Q) = -1

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Alumno:

Unidad 5

Curso:

fecha:

Evaluacin
1) En los siguientes enunciados una sola es la respuesta correcta. Mrquela con una cruz.
o Sean los vectores u=(u1;u2) y v=(v1;v2) en R2 . La funcin definida por: < u ; v > = 4u1v1-3u2v2 :
No es producto interior porque no verifica el axioma de simetra ( )
No es producto interior porque no verifica el axioma de homogeneidad ( )
No es producto interior porque no verifica el axioma de positividad ( )
Es producto interior ( )
NRAC ( )

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 6

TRANSFORMACIONES LINEALES
Definicin: Si T: V W es una funcin de un espacio vectorial V en un espacio vectorial W, entonces T se
llama transformacin lineal de V en W si para todos los vectores u,v de V y todos los escalares se cumple
:

T (u + v) = T(u) + T(v)
T (u) = T(u)

Nota: en el caso en que V = W se dice que T es un operador lineal sobre V.(Antn, 447)

Expresin matricial:
Sea T: R2 R3 tal que T(x1;x2) = (x2 ; x1 ; x1+x2) se puede escribir como:

x2

x1
T = x1
x2 x + x
2
1

0 1
x1
x
o como matrices T = 1 0 . 1
x 2 1 1 x 2

T(u) = A.u

Teorema
Si T es una transformacin lineal de Rn en Rm, entonces existe una matriz A de mxn tal que T(x) = A.x
Adems, siendo B = { e1;e2;.....;en) una base de Rn, el j-simo vector columna de A est dado por: aj = T(ej)
con j = 1,2,...,n.
Demostracin:
Si x Rn x = (x1;x2;......,xn)
x = x1 e1 + x2 e2 + .....+ xn en
T(x) = x1 T(e1) + x2 T(e2 ) + .....+ xn T (en)

Prof A. Schilardi
2008

lgebra y Geometra Analtica

T ( x) = [a1 M a 2

Unidad 6

x1
x
M L M a n ] 2 = A.x
M

xn

Propiedades: (Antn, 453)


Si T: V W es una transformacin lineal, entonces:
o T( 0v ) = 0w
Demostracin:
T(0) = T (0.v)=0.T(v) = 0
o T(-v) = - T(v) para todo v de V

Demostracin:
T(-v) = T((-1).v) = (-1).T(v) = -T(v)
o

T(v-w) = T(v) T(w) para todo v,w de V.

Demostracin:
T(v-w) = T(v+(-1)w) = T(v) + T((-1)w) = T(v) + (-1)T(w) = T(v) T(w)

Ncleo de una transformacin lineal

Sea T: V W una transformacin lineal , el ncleo de T (ker(T)) es el conjunto que consta de todos los
elementos de V que se transforman en el cero de W. O sea que:

Ker(T) = N(T) = {x V ; T(x) = A.x = 0w }

Imagen o Recorrido de una transformacin lineal

Sea T: V W una transformacin lineal, la imagen de T (Im(T)) es el conjunto de todos los vectores de W
que son imagen de por lo menos un vector de V. O sea que:
Im(T) = {w W ; w = T(v) para algn v de V }

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 6

Teorema:
Si T: V W una transformacin lineal entonces:

1) El ker(T) es un subespacio de V.
2) El Im(T) es un subespacio de W.

Demostracin de 1)
Sean v1,v2 vectores del ncleo de V y k un escalar:
- T(v1 + v2) = T(v1) + T(v2) = 0 + 0 = 0 v1 + v2 ker(T)
- T(kv1) = k T(v1) = k.0 = 0 k.v1 Ker(T)
Luego ker (T) es subespacio de V.
Demostracin de 2):
Sea w1 y w2 elementos de Im(T) y k un escalar. Existe un v1 V tal que T(v1) = w1 y v2 V tal que T(v2)
= w2.
Busquemos v1 + v2 = a V T(a) Im(T) pero T(a) = T(v1 + v2) = T(v1) +T( v2 ) = w1 + w2 w1 + w2
Im(T)
Tambin existe un b = kv1 V T(b) Im(T)
T(b) = T(k.v1) = k T(v1) = k.w1 Im(T)
Luego Im(T) es subespacio de W.
Nulidad de una transformacin lineal

Sea T: V W una transformacin lineal, la dimensin del ncleo de T se denomina nulidad de la


transformacin lineal.

Teorema :
Sea T: V W una transformacin lineal cuyo ker(T) = {0}. Si v1;v2;.....;vn son elementos linealmente
independientes de V, entonces T( v1) ;T(v2) ;.....; T(vn) son elementos linealmente independientes de W.
Demostracin: Sean 1; 2;....; n escalares tales que:
1 T(v1)+ 2 T(v2) + .... + T(vn) n = 0
T(1.v1) + T( 2v2) + .... + T( nvn) = 0
T(1.v1 + 2v2 + .... + nvn) = 0
Como v1;v2;.....;vn son linealmente independientes entonces 1v1 + 2 v2 + ..... + n vn = 0 cuando 1 = 2 =....
= n = 0
Luego T( v1) ;T(v2) ;.....; T(vn) son linealmente independientes
Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 6

Teorema de la dimensin

Sea
T: V W una transformacin lineal de un espacio vectorial V de dimensin n en un espacio
vectorial W entonces:

Dim (ker(T)) + dim(Im(T)) = n

O lo que es lo mismo

Nul(T) +rango (T) = n

Teorema:
T: V W una transformacin lineal, entonces las siguientes proposiciones son equivalentes

Sea
a)
b)
c)
d)

T es inyectiva
Ker(T) = {0}
Nulidad(T) = 0
Im(T) = V

Demostracin a) b)
a) b)

b) a)

T es inyectiva ker(T) ={0}


v Ker(T) T(v) = 0 y T(0) = 0 v = 0 luego ker(T) = {0}
?

ker(T) = {0} T es inyectiva

Tomemos v w dos vectores de V entonces v-w 0 (1)


Debemos demostrar que no es cierto que T(v) = T(w). Si lo fuera: T(v) T(w) = 0 T(vw) = 0 v-w ker(T) o sea que v-w = 0 v = w !!!!
Luego T es inyectiva.

Matrices de la transformacin lineal

Suponga que T: V W una transformacin lineal . Si se eligen B y B para V y W respectivamente, entonces


para todo x en V, la matriz de coordenadas [x]B es un vector de Rn y la matriz de coordenadas [T(v)]B es un
vector de Rm
x

T(x) W

[T(v)]B

[x]B
A

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 6

Matrices semejantes (Antn, 498)

Sean A y B dos matrices cuadradas, entonces se dice:

B es semejante a A si existe una matriz


inversible P tal que B = P-1. A. P

Propiedades:
Si A y B son semejantes entonces:

A y B tienen el mismo determinante


A y B tienen el mismo rango
An y Bn son semejantes con n Z+

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 6

Alumno:

Curso:

fecha:

Evaluacin:

1) En los siguientes enunciados una sola es la respuesta correcta. Mrquela con una cruz.
2 1
o La dimensin del ncleo de la transformacin lineal matricial definida por A =
es:
0 2
no existe ( )
2 ( )
1 ( )
0( )
NRAC ( )
o Si A es una matriz de 5x2, entonces por el teorema de la dimensin se puede asegurar que:

La nulidad de A es como mnimo 1 ( )

La nulidad de A es 5 ( )

El rango de la transformacin lineal es 0 ( )

el rango de la transformacin es 2 ( )

NRAC ( )

o La matriz asociada a la transformacin lineal T:R3 R2 / T(x;y;z) = (x; y; -z) es :


1 0 0
A=
( )
0 1 - 1

1 0 0
A=
( )
0 1 1
0 1 1
A=
( )
1 0 0

1 0
A = 0 1 ( )
0 - 1

NRAC ( )

2) Completar las siguientes proposiciones:

El ncleo del operador lineal identidad I:V V es .......................


La imagen de la transformacin lineal matricial T: R2 R3 T(x;y) = (x;0;0) es..................
La imagen del operador lineal identidad I:V V es .......................
Si T:Rn Rn es un operador lineal de matriz asociada con determinante no nulo, entonces la dimensin
del ncleo es ....... y la dimensin de la imagen es ........

3) Indicar si las siguientes proposiciones son verdaderas o falsas:

La imagen de la transformacin lineal nula 0: V W es W ( )


Si T(0) = 0 entonces T es una transformacin lineal ( )
Si A es la matriz de 2x4 de la transformacin lineal matricial T y el rango de T es 2, entonces la nulidad
de T es 2. ( )
Si T:R3 R2 / T(x;y;z) = (x+2 ; z-y ) es una transformacin lineal. ( )
Si A es la matriz de 3x5 de la transformacin lineal matricial T, entonces la nulidad de T es un nmero
entero mayor o igual que 3 y menor o igual que 5. ( )
l ncleo del operador lineal identidad en R3 es R3 ( )

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 7

VALORES Y VECTORES PROPIOS


Supongamos una transformacin lineal T: V V y queremos hallar un v V tal que T(v) // v. O sea T(v)
= .v ( ) con escalar.
Si 0 satisface () decimos que es un valor propio, valor caracterstico o eigenvalor de T y al
vector v se lo llama vector propio, vector caracterstico o eigenvector correspondiente al valor propio .
Definicin:
Si A es una matriz mxn entonces un vector x diferente de cero en Rn se denomina vector propio de A si A.x
es un mltiplo escalar de x. Es decir: A.x = .x para algn escalar . El escalar se denomina valor propio
de A y se dice que x es un vector propio de A correspondiente a . (Antn, 415)
Para calcularlos:
A.x = x Ax - .x = 0

(A- .I) x = 0
Det(A- .I) = 0

Ecuacin
caracterstica
Los vectores propios de A correspondientes a un valor propio , son los vectores x distintos de cero del
espacio solucin de (A- .I) x = 0

Multiplicidad geomtrica
Suponga que es un valor propio de A, entonces la multiplicidad geomtrica de es la dimensin del espacio
caracterstico que le corresponde .
Multiplicidad algebraica
La cantidad de veces que aparece ( - 0) en el polinomio caracterstico es la multiplicidad algebraica de 0
Teorema:
Si es un valor propio de A, entonces

Prof A. Schilardi
2008

multiplicidad geomtrica multiplicidad algebraica

lgebra y Geometra Analtica

Unidad 7

Teorema:
Si A y B son matrices semejantes de nxn, entonces tienen la misma ecuacin caracterstica y por lo tanto los
mismos valores propios.
Demostracin:
Si A y B son semejantes B = P-1 .A .P B - I = P-1 .A .P - I
det(B - I) = det ( P-1 .A .P - I ) = det (P-1 .A .P - P-1 I.P ) =
det( P-1 (A- I ).P) = det (P-1 ) det (A- I ) det (P) = det (A- I )
det(B - I) = det (A- I )
Propiedades
9 Si es valor propio de A, entonces k. es valor propio de k.A con k R.
Demostracin:
Si es valor propio de A A.x = .x k.(A.x) = k. (.x) (k.A).x = (k. ).x
k. es valor propio de k.A
9 Si es valor propio de una matriz A no singular, entonces -1 es valor propio de A-1
Demostracin :
Si es valor propio de A A.x = .x A-1 A.x = A-1.x I.x = .(A-1.x)
-1.x = A-1.x -1 es valor propio de A-1
9 Si es valor propio de A, entonces 4 es valor propio de A4
Demostracin :
Si es valor propio de A A.x = .x
4
Por otro lado: A x = A3.(A.x) = A3 (.x) = A2A (.x) = A2 (A.x) = A2 .x = 2 A2 x = 2 A.A x = 2 A.
x = 3 A.x = 4.x A4.x = 4.x 4 es valor propio de A4
9 Si es valor propio de una matriz A y esta es no singular, entonces es no nulo.
Demostracin:
Si es valor propio de A det (A-I) = 0
Pero si = 0 entonces det (A) = 0 !!!!!!
9 Si es valor propio de A, entonces (-k) es valor propio de A-k.I con k R
Demostracin:
Si es valor propio de A A.x = .x
Adems:
(A-k.I).x = A.x k.Ix = .x -kx = (-k) .x (A-k.I).x = (-k) .x (-k) es valor
propio de A-k.I

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 7

9 El determinante de una matriz es el producto de sus valores propios y la traza de dicha matriz es
la suma de sus valores propios.

Diagonalizacin
Una matriz Anxn es diagonalizable si existe una matriz D (diagonal) que sea semejante a A. O sea:

Anxn es diagonalizable D = P-1 A P


Teorema:
Una matriz Anxn es diagonalizable tiene
la forma:
1 0 0 L
0
0 L
2
D=
L L L L

0 0 0 L

n vectores propios linealmente independientes y adems D tiene

0
0
L

corolario:
Si Anxn tiene n valores propios distintos, entonces es diagonalizable.
Diagonalizacin ortogonal

Se dice que una matriz A nxn es diagonalizable ortogonalmente si existe una matriz ortogonal Q tal que:
Qt. A .Q = D
Teorema:
Sea Anxn entonces las siguientes afirmaciones son equivalentes:
a) A es diagonalizable ortogonalmente
b) A tiene un conjunto de n vectores propios ortonormales

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 7

Diagonalizacin de matrices simtricas

Si A es una matriz simtrica , entonces todos sus valores propios son reales y la multiplicidad geomtrica
coincide con la algebraica para cada valor propio. O sea que:

Toda matriz simtrica es diagonalizable

Propiedad:
Los vectores propios correspondientes a valores propios distintos de una matriz simtrica son ortogonales.

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Alumno:

Unidad 7

Curso:

fecha:

Evaluacin

1) En los siguientes enunciados una sola es la respuesta correcta. Mrquela con una cruz.
o La matriz A de 4x4 es diagonalizable si
Admite matriz inversa ( )
tiene rango menor que 4 ( )
tiene 4 vectores propios linealmente independientes ( )
la multiplicidad geomtrica del valor propio 1 es 2 y de 2 es 2 ( )

NRAC ( )

o La matriz A de 3x3 es diagonalizable ortogonalmente si


Tiene un valor propio de multiplicidad algebraica 2 ( )
es simtrica ( )
Tiene dos espacios caractersticos distintos ( )
NRAC ( )
La Multiplicidad geomtrica del valor propio 1 es 1 y de 2 es 1 ( )
o Si A es una matriz de 3x3, det(A) = 10 y dos de sus vectores propios son 1 = 2 y 2 = 10, entonces
los valores propios de A son:
1
1
-2 ; -2 ; -10 ( )
; 2 ; 10 ( )
; 2 ; 10 ( )
2
2
0 ; 2; 10 ( )
NRAC ( )

2) Determinar si las siguientes proposiciones son verdaderas o falsas.

Si 2 es un valor propio de 3.A entonces 1,5 es un valor propio de A-1 ( )


Si la matriz A 2x2 tiene autovalores 2 y 3 es diagonalizable ( )
Si la matriz A es simtrica entonces los autovectores correspondientes a autovalores diferentes son
ortogonales. ( )
Sea A inversible. Si 1 es autovalor de la matriz 2 A, entonces 0,5 es autovalor de A-1 ( )

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 8

FORMAS CUADRTICAS
Una forma cuadrtica de 2 variables se define como una expresin del tipo: ax2 + bxy + cy2 o :

[x

a
y]
b

b
2 x = x t Ax

c y

Forma
matricial

Una forma cuadrtica se denomina definida positiva si xt A.x > 0 para todo x 0 y una matriz simtrica A. Se
denomina matriz positiva definida si xt A x es una forma cuadrtica definida positiva.
Si xt A x 0 para todo x 0 A y la forma cuadrtica es semidefinida positiva
Si xt A x < 0

para todo x 0 A y la forma cuadrtica es definida negativa

Si xt A x 0

para todo x 0 A y la forma cuadrtica es semidefinida negativa

Si xt A x tiene valores positivos y negativos A y la forma cuadrtica es indefinida


Propiedades:
Una matriz A simtrica es:
9
9
9
9

Definida positiva sus valores propios son positivos


Semidefinida positiva sus valores propios son no negativos
Definida negativa sus valores propios son negativos
Semidefinida negativa sus valores propios son no positivos

Cnicas
Las cnicas son las representaciones grficas de ecuaciones cuadrticas en x e y. De la forma:
ax2 + bxy + cy2 + dx + ey +f = 0
forma cuadrtica asociada

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 8

Una cnica no degenerada est en posicin normal si se puede expresar de la siguiente manera
(y-k)2 = 2p(x-h) representa una parbola
( x h) 2 ( y k ) 2

+
= 1 representa una elipse
a2
b2
( x h) 2 ( y k ) 2

= 1 representa una hiprbola


a2
b2

PARBOLA
Una parbola es el lugar geomtrico de todos los puntos del plano que equidistan de una recta fija ( directriz) y
de un punto fijo (foco) no situado sobre dicha recta.

P(x;y)
Ecuacin de la directriz D: x = -

F(

p
;0)
2

p
entonces x +
2

p
=0
2
p 2
p
) + y2 = x +
2
2
trabajando la expresin obtenemos:
PF = PM

(x

D
p p2
p2
p
2
2
x 2x +
+y =x +
+ 2x
2
4
4
2
simplificando y sumando nos queda:
2

P( semiparmetro)

Ecuacin cartesiana
de la parbola que
abraza al eje x con
vrtice en el (0;0)

y2 = 2 p x

x2 = 2 p y

Prof A. Schilardi
2008

x2 = -2py

lgebra y Geometra Analtica

Unidad 8

Si el vrtice de la parbola no coincide con (0;0) :

V(h;k)

(x-h)2 = 2p(y-k)

(y-k)2 = 2p(x h)

Desarrollando estas ecuaciones:


(y-k)2 = 2p(x-h) y2 -2px 2ky + k2 + 2ph = 0
Si llamamos a -2p = d
-2k = e
k2 +2ph = f

Prof A. Schilardi
2008

obtenemos la ecuacin general

y2 + dx +ey +f = 0

lgebra y Geometra Analtica

Unidad 8

HIPRBOLA

Se denomina hiprbola al lugar geomtrico de los puntos del plano cuya diferencia de la distancias a dos
puntos fijos llamados focos es una constante igual a 2 a
P(x;y)
c > a

F1 P F2 P = 2a

2b
F2

F1

F1 P = ( x c) 2 + y 2
F2 P = ( x + y ) 2 + y 2

2a
2c

por lo tanto nos queda:


( x c ) 2 + y 2 ( x + c ) 2 + y 2 = 2a
( x c ) 2 + y 2 = 2a + ( x + c ) 2 + y 2

Elevando al cuadrado y desarrollando los cuadrados :


x 2 2 xc + c 2 + y 2 = 4a 2 + 4a ( x + c) 2 + y 2 + ( x + c) 2 + y 2 x 2 2 xc + c 2 + y 2 = 4a 2 + 4a ( x + c) 2 + y 2 +
x 2 + 2 xc + c 2 + y 2
4 xc 4a 2 = 4a ( x + c) 2 + y 2 xc + a 2 = a ( x + c) 2 + y 2

elevamos al cuadrado

x 2 c 2 + 2 xca 2 + a 4 = a 2 ( x 2 + 2 xc + c 2 + y 2 x 2 c 2 + 2 xca 2 + a 4 = a 2 x 2 + 2 xca 2 + a 2 c 2 + a 2 y 2


a 2 (c 2 a 2 ) + x 2 ( c 2 a 2 ) a 2 y 2 = 0

b 2 x 2 a 2b 2 a 2 y 2 = 0
x2 y2

=1
a2 b2

llamamos b 2 = c 2 a 2

b 2 x 2 a 2 y 2 = a 2b 2

ecuacin cartesiana

a = semieje real
b = semieje imaginario
c = semidistancia focal
si el centro de la hiprbola est en C(h;k) :
ax2 + cy2 +dx +ey +f = 0

Prof A. Schilardi
2008

( x h) 2 ( y k ) 2

=1
a2
b2
Ecuacin
general de la hiprbola

lgebra y Geometra Analtica

Unidad 8

ELIPSE

Se denomina elipse al lugar geomtrico de los puntos del plano cuya suma de las distancias a dos puntos fijos
llamados focos es una constante igual a 2 a.

a>c

F2

F1

2b

F1 P + F2 P = 2a
2c

F1 P = ( x c) 2 + y 2
F2 P = ( x + c) 2 + y 2

2a

( x c ) 2 + y 2 + ( x + c ) 2 + y 2 = 2a

trabajando de manera similar que en la hiprbola: a2b2-x2b2-a2y2 = 0

b2x2 +a2 y2 a2b2 = 0

x2 y2
+
=1
a2 b2

ecuacin
cartesiana

Ecuacin general
de la elipse

a = semieje mayor
b = semieje menor
c = semidistancia focal
c
excentricidad
a
Si el centro de la elipse no coincide con (0;0):

ax2 + cy2 + dx + ey +f = 0

Prof A. Schilardi
2008

( x h) 2 ( y k ) 2
+
= 1 ecuacin cartesiana
a2
b2

Ecuacin general

lgebra y Geometra Analtica

Unidad 8

Forma matricial

Todas las cnicas tienen como ecuacin general: ax2 + bxy +cy2 +dx +ey +f = 0
Forma cuadrtica

[x

y]

a
b

b
2

x
x
d e] + f = 0
y + [1
23 y

K

x
el vector est en coordenadas de la base
y

cannica
Si la cnica est rotada ( no est en posicin normal) b 0 entonces podemos girar los ejes para que en un
nuevos sistema de ejes x-y se encuentre en posicin normal. Esto se hace as:
1. encontrar Q que diagonalice ortogonalmente a la forma cuadrtica ( con los vectores propios)
2. asegurarse que esta transformacin sea una rotacin (det(Q) = 1)
x'
x
y = Q y '


y encontrar la ecuacin en el nuevo sistema x-y sustituyendo:
xtAx + kx + f = 0 (Qx)t A (Qx) + k (Qx) + f = 0 (x)t ( Qt. A .Q).x + (kQ) x + f = 0
como Q diagonaliza ortogonalmente a A entonces:
0

Q t . A.Q = 1

0 2

3. cambiar las coordenadas del vector x = Q.x

4. Volvemos a escribir : [x'

y '] 1
0

0 x'
+
2 y '

1 x2 + 2 y2 +dx +ey +f = 0

[d

e]

[Q]

x'
y ' + f = 0 que es :

No contiene el producto
cruzado

Teorema de los ejes principales en R2

Sea ax2 + bxy +cy2+dx +ey +f = 0 la ecuacin de la cnica y sea xt A x = ax2 + bxy +cy2 su forma
cuadrtica asociada., los ejes coordenados se pueden girar de modo que la ecuacin de la cnica en el nuevo
sistema de coordenadas sea de la forma: 1 x2 + 2 y2 +dx +ey +f = 0 donde 1 y 2 son los valores

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 8

propios de A. La rotacin se puede efectuar mediante la sustitucin x = Q x ( cambio de variable) donde Q


diagonaliza ortogonalmente a xt A x y det(Q) = 1.

Clasificacin de las cnicas segn sus valores propios:

1. 2 > 0 elipse
1. 2 = 0 parbola
1. 2 < 0 hiprbola

SUPERFICIES CUDRICAS
Podemos aplicar lo visto a ecuaciones cudricas con 3 variables para estudiar superficies cudricas.
Una ecuacin de la forma ax2 + by2 + cz2 + dxy +e xz +f yz +g x + hy +iz +j = 0 (1) donde no todos los
coeficientes a,b,c,d,....,j son cero se denomina ecuacin cudrica.
A la expresin ax2 + by2 + cz2 + dxy +e xz +f yz se la denomina forma cuadrtica asociada
La expresin de (1) en forma matricial es:

[x

z]

a
d

2
e
2

d
2
b
f
2

e
2
f

2
c

x
y +

z

[g

h i]

x
y + j = 0

z

Teorema de los ejes principales en R3

Sea ax2 + by2 + cz2 + dxy +e xz +f yz +g x + hy +iz +j = 0 la ecuacin de una cudrica. Sea xt A x = ax2 + by2
+ cz2 + dxy +e xz +f yz su forma cuadrtica asociada.
Los ejes de coordenadas se pueden girar de tal modo que la ecuacin de la cudrica en el sistema de
coordenadas x-y-z sea de la forma :
1 x2 + 2 y2 + 3 z2 +g x +h y + iz +j = 0
donde 1; 2 ; 3 son los valores propios de A, la rotacin se puede efectuar con la sustitucin x = Q.x donde
det(Q) = 1
Q es la matriz que diagonaliza ortogonalmente a xt. A. X y

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 8

ELIPSOIDE

x 2 y2 z2
+
+ =1
a 2 b2 c2

HIPERBOLOIDE DE UNA HOJA

x 2 y2 z2
+
=1
a 2 b2 c2

HIPERBOLOIDE DE DOS HOJAS

x 2 y2 z2

=1
a 2 b2 c2

Prof A. Schilardi
2008

lgebra y Geometra Analtica

Unidad 8

PARABOLOIDE ELPTICO

x 2 y2
+
= 2cz
a 2 b2

PARABOLOIDE HIPERBLICO

x 2 y2

= 2cz
a 2 b2

Prof A. Schilardi
2008

(c > 0)

lgebra y Geometra Analtica

Alumno:

Unidad 8

Curso:

fecha:

Evaluacin

1) Completar:
a) Dada la ecuacin de la cnica 3x2 +10 xy + 3y2 16 = 0

Los autovalores de la matriz de la forma cuadrtica son ..............


Conociendo los autovalores de la matriz, la cnica es una .....................
La matriz P que diagonaliza ortogonalmente a la forma cuadrtica es.....................
La ecuacin de la cnica referida al sistema rotado es..........................
El ngulo de rotacin es .............................

2) En los incisos siguientes una sola es la respuesta correcta. Mrquela con una cruz

1 0 0
0 2 0 es:
La matriz

0 0 3
Indefinida ( )
semidefinida positiva ( )

definida positiva ( )

NRAC ( )

La ecuacin x2 + y = 4-x representa:


Una elipse trasladada ( )
una hiprbola con eje real paralelo al eje x ( )
una parbola con directriz x = -1/4 ( )
NRAC ( )

la ecuacin x2 + y2 + z2 = 4 representa:
una elipse trasladada ( )
un elipsoide ( )

un hiperboloide ( )

NRAC ( )

la ecuacin 25 x2 +9y2 +150 x 18 y +9 = 0 representa:


una elipse de distancia focal igual a 4 ( )
una elipse de semieje mayor igual a 25 ( )
una hiprbola de semieje real igual a 5 ( )
NRAC ( )

Prof A. Schilardi
2008

10

Вам также может понравиться