CAPTULO 1: ESPACIOS VECTORIALES

Definicin
Un cuerpo (no alabeado) cuyos elementos (escalares) se representan por letras griegas.
Un grupo abeliano de elementos (vectores) notados con letras latinas.
Se define un espacio vectorial sobre el cuerpo si se define una aplicacin de
en tal que a todo par
( )
, haga corresponder un elemento
cumpliendo las siguientes propiedades
-

Distributividad con respecto a la adicin de :

(
Distributividad respecto a la adicin de :
Asociatividad de los elementos :
, siendo el elemento neutro de .
Siendo la operacin de
Siendo y las operaciones de

)
)

Ejemplo 1
Dado el conjunto

*(

Se definen las leyes siguientes:

- 1.
, tal que
- 2.
,
tal que si
Comprobar que (

)
(

)
(

(
) (

) es un espacio vectorial sobre

1. Es inmediato comprobar que:

o
es una ley de composicin interna, que cumple las propiedades asociativa y conmutativa.
o ( ) es el elemento neutro
o (
) es el opuesto o simtrico de (
)
o Por tanto (
) tiene estructura de grupo abeliano.
2. Si y

sn nmeros reales se cumplen las siguientes propiedades:

a)

(
) (
)
[ ( )]
( ) (
) (
)
Por tanto [ ( )] ( ) (
)
Con esto se verifica la asociatividad respecto al producto de escalares

b)

) ( )]
(
) ( (
) (
[(
)
(
)
( ) (
) (
) (
) ( (
)
(
)]
(
)
Por tanto [(
( )
Con esto se verifica la distributividad respecto a la suma de factores

c) (

) (

) (
) (
) (
)
(
)
( ) (
) (
) (
) ((
) (
) (
)
( )
Por tanto (
(
)
Con esto se comprueba la distributividad con respecto a la suma de escalares

) (
) (
d) Es evidente que: (
)
Por tanto, (
) cumple las cuatro propiedades de la ley externa y como (
(
) tiene estructura de espacio vectorial.

))

) )

) era grupo abeliano

Dependencia e independencia lineal

Linealmente dependientes:

Linealmente independientes

Dado los vectores

existen escalares
tal que

Si los nmeros son todos nulos

que hacen que la suma de vectores sea .

no todos nulos
(

Ejemplo 2
(

Comprobar si son linealmente dependientes:

(

Para ser linealmente dependientes ha de cumplir

que:

(
(

)
)

Al ser diferentes de cero son linealmente dependientes

Combinacin lineal o dependencia lineal

Si el vector

se puede obtener a partir de

Ejemplo

Dado los siguientes vectores

(
(

El siguiente vector es combinacin de los anteriores

)

(
)

)
(

(
)

Subespacio vectorial
es un subespacio vectorial o una variedad lineal del espacio sobre el cuerpo si:
es un subconjunto de .
tambin es un espacio vectorial
- Por tanto si y son vectores de , es decir,
se cumple que (siendo
o
o

Como consecuencia:
- El elemento neutro de pertenece a .
- El opuesto de cualquier vector de pertenece a :
o
Si un subespacio vectorial contiene los vectores

, tambin contiene a todos los vectores de la forma

Ejemplo 4

Determinar

para que el vector

(

Para que
(

pertenezca a la variedad lineal engendrada por

(

)y(

pertenezca a la variedad lineal ha de:

)

Por tanto

)
Buscamos

Por tanto

) para que pertenezca.

Base y dimensin
Sistema generador:
- Si los vectores
de un espacio vectorial,
- se puede obtener como combinacin lineal de los vectores
,
- se dice que stos constituyen un sistema generador de dicho espacio vectorial.
Base de un espacio vectorial: Si los vectores del sistema generador de

son linealmente independientes.

Dimensin: El nmero de elementos de que consta cualquier base de un espacio vectorial.

Ejemplo 5
Pero siendo (
obtiene

Los dos siguientes vectores

(
(

)
)

(
(

Son linealmente independientes debido a que no se

puede cumplir la igualdad
(

) un vector de dicho espacio se

)
(
) (

)
)

{
Por tanto (

) es base de dicho espacio

CAPTULO 2: MATRICES Y DETERMINANTES

2.2 Tipos de matrices
( )

Un nico elemento
Matriz de dimensiones (
Vector fila o Matriz Fila

Matriz de dimensiones (
)
Vector columna o Matriz Columna

)
(

Matriz cero

Matriz simtrica (

Matriz hemisimtrica

Matriz simtrica diagonal

(los elementos fuera de la diagonal son nulos)

Matriz escalar
(los elementos de la diagonal son iguales)

Matriz unidad
(los elementos de la diagonal son iguales a 1)
Matriz triangular
(matriz cuadrada con los elementos situados a
un lado de la diagonal nulos)

2.3 a 2.5 Operaciones con matrices y varias

.

Suma de Matrices

Producto de un
escalar por una
matriz

Producto de
matrices

Matriz idempotente
(
( (

) (

)
(

) (

)
)

(
(

) (
)
) (

Matriz nipotente
(

= ndice de nilpotencia

.
Producto de
Kronecker

/
(
(

)
)

(
(

)
*
)

Transposicin de
matrices

2.6 Determinantes
| |
| |

Propiedades de los determinantes:

-

El valor de un determinante no vara si se cambian filas por columnas.

Si se cambian entre s dos lneas (filas o columnas) paralelas, varia el signo del determinante.
Si en un determinante dos lneas paralelas son iguales, el determinante es nulo.
Si se multiplica o divide todos los elementos de una lnea por un nmero, el valor del determinante queda
multiplicado por dicho nmero.
Si dos lneas paralelas de un determinante son proporcionales, el determinante es nulo.

2.7 y 2.8 Desarrollo de un determinante por los elementos de una lnea y producto de determinantes
Menor complementario
de un elemento
(

| |

| |

)
Adjunto

| |

Desarrollo de
determinantes por
adjuntos de una fila

| |
(

Funciona igual que en matrices

| | | |

Producto de
determinantes

En caso de ser cuadrada

| | | |

2.9 Suma de determinantes

Dos determinantes del mismo

orden
Son sumables si todas las columnas
son iguales menos una

| |

)|

|
| |

Si una lnea de un determinante es

combinacin lineal de otras
paralelas multiplicadas por un
nmero cualquiera, el
determinante es nulo

| |
En un determinante se puede
sumar a una lnea otras
multiplicadas por un nmero sin
que se altere el determinante

| |

2.10 Aplicaciones al desarrollo de determinantes

Si una lnea de un determinante, existe algn cero, al desarrollar por los elementos de dicha lnea no hay que
calcular el adjunto del elemento nulo:
- Por tanto es interesante introducir ceros en los determinantes.
- Si existe un 1 o -1 es fcil reducir a ceros todos los elementos de su fila o su columna, salvo dicho
elemento 1.
Ejemplo
A la siguiente matriz, tomando como pivote el 1 de
la primera fila para convertir en 0 los elementos de
la segunda columna

Se multiplica la primera fila por 3

Se suma a la segunda fila (buscando de resultado 0

en la segunda columna)

Se multiplica la primera fila por 4

Se suma a la tercera fila (buscando de resultado 0

en la segunda columna)

Se suma a la cuarta fila (buscando el 0 en la segunda

columna)

Obtenemos finalmente la siguiente matriz, donde el

determinante es el mismo

| |
As que si desarrollamos el determinante por los
adjuntos de la segunda columna, se obtiene

Ejemplo, en caso de no existir el 1

De la siguiente matriz
(

Se multiplica la segunda fila por -2

Se suma a la primera fila
Con lo que ya obtenemos la matriz con el nmero 1,
luego se proceder a operar como el ejemplo
anterior

(
)
|

)
|

Determinante de Vandermonde

De la siguiente matriz

Multiplicamos primera fila por

(
(

Multiplicamos segunda fila por

y la sumamos a la tercera

)
)

(
Multiplicamos tercera fila por
y la sumamos a la cuarta

La matriz resultante ser

Pivotando con el 1, equivale a

| (
(

Que extrayendo factores

comunes es

)
)

(
(

)(

Con lo que obtenemos un nuevo

determinante de Vandermonde

)
)

)(

De la matriz resultante,
pivotamos con el 1

Que extrayendo factores

comunes es

)(

|
)

)(

)|
)
|

(
(

)|

Multiplicamos 1 por y le
sumamos la segunda

El resultado ser los factores del

1 determinante Vandermonde
por los del 2 el determinante del
ltimo.

y la sumamos a la segunda

Multiplicamos 2 por y le
sumamos la tercera

)(

)|

)(

)(

) (

2.11 Dependencia Lineal de Vectores

Si en una matriz una lnea es combinacin lineal de otras paralelas, todos los menores que se pueden formar con
las siguientes son nulos.

(
En la siguiente matriz, la tercera fila es
combinacin lineal de las dos primeras.

La primera por 3 ms la segunda por -2.

(
)

(
Entonces, todos los menores que se pueden formar
con las tres primeras filas sern nulos

Si en una matriz existe un menor no nulo de orden , y orlndole con los elementos de la fila y con cada una de
las columnas de la matriz resultan todos estos menores (de orden
) nulos, se puede concluir que la fila es
combinacin lineal de las filas pertenecientes al menor dado.
Verificar que en la matriz siguiente la tercera
fila es combinacin lineal de las dos primeras

El menor no nulo es de orden 2 formado por

elementos de las dos primeras filas

Orlndole con elementos de la tercera fila y las

sucesivas columnas se obtienen los menores

Al ser los menores no nulos

Comprobar si el siguiente vector es

combinacin lineal

Se comprueba si el menor de orden 2 es nulo

|

)
)

Se forma la matriz de dichos vectores

Que al ser ambos menores nulos

La tercera fila es combinacin lineal de las dos primeras

Segn los vectores

Orlando dicho menor con la tercera fila y

columnas sucesivas

La tercera fila es combinacin lineal de las dos primeras,

o que el vector depende linealmente de los y .

2.12 y 2.13 Rango de una matriz y Obtencin del rango de una matriz
Si en una matriz hay algn menor no nulo de orden
se llama rango o caracterstica de dicha matriz.
-

y son nulos todos los menores de orden

, el nmero

Si a simple vista se observa que una lnea es comb. lineal de otras, se suprime sin que altere el rango.
Se forma un menor de segundo orden no nulo, entonces, el rango ser por lo menos 2.
Se orla el referido menor de segundo orden con las filas y columnas, si alguno fuera distinto de 0 el rango
ser por lo menos 3.
Se orla el menor no nulo de tercer orden con filas y columnas, si alguno fuera distinto de 0 el rango ser
por lo menos 4.
Se contina el proceso hasta agotar las lneas y columnas.

Hallar el rango de la siguiente matriz

Se observa que la tercera fila se puede obtener

como suma de las dos primeras, por tanto, se
suprime sin alterar el rango.

Se busca si hay un menor de orden 2 no nulo

Orlando el menor de orden 2 de todas las

formas posibles

El rango como mnimo es ( )

|

Todos los determinantes son nulos por lo que el rango

sigue siendo ( )

Hallar el rango de la siguiente matriz

(
|

El menor de orden 2 no nulo es

)
|

El rango como mnimo es ( )

|
Orlando el menor de orden 2 de todas la formas
posibles

.
|

Hay algn determinante no nulo, por lo que el rango

como mnimo es ( )
.
Pero al no haber ms columnas el rango ser 3.

2.13.1 Transformaciones que conservan el rango de una matriz

Multiplicar todos los elementos

de una fila o columna por
un nmero distinto de cero

Sumar a una fila o columna

una combinacin lineal de las
restantes

Suprimir una fila o columna

cuyos elementos son 0

Intercambiar dos filas o dos columnas

Suprimir una fila o columna

que sea combinacin lineal de otras

2.13.2 Aplicaciones del clculo del rango de una matriz a los espacios vectoriales
Linealmente independiente
| |

( )

Dependencia lineal
Linealmente dependiente
| |

( )

Los siguiente vectores forman una base en el espacio vectorial

(

*|

Formacin de una base

Los siguientes vectores no forman una base en el espacio vectorial

| |

(
|

*|

En el espacio vectorial , hallar la dimensin del subespacio vectorial

engendrado por los siguientes vectores:
(
Dimensin subespacio
vectorial engendrado por el
conjunto de vectores

(
(

Es el nmero mximo de
vectores linealmente depend.
o rango de la matriz.

.
(

( )

2.14 Matriz inversa

| |

| |

| |

| |

| |

| |

| |

(| |

| |

| |)

Matriz inversa regular

(cuadrada y no singular)

| |
(

| |

+
|

| |

)
( )

)
(

Propiedades

) cuando | |

2.14.1 Matriz inversa generalizada (MP Moore Penrose

( )

Propiedades

Para hallar la MP inversa, hay tres casos

1. Si
2. Si
3. Si ( )
siendo

( )
.............................................................................
( )
............................................................................
), descomponer en
y ambas del mismo rango .....................................................

(
y

Ejemplo 1
.

/
Como ( )
(

tomaremos el caso 1
0.

/.

/1

/
/.

Ejemplo 2
.
Como ( )
(

/(

tomaremos el caso 2

[.

+]

+(

,
(

Comprobamos que

(
(

)
Ejemplo 3
(

Vemos que | |
(

y que el ( )
.

/ se hallan

); por lo que
y

y se multiplican.

)
(

2.14.2 El operador vec

Sea la siguiente matriz
.

Que designaremos los vectores columnas

El operador vec la convierte en vector columna

2.15 Matrices ortogonales (

Matriz cuadrada

+ (

)(

2
1.
2.
3.
4.
5.

(
(

)
obtenemos:

o sea, los vectores fila o columna son de

mdulo unidad.
o sea, los vectores de 2 filas o columnas son
ortogonales.
| | | | | | | |
| |
por lo que el determ.
.
(
)
su transpuesta igual a su inversa
( )
( )
Por lo que

(
(

*
*

*
(

(
La siguiente
matriz es
ortogonal

Por la igualdad
de matrices

De lo que
obtenemos

Propiedades

(
(

Y as sucesivamente hasta encontrar la matriz

(

2.16 Aplicaciones lineales

Operaciones vectoriales (suma de vectores y producto de un escalar por un vector).
Proposicin 1. Caracterizacin. Que es una
aplicacin lineal y que no lo es

Si es un espacio vectorial,
la aplicacin
definida por ( )
es lineal ya que para cualquier

Sean y dos espacios vectoriales sobre

una aplicacin
se llama aplicacin lineal u homomorfismo
si se cumple
1. (
2. (

)
)

Una aplicacin
de escalares
(

( )
( )
( ) (

(
( )

es lineal si para cada par

y vectores
se cumple:
)

( )

(
(

(
( )

( )

una aplicacin lineal y ( )

(
)

)
( )

)
(

no se cumple ya que

Sea

Si es un espacio vectorial y es un vector fijo

la aplicacin
definida por ( )
no es lineal ya que no se cumple

( )

Propiedades de las aplicaciones lineales,

dependencia e independencia lineal

( )

Si *
+;
es un sistema de vectores linealmente dependientes
existirn escalares no todos nulos que:
Entonces * ( ) ( ) ( )+
es un sistema de vectores linealmente dependientes
existirn escalares no todos nulos que:
( )

( )

( )

Si *
+;
es un sistema de vectores linealmente independientes
no existirn escalares no todos nulos que:
(

Entonces * ( ) ( ) ( )+
no es cierto en general que sea sistema de vectores
linealmente independientes
( )

( )

Aplicacin lineal inyectiva o monomorfismo

Entonces *

Sea

y adems * ( ) ( ) (

una aplicacin lineal inyectiva

Por tanto ( )

( )

+ son linealmente independientes,

( )

)+ son lin.indep. de

Imagen y ncleo de una aplicacin lineal. Clasificacin

( )

( )

( )

( )
( )
Imagen de f es el conjunto de vectores
imagen de algn vector

( )

que son

( )+ y *

Sea *

+ tal que

( )

( )

)
( ) es un subespacio vectorial

luego
( )

( )

)+

( )
( )
Ncleo de f es el conjunto de vectores
transforman en vector de

que se

* +
( )+ tal que

Sea *

( )
(

y
entonces

espacios vectoriales,
aplicaciones lineales
es aplicacin lineal

( ) es un subespacio vectorial

luego

Si

( )

( )

( )

( )

( )

( )

( )

Para que

sea aplicacin lineal ha de cumplir que

( )

( )

( )

Por tanto
(

, (
( ( ))

)(

)( (

, ( )

))

( )

( )-

)( )

( )

Y por tanto
(
,

( )-

)(
, ( )-

, (
(

))

( )

Matriz asociada a una aplicacin lineal

Si

Entonces
Al ser

( )

( )

una base de

( )

( )

se tendr:

( )
( )
Sea

dos espacios vectoriales finitos

Sea

Si las coordenadas del vector ( )

base son (
) se tendr

+ una base de

Sea

( )

+ una base de

respecto a la

Consideramos aplicacin lineal

Este conjunto de ecuaciones se puede resumir en una

nica ecuacin matricial
( +

+( +

Matriz asociada a un cambio de base

Sean

espacios vectoriales
Si la matriz asociada de

una aplicacin lineal

*

+y

+ son dos bases

de

respecto a

La matriz asociada respecto

es

+
y

ser

donde
(
*
bases de
donde

+y

+ son dos

+(

Dimensiones de la imagen y el ncleo de una aplicacin lineal

Sean

espacios vectoriales
una aplicacin lineal

+ una base de

tiene coordenadas (
se tiene

Entonces si
respecto de
( )

( )

( )

( )

Por tanto la imagen de cualquier vector de es una

combinacin lineal de los vectores ( ) ( ) ( )
Sean
y

espacios vectoriales
una aplicacin lineal

Si la matriz asociada a la aplicacin lineal

*
+y
*
de las bases

( ) est engendrado por

entonces el subespacio
los vectores imgenes de cualquier

respecto a
+ es

Luego una base de

( ) ser un conjunto de
vectores columna de la matriz linealmente
independientes en nmero igual al rango.
Por tanto, la dimensin del subespacio de ,
( ) es
igual al rango de la matriz asociada a la aplicacin .

Ecuaciones paramtricas es el conjunto de ecuaciones

escalares

Sean
y

espacios vectoriales
una aplicacin lineal

Si la matriz asociada a la aplicacin lineal

*
+y
*
de las bases

el ncleo de la aplicacin es el subespacio de los

vectores
tales que ( )

respecto a
+ es

El ncleo est formado por los vectores

tal que
las coordenadas (
) respecto a B cumple:
(

+( +

Si el rango de la matriz es igual a

nica solucin (
) entonces
( )

( +

el sistema tiene una

* +

Si el rango de la matriz es igual a

entonces existe
un menor de orden no nulo y todos los menores de
orden
son cero

Por tanto si

una aplicacin lineal, entonces:

( )

( ))

( ))

As que:
-

Si ( )
Si ( )

Si

entonces
entonces
(
( ) entonces {

( ),
por tanto es Epimorfismo
, ( )por tanto es Monomorfismo
( ))
,
} por tanto es Isomorfismo
, ( )-

CAPTULO 3: SISTEMA DE ECUACIONES LINEALES

Una ecuacin es combinacin lineal de otras varias, si resulta de sumarlas miembro a miembro, previamente
multiplicadas por nmeros cualesquiera.

Multiplicamos la primera por 2 y la segunda por -1.

Por lo que la ecuacin

es combinacin lineal de las otras dos.

3.3 Sistema Cramer

Sean las siguientes ecuaciones

{
|

Se pueden escribir como

(

( )

Sistema cramer al ser matriz

determinante diferente de 0.

( )

cuadrada

con

Si es matriz cuadrada (los cocientes) y el

determinante es diferente de 0 ser sistema cramer
|

La solucin del sistema cramer

se obtiene mediante la
inversin de la matriz de los
cocientes.

( )

( )

( )

) (

( )

La solucin del sistema cramer se obtiene mediante la

siguiente frmula:

Dividir el determinante de la matriz sin la columna de

las incgnitas
entre el determinante de los cocientes

3.4 Sistemas de

ecuaciones con

incgnitas. Teorema de Rouch-Froebenius

Si un sistema no es de Cramer conviene estudiar su compatibilidad mediante este Teorema.

La condicin necesaria para que un sistema sea compatible es que sean iguales los rangos de las matrices

(
Por tanto, si

es el nmero de incognitas:

)
Sistema incompatible
Sistema compatible determinado
Sistema compatible indeterminado

Ejemplo de sistema compatible indeterminado

1.- Se comprueba si el sistema es compatible
{

Al no existir ms filas
2.- Por tanto el sistema a resolver ser
{

3.- Se resuelve por sistema cramer

|

Al ser el nmero de incgnitas superior a los rangos igualados de las matrices el sistema ser compatible
indeterminado:

Ejemplo de sistema incompatible

1.- Se comprueba si el sistema es compatible
{

El sistema no es de Cramer, ya que

|

Por lo que es un sistema incompatible

Ejemplo de sistema compatible determinado

1.- Se comprueba si el sistema es compatible
{

Al ser los rangos iguales a las incgnitas el sistema es compatible determinado

2.- Debido a que el rango es 2 nos debemos de quedar con dos ecuaciones que sern las que se han utilizado
para calcular el rango. Por tanto el sistema a resolver ser
{
3.- Se resuelve por sistema Cramer
|
|

|
|

3.5 Sistemas homogneos

Sistema lineal donde todos sus trminos son nulos.

Solucin trivial cuando

que ser solucin nica si

Ejemplo de ms soluciones que la trivial

Ejemplo donde la nica solucin es trivial

{

1.- Comprobamos el rango de los cocientes

| |

| |

2.- Resolvemos por sistema cramer en el que

- Tomamos las dos primeras ecuaciones.
- Pasamos al segundo miembro.
{
|

1.- Comprobamos el rango de los cocientes

Cmo el rango es igual al nmero de incgnitas, la

nica solucin es la trivial.

3.6 Discusin de un sistema

Clasificar un sistema segn los distintos valores del parmetro .

Discutir y resolver el sistema segn los valores de

{

1.- Primero se forman las matrices

y
(

2A.- Sistema compatible determinado

Resolucin por Regla de Cramer
|

2B.- Sistema compatible indeterminado

Resolver tomando las dos primeras ecuaciones y
pasando al segundo trmino
{

|
|

3.7 Aplicaciones del modelo Input-Output

Esquema matemtico que pone de manifiesto las relaciones entre los sectores econmicos de un pas.
En una regin se dispone de la siguiente informacin de las cuentas nacionales

Sectores

Inputs
primarios

Agrario
Industrial
Servicios
Salarios
Excedente bruto explotacin
Impuestos indirectos producc.
Input total

Sectores
Industrial
40
60
10
60
20
10
200

Agrario
10
30
5
40
10
5
100

Servicios
0
60
100
90
40
10
300

Demanda final
Output
Consumo Inversin Total
30
20
100
5
45
200
130
55
300

El gobierno decide aumentar la actuacin pblica incrementando en cinco unidades la demanda final.
Se sabe que las unidades adicionales se van a demandar en un solo sector.
El objetivo es maximizar la produccin total de la regin.
Por tanto, a qu sectores debe demandarlas?
Se puede sintetizar el cuadro indicado en
Sectores
Industrial
40
60
10
90
200

Agrario
10
30
5
55
100

Agrario
Industrial
Servicios
Inputs Primarios
Input total

Demanda
Final
50
50
185

Servicios
0
60
100
140
300

1.- El mtodo de las relaciones intersectoriales queda definido por la matriz

[
[

Output
Final
100
200
300

de coeficientes tcnicos:

2.- La matriz inversa de Leontief ser:

[
-

Siendo
el vector de incrementos de la demanda final.
Siendo
el vector de incremento de los outputs totales.
A partir de la matriz de Leontief es inmediato analizar las distintas posibilidades:

3.- Las tres alternativas son las siguientes:

Si se demanda al sector agrario 5 Si se demanda al sector industrial 5 Si se demanda al sector servicio
unidades mas
unidades mas
s 5 unidades mas
[

[ ]

][ ]

][ ]

CAPTULO 4: DIAGONALIZACIN DE MATRICES

Interesa diagonalizar a una matriz dada ya que con stas la operatoria se simplifica notoriamente.
4.2.1 Matrices equivalentes
Dos matrices
equidimensionales
De dimensiones

Son equivalentes si

Existen dos matrices

No singulares
De dimensiones

)y

Tales que

Son equivalentes ya que existen las matrices cuadradas

(

)y

Tales que
(

) (

, en efecto

) (

) (

Propiedades matrices equivalentes

Reflexiva

Si

Simtrica

Si

Transitiva

Sea

son matrices unitarias de orden

es equivalente a , tambin
y

............................................

es equivalente a

...........................
(

entonces ..................
( )

Tiene el mismo rango

[ (

)]

) (

( )

4.2.2 Matrices congruentes

Dos matrices y de orden .
son congruentes si existe una matriz

que

Dos matrices cuadradas

(

Son congruentes ya que existe matriz regular

(

) (

) (
(

)
)

) (

4.2.3 Matrices semejantes

Dos matrices cuadradas y son semejantes
si existe una matriz tambin cuadrada y no singular que
(tambin tienen igual rango)
Si

son semejantes, tambin lo sn

Dos matrices cuadradas

(

Son semejantes ya que existe matriz regular

(

(
(

) (

) (

) (
)

)
)

4.3 Ecuacin caracterstica

)
|

Ecuacin caracterstica de dicha matriz

a la ecuacin en que resulta de
desarrollar el determinante
( es la matriz unidad de orden )

(
(

El desarrollo del determinante de esta matriz igualado a 0 es la ecuacin caracterstica

|

Si son semejantes, existe una matriz regular

tal que

De la que la ecuacin caracterstica se hallara

Si dos matrices y son semejantes,
ambas tienen la misma ecuacin caracterstica
Que tambin podra escribirse

Aunque el teorema no es reccropo, si dos

matrices tienen la misma ecuacin
caracterstica no se puede afirmar que sean
semejantes.

Tomando determinantes
|

Y como | ||

| ||

||

, por tanto
|

Comprobamos que las siguientes matrices semejantes tienen la misma ecuacin caracterstica
(
|
|

|
|

Comprobamos que las siguientes matrices tienen la misma ecuacin caracterstica pero no son semejantes
(
|

(
|

)
|

4.4 Diagonalizacin de matrices

Una matriz cuadrada es diagonalizable
si es semejante a una matriz diagonal ,
esto es, si existe una matriz regular que:

donde

suele denominarse matriz de paso

No todas las matrices son diagonalizables, por eso hay que conocer las condiciones necesarias y suficientes para
que lo sea. Pero antes hay que obtener los valores y vectores propios.

4.5 Valores y vectores propios de una matriz cuadrada

donde es un escalar que se denomina valor propio, autovalor o

raz caracterstica de .
El vector
(
) es un vector
propio o autovector de la matriz si

Siendo la matriz unidad

Por tanto se puede escribir

Los valores propios son las races de la ecuacin caracterstica |

|
Buscando el valor de

) (

se obtiene
(

{
, por tanto (

Como

)
, con lo que obtenemos

)
(

)
(

El sistema resulta compatible slo para los valores propios hallados

Si

Si

Si

{
{

Restando ambas ecuaciones:

Entonces
Por tanto

Substituyendo en la 2 ecuacin
Luego el vector caracterstico es:
(

) o en general (

Por tanto

Por tanto

Luego el vector caracterstico es:

Luego el vector caracterstico es

Tambin lo son los paralelos, p.e.:

(

Entonces

En general

( )
En general

Casos particulares, Matriz diagonal y Matriz triangular

Los elementos de la diagonal principal de una matriz diagonal son sus valores propios.
Los valores propios de una matriz triangular son los elementos de su diagonal principal.

|
(

)(

)(

)
(

)(

Los valores propios son

)(

)(

4.6 Condicin necesaria y suficiente para que una matriz sea diagonalizable
es diagonalizable si existe una
matriz regular tal que
Entonces y son matrices semejantes
luego tienen la misma ecuacin caracterstica
por tanto tienen los mismos valores propios

donde

es una matriz diagonal

Por tanto, ahora hay que determinar que condiciones ha de

cumplir una matriz para ser diagonalizable y como hallar la
matriz .

Una matriz de orden

es diagonalizable si dicha matriz
admite un conjunto de vectores propios
esto es que

Donde (

)(

Por otra parte

Si

es invertible, se debe cumplir

Por tanto
(

Esto es
Los vectores

son autovectores de

La matriz tiene inversa slo si | |

, que equivale a decir que
los autovectores
son linealmente independientes

La ecuacin caracterstica es
|

|
que admite las races
Los vectores propios se obtienen de
{

)
(

Para

)
Para

que se reduce a una nica ecuacin

que se reduce a una nica ecuacin

un vector propio es el (

un vector propio es el (

Los autovectores se suelen expresar como vectores unitarios, para lo cual basta dividir sus coordenadas por su
mdulo
Modulo de

) es

Modulo de

Por lo que el vector ser

) es

) )

Por lo que el vector ser

( )

( )
(

Por lo que la matriz ser

Hallando la matriz inversa

Calculando

)
(

La matriz es diagonalizable si y solo si para todo autovalor de

la multiplicidad de en la ecuacin caracterstica.

) (

la dimensin del subespacio

La dimensin del espacio asociado al valor propio se calcula hallando la diferencia entre
de la matriz ) y el rango de la matriz (
)

coincide con
es el orden

Estudiar si es diagonalizable la matriz

(

Si

estudiamos su rango es
(

Su ecuacin caracterstica es

(
)
Como
que coincide con el orden de
multiplicidad de la raz la matriz ser diagonalizable:

Que admite las races

)(

(
Estudiar si es diagonalizable la matriz
(

)
Si

estudiaremos su rango

Su ecuacin caracterstica es

Que admite las races

(
)
Como
que no coincide con el orden
de multiplicidad de la raz, la matriz no es diagonalizable

4.7 Diagonalizacin de las matrices simtricas

Si una matriz

es simtrica todos sus valores propios son reales.

Se supone que un valor propio es complejo,

entonces le corresponder un vector
Pero como la matriz
si

tal que

es de elementos reales

es su ecuacin caracterstica,

tambin lo ser

, complejo conjugado de

por lo que le corresponder un vector propio

Premultiplicando

por

Premultiplicando
Siendo

tal que

se tiene

por

se tiene

matriz simetrica (

Por tanto se puede escribir

)
Que proporciona

Los valores propios son

|

( )

A dos valores propios distintos (

) de una matriz simtrica

corresponden vectores propios ortogonales

A partir de
Se obtienen premultiplicando por

y
( )

Transponiendo la primera

( )

Teniendo en cuenta la segunda

Y al ser
El producto escalar de los vectores

es nulo, luego los vectores son ortogonales.

Diagonalizar la matriz
(

En primer lugar se halla la ecuacin caracterstica

|

) (

Que proporciona las races:

Los autovalores se obtienen a partir de
(
(

Para

)
)

Para

Para

El autovector es (

El auto vector es (

El vector normalizado es (
Por lo que la matriz

El vector normalizado (

El autovector es (

El vector normalizado (

ser

Finalmente se calcula

En las matrices simtricas, se verifica que si su polinomio caracterstico se descompone en la forma siguiente:
|
Donde los

son los rdenes de multiplicidad de las races

Se verifica que el subespacio asociado al autovalor

Por tanto, toda matriz simtrica es diagonalizable.

(autovalores) cumplindose

tiene dimensin

4.8 Resumen de los casos que se pueden presentar una diagonalizacin

La matriz es simtrica, en este caso siempre es diagonalizable
La matriz no es simtrica
Si los autovalores son todos distintos:

La matriz es diagonalizable
Se compara el valor que toma para cada
(

Si existen autovalores con orden de

multiplicidad mayor o igual que dos

con el orden de multiplicidad

(

Si

)
de

Si

es diagonalizable

no es diagonalizable

4.9 Traza de una matriz

(

Sea

) una matriz

Su traza ser la suma de los elementos de

la diagonal principal
( )

( )

Propiedades de la traza
(

)
(

( )
)

( )

( )

(
(

( )
(

( )
)

)
(

)
(

Si

( )

( )

son semejantes

)
)

Si

La diagonal de la matriz no vara al transponerla.

autovalores

( )

(
( )

)
)

( )
( )

( )

CAPTULO 5: FORMAS CUADRTICAS

5.2 Formas lineales
Una forma lineal sobre un cuerpo
en las variables
donde son elementos del cuerpo
es un polinomio de la forma siguiente:

Si se tienen formas lineales

de variables

Se puede formar la matriz asociada a ellas

Si ( )
existe dependencia lineal
entre las formas
y se pueden encontrar
escalares (elementos de ) tales que
Si ( )
Si

son formas linealmente independientes, por lo que no existen dichos

escalares.

, caso en que existe dependencia, se puede afirmar que existen formas linealmente independientes

Se forma la matriz
(
Determinar si son linealmente
dependientes

Se obtiene su rango (ver que la 4 columna se puede suprimir al

ser diferencia entre la 1 y la 3).
|

( )

Al ser el rango 2 solamente existen dos formas linealmente

independientes, la 1 y la 2 por lo que la tercera es dependiente
con la siguiente relacin

5.3 Formas bilineales

Se denomina forma bilineal a una expresin
lineal y homognea en cada uno de los
conjuntos de variables
La expresin
(

Es una forma bilineal donde

La expresin general de una forma

bilineal es

O bien en forma matricial siguiente

donde la matriz
es la matriz de la forma bilineal
y ( ) es el rango de la forma
bilineal

Escribir en la forma matricial la forma

bilineal
(

)(

+( +

)(

+( +

Forma cannica es cuando solamente tiene

trminos en
.

La matriz de una forma bilineal cannica es

una matriz diagonal

Forma cannica en forma bilineal

(

Forma cannica en matriz

(

)(

+( +

5.4 Formas Cuadrticas

Es un polinomio homogneo de
segundo grado:
Para escribir la forma cuadrtica
en la forma matricial
donde es la matriz de dicha forma
se procede:

( )

Los elementos (diagonal principal)

son iguales a
(coeficientes de los trminos

Los elementos simtricos respecto la diagonal principal

iguales entre s e iguales a
.

son

( )

Los elementos de la diagonal principal son los coeficientes de

(las

elevadas al cuadrado):

Los elementos simtricos son iguales entre s

Y estos elementos simtricos son iguales a

(

La forma cuadrtica es
(

La forma cuadrtica en forma cannica

( )

Escrita matricialmente es
( )

)(

+( +

5.4.1 Reduccin de una forma cuadrtica a su forma cannica. Mtodo de lagrange

El mtodo consiste en reducir la forma cuadrtica a una suma de cuadrados.
( )

1. Se toman en

los trminos que contengan a

(

Recordando el cuadrado de una suma:

Haciendo

:
)

Sustituyendo en ( ):
Y operando queda

2. Con la nueva

se toman ahora los

:
(

Reducimos la expresin
,(

Seguimos reduciendo

)
)

Hacemos
Sustituyendo en
Y operando queda

3. Con la nueva

se toman ahora los

y se sustituyen por

quedando la forma cuadrtica definitiva

5.4.2 Transformaciones de una forma cuadrtica

(

(
(

Que es una forma cuadrtica en

Sea la forma cuadrtica ( )

efectuando la transformacin

)
(

De matriz

)
)

Se realiza la transformacin de Lagrange (ver 5.4.1):

Que la escribimos en forma matricial

( +

+( +

Transponiendo sera
(

)(

Sustituyendo en la forma dada, escrita matricialmente (recordemos el punto 5.4)

(

)(

+( +

Obtenemos
(

)(

) [(

+(

+(

+(

)(

+] (

Reducida una forma cuadrtica de orden a su forma cannica,

designando por (
) al nmero de elementos distintos de cero de su diagonal
y por (
) al nmero de elementos estrictamente positivos de dicha diagonal
se cumple:
Si una matriz se ha reducido a la forma cannica mediante dos transformaciones diferentes,
tanto como son los mismos.
En consecuencia, la diferencia
signatura

), diferencia entre elementos positivos y negativos, se denomina

5.4.3 Discriminante de una forma cuadrtica

Si se efectua la transformacin lineal ..............................
(
)
tendremos que ...........................................
por lo que el discriminante ser ....................................... |
|
|
|
y que por propiedades conocidas .....................................
| |
y como | | siempre es positivo,
el signo del discriminante se mantendr constante

Se llama discriminante de la forma

cuadrtica
al determinante | |.

)(

)(

Mediante transformacin

Se ha reducido a la forma cannica

(
(

Por la invariancia del signo del discriminante

|

||

||

Teniendo en cuenta la transformacin efectuada anteriormente, si se supone que

(

)(

)(

,(

,(

Y de aqu
|

Y reiterando el proceso
|

(
|

Donde |

||

||

Se llama menor principal

||

)
|

( )

|
(

| son los menores principales de la matriz A.

de la matriz

al formado por las

primeras filas y las

primeras columnas

Los menores principales son

|
|

En la matriz
(

|
|

| |
|

Y sus signos
|

5.4.4 Formas cuadrticas definidas, semidefinidas y no definidas

Si escrita en forma cannica todos los coeficientes
estrictamente positivos

Forma cuadrtica definida positiva

son

( )
La forma cuadrtica
tomar estrictamente un valor positivo
para cualquier sistema de valores
que se den a las variables (no todos cero)

Por tanto
(
)

Si escrita en forma cannica todos los coeficientes

estrictamente negativos

Forma cuadrtica definida negativa

( )
La forma cuadrtica
tomar estrictamente un valor negativo
para cualquier sistema de valores
que se den a las variables (no todos cero)

Por tanto

Diagonalizar y clasificar la forma cuadrtica

Diagonalizando por el mtodo Lagrange

(

)
(

[.

(
[.

)
/

Por tanto la forma cuadrtica, en su forma cannica es

Al ser todos los coeficientes positivos la forma es definida positiva.

son

Forma cuadrtica semidefinida

positiva (negativa)

Si escrita en forma cannica los coeficientes

son positivos (negativos)
pero algunos son cero
( )

La forma cuadrtica
tomar un valor positivo (negativo) o nulo
para cualquier sistema de valores
que se den a las variables (no todos cero)

Por tanto
Semidefinida positiva

Semidefinida negativa

Diagonalizar y clasificar la forma cuadrtica

Diagonalizando
(

Como los coeficientes son

Escrita en forma matricial

Forma cuadrtica no definida

En esta forma
(

)(

+(

Si escrita en forma cannica entre los coeficientes

existen positivos y negativos
( )
Diagonalizando obtenemos

Sea la forma cuadrtica

Al existir trminos positivos y negativos, la forma es no
definida.

Cuando solo interesa clasificar la forma cuadrtica se utilizar el mtodo del discriminante segn el punto 5.3.3
Para una forma definida positiva se
verifica

( )

(
|

Por tanto se tendr

(

Clasificar la forma cuadrtica

(
|

)
|

Se escribe la matriz de la forma

Se calculan los menores principales

|

Como todos los menores principales son estrictamente positivos, la forma cuadrtica es definida positiva.

Para una forma definida negativa se

verifica

( )

(
|

Por tanto se tendr

|(

)
( )

Clasificar la forma cuadrtica en forma matricial

Se calculan los menores principales

|

Como todos los menores son no nulos y adems alternadamente positivos y negativos, la forma cuadrtica es
definida negativa.

( )
Para una forma semidefinida positiva
se verifica

Por tanto se tendr

Clasificar la forma cuadrtica

La matriz correspondiente es
(

)(

+( +

Formando los menores principales

|

Como algunos de los menores principales es 0 y otros son positivos, se trata de forma semidefinida positiva.
( )
Para una forma semidefinida negativa
se verifica

Por tanto se tendr

|

|(

Clasificar la forma cuadrtica en forma matricial

(

)(

+( +

Formando los menores principales

|

Al seguir la secuencia de positivos y negativos, y hay algunos nulos, se trata de forma semidefinida negativa.

La secuencia de signos no es la misma no es

alternada, incluyendo o no valores nulos.

Forma no definida donde se verifica que

(

Clasificar la forma cuadrtica

)
(

Obtenemos

Los menores principales son

Como la secuencia de signos es

la forma es no definida.

5.5 Las cnicas

0
es el centro
es un punto genrico de la circunferencia
la longitud del radio

Se tiene por definicin

Se tiene

(
(

) las coordenadas del centro

) las coordenadas del punto genrico

Elevando al cuadrado
(

Operando la expresin anterior obtenemos

Comparando con la expresin general de un
polinomio de segundo grado con dos
variables se aprecia que

Los coeficientes de

son iguales

No tiene termino en

La ecuacin siguiente
Representa una circunferencia:

Ya que no tiene trmino en

Los coeficientes de
e
son iguales.

Como los coeficientes de

e
son iguales se podr
dividir entre ellos.

Que indica que siempre que

e
sean la unidad:

- La abscisa del centro es la mitad del coeficiente de cambiado de signo.

- La ordenada del centro es la mitad del coeficiente de cambiado de signo.
- Hallados y , la tercera permite hallar el radio.

En la ecuacin

Abscisa

Las coordenadas del centro son

)

Ordenada

La longitud del radio es

En la ecuacin
Como los coeficientes de y de
la unidad, se divide por ellos
Las coordenadas del centro son
(
La longitud del radio es

no son

Abscisa

Ordenada

( )

( )

5.2.2 Coordenadas homogneas

Si en el plano cartesiano,
a cada punto ( )
se le hace corresponder (
de forma que

Por tanto, se han introducido en el plano las coordenadas homogneas

Sea la circunferencia de ecuacin

( *

Escrita en coordenadas homogneas

( *

Operando resulta
Si

La ecuacin en homogneas resulta igual a la original

A cada par

le corresponder un punto que se aleja indefinidamente

Si
( X,Y)

Si

Se encuentran los puntos en el infinito de la curva representada por

dicha ecuacin. Los puntos de la curva se alejan indefinidamente.

Sea la curva de ecuacin

( *

Escrita en coordenadas homogneas

Y haciendo

( *

Proporciona las direcciones en que los puntos de la curva se alejan

indefinidamente.

y
8

Grficamente seria:
Siendo las curvas cuando
Siendo las lneas cuando

0
-14

-12

-10

-8

-6

-4

-2

10

12

14

-2

-4

-6

-8

Sea la circunferencia de ecuacin

Escrita en coordenadas homogneas
Y haciendo

Que indica que la circunferencia no tiene puntos del infinito reales.

y
4

Grficamente sera con

se dibuja una circunferencia
no se dibuja ninguna grfica

0
-7

-6

-5

-4

-3

-2

-1

0
-1

-2

-3

-4

5.5.3 Cnicas

Es toda curva cuya ecuacin adopta la

forma general

Recordar: (

) son la mitad de los coeficientes de (

Escrita en forma homognea

Que es una forma cuadrtica que

expresada matricialmente

)(

+( )

)(

+( +

Como se puede apreciar la circunferencia es una cnica que

y
.
Clasificacin de las cnicas por puntos en el infinito
Gnero hiprbola

Cnica con dos puntos en el infinito

Gnero parbola

Un punto en el infinito

Gnero elipse

Ningn punto en el infinito

Si
( *

Dividendo por
Haciendo

se obtendrn las direcciones infinitas

Ecuacin de segundo grado que si es positiva, nula o

negativa proporcionar dos, una o ninguna raz real para
|

Empleando el determinante de la ecuacin

Clasificar
Como
|

y
1

0,5

0
-1,5

-1

-0,5

0,5

La cnica es del gnero elipse.

1,5

-0,5

-1

Clasificar
Como
|

y
4

0
-7

-6

-5

-4

-3

-2

-1

0
-1

-2

-3

-4

La cnica es del gnero parbola

5.5.4 Invariantes de una cnica

Dada una cnica escrita en forma matricial
donde
cnica

)y

es la matriz de la

Se verifica que en cualquier cambio de sistema de

referencia (traslacin o rotacin) los escalares
siguientes no sufren variacin.

| |

Son invariantes y se conocen por invariante

proyectivo, afn y mtrico
Un cambio de coordenadas ( )
a las coordenadas (
)
mediante una traslacin del origen (
al nuevo origen (
)
y una rotacin de ejes de ngulo
se obtiene mediante

Entonces la ecuacin de la cnica

)(

se transformar en

)(

+ (

)( +

Designando
(

+ (

Y como
|

Resulta
| |

| |

Por tanto, el determinante de la nueva matriz es igual al de la original, as que dicho determinante es invariante
en cualquier cambio de coordenadas

5.5.5 Cnicas en forma cannica

Elipse
Una ecuacin de la forma
Representa una elipse si

| |

Luego es una cnica no degenerada

Si

es negativo se trata de una elipse real.

Si

es positivo se trata de una elipse imaginaria.

Donde no existe ningn par de nmeros reales ( ) que

verifique dicha ecuacin, luego es una elipse imaginaria

Si
, la ecuacin se descompone en el
producto de dos rectas imaginarias
que se cortan en un punto real

) (

| |

Se trata de una cnica degenerada donde

En una elpise real

Dividiendo por el trmino independiente

En general

La elipse es el lugar geomtrico de los puntos

del plano tales que
la suma de distancias de un punto genrico
a dos puntos fijos llamados focos (
)
sea constante (igual a
)
Se observa que

0,5

F1

N
-3,5

F2

-2,5

-2

-1,5

-1

-0,5

-1

-1,5

-2

Donde

, semieje mayor
, semieje menor
, semidistancia focal

0
-3

-0,5

Cumpliendose que

1,5

0,5

1,5

2,5

x
3,5

Hiprbola
Una ecuacin de la forma
Representa una hiprbola si

| |

no son nulos
tienen signos distintos
Si

Es cnica no degenerada.

resulta una cnica degenerada, que es el producto de dos rectas reales que no se cortan.

, o bien (

La siguiente curva de ecuacin

)(

se descompone en las rectas reales

Observar que para esta cnica
y

| |

0
-7

-6

-5

-4

-3

-2

-1

-1

Por lo que es cnica degenerada (dos rectas que se cortan)

-2

-3

-4

Si
tendremos una cnica que
degenera en dos rectas paralelas (reales o
imaginarias.

En una hiprbola no degenerada

Dividendo por el trmino independiente se obtiene
y
15

10

0
-30

-25

-20

-15

-10

-5

10

15

20

25

30

-5

-10

-15

Y en general

0,5

F2
-3,5

-3

N
-2,5

-2

-1,5

-1

-0,5

-1,5

-2

F1

0
-0,5

-1

Las rectas y
son las asntotas de la hiprbola y tienen
por ecuacin

r1

1,5

Se observa que
Cumplindose que

r2

La hiprbola es el lugar geomtrico de los

puntos del plano tales que
su diferencia de distancias a dos fijos
llamados focos (
) es constante.

0,5

1,5

2,5

x
3,5

Parbola
Una ecuacin de la forma
| |

Representa una parbola si

no son nulos
Es cnica no degenerada
Si

la parbola degenera en una recta doble

La ecuacin de la forma indicada puede escribirse

O la forma reducida
La parbola se define como el lugar geomtrico
de los puntos del plano
equidistantes de un punto fijo (el foco )
y de una recta llamada
(lnea puntos)

y
4

V0

D
-7

-6

-5

-4

-3

-2

-1

F
0

x
4

-1

El vrtice de la parbola es el punto

que coincide con el origen.

-2

-3

-4

5.5.6 Clasificacin de las cnicas en forma cannica

igual signo que

y
mismo signo

Gnero elipse

distinto signo que

Elipse
imaginaria

Elipse
real
Elipse
degenerada
Hiprbola

y
distinto signo

Gnero hiprbola

y
no nulas

Parbola
Una recta doble

Hiprbola
degenerada

5.5.7 Reduccin de la ecuacin de una cnica a su forma cannica

- Se clasifica la cnica distinguiendo si es o no degenerada.
- Se iguala los respectivos invariantes de las dos ecuaciones.
- Se obtienen los coeficientes buscados.
Clasificar y escribir la ecuacin cannica de la ecuacin cnica
Se forman los invariantes
| |

Se trata de una cnica no degenerada por ser | |

del gnero parbola ya que
luego su ecuacin cannica ser
Cuyos invariantes sern
|

e igualando
invariante proyectivo ......................
invariante mtrico ..........................
de donde ........................................

luego la ecuacin buscada es ..........

de donde ........................................
y el valor de

es .............................

Clasificar y escribir la ecuacin cannica de la ecuacin cnica

Formando los invariantes
| |

Es una curva del gnero elipse ya que

Elipse degenerada debido a que
Luego su ecuacin cannica ser

| |

Cuyos invariantes son

|
Igualando a la ecuacin dada
donde

(o viceversa)

Luego la ecuacin buscada es