Академический Документы
Профессиональный Документы
Культура Документы
MATRIZ
Es un arreglo rectangular de nmeros ordenandos en filas y columnas, que
presenta la siguiente estructura:
a 11 a12 a1 j a 1 n
( )
a 21 a22 a2 j a 2 n
a i1 ai 2 a ij a
a m 1 a m 2 amj a mn mxn
Los aij son los elementos de la matriz; las m-n uplas horizontales son las filas,
y las m-n uplas verticales son las columnas.
El orden de la matriz est dado por el nmero de filas y columnas (matriz de
orden mxn)
A= [aij]mxn
Dnde: i= 1, 2,3,, m
j=1, 2,3,, n
Observacin:
Los elementos de una matriz no necesariamente son nmeros, tambin
pueden ser funciones.
La matriz no tiene valor numrico, no se le puede identificar con un nmero.
Igualdad de matrices
Dos matrices Ay B son iguales si y solo si son idnticas, es decir si son del
mismo orden y sus respectivos elementos son iguales.
CLASES DE MATRICES
Matriz cuadrada
Se presenta cuando el nmero de filas es igual al nmero de columnas, se
An
denota Anxn ,
Matriz nula
Es una matriz en la cual todos sus elementos son ceros.
Ejemplo:
0= (00 00)
Matriz diagonal
Es una matriz cuadrada en la cual los elementos fuera de la diagonal principal
son ceros. Ejemplo:
( )
3 0 0
0 2 0
0 0 5
Matriz escalar
Es una matriz diagonal en al cual los elementos de la diagonal principal son
iguales.
Ejemplo:
( )
7 0 0
0 7 0
0 0 7
Matriz identidad
Es una matriz escalar donde los elementos de la diagonal principal es el 1.
Ejemplo:
( )
1 0 0
0 1 0
0 0 1
I n, I
Notacin:
Matriz simtrica
Se presenta cuando A= At
La matriz debe ser cuadrada, los elementos de la diagonal principal
permanecen fijos al efectuar la transposicin.
Matriz nilpotente
Es aquella matriz tal que si existe algn p entonces Ap = 0( 0 matriz nula)
Se dice que el grado de nilpotencia es p.
Matriz idempotente
Se dice que una matriz cuadrada A es idempotente si A2= A.
Matriz involutiva
Se dice que una matriz cuadrada A es involutiva si A2 = I.
anti simtrica
10) Toda matriz cuadrada A se puede expresar como la suma de
una matriz simtrica y anti simtrica.
Ejemplo:
( )
1 2 3
0 4 5
0 0 6
i<j
Ejemplo:
( )
1 0 0 0
0 2 0 0
1 0 3 0
2 1 0 4
OPERACIONES CON MATRICES
Dadas las matrices A y B del mismo orden se tiene:
A+B = B +A
k(A+B) =kA+kB ; k es un escalar
A-B = A+ (-B)
Producto de matrices
A= [ aij ]mxn
B= [ b jk ]nxp
Propiedades
1) A(BC) = (AB)C
2) (A+B)C =AC + BC
3) A(B+C) = AB + AC
4) No siempre: AB = BA (no conmutan)
5) 0.A = 0
6) AB = 0 no implica A= 0 B = 0
7) Si AB=AC no implica B=C
A= (2+i4 32i
5i ) , B= (1+i3 2i
2+3 i )
Luego:
A+B= (5+i
5+i
3
2+8 i ) AB= (11+ 4i
7+5 i
10+9 i
15+18 i )
2A= (4 +28 i 64 i
10 i )
A= (2+36 i 14 i
7i )
= (236 i 1+ 4 i
7 i )
A* = (23 i
1+4 i
6
7 i )
Se dice que la matriz cuadrada E es hermitiana si E = E*
Ejemplo:
E= (3+24 i 34 i
6 )
= (342 i 3+ 4 i
6 )
E*= (3+42 i 34 i
6 ) => E = E*
PROPIEDADES
Sean A y B matrices con elementos complejos y z un nmero complejo.
1. (A + B)* = A* + B* transpuesta conjugada de una matriz
2. (zA)* = z A traspuesta conjugada de un mltiplo escalar
3. (AB)* = B*A* traspuesta conjugada de un producto
4. (A*)* = A traspuesta conjugada de una traspuesta conjugada
Matriz Ortogonal
Es aquella matriz cuadrada donde se cumple: (A -1 = At)
Ejemplo:
( )
1 0 0
A= 5 4 0
2 8 7
( )
1 5 2
At = 0 4 8
0 0 7
( ) ( )
1 0 0 1 0 0 1 0 0 1 0 0
5 4 0 0 1 0 0 4 0 5 1 0
2 8 7 0 0 1 0 0 7 8 2 1
( )
1 0 0 1 0 0
5 1
0 1 0 0
4 4
1 2 1
0 0 1
7 7 7
1 0 0
A-1 =
( ) 5
4
8
7
1
4
2
7
0
1
7
A no es ortogonal
Matriz normal:
Una matriz es normal si conmuta con su transpuesta. Las matrices simtricas,
anti simtricas u ortogonales son necesariamente normales.
A.At = At.A
Ejemplo: Hallar todas las matrices de orden 4x4 que sean conmutables con la
matriz A:
( )
0 1 0 0
0 0 1 0
A= 0 0 0 1
0 0 0 0
Solucin: AB = BA
( )( ) ( )( )
0 1 0 0 a b c d a b c d 0 1 0 0
0 0 1 0 e f g h e f g h 0 0 1 0
0 0 0 1 i j k i = i j k i 0 0 0 1
0 0 0 0 m n o p m n o p 0 0 0 0
( ) ( )
e f g h 0 a b c
i j k l 0 e f g
m n o p = 0 l j k
0 0 0 0 0 m n o
Luego:
( )
a b c d
0 a b c
B= 0 0 a b
0 0 0 a
A = [aij] = [ |i j| ]12x12 y
Ejemplo: Sea A = [aij] una matriz triangular superior de orden n tal que a ij = 1, si
ij
De A3 = [bij] hallar el elemento bij si:
a) i = 3 ; j = n
b) i = n ; j = 3
c) i = 3 ; j = 3
DETERMINANTES
ascr
y= adbc
Definicin
El determinante viene a ser una funcin que aplicada a una matriz cuadrada da
un nico valor numrico.
( )
a11 a12 a
1n
a a a2 n
A= 21 22
a n1 an 2 a nn
Cuyas filas son:
| A|
Definicin
Sea una matriz cuadrada de orden 2x2
A= ( a 11 a12
a 21 a22 )
El determinante de segundo orden es el nmero definido por:
| A| = a11 . a22- a12 . a21
Definicin:
Sea una matriz cuadrada de orden 3x3
( )
a 11 a12 a13
a 21 a22 a23
A=
a 31 a32 a33
MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn
a1 j a1 n
(
a11 a12
)
a 21 a22 a2 j a2 n
A= ai 1 ai 2 a ij a
a an 2 a nj a nn
Sea Mij la submatriz cuadrada de orden n-1 que resulta de eliminar la fila i y la
columna j de la matriz A.
Entonces:
M ij
Aij
menor
cofactor =
(1)
i+j
signo
Aij = |M ij|
Desarrollo de un determinante por cofactores
El determinante de una matriz cuadrada A = [aij]nxn es igual a la suma de los
productos de los elementos de cualquier fila o columna por sus respectivos
cofactores.
Para aplicar este desarrollo es necesario elegir una fila o una columna y
efectuar el desarrollo por dicha fila o dicha columna.
a
kj
| A|
= )
n
j=1
a
kj
| A|
=
n
)
k=1
( )
3 6 9
Ejemplo: A= 0 2 1
3 1 2
Si elegimos la 1rafila:
a
1 j a a a
| A| = ( 11 A11 ) ( 12 A ) ( 13 A 13)
)= + 12 +
3
j=1
| |
2 1
= 3 1 2 + 6(-1) | |
0 1
3 2 + (- 9) | |
0 2
3 1 = 87
2 1
= 3 1 2 | | |
6 9
+ 0(-1) 1 2 | +3 |
6 9
2 1 | = 87
MATRIZ DE COFACTORES
Sea A una matriz cuadrada de orden nxn y Aij es el cofactor de aij entonces la
matriz:
( )
A 11 A12 A1 n
Cofact A =
An 1 A n 2 A nn
TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo (
| A| 0).
PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.
TEOREMA:
A (adj A) = det A (In)
COLORARIO:
Si A es una matriz no singular de orden n entonces:
1 1
-1 t | A|
A = adj(A). | A| = (cofact (A)) . | A| ; 0
5 8
( )
1
87 29 29
( ) ( )
3 6 9 5 3 24 1 1 11 1
A= 0 2 1 A =-1 3 33 3 . 87 = 29 29 29
3 1 2 6 21 6
2 7 2
29 29 29
Observacin:
1. Si una matriz tiene inversa entonces esta es nica.
2. Si B es una matriz inversa de A entonces tambin se puede decir que A es la
matriz inversa de B.
3. No siempre una matriz cuadrada tiene inversa.
4. Se dice que una matriz cuadrada A es singular si y solo si su determinante
es cero.
5. Si una fila o columna de una matriz A se le suma el mltiplo de otra fila o
columna, entonces el valor del determinante no vara.
6. Si los elementos de una fila o columna cualquiera constan de dos trminos,
el determinante puede expresarse como la suma de otros dos
determinantes.
7. El determinante de una matriz triangular superior o inferior es igual al
producto de los elementos de la diagonal principal.
8. det(A + B) det(A) + det(B)
En general el determinante de una matriz triangular superior o inferior es igual
al producto de los elementos de la diagonal principal.
9. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al producto de
los determinantes de las matrices siempre y cuando las matrices sea
cuadradas del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices
[ ]
1 2 3 n
1 0 3 n
1. 1 2 0 n
1 2 3 0
det ( A j )
xj = det( A)
Ejemplo: Sea
() ()
x1 b1
( )
a11 a1 n
x2 b2
X= ; A= ; B=
a n1 ann
nxn
xn bn
( )
a11 a1, j1 b1 a1, j+1 a1 n
a 21 a2, j1 b2 a2, j+1 a2 n
Aj =
a n1,1 a n1, j1 b n1 an 1, j+1 an1, n
a n1 an , j1 bn an , j+1 a nn
Usando propiedades:
AX = B
A-1 AX = A-1B
I X = A-1 B
X = A-1 B
adj (A )B
X= | A|
adj(A )B (cofactA)t B
X = A-1 B = | A| = | A| =
( )( ) ( )
A 11 A 12 A1 n b1 x1
An 1 A n 2 A nn bn = xn
|A| |A|
A ji b j
Xi= j=1
| A|
(A: I) O: E (I: B)
Entonces; B=A-1
Siendo: I la matriz identidad, B es la matriz inversa.
Ejemplo:
( )
1 0 2
A= 2 1 3
4 1 8
Solucin:
( )( )
1 0 2 1 0 0 1 f0 22f 1 0 0
2 1
2 1 3 0 1 0 0 1 f 1 2 1 0
f 3 41
4 1 8 0 0 1 0 1 0 4 0 1
( )
1 0 0 11 2 2
0 1 0 4 0 1
0 0 1 6 1 1
( )
11 2 2
A-1 = 4 0 1
6 1 1
( )( ) ( )
1 0 2 11 2 2 1 0 0
Obs: 2 1 3 4 0 1 = 0 1 0
4 1 8 6 1 1 0 0 1
Ejemplo:
Encuentre le matriz inversa de A, si existe.
( )
1 2 3 0
2 4 3 2
A= 3 2 1 3
6 8 7 5
Solucin:
( )( )
1 2 3 0 1 0 0 0 6 0 0 5 3 0 5 2
2 4 3 2 0 1 0 0 0 12 0 7 15 0 11 8
3 2 1 3 0 0 1 0 0 0 3 2 3 0 1 1
6 8 7 5 0 0 0 1 0 0 0 0 1 1 1 1
matriz inversa
Ejemplo:
Halle la inversa de la matriz A de orden n
Donde:
aij aij
=0 si i=j ; =1 si ij
bi
los son los trminos independientes o constantes
a21 x 1 +a 22 x2 + + a2 n xn =b2
am 1 x 1+ am 2 x 2 ++ amn x m =bm
Matricialmente se presenta
a 11 a12 a1 n
x1 b1
( )( )
a21 a22 a2 n
x 2 = b2
xn bm
am1 am 2 amn
AX=b
Dnde:
A: es la matriz de los coeficientes
X: es la matriz de las incgnitas
b: es la matriz de los trminos independientes
Matrices equivalentes
Se dice que una matriz A= [ aij ]mxn es equivalente por filas a una matriz B=
[ bij ]mxn .Si B se puede obtener de A por medio de un numero finito de las
Operaciones elementales
Se llaman operaciones elementales o transformaciones elementales por filas
sobre una matriz A:
[ E1 ] : intercambiar la fila i-sima y la fila j- sima
Ri kR j + Ri
Matriz escalonada
Se dice que una matriz se encuentra en su forma escalonada si el nmero de
ceros anteriores a la primera componente distinta de cero de una fila crece fila
por fila.
A los nmeros diferentes de cero que se encuentran solos en una columna se
les llaman elementos distinguidos.
Matriz ampliada
Es aquella matriz que se forma con los coeficientes y los trminos
independientes de un sistema de ecuaciones lineales.
Se denota: [A: b]
El siguiente diagrama resulta til para resolver un sistema de ecuaciones
lineales.
Inicio
AX= b
[A:b]
el sistema
es
r(A):r(Ab)
incompatible
no existe sistema
solucin compatible
existe
r:n solucin
nica
existe
infinitas
soluciones
n-r = k
k: numero de
parametros
hallar las
soluciones
fin
Ejemplo: resolver
x1- 2x2+ x3- x4- x5= -6
2x1+ 2x2- x3- x5= -4
4x1- 3x2+ x3- 2x4- 3x5= -16
3x1- 6x2+ 3x3- 3x4- 3x5= -18
Solucin:
( )( )
1 2 1 1 1 6 1 0 1 1 1 6
2 2 1 0 1 4 0 0 3 2 1 8
4 3 1 2 3 16 0 1 0 0 0 0
3 6 3 3 3 18 0 0 0 0 0 0
( )
3 0 0 1 2 10
0 1 0 0 0 0
0 0 3 2 1 8 r(A) = 3 , r(AB) = 3 ,
0 0 0 0 0 0
x2= 0
2a+ b8
x 3= ; ayb R
3
Ejemplo:
Resolver:
x1+ x2- x3+ x4= 0
3x1- x2+ 2x3+ 3x4= 7
x1+ 2x2- 2x3- x4= -1
3x3+ x4= 9
Solucin:
( )( )
1 1 1 1 0 1 0 0 0 1
3 1 2 3 7 0 1 0 0 2
1 2 2 1 1 0 0 1 0 3
0 0 3 1 9 0 0 0 1 0
( )
x 1 0 x
0 x x 1
1 x x 0
x 0 1 x
Solucin:
( ) ( )( )
x 1 0 x x 0 1 x x 0 1 x
0 x x 1 0 0 1 2 x 0 0 1 2 x
1 0 0 1 x0 0 0 2x 1 0 0 2 x+1 2 x +1
0 1 1 0 0 1 1 0 0 1 1 0
( )
1 0 0 1
0 1 1 0
0 0 1 2x
0 0 0 12 x
Observacin:
Se dice que un sistema es homogneo cuando los trminos independientes
son ceros, es decir:
a11 x 1+ a12 x 2 ++ a1 n x n=0
am 1 x 1+ am 2 x 2 ++ amn x n =0
(A: I) O: E (I: B)
Entonces; B=A-1
Siendo: I la matriz identidad, B es la matriz inversa.
Ejemplo:
( )
1 0 2
A= 2 1 3
4 1 8
Solucin:
( )( )
1 0 2 1 0 0 1 f0 22f 1 0 0
2 1
2 1 3 0 1 0 0 1 f 1 2 1 0
f 3 41
4 1 8 0 0 1 0 1 0 4 0 1
( )
1 0 0 11 2 2
0 1 0 4 0 1
0 0 1 6 1 1
( )
11 2 2
-1
A = 4 0 1
6 1 1
( )( ) ( )
1 0 2 11 2 2 1 0 0
Obs: 2 1 3 4 0 1 = 0 1 0
4 1 8 6 1 1 0 0 1
Ejemplo:
Encuentre le matriz inversa de A, si existe.
( )
1 2 3 0
2 4 3 2
A= 3 2 1 3
6 8 7 5
Solucin:
( )( )
1 2 3 0 1 0 0 0 6 0 0 5 3 0 5 2
2 4 3 2 0 1 0 0 0 12 0 7 15 0 11 8
3 2 1 3 0 0 1 0 0 0 3 2 3 0 1 1
6 8 7 5 0 0 0 1 0 0 0 0 1 1 1 1
matriz inversa
Ejemplo:
Halle la inversa de la matriz A de orden n
Donde:
aij aij
=0 si i=j ; =1 si ij
Adicin:
Multiplicacin:
Notacin
a; b / a , b
Todo elemento de se denomina nmero complejo.
Ejemplo:
3 Re(z)
z (3; 4)
4 Im(z)
Propiedades
z1 ;z 2
Sea
Re(i z) Im(z)
c)
Im(iz) Re(z)
d)
R ' 0
Sea un subconjunto de C, formado por los pares ordenados cuya
R ' (a,b) / b 0
segunda componente es cero: .
f : R'
Consideremos la funcin: x a (x , 0)
Podemos observar que f es inyectiva y suryectiva y por lo tanto biyectiva,
adems f conserva las operaciones de adicin y multiplicacin:
a (a , 0) a
La unidad imaginaria
Al nmero complejo (0,1) se le denomina la unidad imaginaria y lo
i (0,1)
representamos por i, entonces
Usando la multiplicacin de complejos y la identificacin de con
0
:
Proposicin
z (a,b)
Todo nmero complejo puede ser representado en forma nica
z a bi
en la forma , denominada forma binomica de z
Potencias de la unidad imaginaria
i1 i i5 i i9 i
i2 1 i6 1 i10 1
i3 i i7 i i11 i
i4 1 i8 1 i12 1
in (i i2 i3 i4 ) in (0) . n
i i2 i3 i4 0 in1 in 2 in 3 in 4 0
1) , entonces
La suma de cuatro potencias enteras consecutivas de la unidad
imaginaria es cero.
i4k 1 i4k a ia
2) , , k es entero.
Corolario
n n
i(4k a) ia n
3) , a,kenteros,
Definiciones
a : z (a,0) a a 0i
NmeroReal:
b
Imaginario Puro:
z (0;b) (b;0).(0;1) bi
z (0,0) 0 0i 0
Complejo nulo:
z (a,b)
Opuesto de un complejo: si , su opuesto es
z ( a , b) a bi
Im
Z
Re
Conjugado de un complejo:
z x yi z
Si , se denomina conjugado de z al complejo definido por:
z x yi
Im Z=(a; b)
Re
z x yi 0
en forma binomica
1 1 1 x yi
z x yi x yi x yi
x yi 1 x y
i
x2 y2 z x 2 y 2 x 2 y2
z1 y z2
Complejos iguales:sea
Re(z1) Re(z2 )
z1 z2 Im(z
1) Im(z2 )
Z a bi Z
Sea , el modulo del complejo Z denotado por , se define como:
Z a2 b2 , a,b
Ejemplo:
Z 42 32 25 5
Z = 4 + 3i
Re Z Z Z
2
5.
Im Z Z Z
2i
6.
Z Z Z
7.
Sustraccin:
Multiplicacin:
a bi (a bi)(c di) ac bd bc ad
i
c di (c di)(c di) c 2 d2 c 2 d2
Divisin:
n
(a bi)n Cknank (bi)k
k 1
Potencia: ,
n x yi a bi x yi (a bi)n
Radicacin: ,
Re(z) Im(z)
cos , sen
z z
Re(z) Im(z)
argz / cos ,sen
z z
z \ (0 , 0)
Un nmero complejo , tiene infinitos argumentos si uno de
2k , k
ellos es los dems estn expresados por la frmula:
.Para que sea nico, basta con imponer la condicin adicional que
2
pertenezca a un cierto intervalo semiabierto de longitud tal como
[0,2 , ]
, , etc.Entonces, de entre los infinitos argumentos de z,
z \ (0 , 0)
se denomina argumento principal de y se denota Arg z, al
0 2
que verifica la condicin .
z \ (0 , 0)
Nota: En otros pases, el argumento principal de , es el
Arg z Arg z
valor de , tal que
Propiedades
arg(z) 2 argz
1)
arg z , 0 arg z
arg( z)
arg z , arg z 2
2)
1
arg( ) 2 argz
z
Im3)
z C \ (0,0)
Dado el nmero
b (a; b)
Afijo de z
r=|z|
a Re
De la figura:
a r cos a r cos
,
b
arctg ,
a r a 2 b2
, ,
r = mdulo de complejo Z
= argumento principal del complejo Z
z a ib
Como , entonces:
z r
b) 1 1 cos(1 2 ) isen(1 2 )
z2 r2
2k 2k
d) n z1 n r1 cos( 1 ) isen( 1 )
n n
, k 0 , 1, 2 , 3 , ... , (n 1), n ,n 2
Frmula de De Moivre
Se usa para calcular senos y cosenos de ngulos mltiples
Ejemplo: Si n = 2
Identidades notables
z cos isen
Si
1
z1 cos isen
z
a)
z z1 2cos
b)
(z z1)n 2n cosn
c)
zn cos(n) isen(n) y
z n cos(n) isen(n)
zn z n 2cos(n)
d)
Ejemplo:
(z z 1)6 26 cos 6
Si n = 6 ;
1 3 15 5
cos6 cos 6 cos 4 cos 2
32 16 32 16
Notacin fasorial
z r(cos isen ) z r
Notacin cientfica
Operaciones:
Z1 r1Cis1 Z2 r2Cis2
Sea: ,
Entonces:
Z1 r1
Cis 1 2
Z1Z2 r1r2Cis 1 2 Z2 r2
Propiedades:
Cis 1
1.
Cis 1 .Cis 2 Cis 1 2
2.
cos 1 2 isen 1 2
Cis 1
Cis 1 2
Cis 2
3.
cos 1 2 isen 1 2
ei cos isen
,
z r(cos isen )
Como
z rei
(Forma exponencial de z)
Propiedades
ei(0) 1
1)
: ei 0
2)
: ei 1
3)
ei( 2k) ei , k
4)
ei 1 ei 2 1 2 2k k
5) ,
: (ei ) e i
6)
1, 2 : ei 1ei 2 ei(1 2 )
7)
n , : (ei )n ein
8)
z1 r1 ei1 z2 r2 ei2
: ,
Sean
z1 r1 i(12 )
e
z2 r2
b)
Ejemplo: Sea Z = 1 i
Im
2 2
Z r 1 Re
1 , entonces r 2
Z=1i
El argumento
2
1 4
7
4
1
7 i
Z 1 i 2e 4
2k
i( )
n 1 e n , k 0,1,2,3,.....,(n 1)
2 2k
i i
we n k
w e n
Si hacemos , entonces , las n races forman el
conjunto
Gn w k ,k 0,1,2,3,...,(n 1)
1,w ,w 2 ,w 3 ,...,w n1
se denomina raz ensima de la unidad.De la forma exponencial de las
w
races ensima de la unidad vemos que estn en el crculo de radio uno
2
n
centrado en el origen y estn uniformemente espaciadas sobre el cada
1 n3
radianes. Cuando n = 2 estas races son , cuando las races
corresponden a puntos situados en los vrtices de un polgono regular de n
lados, este polgono est inscrito en el circulo de radio uno centrado en el
z 1 (k 0)
origen y tiene un vrtice en el punto correspondiente a la raz ;
adems el eje real es eje de simetra de dicho polgono regular.
61
Calcular
Ejemplo:
Solucin:
G6 wk ,k 0,1,2,3,4,5
G6 1,w,w 2 ,w 3 ,w 4,w 5 / w ei(2 /6)
G6 1,ei( /3) ,ei(2 /3) ,ei( ) ,ei(4 /3) ,ei(5 /3)
1 3 1 3 1 3 1 3
G6 1, i , i , 1, i , i
2 2 2 2 2 2 2 2
Nota:
( 1)n 1
b) El producto de las races ensimas de la unidad es
2k
i( )
3 1 e 3 , k 0,1,2
k 0 R1 1
Si
1 3
k 1 R 2 w ei(2 /3) i
2 2
Si
1 3
k 2 R3 w 2 ei(4 /3) i
2 2
Si
Propiedades
o o
w3 1 , w 4 w , w 3 1 , w3 a w a
a)
1 w w2 0
b)
w 4 w2 1 0
c)
w w2
d)
La exponencial compleja
z a bi e z ea (cosb isenb)
Si
Propiedades
z : e z 0
1)
z : (ez ) ez
2)
z1 , z2 : e z1.ez2 ez1 z2
3)
e z 1 z 2k i ; k
4)
z : e z eRe(z)
5)
arg(e z ) Im(z) 2k , k
6)
e z 2k i e z ,k
7)
z1 , z2 : e z1 e z2 z1 z2 2k i
8)
i
e w 2i w ln2 2ki , k
2
Lugar geomtrico de nmeros complejos
Solucin:
z r x 2 y 2 r x 2 y2 r 2
z z0 r, r 0, z0 fijo
Solucin:
z z0 r (x x 0 )2 (y y0 )2 r
(x x0 )2 (y y0 )2 r 2
(x 0 ,y0 )
Es la ecuacin de una circunferencia centrada en de radio r
A i z / iz 1 i 1
Ejemplo: Determine la grfica del conjunto
Solucin:
iz 1 i 1 i (x iy) 1 i 1
x x1
y y1 1
, en la relacin (1),
Entonces
( x1 1)2 (y1 1 1)2 1 (x1 1)2 (y1 2)2 1
, es la ecuacin de una
circunferencia de centro ( -1 , 2) y radio 1.
El polinomio complejo
ZC
,un polinomio definido sobre el conjunto de los nmeros
Sea
P(z) anzn an1zn 1 ......... a1z a0 an 0
complejos tiene la forma: ,
nN ai C
: , es el grado del polinomio, , son los coeficientes
Donde
complejos
Teorema fundamental del algebra
Teorema
z1,z2,z3,...,zn
distintos) , tal que:
Teorema
Nota
n1
Todo polinomio de grado , con coeficientes reales se puede
factorizar:
drsb
x= adbc
ascr
y = adbc
( )
a11 a12 a
1n
a a a2 n
A= 21 22
a n1 an 2 a nn
| A|
Definicin:
Sea una matriz cuadrada de orden 3x3
( )
a 11 a12 a13
a 21 a22 a23
A=
a 31 a32 a33
MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn
a1 j a1 n
(
a11 a12
)
a 21 a22 a2 j a2 n
A= ai 1 ai 2 a ij a
a an 2 a nj a nn
Sea Mij la submatriz cuadrada de orden n-1 que resulta de eliminar la fila i y la
columna j de la matriz A.
Entonces:
3) |M ij| se llama menor complementario del elemento aijde A.
4) El cofactor del elemento aij que se simboliza por Aij se define por:
M ij
Aij
menor
cofactor =
(1) i+j
signo
Aij = |M ij|
a
kj
| A|
= )
n
j=1
a
kj
| A|
=
n
)
k=1
( )
3 6 9
Ejemplo: A= 0 2 1
3 1 2
Si elegimos la 1rafila:
a
1 j a a a
| A| = 11 A11 )
) = ( + ( 12 A 12 ) + ( 13 A 13)
3
j=1
2 1
= 3 1 2 | | + 6(-1) | |
0 1
3 2 + (- 9) | |
0 2
3 1 = 87
2 1
= 3 1 2| | 6 9
+ 0(-1) 1 2 | | +3 |6 9
2 1 | = 87
MATRIZ DE COFACTORES
Sea A una matriz cuadrada de orden nxn y Aij es el cofactor de aij entonces la
matriz:
( )
A 11 A12 A1 n
Cofact A =
An 1 A n 2 A nn
TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo (
| A| 0).
PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.
TEOREMA:
A (adj A) = det A (In)
COLORARIO:
Si A es una matriz no singular de orden n entonces:
1 1
-1 t | A|
A = adj(A). | A| = (cofact (A)) . | A| ; 0
5 8
( )
1
87 29 29
( ) ( )
3 6 9 5 3 24 1 1 11 1
A= 0 2 1 A =-1 3 33 3 . 87 = 29 29 29
3 1 2 6 21 6
2 7 2
29 29 29
Observacin:
10. Si una matriz tiene inversa entonces esta es nica.
11. Si B es una matriz inversa de A entonces tambin se puede decir que A es la
matriz inversa de B.
12. No siempre una matriz cuadrada tiene inversa.
13. Se dice que una matriz cuadrada A es singular si y solo si su determinante
es cero.
14. Si una fila o columna de una matriz A se le suma el mltiplo de otra fila o
columna, entonces el valor del determinante no vara.
15. Si los elementos de una fila o columna cualquiera constan de dos trminos,
el determinante puede expresarse como la suma de otros dos
determinantes.
16. El determinante de una matriz triangular superior o inferior es igual al
producto de los elementos de la diagonal principal.
17. det(A + B) det(A) + det(B)
En general el determinante de una matriz triangular superior o inferior es igual
al producto de los elementos de la diagonal principal.
18. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al producto de
los determinantes de las matrices siempre y cuando las matrices sea
cuadradas del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices
[ ]
1 2 3 n
1 0 3 n
1. 1 2 0 n
1 2 3 0
Ejemplo: Sea
() ()
x1 b1
( )
a11 a1 n
x2 b2
X= ; A= ; B=
a n1 ann
nxn
xn bn
( )
a11 a1, j1 b1 a1, j+1 a1 n
a 21 a2, j1 b2 a2, j+1 a2 n
Aj =
a n1,1 a n1, j1 b n1 an 1, j+1 an1, n
a n1 an , j1 bn an , j+1 a nn
Usando propiedades:
AX = B
A-1 AX = A-1B
I X = A-1 B
X = A-1 B
adj (A )B
X= | A|
t
adj(A )B (cofactA) B
-1
X=A B= | A| = | A| =
( )( ) ( )
A 11 A 12 A1 n b1 x1
An 1 A n 2 A nn bn = xn
|A| |A|
n
A ji b j
Xi= j=1
| A|
PROBLEMAS
1. Indique si las siguientes proposiciones son verdaderas o falsas,
fundamente su
entonces adjA=0
ax + yz=a2
x y + z=1
3 x yz=1
6 x y + z=3 a 4 puntos
a , b , c ,d y d
0 1 a b
A= 1
(
0
a c
b d
c d
0 e
e 0
) 4 puntos
( )
8 4 4
Cofactores de A es 5 7 1 . Determine los elementos de la
1 1 5
matriz
Ejemplo 1:
Resolver utilizando la regla de Cramer el siguiente sistema de ecuaciones
lineales:
x1 + 3x2 + 3x3 = -2
2x1 + 2x2 + 3x3 = -5
x1+ 2x2 + 3x3 = 6
Ejemplo 2:
Sea: (m + 1)x + y + z = 2-m
x+(m + 1)y + z = -2
x + y + (m + 1)z= m
Halle m para que el sistema tenga solucin nica
Solucin:
| || |
m+1 1 1 m+3 1 1
| A|= 1 m+1 1 = m+3 m+1 1 =
1 1 m+1 m+3 1 m+ 1
| | | |
1 1 1 0 1 1
( m+ 3 ) 1 m+1 1 = ( m+3 ) m m+1 1
1 1 m+1 0 1 m+1
( m+ 3 ) ( m) 1| |
1 =( m+ 3 ) ( m) ( m ) m 0
1 m+1
Para m=0
x+ y+ z=2
x+ y+ z=2
x+ y+ z=0
( )( )
1 1 1 2 1 1 10
1 1 12 0 0 0 1
1 1 1 0 0 0 00
r(A)=1 r(Aa)=2
Solucin
Para m= 3
( )( )
2 1 1 5 3 0 3 0
1 2 1 2 0 3 3 1
1 1 23 0 0 00
Conclusin:
m
1 Para que tenga solucin nica: m 0 3
2 Solucin: m= 0
3 Ms de una solucin: m = -3
Ejemplo 3:
Realice un anlisis de la compatibilidad del sistema para todos los valores de a
y b si:
ax +by + z=1
x+ aby+ z=b
x+ by+ az=1
Solucin:
Analizando para la existencia de una solucin:
| |
a b 1
1 ab 1 =a
1 b a
| || || |
ab 1 = b 1 + b 1
b a b a ab 1
b ( a1 )2(a+2) 0
b 0 a 1 a 2
PROBLEMAS
1. Halle el rango de la matriz A para todos los valores de a y b.
2 a b a+b
A= a
b
a+ b
( a
0
0
0 0
b 0
0 a+b
)
2. Determine el rango de la matriz, para cualquier valor de t
( )
3 0 6 3t
A= t 2 2(t +1) 0
2
2 4 0 2t t
PROBLEMAS RESUELTOS
( m+ 1 ) x + y + z=2m
x+ ( m+1 ) y + z=2
x+ y+ ( m+1 ) z=m
Solucin
Para que el sistema de ecuaciones lineales tenga solucin el determinante de
x+ y+ z=2
x+ y+ z=0 es un sistemainconsistente
x2 y+ z=2
x+ y2 z=3
| | | | | | |
2 1 1 5 1 2 1 2 1 2 1 2 1 2
A a = 1 2 1 2 ( f 1 x f 2 ) 2 1 1 5 f
( 2 +2 f 1 ; f 3 f 1 ) 0 3 3 1 f f
( 3 2 ) 0 3
+
1 1 23 1 1 2 3 0 3 3 1 0 0
1 8
z=t , y=t , x =t , t R
Depende de un parmetro la solucin es 3 3
2.
ESPACIOS VECTORIALES
Un espacio vectorial sobre un cuerpo K (en los reales o complejos) es un
(x;y)= ( + x1 ; + y -1)
2 (x1;y1)= ( + x 11 ; + y 11 = (d1,d2) A
Axiomas de la adicin:
3(x1;y1) + (x2;y2) = ( x1 + x2 + 1 ; y1 + y2 + 1) = ( x2 + x1+1 ; y2 + y1+ 1)
=(x2;y2) + ( x1; y1)
4 (u1;u2) + (( v1;v2) + ( w1;w2)) =(u1;u2) + ( v1 + w1 + 1; v2 + w2 + 1)
=(u1 + v1 + w1 + 2 ; u2 + v2 + w2 + 2)= ((u1;u2) + ( v1;v2)) + ( w1;w2)
5 Sea a = (a1;a2) el vector nulo tal que:
(u1,u2) + (a1;a2) =(u1,u2) (u1 + a1 + 1,u2+ a2 + 1)=(u1,u2)
6 (u1;u2) + (b1;b2)=(-1,-1)
Observacin
Mnxm ( ) = { A=( a ij ) 1 i n ; 1 j m}
{ }
n
P( )= ak x k :n N ,a k R
k=0
nmeros reales.
5. El conjunto de todas las sucesiones de nmeros reales:
S= {( x n ) n=0 : x n R , n 1 }
Ejemplo:
2) Sea V= { ( x ; y ) / y =2 x +1, x R }
(x1,y1)+(x2,y2)=(x1+x2,y1+y2)
=(x1+x2;2x1+1+2x2+1) = (x1+x2;2(x1+x2)+2)
No es un espacio vectorial, no cumple con el Axioma de la cerradura.
PROPIEDADES:
Si V es un espacio vectorial, entonces:
1 0.u=0
2 (-1).u=-u u V
SUBESPACIOS VECTORIALES
Se llama subespacio vectorial de un espacio vectorial V a cualquier
Si V es un espacio vectorial y S V, S
{ u S , K , u S }
TEOREMA:
Sea U un Subespacio de un espacio Vectorial V, U tiene como elemento al
vector cero de V.
V= i vi
i=0
Ejemplo:
Expresar el vector (4,4,5) como una combinacin lineal de los vectores (1,2,3);
(-1,1,4) y (3,3,2)
Solucin:
(4,4,5)= x(1,2,3) + y(-1,1,4) + z(3,3,2)
x y + 3z= 4
2x + y + 3z = 4
3x + 4y + 2z = 5
( ) ( )
1 1 3 4 1 0 20
2 1 34 0 1 10 no existen x,y,z , el sistema no tiene solucin no
3 4 25 0 0 01
( )( )( )
{ 1 0 , 0 1 , 2 3 } en el espacio vectorial M
2 1 2 0 0 2 2x2
Solucin:
independiente.
i=0 i=1,2, , n
Si entonces los vectores son LI
Observacin:
1 1 20 1 0 00
( )( )
0
1
2
1
0
1
10 0 1
10
10
0 0
0 0
00
10
01
PROPIEDADES
2 0 A V A es linealmente dependiente
3 { u , v } es linealmente dependiente u= v ( 0
OBSERVACIN
son dependientes
v1 v2
4. Dos vectores y son dependientes si y solo s uno de ellos es
Ejemplo:
SOLUCION
( 2 t1 ) + ( t +cos 2 t ) + ( 3+ e3 t ) + ( cos 2t +e 3t )=0
t ( 2 + ) +cos 2 t ( + ) + e3 t ( + ) + ( +3 ) =0
2 + =0
+ =0
+=0
3 =0
2 1 000 1 0 000
( 0
0
1
1
0
0
110
300
)( )
010 0 1
0 0
0 0
000
100
010
Es un conjunto L.I.
Ejemplo:
3
Sea V= R , Luego Es un subespacio?
W1= {( x , y , z ) talque
2
3
x + 5 y+ z =0 ; x , y , z Z }
Solucin:
3
El nico punto que satisface es (0, 0, 0) W 1 es un subespacio de R
Ejemplo:
W2= {( x , y , z ) /2 y +3 z 0 } es un subespacio ?
Solucin:
Con un contraejemplo:
u W2
Para 1
(1) (3 , 2 , 0) (4) 3 (0) 0 (F)
W2 no es un subespacio
Lema:
Si V es un espacio vectorial y A v1 , v2 , , vn est contenido en V,
entonces:
n
Proposicin:
Sea V un espacio vectorial y v1, v2, , vn V, si vm es una combinacin lineal
de v1, v2, , vm-1 entonces L(v1, v2, , vm) L(v1, v2, , vm-1)
4 c +3 b+19 a
Sea: x3 a x1 8
4 c25b +7 a
x4 b x2 8
x5 c
4 c +3 b+19 a 4 c25b +7 a
(x1 , x2 , x3 , x4 , x5) ( 8 , 8 , a , b , c)
Definicin
Se dice que un espacio vectorial V tiene dimensin finita n o es n-dimensional
denotado: dimV n, si existen vectores linealmente independientes e 1, e2, ,
en que generan a V , el conjunto e1, e2, , en se llama base de V y tiene
como dimensin n.
OBSERVACIONES
3
1. El origen es un subespacio de R , la dimension de este subespacio es
cero
origen.
3
3. Los subespacios de dos dimensiones de R son planos que pasan por el
origen.
Definicin.- Si un espacio vectorial V tiene una base que consta de n vectores
entonces la dimensin de V es n, que se denota por dim(V).
PROBLEMAS RESUELTOS
(00 1 0
a 0 ) es linealmente dependiente y no forma una base.
Solucin:
(00 a 0
1 0 ) + (00 1 0
a a ) + (00 1 0
a 0 ) (00 0 0
0 0)
u + v + w 0
Es L.I. si 0
a 0
a + + 0
+ a + a 0
( ) ( )
0 00 0 1 0a 0
a 11 0 0 10 0 ,a0
1 aa 0 a 01 0
Para a1:
( ) ( )
1 01 0 1 01 0
0 10 0 0 10 0
1 01 0 0 00 0
+ 0 , 0
Para a -1:
( )
1 0 1 0
0 1 0 0
0 0 0 0
- 0 , 0
Para a -1, 0,1 es un conjunto L.D.
Solucin:
x(1+a,1,1,1) + y(1,1+a,1,1) + z(1,1,1+a,1) + w(1,1,1,1+a) 0
x(1+a) + y + z + w 0
x + y(1+a) + z + w 0
x + y + z(1+a) + w 0
x + y + z + w(1+a) 0
1 0 0 0
0 1 0 0 , a -4 , a 0
0 0 1 0
0 0 0 1
x y z w 0
Para a -4 a 0 (1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1) es una base, dim4. Es
la base cannica usual.
Determina un plano que pasa por el origen y cuya ecuacin est dado por
: x2 y + 4 z=0
x+z0
y+t0
(x , -t , -x , t) x(1,0,-1,0) + t(0,-1,0,1)
(1,0,-1,0) , (0,-1,0,1)
En T:
(a+b+2c,b+c,-a+b,3b+3c) a(1,0,-1,0) + b(1,1,1,3) + c(2,1,0,3)
(1,0,-1,0) , (1,1,1,3) , (2,1,0,3)
S + T:
(1,0,0,2) , (0,1,0,-1) , (0,0,1,2)
TEOREMA
Sean U y W dos subespacios de dimensin finita de un espacio vectorial V
SUMA DIRECTA
La suma de V1 y V2 subespacios de V se llama suma directa si V 1 V2 0,
en este caso se dice que dicha suma es directa y se denota V 1V2, tanto V1
como V2 se llaman sumandos directos.
Ejemplo:
En R3 sea U el plano xy y W el eje z, luego:
U (a, b, 0) / a, b R
W (0, 0, c) / c R
Verificar si U y W determinan una suma directa
SOLUCION
Cualquier vector (a, b, c) R3 se puede escribir como la suma de un vector
u y un vector w, es decir:
(a, b, c) (a,b,0) + (0,0,c)
subespacios de R2
a=3 x2 y
b=7 x+5 y
Despejando obtenemos x=5 a2 b ; y=7 a+ 3 b
2
R =L1 + L2
( a , b ) = y (2,5)
L1 L2= { 0 } , R2=L1 L2
COORDENADAS
Para indicar que [v1,v2, ,vn] es una base del espacio vectorial definido por (V,
+, K, . ) se utiliza la notacin [v], es decir cada vector v se puede expresar de
modo nico como la combinacin lineal de la base, dado que los vectores son
linealmente independientes, es decir si x V siendo x1, x2, ,xn escalares
entonces:
x=x 1 v 1+ x 2 v 2 ++ x n v n
[ v ] = {( 1,1 ) ,(1,0) }
Solucion
aP(X)+bQ(X)+cR(X)=0x3+0x2+0x+0a(x3-3x2-5x+1)+b(-x3-x2+5x+2)+c(-x3-
7x2+4x)=0x3+0x2+0x+0(a-b-c)x3+(-3a-b-7c)x2+(-5a+5b+4c)x+(a+2b)=
0x3+0x2+0x+0
Comparando:
a-b-c=0 -3a-b-7c=0
-5a+5b+4c=0
a+2b+0c=0
1 1 1 0 1 0 0 0
3 1 7 0 0 1 0 0
5 5 4 0 0 0 1 0
1 2 0 0 0 0 0 0
Como r(A)=r(Ab)=n=3 el sistema es compatible, solucin nica.
a=b=c=0, e deduce que los polinomios P(X), Q(X) y R(X) forman un conjunto
linealmente independiente.
SOLUCION
Comparando
1 1 0 0 1 0 0 0
3 0 1 0 0 1 0 0
2 1 1 0 0 0 1 0
, comor(A)=r(Ab)=n=3 el sistema es
compatible, solucin nica.
La base es B={(1;3;2),(1;0;-1),(0;1;-1)}
1 0 1 1 1 1 0 0 1 0 1 1 1 0 1 1
0 0 0 0 1 0 0 1 0 1 1 0 1 0 0 1
i) B={ ; ; ; } 2i) B={ ; ; ; }
SOLUCION
a) Si el conjunto es LI
b) Si el conjunto genera A2x2
Demostracin de a)
1 0 1 1 1 1 0 0 0 0
0 0 0 0 1 0 0 1 0 0
a +b +c +d =
a b c b c 0 0
c d 0 0
= , por comparacin:
Demostracin de b)
1 0 1 1 1 1 0 0 m n
0 0 0 0 1 0 0 1 p q
a +b +c +d =
a b c b c m n
c d p q
= ; por comparacin:
1 1 1 0 m 1 0 0 0 m n
0 1 1 0 n 0 1 0 0 n p
0 0 1 0 p 0 0 1 0 p
0 0 0 1 q 0 0 0 1 q
, comor(A)=r(Ab)=n=4 el sistema es
compatible, solucin nica.
1 0 1 1 1 0 1 1
0 1 1 0 1 0 0 1
2i) B={ ; ; ; }, utilizando un procedimiento anlogo al
anterior.
Demostracin de a)
1 0 1 1 1 1 0 0 0 0
0 0 0 0 1 0 0 1 0 0
a +b +c +d =
a bcd b d 0 0
bc ad 0 0
= , por comparacin:
Demostracin de b)
1 0 1 1 1 1 0 0 m n
0 0 0 0 1 0 0 1 p q
a +b +c +d =
a bcd b d m n
bc ad p q
= , por comparacin:
1 1 1 1 m 1 0 0 0 m/2n p/2q/2
0 1 0 1 n 0 1 0 0 m/2 p/2 q/2
0 1 1 0 p 0 0 1 0 m/2 n p/2q/2
1 0 0 1 q 0 0 0 1 m / 2 n p / 2 q / 2
comor(A)=r(Ab)=n=4
SOLUCION
a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)
1 1 1 m 0 1 0 0 mn p 0
1 1 2 n 0 0 1 0 3m 2n p 0
1 0 1 p 0 0 0 1 mn 0
1 1 1 q 0 0 0 0 mq 0
Pero para que tenga la forma que nos conviene hacemos:
1 1 1 0 0 1 0 0 0 0
3 2 1 0 0 0 1 0 0 0
1 1 0 0 0 0 0 1 0 0
1 0 0 1 0 0 0 0 1 1
, luego m=n=p=0 y q=1
x y x y
z t z t
U={ tal que x-y+z-t=0}; V={ , tal que x=, y=-, z=, t=-}; W{
1 0 1 1
0 1 1 1
; }
SOLUCION
x y
z x y z
En el conjunto U notamos: t=x-y+z, reemplazamos U={ }
x y 1 0 0 1 0 0
z x y z 0 1 0 1 1 1
separamos segn nos convenga: =x +y +z
1 0 0 1 0 0
0 1 0 1 1 1
Una base de U es { ; ; }; dim(U)= 3
En el conjunto V notamos: v={ } separamos segn nos convenga:
1 1 0 0
0 0 1 1
= +
1 1 0 0
0 0 1 1
Una base de V es { ; }; dim(V)= 2
1 0 1 1 0 0 ab b 0 0
0 1 1 1 0 0 b a b 0 0
a +b = =
1 0 1 1 m n ab b m n
0 1 1 1 p q b a b p q
a +b = =
1 1 m 1 0 mn
0 1 n 0 1 n
0 1 p 0 0 pn
1 1 q 0 0 (m q ) / 2 n
; luego r(A)r(Ab); el sistema es
incompatible
SOLUCION
ParaST: (a;2a;a+b)=(0;0;z), resolviendo a=0 y b=z ambos pertenecen a
los reales
ST={(0;0;z)}, notamos
(0;0;z)=z(0;0;1)
Para S+T
SOL:
Para que S sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a S.
u+v=(u1+v1;u2+v2) pertenece a S
Sea k un escalar cualquiera ku=k(u1;u2)=(ku1;ku2); pero si k0 ku10
yku20
ku no pertenece a S
S no es un subespacio vectorial.
Para que T sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a T.
u=(u;eu) y v=(v;ev)
T no es un subespacio vectorial.
Para que W sea un subespacio vectorial debe ser cerrada sobre la suma y
la multiplicacin escalar. Sean u y v que pertenecen a W.
u=(u1;u2;-u12-u22) y v=(v1;v2;-v12-v22)
W no es un subespacio vectorial.
5 0 0
1 5 0
0 1 5
8. Sea A= , para qu valores de X existe un escalar a tal que
AX=aX. Donde X es una matriz columna.
SOLUCION
(A-aI)X=0
5a 0 0
1 5a 0
0 1 5 a
A-aI= , formando la mtriz ampliada
5a 0 0 0 1 0 0 0
1 5a 0 0 1 5a 0 0
0 1 5 a 0 0 1 5 a 0
;
si a5
1 0 0 0
0 1 0 0
0 0 1 0
, esto genera una solucin trivial.
Si a=5
1 0 0 0
1 0 0 0
0 1 0 0
, este sistema tiene infinitas soluciones.
0 0
0 0
0
m
X si a=5; X= si a5
1 a b
a 1 c
b c 1
B) Averiguar si la matriz A= es no singular.
SOL:
a c
c b
A) Sea W={ M2x2 tal que a,b,c R}; separamos la matriz
convenientemente
a c 1 0 0 0 0 1
c b 0 0 0 1 1 0
=a +b +c
1 0 0 0 0 1
0 0 0 1 1 0
Adems se prueba que { ; ; } son LI
1 0 0 0 0 1
0 0 0 1 1 0
una base de W es { ; ; }; dim(W)= 3
B) A es singular si det(A)=0
A es no singular.
0 1/ 2 1/ 2
1/ 3 1/ 3 1/ 3
1/ 4 0 3 / 4
10. Resolver el sistema XTB=XT; donde B= .
SOLUCION
(XTB)T= (XT)T
BTX=X (BT-I)X=0
1 1/ 3 1/ 4
1/ 2 2 / 3 0
1/ 2 1/ 3 1 / 4
T
B -I= , formando la matriz ampliada
1 1/ 3 1/ 4 0 1 4/3 0 0
1/ 2 2 / 3 0 0 0 1 1/ 4 0
1/ 2 1/ 3 1/ 4 0 0 0 0 0
resolviendo el sistema.
(4 / 3)t
t
4t
X= , donde t es un parmetro lo cual no indica que hay infinitas
soluciones.
SOLUCION
a+b=(0;-2;2) no pertenece a UW
UW no es un espacio vectorial. no tiene base.
iii)U+W: a U y b W m(1;-1;0)+n(0;0;1)+p(1;0;0)+q(0;1;1)=0
1 0 1 0 0 1 0 1 1 0
1 0 0 1 0 0 1 0 0 0
0 1 0 1 0 0 0 1 0 0
el sistema presenta solucin nica ,
entonces las vectores son LI
SOLUCION
1 0 0 1 1 0 0
0 1 0 0 1 1 0
1 0 1 0 0 0 1 0
2 1 1 0 0 0 0 0
; si analizamos =1
SOLUCION
Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)
1 0 a a 0
1 0 1 0 0
0 1 a a 0
0 1 0 1 0
; por lo menos uno debe ser dependiente det(A)=0
0 1 0 0 a a
1 a a 1 a a
1 0 1 1 0 1
Det(A)= - =-(1-a)-a(1-a)-a2=-1+2a=0
a=1/2
Problemas Resueltos
1. En el espacio
P3 de los polinomios de grado 3, verifique si
linealmente dependientes
0= 1 ( x 33 x 2+5 x +1 ) + 2 ( x 3x 2 +6 x+ 2 ) + 3 ( x 37 x 2 +4 x )
5
( 1+6 2 + 4 3 )+( 1+ 2 2)
0= ( 1+ 2 + 3 ) 2 ( 3 1 + 2+ 7 3 ) +
3
Igualando coeficientes
1+ 2 + 3=0
3 1 + 2 +7 3 =0
5 1 +6 2+ 4 3=0
1+2 2=0
( )( )
1 11 0 0 0 0 0
3 17 0 0 0 2 0
5 64 0 0 1 1 0
1 20 0 1 2 0 0
2 3=0
2 + 3=0
1+2 2=0
recta L =
i) B = {( ) ( ) ( ) ( )}
1 0 , 1 1 , 1 1 , 0 0
0 0 0 0 1 0 0 1
1+ 2 + 3=0
2+ 3=0
3=0
4=0
2
3 = 4=0 si , determinanuna base de B1
>
2i) B= {( ) (
0 1 1 0 ) ( ) ( )}
1 0 , 1 1 , 1 0 , 1 1
1 0 0 1
1 2+ 3 + 4 =0
2 + 3=0
2+ 3=0
1+ 4 =0
1 1 1 1 0 0 01 00
( 1 0 0 10
)(
0 1 0 1 0 1
0 1 1 00 0
1
01
11
00
00
00
10
)
Dando forma escalonada a la matriz se obtiene que:
3=0
3= 1=0
2+ 3=0
1+ 4 =0
4
formen una base de R
4
R =S={ ( 1; 0 ; 0 ; 1 ) , ( 0 ;1 ; 0 ; 0 ) , ( 0 ; 0 ; 1; 0 ) }
cuadradas de orden 2
U= {( )
x
z
y tal que x y + zt=0
t }
V= {( )
x
z
y tal que x= , y= , z= , t=
t }
W= {( 0 1 1 1) ( )}
1 0 , 1 1
.Calcular la base y dimensin de U,V ,W ,U
W,U+W
Solucin
U:
0 0 ( ) (
U= y 1 1 + z 1 0 +t 1 0
1 0 0 1 ) ( )
{( ) ( ) ( )}
U= 1 1 , 1 0 , 1 0 = dim ( U ) =3
0 0 1 0 0 1
V:
(
V = 1 1 + 0 0
0 0 1 1) ( )
{( )( )}
V = 1 1 , 0 0 = dim ( V )=2
0 0 1 1
W:
{( ) ( )}
W = 1 0 , 2 1 = dim ( W ) =2
0 1 1 0
U W :
b= 1 =2
c= 2= 2
d= 3= 1
{( )}
>U W = 1 1 ; dim ( U W ) =1
1 1
U +W :
( ) ( 1 0 0 1 ) ( ) (
a 1 1 +b 1 0 +c 1 1 + d 1 1 +e 2 1 = 0 0
0 0 0 1 1 0 0 0 ) ( )( )
(
U +W = ab +c +d +2 e a+e
b+e cd )
{( ) ( ) ( ) ( )}
>U +W = 1 0 , 0 1 , 0 0 , 0 0 = dim ( U +W )=4
0 0 0 0 1 0 0 1
3
6. Dados los subespacios vectoriales de R
Solucin
S=a (1,2,1 ) +b ( 0,0,1 ) = S= {( 1,2,1 ) , ( 0,0,1 ) }= dim ( S )=2
a= 1 =0
b=2 1=0
c= 1 + 2= 1
S +T :
( )( )
1 2 1 1 2 0
S +T = 0 0 1 = 0 0 1
0 0 1 0 0 0
S= {( x , y ) R 2 talque x 0, y 0 } de R2 ; T= {( x , y ) R talque e + y =0 }
2 x
de
R2 ,
W { ( x , y , z ) R talquex + y + z=0 }
3
de R3
u S , u S /u+ (u )=0
! 0 T /0+a=a , a T
Sea a=( x ,e x )
0+ ( x ,e x ) =(x ,e x )
w W , R , w W
W ={x , y ,( x 2 + y 2 ) }
2 2 2 2
w=2 ( x , y ,( x + y ) )=(2 x , 2 y ,( 2 x +2 y ))
w=(2 x , 2 y ,( 2 x 2 +2 y 2 ))
Notiene la forma ( A , B , ( A 2 +B 2 ))
2
> No es subespacio vectorial de R
( )
5 0 0
8. Sea A = 1 5 0 para que valores de X existe un escalar a
0 1 5
()
m
X= n
p
AX =ax
( )() ()
5 0 0 m m
1 5 0 x n =a n
0 1 5 p p
( )( )
5m am
m+5 n = an
n+5 p ap
5 m=am (1 )
m+ 5 n=an ( 2 )
De (1 ) a=5 ( 4 )
( 4 ) en(2)
m+ 5 n=5 a= m=0
( 4 ) en(3)
()
0
X ={ 0 / p R }
p
( )
w={ a m /a , b , m , n R }
b m
( ) ( ) ( )
w=a 1 0 + m 0 1 +b 0 0
0 0 1 0 0 1
( ) ( ) ( )( )
1 0 + 0 1 + 0 0 = 0 0
0 0 1 0 0 1 0 0
===0= ES L . I .
{( ) ( ) ( )}
1 0 ; 0 1 ; 0 0 es una base de W
0 0 1 0 0 1
[ ]
1 a b
B) Averige si la matriz A= a 1 c es no singular
b c 1
1 a b
| A|= a 1 c 1
b c 1
c 1 | | |
1 c +a a b +(b) a b
c 1 1 c | | |
| A|=1 ( 1+ c 2) + a ( a+cb )b (acb)
| A|=1+c 2+ a2 +abcabc+b 2
| A|=1+a2 +b 2+ c2 >0
| A|> 0= es no singular
U W =R3 ?
U +W
1
1 1
0 000
1 0 1
0 1
1
0 1
0 000
1 0 1
0 0
( ) ( )
U W
Sea V U W = V U y V W
1= 1 ; 1= 2 ; 2 = 2= 2 = 1
Como U W 0= U W no existe
4
12. En R sean los vectores u= (1,0,1,2 ) , v=( ,1,0,1 ) , w=( 0, ,1,1)
Para que U,V,W sean LD deben formar una combinacin lineal y tener una
solucin no trivial.
U + V +W =0
+=0
+ =0
=0
2 + + =0
(
1 0 0
0 1 0
1 0 1 0
2 1 1 0
)
Llevando a la forma de la matriz escalonada.
1 0 0
( 0 1
0 1
0 1 0
0
0
0
)
Para=1
(
1 1 0 0
)( )
1 1 0 0
0 1 1 0 0 1 1 0
0 1 1 0 0 0 0 0
0 0 0 0 0 0 0 0
=b ; =b ; =b= Es L . D .
base para S T .
S=( x , y , t , z )=( x , x , t , t )=( x , x ,0,0 )+ ( 0,0,t ,t )=x ( 1,1,0,0 )+ t ( 0,0,1,1 )= {( 1,1,0,0 ) , ( 0,0,1,1 ) }
( 0
a
a
01 1 0
1 0 a
01 a
)(
1 0
0 12 a 0
2 1 1
1
0
0
)
Para que tengadimensin 3= 12 a=0= a=1/2
Sea V S T
1= 1 2 ; 1=2 1 ; 2=2 2 ; 2 =2 1 = 1= 2
PRODUCTO INTERNO
1. au+bv , w =a u , w + b v , w
2. u , v = v , u
3. u , u 0, u V ; u , u =0 u=0
donde u , v , w son vectores y a ,b son escalares
( x , y )=3 x1 y 1+ 2 x 1 y 2 +6 x 2 y 2+2 x 2 y 1
Donde x = (
x 1 , y 1 ); y = ( y 1 , y 2 )
Se cumple:
ii) x + y , z = x , z + y , z , x , y , z V
( x 1 , x 2 ) +( y 1 , y 2 ) , ( z1 , z1 )
3 ( x1 + y 1 ) z 1+2 ( x 1 + y 1 ) z 2 +6(x 2 + y 2 )z 2+ 2 ( x 2 + y 1 ) z1
( 3 x1 z 1+2 x 1 z 2 +6 x 2 z 2+ 2 x 2 z 1 ) + ( 3 y 1 z1 +2 y 1 z 2 +6 y 2 z 2 +2 y 1 z 1 )
( x 1 , x 2 ) , ( z1 , z2 ) + ( y 1 , y 2 ) , ( z1 , z2 )
x , z + y , z
iii) ax , y =a x , y , x , y R , a R
a ( x 1 , x 2 ) , ( y 1 , y 2 ) + ( a x 1 , ax2 ) , ( y 1 , y 2 )
3 a x1 y 1 +2 a x 1 y+ 6 a x2 y 2 +2 a x 2 y 1
a ( 3 x 1 y 1 +2 x 1 y+ 6 x2 y 2 +2 x 2 y 1) =a x , y
iv) x , x 0 xV ; x , x =0 x=0
x , x =3 x 12+2 x 1 x 2 +6 x 22 +2 x 2 x 1=3 x12 + 4 x 1 x 2+ 6 x 22=( x12 + 4 x 22 )
2
( 2 x12 + 4 x 1 x 2+ 2 x 22 )=( x12 + 4 x 22 ) + 2 ( x 1 + x 1) 0
2
v) x , x =0 x=0 ( x 12+ 4 x 22 ) +2 ( x 1+ x 1 ) =0 ;
x 1 0 x 2=0
x=( 0,0 )
es un producto interno
Ejemplo
Indique si la expresin sobre R3 , ( x , y , z )=x 1 y 1+ 2 x 2 y 2 +3 x 3 y 3
Ejemplo: Sea
( R2 ,+, R ,. ) y lamatriz A= 1 (2 25 )
La funcin , : R2 x R R X ,Y =X t AY es un producto interno ?
PRUEBA:
1. X ,Y =X t AY
t
Y , X =Y AX
t
( X t AY ) =Y t At X=Y t AX
Entonces:
X ,Y = Y , X
X ,Y =( x 1 x 2 )1 x2 1 (2 25 ) ( yy )
2x 2
1
2 2 x1
=( x1 2 x 2 2 x1 +5 x 2) 1 x 2
()
y1
y2 2 x1
( x 12 x 2 ) y 1+ (2 x 1+ 5 x 2 ) y 2= x 1 y 12 x 2 y 12 x1 y 2 +5 x 2 y 2 ( 1 )
Y , X =( y 1 y 2 )1 x 2 1(2 25 ) ( xx )
2 x2
1
2 2 x1
=( y 12 y 2 2 y1 +5 y 2 )1 x 2
x1
()
x2 2 x1
( y 12 y 2 ) x 1 + (2 y1 +5 y 2 ) x2 = y 1 x 12 y 2 x 12 y 1 x2 +5 y 2 x 2 ( 2 )
2. X +Y , Z = ( X +Y )t AZ=( X t +Y t ) AZ= X t AZ +Y t AZ
X , Z + Y , Z
3. X , Y = ( X )t AY = X t AY = X , Y
4.
X , X 0 X t AX=( x 1 x 2 ) 1 (2 25 )( xx ) 1
X , X =0 X =0
2 2
( x 12 x2 ) + x 2 =0 x 1=0 y x2 =0
NORMA DE UN VECTOR
La norma de un vector v que pertenece a un espacio vectorial V se
define:
|v|=v= v , v
OBSERVACION
A , B =tr( A Bt )
n
3. En el espacio vectorial R :
a ,b = ( a1, a 2 , , an ) , ( b 1 , b2 , , bn )
a1 b1 ++ an bn
n
4. En el espacio vectorial C :
A , B =a1 b 1 +a2 b 2 ++ an b n
p , q = p ( x 1 ) q ( x 1 )+ p ( x 2 ) q ( x 2 ) ++ p ( x n ) q ( x n )
PROPIEDAD
|u|=|||u|
u , v
cos =
|u||v|
=ang ( u , v )
PROPIEDADES
. u 0
. u=0 u=0
. u=||u
2 2 2 2
. u+ v +uv =2u + 2v ( Ley del paralelogramo)
OBSERVACION
ORTOGONALIDAD
x y x , y =0
Ejemplo:
f ( x )= y g ( x )= x , definidas en el
2 3
Sean las funciones reales continuas 2 2
2 2
2 , 3 x = 2 3 x dx = 3 x 2 1 =0 son ortogonales
2 2
1 2 2 1
PROPOSICION
Ejemplo: { ( 3 4
)( 4 3
(1, 0, 0 ) , 0, , , 0, ,
5 5 5 5 )} es un conjunto ortogonal
3 4
(
( 1, 0,0 ) . 0, , =0
5 5 )
(0, 35 , 45 ) .( 0, 45 , 35 )=0
4 3
(
( 1, 0,0 ) . 0, , =0
5 5 )
Es un conjunto ortogonal
TEOREMA
v = v ,u 1 u1 + v ,u 2 u2 ++ v , un un
Ejemplo: v =( 7,5, 10 )
{ 3 4
(
5 5
4 3
5 5 )( )}
(1, 0, 0 ) , 0, , , 0, , base ortonormal
Solucin:
3 4
( 7,5, 10 )= ( 7,5, 10 ) , (1, 0, 0 ) (1, 0, 0 ) + ( 7,5, 10 ) , 0, ,
5 5 ( ) (0, 35 , 45 )+ (7,5,10 ) ,( 0, 45 , 35 ) (0, 45 ,
3 4 4 3
( )
7 ( 1,0, 0 ) +5 0, , + (10 ) 0, ,
5 5 5 5 ( )
DEFINICIN.- La proyeccin de un vector v sobre un vector distinto de
0 (vector nulo) se denota:
v , u
Proy u v= u
uu
Para tener una base ortonormal, se normaliza cada uno de los vectores
u1 , ,u n :
u1=v 1
u2=v 2Proyu v 2 1
Ejemplo:
4
Dado el conjunto { ( 1, 2,0, 3 ) , ( 4, 0,5, 8 ) , ( 8,1, 5, 6 ) } es L.I. en R , los vectores
Solucin:
Sean v 1= (1, 2, 0,3 ) , v 2=( 4, 0,5, 8 ) , v 3 =( 8,1, 5, 6 )
Aplicando GRAM-SCHMIDT
( 8, 1, 5,6 ) , ( 2,4,5, 2 )
( 2,4, 5,2 ) =( 8,1, 5, 6 )( 2, 4, 0, 6 ) (2,4, 5, 2 )=
( 2,4,5, 2 )( 2,4, 5, 2 )
(4,1, 0,2)
u1 , u2 =0 , u1 ,u 3 =0 , u 2 , u3 =0
{( 1
,
2
14 14
, 0,
3 2 4 5 2
)(
, , , , ,(
4
,
1
14 7 7 7 7 21 21
,0,
2
21 )
) Conjunto ortonormal
}
PROYECCIONES SOBRE SUBESPACIOS
V ortogonales a cualquiera de U .
U = { vV / u , v =0 u U }
. Sea V un espacio euclideo y U un subespacio vectorial de dimensin
. Al vector
u1 se le llama Proyeccin ortogonal de v sobre U y se
denota
Proy u v .
. El vector
u2 se conoce como Componente de v sobre o
vProy u vvuu U
OBSERVACION
Ejemplo:
Solucin:
Se necesita una base ortonormal a W , cualquier vector de W se puede
expresar como
1 1
u1=( 1,0,0 ) , u2= 0,
( ,
2 2 )
w=Proyw v= v ,u1 u1+ v ,u 2 u2= ( 3, 2,6 ) , ( 1, 0,0 ) ( 1, 0,0 )+ ( 3, 2, 6 ) , 0,
( 1 1
,
2 2 ) (0, 12 , 12 )
8 1 1
( 3,0, 0 )+ 0,
(
,
2 2 2
=( 3, 4, 4 )
)
w =V Proy w v=( 3, 2,6 )( 3, 4, 4 )=(0,2, 2)
Luego:
Ejemplo: Sea u , v =u 1 v 1 +3 u2 v 2 +5 u3 v 3
u=(u1 ,u 2 , u3 )
v =( v 1 , v 2 , v 3 )
ii) x + y , z = x , z + y , z
x
( 3+ y 3) z3
( x 1+ y 1 , x 2+ y2 , x 3+ y 3 ) , ( z 1 , z 2 , z 3 ) =( x 1+ y 1 ) z 1+ 3 ( x 2 + y 2 ) z 2+5
x 1 z 1+ y 1 z 1+ 3 x 2 z 2 +3 y 2 z 2 +5 x 3 z 3 +5 y 3 z 3= x , z + y , z
iii) x , y = x , y
( x 1 , x 2 , x 3 ) , ( y 1 , y 2 , y 3 ) = x 1 y 1+ 3 x 2 y 2 +5 x 3 z 3
( x1 y 1+ 3 x 2 y 2+5 x 3 y3 ) = x , y
iv) x , x 0
x , x =x 12+ 3 x 22 +5 x32 0
u2 , b1
b2=u2Proy b u1=(1,1, 0 ) 2
b1
1
b1
(1, 1, 0 )
(1, 1, 0 ) , (1,1,1 ) (1, 1,1 )
2
|(1, 1,1 )|
4 5 5 4
b2= (1, 1,0 ) (1,1,1 )=
9
, ,
9 9 9 ( )
b3 =u3Proy b u3 Proy b u3
1 2
( 3,0, 0 )
( 3, 0, 0 ) , (1,1,1 ) (
2
1, 1,1 )
( 59 , 59 , 49 ) 5 , 5 , 4
( 3, 0,0 ) ,
2 ( 9 9 9)
|( 1,1,1 |
)
|( 9 , 9 , 9 )|
5 5 4
i. x , y y , x> , x , y V
ESPACIO EUCLIDIANO
Es todo espacio vectorial real con producto interno, la adjuncin de un producto
interno permite establecer una mtrica en l, los conceptos de: distancia,
mdulo de un vector, ortogonalidad y ngulo entre dos vectores; son nociones
que dependen de un producto interno que se establezca en un espacio
vectorial.
Ejemplo:
Se define sobre 2:
( x , y )=3 x1 y 1+ 2 x 1 y 2 +6 x 2 y 2+2 x 2 y 1
x=( x 1 , x 2 ) ; y=( y1 , y 2)
Donde: Indique si es un producto interno.
Solucin:
axiomas.
i) x , y y , x> , x , y V
( x 1 , x 2 ) , ( y 1 , y 2 )3 x 1 y 1 +2 x 1 y 2+ 6 x 2 y 2+ 2 x 2 y 1 =3 y1 x 1+2 y 1 x 2 +6 y 2 x2 +2 y 2 x 1
.
( y 1 , y 2 ) , ( x 1 , x 2 )3 y 1 x 1 +2 y 1 x 2+ 6 y 2 x 2+ 2 y 2 x1
.
x+ y , z ( x 1 , x 2 ) + ( y 1 , y2 ) , ( z 1 , z 2 ) ( x 1 + y 1 , x 2 + y 2 ) , ( z 1 , z 2 ) 3 ( x1 + y 1 ) ( z 1 ) +2 ( x1 + y 1 ) ( z 2 )+ 6 ( x 2+ y2 ) ( z 2 ) +
( x 1 , x2 ) , ( y 1 y2 ) 3 x 1 y 1 +2 x 1 x 2 +6 x 2 y 2 +2 x 2 y 1= < x , y>
.
.
2
( x 1 , x 2 ) , ( x 1 , x 2 ) > 3 x 21+2 x 1 x 2 +6 x 22+2 x 1 x 2=( x 1 +2 x 2 ) +2 ( x 21+ x22 ) 0 si x 1=x 2=0 < ( x 1 , x 2 ) , ( x 1 , x 2 ) >
Ejemplo:
n
En ( R ,+, R , ) se define:
,>: Rn Rn R
x , y > x t y
x1 y1
Donde:
() ()
x= x2 , y =
xn
y2 .
yn
Indique si es un producto interno.
Solucin:
y1 x1
i)
t
x , yx y= ( x1 x 2 x n )
()
y2
yn
n
i=1
n
= x i y i = y i xi = ( y 1 y 2 y n )
i=1
()
x2
xn
= y , x >
t t t t t
ii) x+ y , z(x+ y ) z=( x + y ) z =x z + y z= x , z >+ y , z>
t t
iii) x , y( x) y= x y=< x , y >
n
iv) x , xx t x= x 2i 0
i=1
PROPIEDAD
En todo espacio con producto interno, el producto interno de cualquier vector y
el vector nulo es cero.
0, x x , 00
Definicin
La norma de todo vector v que pertenece a V es un nmero real no negativo:
v , v >
v=|v|=
ORTOGONALIDAD
Sea (V ,+, R ,) un espacio vectorial con producto interno, se dice que dos
2
Es una funcin definida en dicho espacio. Indique si los polinomios 2 y
3 x
2 son ortogonales.
Solucin:
Realicemos el producto interno:
1
2 , 3 x
2 2 = 2 3 xdx= 3 x 2 1 =0
1 2 2 4 1 |
Como vemos, el producto interno si es nulo, por lo tanto si son ortogonales.
PROPIEDADES
1.- Desigualdad de Schawrs
En todo espacio vectorial euclidiano se cumple que el valor absoluto del
producto interno es menor o igual que el producto d los mdulos de dichos
vectores.
x , y >
x, y> 1
|x|| y|
1
Para 0
x, y>
|x|| y|
cos=
Es decir si xi , x j =0 i j/1 i j n
Proposicin:
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es
linealmente independiente.
Demostracin:
{ x 1 , , x r } un conjunto ortogonal tal que x i 0 i=1,2, , r
Sea y sea la
r
j x j , x i = 0, x i0
j=1
Luego
r
j x j , x i =0
j=1
i j x j , xi =0
Como , la sumatoria se reduce a un nico termino que se
i= j i x i , x i =0 xi 0 xi , xi 0
obtiene si es decir siendo entonces
i=0 i=1,2, , r
lo que indica que
Definicin:
Un conjunto de vectores en un espacio vectorial V se dice que es un conjunto
ortogonal si cada par de vectores es ortogonal.
Se dice que es un conjunto ortonormal si es ortogonal y cada vector es unitario.
Ejemplo:
TEOREMA:
Un conjunto ortogonal de vectores diferentes del vector nulo en un espacio
vectorial V es L.I. en consecuencia determinan una base.
DEFINICIN
Una base que es un conjunto ortogonal se dice que es una base ortogonal. Una
base que es un conjunto ortonormal, se dice que es una base ortonormal.
Observacin
Hay muchas bases para un espacio vectorial, la base que se utilice depende
del problema en consideracin, se recomienda utilizar la base ms
conveniente, a menudo la base ms adecuada es un conjunto ortogonal o un
conjunto ortonormal.
Ejemplos
2
01) Una recta L que pasa por P0 R y en la direccin 0 es un
L={ P0 +t /t R }
conjunto
P=P0 +t L v
Si es un punto arbitrario de y es un vector ortogonal a
( PP0 ) , v t , v t < , v 0
Entonces
ax +by +c=0
QP P L
es la longitud del segmento , donde
d (Q , P )=|QP| ,
ar +bs +c
=
a2 +b 2
d ( Q , P )=
| ar + bs+c
a2+ b2
(a , b)
|
|ar + bs+c|
d ( Q , P )=
a2+ b2
w es ortogonal a v
u , w >
|bc +ad|
h= =
a2+ b2
1
h|v|
Dado que rea = 2 , se tendr:
1
rea del triangulo= 2 |
, w |
Luego:
,v
cos= ,|w|=|u|
|||v|
,w
sen=cos ( 2
= )
|||v|
,w
sen=
|||v|
TEOREMA
{1 , , n }
Sea una base ortonormal, sea un vector en V , el vector
manera siguiente:
=( . 1 ) 1 + ( . 2 ) 2 ++ ( . n ) n
= , 1 1+ , 2 2+ + , n n
Es decir
Ejemplo:
3 4 4 3
(
1=( 1,0,0 ) , 2= 0, , , 3 = 0, ,
5 5 5 5) ( ) , que determinan una base ortonormal
3 4 4 3
(
=7 ( 1,0,0 )+ 5 0, , 10 0, ,
5 5 5 5 ) ( )
Definicin
Proy
se define:
.
Proy =
{1 , , n }
vectores definido de la manera siguiente es ortogonal
1 , , n
cada uno de los vectores es decir:
1= 1
2= 2Proy 2 1
3= 3Proy 3Proy 3
1 2
.
n= nProy nProy n Proy n
1 2 n1
Ejemplo:
Solucin:
1= (1,2,0,3 ) , 2 =( 4,0,5,8 ) , 3=( 8,1,5,6 ) , aplicando Gram-Schmidt para
Sean
2 . 1
2= 2Proy 2=( 4,0,5,8 )
1
1 1 1
( 4,0,5,8 ) . (1,2,0,3 )
2=( 4,0,5,8 ) ( 1,2,0,3 )=( 2,4,5,2 )
( 1,2,0,3 ) . ( 1,2,0,3 )
3= 3Proy 3Proy 3
1 2
para .
{( 1
,
2
14 14
, 0,
3
14
2 4 5 2
, ,
7 )( , , ,
7 7 7 ) ( 421 , 121 ,0, 221 )} es una base
ortonormal de .
LEMA:
{1 , , n }
Un conjunto ortonormal es L.I y cualquier vector "" que pertenece
i
ortogonal a cada uno de los .
OBSERVACION
Las bases ortonormales desempean un papel importante en las espacios con
producto interno, en el lema anterior se muestra que siempre existe una base
ortonormal.
Ejemplo
u=( u1 , u2 , u3 ) , v=(v 1 , v 2 , v 3)
Para
Solucin
x 1=( 1,0,0 ) , x 2=(1,1,0 ) , x 3= (1,1,1 )
Sea
1 1 +3 ( 0 )( 1 ) +5 ( 0 ) ( 0 )
y 2=(1,1,0 ) ( ( ( ) () ( ) )
1 1 +3 ( 0 )( 0 )+5 ( 0 )( 0 ) )
( 1,0,0 )=(0,1,0)
x3 , y1 x 3 , y2
y 3=x 3Proy y x 3Proy y x 3=x 3 y 1 y
1 2
y1 , y1 y2 , y2 2
(1 )( 0 )+ 3 ( 1 ) ( 1 ) +5 (1 ) (0)
y 3=(1,1,1 ) ( ( 1 )(1 ) +3 (1 )( 0 ) +5 (1 )( 0 )
)
( 1 ) ( 1 ) +3 (1 )( 0 ) +5 ( 1 ) ( 0 ) (
( 1,0,0 )
)
( 0 )( 0 )+ 3 ( 1 ) ( 1 ) +5 ( 0 ) (0)
(0,1,0)
{1 , , n }
una base ortonormal de talque la matriz de transicin de
i=a i1 1 +a i2 2 ++ aii i
Prueba:
1
1 = { 1 } es ortonormal, luego consideramos
Consideremos 1 entonces
2
2 = 2 2 , 1 1 2= 1
un , 2 2 es ortogonal a , entonces
{1 , 2 }
es ortogonal.
2 1 { 1 , 2}
Por el lema es ortogonal a , entonces es un conjunto
3
3 = 3 3 , 1 1 3 , 2 2 3=
ortogonal. , tal que 3 , nuevamente por
3 {1 , , n }
el lema es ortogonal, en general al obtener
i +1=i +1 i +1 , 1 1 i+1 , i i
consideramos los siguiente: ,
i+ 1
i+1= i +1 0 , i +1 L( 1 , , n)
i+ 1 se puede observar que ,
{1 , , n }
es ortonormal que forma una base de .
Ejemplo:
Sea { 1=( 1,1,1 ) , 2 =( 0,1,1 ) , 3=( 0,0,1 ) } una base de R
3
, encuentre una
base
Ortonormal utilizando el proceso de ortogonalizacin de Gram Schmidt.
Solucin:
1 ( 1,1,1 ) 1 1 1
Sea
1= =
1
3
= , (,
3 3 3 )
2
Hacemos:
2 = 2 2 , 1 1= ( 0,1,1 )
3 ( 13 , 13 , 13 )=( 23 , 13 , 13 )
2 2 1 1
2= = (, ,
2 6 6 6 ) , luego 3 = 3 3 , 1 1 3 , 2 2
1
3 =( 0,0,1 )
3 ( 13 , 13 , 13 ) 16 ( 2 ,
1 1
,
6 6 6 )=( 0,
1 1
2 2)
,
,
3 1 1
3=
3 (
= 0, ,
2 2 )
La base ortonormal es { 3 3 3 6 6 6 2 , 2 ) }
( 1 1 1
1=
, , ) , =(
2 1 1
, , ) =( 0,
2
1 1
3
.
Proy w
, denotada se define como:
Proy w = , 1 1+ , 2 2+ + , n n
TEOREMA:
n n
Sea W un subespacio de R , cada vector en R se puede
w y w son:
w=Proy w y w=Proy w
Ejemplo:
Solucin:
ortonormal { 1 , 2 }
1 1
Para W, donde
1=( 1,0,0 ) y 2= 0, ( ,
2 2 ) ,
(
w=Pro y w = , 1 1+ , 2 2 w= ( 3,2,6 ) , ( 1,0,0 ) ( 1,0,0 ) + ( 3,2,6 ) , 0,
1 1
,
2 2 ) (0, 12 , 12 )=( 3,4,4 ) w
y .
Solucin
(21 ) (
1 2 1 0 1
2 1 0 1 0 )
Sea H= {( 1,0,1 ) , ( 0,1,0 ) } donde h1=( 0,1,0 ) , h2 =( 1,0,1 ) ; h1 ,h 2 =0 , H es
ortogonal.
Proy H w=
w ,h 1
| h1 , h1 |
h1 +
w , h2
| h2 ,h 2 | 1 1
( 1
h2=3 ( 0,1,0 ) + ( 1,0,1 )= ,3, .
2 2 2 )
Otro mtodo:
=(5,0,5 )=w 1 .
(2,3,3 )(5,0,5 ) 1 1
Proy H w=wProy H w1=(2,3,3 )
(5,0,5 )(5,0,5 )
(5,0,5 )= ,3,
2 2 ( )
OBS:
U = { v V / v ,u =0, u U }
PROPIEDADES:
1) Si v V es ortogonal a todos lo elementos de una base de U ,
entonces v U .
2) Si U W W U .
COMPLEMENTO ORTOGONAL
es un complemento ortogonal .Se denota como S y se denomina
Ejemplo
base arbitraria {(
1 0 ) ( )}
B= 1 1 , 0 0
0 1 y aplicando las condiciones de
( ) ( )
1 1 , w
1 0 y ( )
x =0=tr w+ y x + z =0=wx + y x=w+ y
z w x
( ) ( )
0 0 , w
0 1 y ( )
x =0=tr 0 0 =0=z+ 0
z y z
nmero complejo que satisface los mismos axiomas que los del producto
interno real excepto el de la simetra que se reemplaza por la relacin
x , y = y , x (simetra hermitiana)
Ejemplo
Sea el espacio vectorial de las matrices cuadradas de orden dos con
elementos complejos y el producto interno definido por
A , B =a11 b11 +a12 b12+ a21 b21+ a22 b22
Sea (1+i
i
1i )(
2 2i i = 2
5 5i
2+i
4 +i 16i)( )
Luego
4+i
i)= 4+ ( 4+1 ) + ( 16+ 1 )+ (1+36 )= 63
(2 ) (2 )+ ( 2+ i ) (2+i)+(4 +i) ( )+(16 i)( 16
( 2 2+i =
4 +i 16 i ) (4+i
2
)(
2+ i , 2 2+i =
16 i 4 +i 16 i )
Ejemplo
interno A , B =tr( A B) .Determine el ngulo entre dichos vectores
Solucin
( )( ) ( )
i 0 3i 4 i 1+2 i
A , B =tr 2 3i
1i 1
3 4 2+i
2i 0 i
=tr 12 8 )
7+2 i =7+7 i
3+ 5i 44 i 1+ 4 i
( )( ) ( )
i 0 1 2i 1i
Tambin:
A , A =tr 2 3i
1i 1
i 2 1+i =tr
0 3 i 1
2i 13
1+i 25 i
)
2+5 i =17
3
(( )( ) ( )
3 2i 13 12 83 i
B , B =tr 4 0
2i i
3 4 2+i =tr
2i 0 i
12 16
8+3 i 84 i
)
8+4 i =35
6
i)
=arc cos ( (7+7
17 35 )
=73,32 0
vProyu vvu, u U
EJEMPLOS
1
2.
PROBLEMA 1
Ses f (u, v) 6x1y1 4(x1y2 + x2y1) + 7x2y2 ; con un u (x1,x2), v
(y1,y2)
SOLUCION
x2 + y2);(z1,z2) >
= 6( x1 + y )z 4[( x + y1)z + ( x +
1 1 1 2 2
y )z ] + 7z
2 1 2
( x2 + y2) (1)
Tambin:
De (1) y (2)
u+ v ; z = <x,z> + <y,z>
u , u = 0 u = 0
La norma de u = 1,2
u= u , u = 18=3 2
PROBLEMA 2
4
Sea el espacio vectorial R sobre R , se define el subespacio
vectorial
SOLUCIN
a) (x,y,t,z) Si t = x + y + z ( x , y , x + y + z , z) = x( 1,0,1,0) +
y(0,1,1,0) + z(0,0,1,1)
{ ( 1,0,1,0) ; (0,1,1,0) ; (0,0,1,1) } el conjunto LI y por lo tanto una
base del subespacio W
Si consideramos V1 = ( 1,0,1,0) , V2 = (0,1,1,0) y V3 = (0,0,1,1)
V 2 , u1 > u
u2=
V2 - Proy Vu
1
2
1
(0,1,1,0) - 2 (1,0,1,0)
1 1
u2=
(- 2 , 1, 2 ,0)
V3 V3
u3= Proy u Proy u
V3 - 1 - 2 = (0, 0, 1,1) -
1
2
1 1
(- 2 , 1, 2 ,0)
1 1
(0,0,1,1) ,( , 1, , 0)>
2 2
1
1 2 1 1 1
u3
= (0, 0, 1,1) - 2 (1, 0, 1,0) - 3 (- 2 , 1, 2 ,0) = (- 2 ,
2
1 1 1 1
0, 2 ,1) - 3 (- 2 , 1, 2 ,0)
1 1 1
u3
= (- 3 ,- 3 , 3 ,1)
1 1 1 1 1
H = { (1,0,1,0) ; (- 2 , 1, 2 ,0) ; (- 3 ,- 3 , 3 ,1) }
( x , y ,t , z ) , (1,0,1,0 ) =0 x +t=0
)
1 0 0 1 0
1 2 1 0 0 0 1 0 1 0
1 1 1 3 0 0 0 1 1 0
( x , y , t , z ) =( x , x ,x , x )=x (1,1,1,1)
Se obtiene {(1,1,1,1)}
Luego
1, 2, 3,
Resoviendo tendremos
PROBLEMA 3
SOLUCION
Sea:
u1=v1= (1,1,1)
(1,1,1)
11 8 1 1 2 5 3
u3=(1,-1,0) 8 ( 9 , 9 , 9 )+ 9 (1,1,1)=(0, 8 , 8 )
8 1 1 5 3
{(1,1,1), ( 9 , 9 , 9 ), (0, 8 , 8 )} Es un conjunto ortogonal
8 1 1
(1,1,1),( , ,
9 9 9
) 8
= 9 -
3
9
5
- 9 =0
(1,1,1),( 0,
5 3
, )
8 8 =-
15
8 +
15
8 =0
8 1 1
( , ,
9 9 9
) ,(0,
5 3
, )
8 8 =
15
72 -
15
72 =0
Luego:
|u1|= u1 , u1 = 3
2
|u2|= u2 , u2 = 3 2
|u3|= u3 , u3 = 15
8
La base ortonormal
1 1 1
, ,
{( 3 3 3 ), (
4
3 2 ,
1
6 2
1
, 6 2 ), (0,
5 2
4 15 ,
3 2
4 15 )}
PROBLEMA 4
Sea el espacio euclideo de las funciones continas en <-1,1> (intervalo),
1
definido el producto interno x , y > x( y) y(t ) dt, para que valor de los
1
SOLUCION
2
2 (t +1)
2
1
2 (+1) (t +1)
x , y > x( (t +1)
2
(t +1)
)
dt = 1 dt
1
1
3 (t +1 )
2
( + (t +1 ))
= 1 dt
1
PROBLEMA 5
U1 {(a,b,c)/a+b+c 0}
U2 {(a,b,c)/a c}
U3 {(0,0,c)/c R3}
SOLUCION
En U1 a+b+c=o a = -b c
(a,b,c ) = (-b -c,b,c) = b(-1,1,0) + c(-1,0,1)
{(-1,1,0); (-1,0,1)}
Luego (-1,1,0) + (-1,0,1) = (0,0,0)
==0 ; es un conjunto LI entonces es una base de U
1
En U2 a=c
(a,b,c ) =(a,b,a)= a(1,0,1) + b(0,1,0)
{(1,0,1) ;(0,1,0)}
Luego (1,0,1) + (0,1,0)= (0,0,0)
==0 ; es un conjunto LI entonces es una base de U 2
En U3
(0,0,c ) = c(0,0,1)
{(0,0,1) } ; es una base de U3
En U1+U2
U1 U2 V U1 V U2 V
( )( )( )
1 1 0 1 0 0 1 0 0
1 0 1 0 0 2 0 1 0
1 0 1 1 0 1 0 0 1
0 1 0 0 1 0 0 0 0
En U2+U3
U2 U3 V U V
2
U3 V
V=(a,b,c)=(0,0,0)
U U = 0; (SI HAY SUMA DIRECTA DE U U)
2 3 2 3
( )( )
1 0 1 1 0 0
0 1 0 0 1 0 {(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 2+U3)
0 0 1 0 0 1
En U1+U3
U U V U V U3 V
1 3 1
( )( )( )( )
1 1 0 1 1 0 0 1 0 1 0 0
1 0 1 1 0 0 1 0 0 0 1 0
0 0 1 0 0 1 0 0 1 0 0 1
PROBLEMA 6
Dado L = { t(1,-1,2) / t IR }
SOLUCION
(x,y,z) pertenece a L y P
Dado que P es un plano tiene dimensin 2
(x,y,z) = (1,-1,2) = (a,b,c) + (m,n,p) Si L y P hacen una suma directa
entonces (x,y,z) = 0
1=a+m (a,b,c) ; (1-a ; -1-b ; 2 - c)
-1 = b + n
2=c+p
PROBLEMA 7
SOLUCION
=0
a+ =0 = = =0 Por lo tanto es IL
b+ +c =0
V1 ( ) + V2( + b + V3( a + ) = 0
=0
+ b =0 = = =0 Por lo tanto es IL
a+ =0
PROBLEMA 8
SOLUCION
a11 2 a13 a13 a14
( a 21 a22
a 31 a32
a 41 a42
a23
a33
a 43
a24
a34
a44
) a11 + a22+ a33 +a44 =0
a
( 22+a 33 +a 44)
2 a13 a13 a14
a
a21 a22 a23
( )
0 2 1 0
24 0 0 0 0
= a13 0 0 0 0 +
a31
0 0 0 0
a32
a33
( a34 a41 a42 a 43 a 44 )
( ) ( ) ( )
0 0 0 1 0 0 0 0 1 0 0 0
0 0 0 0 1 0 0 0 0 1 0 0
a14 + a21 + a22 0 +
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
( ) ( ) ( )
0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0
a23 + a24 + a31 +
0 0 0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
( ) ( ) ( )
0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
a32 + a33 + a34 +
0 1 0 0 0 0 1 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0
( ) ( ) ( )
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
a 41 + a 42 + a 43 +
0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 1 0
( )
1 0 0 0
0 0 0 0
a 44
0 0 0 0
0 0 0 1
( )( )( )( )
0 2 1 0 0 0 0 1 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
{ ; ; ; ;
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
( )( )( )( )
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 ; 0 0 0 1 ; 0 0 0 0 ; 0 0 0 0 ;
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
( )( )( )( )
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
; ; ; ;
0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0
( )( )
0 0 0 0 1 0 0 0
0 0 0 0 ; 0 0 0 0 }
0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 1
PROBLEMA 9
Los polinomios 1; x-1; x2-3x+1; forman una base de P2, de ser cierto, exprese
el polinomio 2x2-5x+6 como una C.L. de los vectores de dicho base?
SOLUCION
+ ( x 1)+ (x2-3x+1) 0
x2 + x( 3 )+( + )=0
=0
+ =0
Como es una base expresar el polinomio 2x2-5x+6 como una C.L. de los
vectores de dicha base.
2x2-5x+6 = (c)x2+(b-3c)x+(a-b+c)
a-b+c =6
b-3c =-5
c=2
( )( )( )
1 1 1 6 1 1 0 4 1 0 0 5
0 1 3 5 0 1 0 1 0 1 0 1
0 0 1 2 0 0 1 2 0 0 1 2
PROBLEMA 10
a + a + x = 0
b + b + y = 0 Si = = 0 Necesariamente = 0
c + c + z = 0
d +d + t = 0 Entonces es V
b) (0,0,0,0) + (a,b,c,d) + (x,y,z,t) = (0,0,0,0)
0 + a + x = 0
0 + b + y = 0 Si = = 0 No necesariamente = 0
0 + c + z = 0Entonces es LD
0 +d + t = 0 Por lo tanto es V
x 3x 2
d) e +e + x + x =0
Entonces es V
3 3
e) (x,y, 2 y) = x(1,0,0) + y(0,1, 2 )
3
Tiene una base {(1,0,0) ; (0,1, 2 ) }
3
(1,0,0) + (0,1, 2 ) = 0 = = 0 es LI
( ) ( ) ( )
a11 b c 1 0 0 0 0 0
f) b a 22 d = a11 0 0 0 +a 22 0 1 0 +
c d a33 0 0 0 0 0 0
( )( )( )( )
0 0 0 0 1 0 0 0 1 0 0 0
a33 0 0 0 + b 1 0 0 +c 0 0 0 + d 0 0 1
0 0 1 0 0 0 1 0 0 0 1 0
Tiene base:
( )( )( )( )( )( )
1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0
{0 0 0 ; 0 1 0 ; 0 0 0 ; 1 0 0 ; 0 0 0 ; 0 0 1 }
0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0
Y es LI Por lo tanto es un subespacio vectorial.
PROBLEMAS PROPUESTOS
1. Exprese v =( 1,2, 3,4 ) en funcion de w yw
3
3. Considere en R el producto interno de
=( a 1 , a2 , a3 ) y =(b 1 , b2 , b3 )
como la relacion dada por
( ) ( )
3 2 1 1 0 1
A= 1 0 6 y B= 0 1 1 con el producto interno usual de
8 1 5 1 1 1
matrices
x=( x 1 , x 2 ) , y =( y 1 , y 2 )
5. Sean dos vectores, indique si las siguientes
expresiones corresponden a un producto interno (en R o en C )
f ( x , y ) =2 x 1 y 1+ 4 x 2 y 2
a)
g ( x , y )=x 1 y 1 +2 x1 y 2 +2 x 2 y 1+ 4 x 2 y 2
b)
c) ( x , y )=x 1 y 1i x 1 y2 +i x2 y 1+ 2 x 2 y 2
6. Determine el complemento ortogonal de los siguientes subespacios
5
a) V =R , W = { ( 2,2,1,1,0 ) , (1,2,2,2,1 ) , ( 0,1,3,2,1 ) } para el
producto interno usual
3
b) V =R , W 1= { (1,2,1 ) , ( 0,1,2 ) } para el producto interno definido por
x , y =x 1 y 1+2 x 2 y 2 + x 3 y 3 x1 y 2x 2 y 1
c)
V =C 4 , W 2= {( x 1 , x 2 , x 3 , x 4 ) C 4 tal que x1 +2 i x 2x 3 + ( 1+i ) x 4 =0 ; x2 + ( 2i ) x 3+ x 4=0 }
TRANSFORMACIONES LINEALES
TRANSFORMACION LINEAL ENTRE DOS ESPACIOSVECTORIALES
SOBRE UN MISMO CUERPO
si y solo si:
f ( x + y )=f ( x ) + f ( y )
Ejemplo:
f ( x 1 , x 2 , x 3 ) =( x1 x3 , x 2x 3 )
definida por indique si es una transformacin
lineal.
Solucin
1)
f [ ( x 1 , x 2 , x 3 ) + ( y 1 , y 2 , y 3 ) ] =f ( x 1 + y 1 , x 2+ y 2 , x 3+ y 3 )=( x 1 + y 1x 3 y 3 , x 2 + y 2x 3 y3 )
f ( x 1 , x 2 , x 3 ) + f ( y 1 , y 2 , y 3 ) =( x 1x 3 , x 2x 3 ) + ( y 1 y 3 , y 2 y 3 )=( x1 + y 1x 3 y3 , x 2+ y2 x3 y 3 )
2)
Se comprueba las dos condiciones por los tanto si una transformacin lineal.
Observacin: Una aplicacin, funcin o transformacin lineal es un conjunto de
operaciones que se realizan sobre un elemento de un subespacio vectorial,
para transformarlo en un elemento de otro subespacio, en las transformaciones
lineales se preservan las operaciones de suma de vectores y producto de un
escalar por un vector. El termino funcin lineal es usado incorrectamente en el
anlisis matemtico y en la geometra para designar una recta o en general una
variedad lineal.
Ejemplo:
Solucin:
f ( 2,3 )=f ( ( 2,0 ) + ( 0,3 )) =f ( 2,0 )+ f ( 0,3 )=f ( 2 ( 1,0 ) ) + f ( 3 ( 0,1 ) )
1) La imagen del vector nulo del primer espacio por toda transformacin lineal
es el vector nulo del segundo espacio.
f ( 0 v )=f ( 0w ) =0=0W =0v
2) La imagen del opuesto de todo vector del primer espacio es igual al opuesto
de su imagen.
f (x )=f ( (1 ) x ) =(1 ) f ( x )=f ( x )
f N(f)
imgenes por son el vector nulo del codominio. El smbolo se lee
N ( f )= { x V f ( x )=0W }
nucleo de f , por definicin . El nucleo de toda
x N ( f ) f ( x )=0W
Ejemplo
f ( x 1 , x 2 , x 3 ) =( x1 x3 , x 2x 3 ) f.
definida por: . Determine el nucleo de
Solucin
1)
(
f [ ( a , b )+ ( c , d ) ]=f [ ( a+c , b+d ) ]= a+ c+ b+d
0
0
a+b+ c+ d 0 )(
= a+ b 0 + c+ d
a+b 0 )( )
0 =f ( a , b ) +f ( c , d )
c +d
0 (
2 f ( ( a , b ) )=f ( a , b )= a+ b 0
a+ b
= a+b
0 ) (
0 =f ( a ,b )
a+ b )
Si cumple las dos condiciones es una T.L
Hallando su ncleo:
x +x 0
( )(
N ( f )= {( x 1 , x 2 ) R2 f ( x 1 , x 2) R2 2 } , ( x 1 , x 2 ) N ( f ) f ( x 1 , x 2 )= 0 0 = 1 2
0 0 0 )
x1 + x2
x 1 + x 2=0 x 1=x 2
Hallando su imagen:
( ) (
x +x
I ( f )={ A R2 2 / f ( x1 , x2 ) A } , A= a b I (f ) ( x 1 , x 2 ) R2 /f ( x 1 , x 2 ) A 1 2
c d 0
0
x 1+ x2 )( )
= a b x1 + x 2=a
c d
I( f )
Esta dado por ( )
A= a 0
0 a , La matriz (10 01) es un sistema de
I( f )
generadores de , constituye una base de dimensin 1.
TRANSFORMACIONES LINEALES
cuerpo K.
x f (x)
y f ( y)
x+ y f (x+ y) =f (x) + f ( y)
x f (x)=f (x)
Ejemplo 1:
definida por
Solucin:
f [ ( x 1 , x 2 , x 3 ) + ( y 1 , y 2 , y 3 ) ] =f ( x + y , x + y , x + y )=( x 1 y 1x 3 y3 , x 2 y 2x 3 y 3 )
i) 1 1 2 2 3 3
f ( x 1 , x 2 , x 3 ) + f ( y 1 , y 2 , y 3 ) =( x 1x 3 , x 2x 3 ) + ( y 1 y 3 , y 2 y 3 )=( x 1 + y 1x 3 y 3 , x 2 + y 2x 3 y3
x1 , x2 , x3
x 1x 3 , x 2x 3
ii)
()=f ( x 1 , x 2 , x 3 ) .. si cumple
()=f ( x1 , x2 , x 3 )=( x1 x 3 , x 2 x3 ) =
f
Ejemplo 2:
Supongamos que f : R2 R3 es una transformacin lineal que verifica
Solucin:
f ( 2,3 )=f ( ( 2,0 )+ ( 0,3 ) ) =f ( 2, 0 ) + f ( 0,3 )=f ( 2 (1, 0 ) ) + f (3 ( 0,1 ) )=
Ejemplo3:
Determine una transformacin lineal o aplicacin lineal generado por
F : R3 R 4 , si las imgenes estn dadas por ( 1,2,0,4 ) y (2,0,1,3)
Solucin
Sea
F ( x , y , z ) =F ( x e1 + y e 2+ z e 3 )=xF ( e1 ) + yF ( e 2 ) + zF ( e3 ) =x ( 1,2,0,4 )+ y ( 2,0,1,3 ) + z ( 0,0,0,0 )=( x+2 y
Luego F ( x , y , z ) =( x +2 y ,2 x , y ,4 x3 y)
Ejemplo 4:
II) La imagen del opuesto de todo vector del primer espacio es igual
al opuesto de su imagen.
f (x )=f ( (1) x ) =(1 ) f ( x )=f ( x )
V W
N (f ) 0w
El smbolo N (f ) se lee ncleo de f, por definicin
N ( f )= { xV /f ( x)=0w }
x N ( f ) f ( x )=0w
Ejemplo:
f :R
3 2
R definida por f ( x 1 , x 2 , x 3 ) =(x 1x 3 , x 2x 3) es una transformacin
Solucin:
N ( f )= {( x 1 , x 2 , x 3 ) R 3 /f ( x 1 , x 2 , x 3 )=(0, 0) }
( x 1 , x 2 , x 3 ) N ( f )
f ( x 1 , x 2 , x 3 ) =( 0,0 )
( x 1x 3 , x 2x 3 )= ( 0,0 )
( x 1=x 3 x 2=x 3 )
x 1=x 2=x 3=a N ( f ) ={ a ( 1, 1
Ejemplo
2 3
Sea la transformacin lineal f : R R
( f )={ f ( x)/ x V }
significa que ( f ) , ( f ) W
PROPIEDAD
La imagen de toda T.L. entre dos espacios vectoriales es un subespacio del
codominio.
Ejemplo:
Sea f : R2
R 2 x 2 definida por (
f ( a , b )= a+b
0
0
a+b )
Indique si es una T.L., halle su ncleo e imagen
Solucin:
(
f [ ( a , b )+ ( c , d ) ]=f [ ( a+c , b+d ) ]= a+ b+c +d
0
0
a+b+ c+ d )
(a+0 b a+b 0)(
0 + c+ d
)
0 =f ( a ,b ) +f ( c , d )
c +d
Tambin:
f ( ( a , b ) ) =f ( a , b )= a+b
( ) ( )
0 = a+ b 0 =f ( a ,b )
0 a+ b 0 a+b
Hallando su ncleo:
N ( f )= {( x 1 , x 2 ) R2 / f ( x1 , x2 ) R2 x 2 }
( )(
0 0
x +x
f ( x 1 , x 2 )= 0 0 1 2
( x 1 , x 2 ) N ( f )
0
0
x 1+ x2
x 1+ x 2=0
)
x 1=x 2
La imagen:
I ( f )={ A R2 x2 / f ( x 1 , x 2 ) A }
( )
A= a b I ( f ) ( x 1 , x 2 ) R2 / f ( x 1 , x 2 ) A
c d
x 1+ x 2 0
( 0 x1+ x2 )( )
= a b x 1+ x2 =a=d b=c=0
c d
TEOREMA:
Observacin
ran ( f )=dim ( I (f ) )
Ejemplos
f ( x 1 , x 2 , x 3 ) =(x 1+ x2 + x 3 , x 2 + x 3)
Solucin
Determinamos el ncleo de la transformacin lineal:
x 1+ x 2 + x 3=0 ,
( x , y )=( x 1+ x 2 + x 3 , x 2 + x3 )
( )( )( )
1 0 1 0 1 0
Luego 1 1 1 1 0 1 , la imagen de f es generada por
1 1 0 0 0 0
{ ( 1,0 ) ,(0,1)}
2. Ejemplo
Solucin
Determinando el ncleo
f ( x 1 , x 2 )=( x1 + x 2 , x 1x 2 , x 1 +2 x 2 )= ( 0,0,0 )
Calculando la imagen
f ( x 1 , x 2 )=( x1 + x 2 , x 1x 2 , x 1 +2 x 2 )=u
Donde u=x 1 ( 1,1,1 )+ x 2 ( 1,1,2 ) , llevando a la forma matricial
(11 ) (
1 1 2 0 3 2 0 3
1 2 1 1 2 0 2 1 ) ( ) , luego la imagen es generada por
PROBLEMAS
( ) ( )
1 4 4
1
5 5 3
P= 3 3 Q= 1
1
5 5 3
( )( ) ( )
1 4 4 5
1 0
5 5 3 5
3 3 1 = 5 =I
1 0
5 5 3 5
( )( ) ( )
4 1 4 5
1 0
3 5 5 5
1 3 3 = 5 =I
1 0
3 5 5 5
Para verificar si [T]B2=Q[T]B1P Solamente reemplazamos lo hallado
[T]B2= (31 1
7 ) [T]B1= (30 45) por lo tanto
( )( )( )
4 1 4
1
(31 1
7 ) =
1
3 0 4 5
1 3 5 3
5
3
3 5 5
( )(
4
1
( 3 1
1 7 ) = (3/5)
1
3 4 4
1 6 1 )
3
(31 1
7 ) = (31 1
7 )
( ) ( )
1 0 1 0
0 2 0 2
B= 0 0 B2= 0 0
0 0 0 0
0 0 n 0 0 n
)
1 0
0 2
0 0
0 0
0 0 n
1
2
0
0
B2=
( 2)2
1
n+1
0
0
por induccin Bn+1=
( 2 )n+1
1
n
0
0
Bn B1=
( 2 )n
1 1
n+1 k
0 0
0 0
Bn B1= Bk=
( 2)n+1 ( 2)k
por lo tanto queda demostrado por induccin que B k es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K
( )
1 1 1 1 1
0 1 1 1 1
3. Es posible diagonalizar la matriz A= 0 0 1 1 1
0 0 0 0 1
0 0 0 0 1
Solucin:
( )( )
1 1 1 1 1 1 0 0 0 0
0 1 1 1 1 0 1 0 0 0
P(x)=/ 0 0 1 1 1 - 0 0 1 0 0 /
0 0 0 0 1 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
( )
1 1 1 1 1
0 1 1 1 1
P(x)=/ 0 0 1 1 1 / P(x)=(1-- )4 (- =0
0 0 0 1
0 0 0 0 1
p p
3
()()
q q
Sea V(1)= ( p ,q ,r , s , t ) R A r = r >
s
t
s
t
( )( ) ( )
1 1 1 1 1 p p
0 1 1 1 1 q q
0 0 1 1 1 r = r
0 0 0 0 1 s s
0 0 0 0 1 t t
p+q+r+s+t=0
q+r+s+t=0
r+s+t=0
t=s
t=0
resolviendo nos sale que
a
F(-1,1,3)=(6,-4,16) (-1)F(1,0,0) +(1)F(0,1,0) + (3)F(0,0,1) =(6,-4,16) .(1)
F(-2,1,1)=(-2,-5,1) (-2)F(1,0,0) +(1)F(0,1,0) + (1)F(0,0,1) =(-2,-5,1) .(2)
F(3,2,-1)=(1,14,-12) (3)F(1,0,0) +(2)F(0,1,0) + (-1)F(0,0,1) =(1,14,12) ..(3)
b)
( )( ) ( )
2 1 3 x 0
A= 3 2 1 y = 0
1 4 7 z 0
( )( ) ( ) ( )( ) ( )
2 1 3 x 0 1 0 0 x 0
3 2 1 y = 0 0 1 0 y = 0
1 4 7 z 0 0 0 1 z 0
a1
()
[ V ] e= a 2
an
T ( e )=a11 e1 +a 12 e 2+ +a1 n e n
1
T ( e )=a21 e 1+ a22 e2 ++ a2 n e n
2
a11
a 21 an 1 a12
a 22 an 2 a
a1 n
2n
[ T ]e =( ann )
Ejemplo 1:
d P(t )
y D:V V el operador derivacin definido por D ( P(t ) )= , sea la
dt
base {1, t , t 2 , t 3 }
2 3
D( 1 )=0=0+0 t+ 0t +0 t
2 3
D(t )=1=1+ 0 t+0 t + 0 t
D (t )=2 t=0+2 t+ 0 t 2 +0 t 3
2
D (t )=3 t 2=0+ 0 t+3 t 2+ 0t 3
3
( )
0 1 0 0
[ D ] e= 0 0 2 0
0 0 0 3
0 0 0 0
Ejemplo 2:
Solucin
Tenemos:
(1 2 )
[ T ] f = 3 2
TEOREMA
[ T ] e [ V ] e =[ T (V ) ]e
Ejemplo 3:
[ V ]f = 7
(2 )
[ T (V ) ]f = 17
( )
11
( 1 2 )( 2) ( 11)
[ T ] f [ V ] f = 3 2 7 = 17 =[ T (V ) ] f
TEOREMA
A ( v)
un isomorfismo de un espacio vectorial sobre A es decir que la
S ,T A ( v )
aplicacin es de 1 a 1 y sobre, para cualquier y para cualquier
k K
[ T + S ]e =[ T ]e + [ S ] e y [ kT ]e =k [ T ] e
TEOREMA
S ,T A ( v ) [ ST ] e =[ S ]e [ T ] e
Para operadores cualesquiera , se tiene:
Ejemplo
[ T + S ]e = a1 +c 1 b1+ d 1 = a1 b1 + c1 d 1
( a2 +c 2 b 2+ d 2 )( a 2 b2 )( c2 d 2 )
[ T ] e + [ S ]e
Tambin para k K
( kT )e =kT (e ) =k ( a1 e 1+ a2 e2 ) =ka1 e1 + k a2 e2
1 1
(
[ kT ] e= ka1 k b1 =k a1 b1 =k [ T ]e
k a2 kb2 ) ( a2 b2 )
CAMBIO DE BASE
f 2=a21 e1 +a 22 e 2+ + a2 n en
f n=an 1 e 1+ an 2 e 2 + +ann e n
Ejemplo
f 1 =( 1, 1 )=( 1 , 0 ) + ( 0 , 1 )=e1 +e 2
(
P= 1 1
1 0 )
e 1=( 1, 0 )=0 ( 1 ,1 )+ (1 ) (1 , 0 )=0 f 1f 2
P1=Q= 0 1
1 1 ( )
(
PQ= 1 1 0 1 = 1 0 =I
1 0 1 1 0 1 )( )( )
TEOREMA
P [ V ]f =[ V ] e
Es decir:
[ V ] f =P1 [ V ] e
TEOREMA
[ T ] f =P1 [ T ] e P
SIMILARIDAD
Supongamos que A y B son matrices cuadradas para los cuales existe una
TEOREMA
Ejemplo
T (a ,b ) T (7 ,4 )
en particular .
Solucin
Sea un vector ( a , b ) tal que se forma la combinacin lineal:
( a , b ) =x ( 3 , 1 )+ y ( 1 ,1 )
ab
a=3 x + y x=
2
a+3 b
b=x+ y y=
2
T (a ,b ) T (3,1) y T (1,1)
Expresando como una combinacin lineal de , tenemos
ab a+3 b
T ( a ,b )=T ab a +3 b
= T (3 ,1 )+ T (1 ,1)
( 2
( 3 , 1) +
2
( 1 ,1 ) ) 2 2
ab a+3 b
T ( a ,b )= ( 2 ,4 )+ ( 0 , 2 )=( ab ,3 a+5 b )
2 2
T (7,4)
Para el caso particular de se tiene
T ( 7 ,4 )=( 3 ,11 )
VALOR PROPIO
subespacio de V .
Demostracin
Sean
v , w V ; es decir T ( v )=v ,T ( w )= w . Entonces para todo escalar
subespacio de V .
TEOREMA
TEOREMA
POLINOMIO CARACTERISTICO
a11 a12 a1 n
a
A= 21
( a22
a n1 an 2
a2 n
a nn
)
La matriz
t n A se llama matriz caracterstica, el determinante
Ejemplo
Sea la matriz ( )
A= 1 4
2 3
Solucin:
( )
1 3 0
A= 2 2 1
4 0 2
| |
t1 3 0
3 2
( t ) = ( t A )= 2 t2 1 =t t +2t +4
4 0 t+ 2
de .
Ejemplo
( )
3 1 1
Dada la matriz A= 2 2 1 determine el polinomio caracterstico y los
2 2 0
valores propios de A
Solucin
|( ) ( )| |
3 1 1 1 0 0 3
P ( )=det 2 2 1 0 1 0 = 2
2 2 0 0 0 1 2
1 1
2 1 =( 2 )( 2 ) ( 1 ) =0 Ent
2 |
onces los valores propios son =2 , =2 , =1
f ( A ) =an A n +a n1 An1 ++ a1 A+ a0
TEOREMA
i) (f + g)( A) =f ( A)+ g( A)
ii)
(f . g)( A )=f ( A ) . g( A)
iii)
(kf )(A )=kf ( A )
OBSERVACION
1. Los vectores propios de las transformaciones lineales son vectores
que no se ven afectados por la transformacin.
2. El valor propio de un vector propio es el factor de escala por el que ha
sido multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores
propios del mismo valor propio, adems del vector nulo que no es un
vector propio.
4. La multiplicidad geomtrica de un valor propio es la dimensin del
espacio propio asociado.
Ejemplo: Hallar los vectores propios de la matriz ( )
A= 1 2
3 2
SOLUCION:
AX =X
( A ) X=0
(13 2 X=0
2 )
Hallando los valores propios:
|1
3
2 =0
2 |
23 4=0
1=1 , 2=4
Para
1=1 | ||
2 2 x 1 =0
3 3 x2
2 x 1 +2 x2 =0
3 x1 +3 x 2=0
x 1 +x 2=0 x 1=x 2
Vector propio: ( ) ( )
x1
x2
=x 1 vector propio 1
1 ( )
1
Para
2=4
| ||
3 2 x 1 =0
3 2 x 2
3 x 1 +2 x 2=0
3 x1 2 x 2=0
3
x 1=2 x 2
x1
( ) ()
x2
=t 2 vector pr opio 2
3 3 ()
TEOREMA DE CAYLEY-HAMILTON
Ejemplo: ( )
A= 1 2
3 2
P ( )= 23 4
( ) ( ) ( )( 0 1 9 10 9 6 )( )( )( )
P ( A )= 1 2 3 1 2 4 1 0 = 7 6 3 2 4 0 = 0 0
3 2 3 2 0 4 0 0
TEOREMA
MULTIPLICIDAD ALGEBRAICA
DIAGONALIZACION
Sea T :V V un operador lineal sobre un espacio vectorial V con
dimensin finita entonces T es un operador lineal que se puede representar
por una matriz diagonal.
k1
k2 kn
T =
T ( v 1) =k 1 v 1
T ( v 2 )=k 2 v2
T ( v n )=k n v n
OBSERVACION
Qu es diagonalizar?
MATRIZ DIAGONALIZABLE
i=1 j=1
de orden nxn
OBSERVACION
2 2
Ejemplo: P ( X )=2 x +6 xy + y
P ( X )= ( x ( )( )
y ) 1 x2 2 3 x
3 1 y 2x 1
=( 2 x+3 y 3 x + y )1 x2 x
()y 2x 1
=2 x 2+6 xy + y 2
2 2 2
Ejemplo: P ( X )=x + y + 2 xy + z 5 xz +6 yz
( )( )
9
1 1
2 x
P ( X )= ( x y z) 1 1 2 y
9 z
2 1
2
2 2 2 2 2
Ejemplo: P ( X )=3 x y +t + w 5 z + xt+ wz+ xy
1 1
( )
3 0 0
2 2
1
1 0 0 0 x
()
2
y
P ( X ) =( x y t w z) 1 0 1 0 0 t
2
w
1
0 0 0 1 z
2
1
0 0 0 5
2
x i1 x j 1 coni j
2 2 2 t
P=a 11 x 1 +a22 x2 ++ ann x nn =X AX
a11 0 0
0 a22 0
0 0
A=( a nn )
A= 1 2
2 5 ( ) , considere (
B= 1 2
0 1 )
Solucin:
( xy )=( 10 )( )
2 y 1
1 y2
y
q ( y )= ( BY )t A ( BY )= ( y 1 ( )( )(
y 2 ) 1 0 1 2 1 2 1
2 1 2 5 0 1 y2 )( )
y
( y1 ( )(
y 2 ) 1 2 1 2 1
0 1 0 1 y2 )( )
q ( y )=( y 1 ( ) ( yy )=( y
y 2 )1 x 2 1 0
0 1 2x2
1
2
1 y 2 )1 x2
y1
()
y2 2x 1
= y 12 + y 22
OBS:
A= 1 2
2 5( )
det ( A )=det 1
2 (
2 =0 26 +1=0
5 )
NOTA.- En el ejemplo la forma cuadrtica diagonalizable es:
q ( y )= y12 + y 22
Calculamos los vectores v 'k +1 que son ortogonales entre si, y son
Solucin:
( )
3 1 0 0
1 3 0 0
A=
0 0 9 2
0 0 2 6
| |
3 1 0 0
| A |= 1 3 0 0
=0
0 0 9 2
0 0 2 6
| || |
3 0 0 1 0 0
( 3 ) 0 9 2 0 9 2
0 2 6 0 2 6
( 3 )( 3 )( 5 ) ( 10 )( 5 ) ( 10 )=0
( 5 )( 10 ) ( 4 )( 2 ) =0
Para
1=2:
| || |
1 1 0 0 1 1 0 0
1 1 0 0 0 0 1 0
0 0 7 2 0 0 0 1
0 0 2 4 0 0 0 0
x 1+ x 2=0
x 3=0 ( x1 x 2 x 3 x 4 ) =t ( 1 1 0 0 )
x 4=0
Para
2=4 :
| || |
1 1 0 0 1 1 0 0
1 1 0 0 0 0 0 0
0 0 5 2 0 0 1 0
0 0 2 2 0 0 0 1
( x1 x 2 x 3 x 4 ) =s ( 1 1 0 0 )
Para 3 =5: ( 0 0 1 2 )
Para 4=10 : ( 0 0 2 1 )
u1 1 1
v 1=
u 1
=( 1,1, 0, 0 )= (
, , 0,0
2 2 )
'
v 2=u 2 u1 , v 1 v 1= (1, 1, 0, 0 ) ( 1,1, 0, 0 ) , ( 12 , 12 , 0, 0) ( 12 , 12 , 0, 0)=( 1, 1,0, 0 )
v 2'
v 2=
v 2 '
=( 12 , 12 , 0,0)
[
v '3=u3[ u3 , v 1 v 1+ u3 , v 2 v 2 ]=( 0, 0, 1,2 ) ( 0, 0,1, 2 ) , ( 12 , 12 , 0,0) ( 12 , 12 , 0, 0)+ ( 0, 0, 1,2) ,( 12
v 3' 1 2
v 3=
v 3 ' (
= 0, 0, ,
5 5 )
v '4=u 4[ u4 , v1 v 1 + u4 , v 2 v 2 + u 4 , v 3 v 3 ]
[
v '4=( 0, 0,2, 1 ) ( 0, 0,2,1 ) , ( 12 , 1
2 2 2
1 1
, 0, 0 ) ( ,
1 1
,0, 0 )+ ( 0, 0,2, 1 ) , ( ,
2 2 2 2 , 0, 0)
1 1
, 0,0 ) ( ,
v 4' 2 1
v 4=
v 4 ' (
= 0, 0, ,
5 5 )
[ ]
1 1
0 0
2 2
1 1
0 0
P= 2 2
1 2
0 0
5 5
2 1
0 0
5 5
Luego:
1 1 1
( ) ( )
1
0 0 0 0
2 2 2 2
1 1 3 1 0 0 1 1 2 0 0 0
( ) ( )
0 0 0 0
D=Pt AP= 2 2 2 2
1 3 0 0 =0 4 0 0
1 2 0 0 9 2 1 2 0 0 5 0
0 0 0 0
5 5 0 0 2 6 5 5 0 0 0 10
2 1 2 1
0 0 0 0
5 5 5 5
0 0 y1
( )( )
2 0
P ( X )=X t AX P ( Y )=Y t DY =( y 1 y2 y3 y4 ) 0 4 0 0 y 2 =2 y 2+ 4 y 2 +5 y 2+ 10 y 2
1 2 3 4
0 0 5 0 y3
0 0 0 10 y
4
Forma diagonalizada
NOTAS COMPLEMENTARIAS
Superficies
Definicin.
3
ecuacin en el espacio tridimensional ( R ) es el conjunto de todos los puntos
denomina superficie.
Ejemplo.
El plano, la esfera, etc.
Nota.
Existen ecuaciones tales como
Esfera.
Definicin.
Una esfera es el conjunto de todos los puntos del espacio que equidistan de un punto
fijo llamado centro. La distancia de cualquier punto al centro es llamado radio.
Sea P (x , y , z ) cualquier punto de la esfera c (x 0 , y 0 , z0 ) y radio r >0 ,
luego la distancia
d ( P , c )=r ; r >0 d 2 ( P , c )=r 2 ; c (x 0 , y 0 , z0 )
La ecuacin () es de la forma
x 2+ y 2 + z 2 + Dx+Ey+ Fz+G=0
superficie.
ii) Con el plano YZ . Se reemplaza x=0 en la ecuacin de la
superficie.
iii) Con el plano XZ . Se reemplaza y=0 en la ecuacin de la
superficie.
superficie.
ii) Al plano XZ . Se reemplaza y=k en la ecuacin de la
superficie.
iii) Al plano YZ . Se reemplaza x=k en la ecuacin de la superficie.
variables x, y ,z en la ecuacin.
El paso anterior facilita la determinacin de la extensin; por ejemplo, si al
Se dice que una superficie es simtrica con respecto a una recta L si el simtrico
Se dice que una superficie es simtrica con respecto a una recta C si el simtrico
Ejemplo 1.
2 2
Discutir y graficar la ecuacin 9 x + 4 y 12 z=0 .
Solucin.
I. INTERSECCION CON LOS EJES.
i) Con el eje X .
9 x 2+ 4 y 2=12 k .
ii) Al plano XZ .
2 2
9 x 12 z + 4 k =0 .
iii) Al plano YZ .
IV. EXTENSION.
De III (iii) se obtiene xR .
V. SIMETRIAS.
La superficie es simtrica con respecto al plano YZ , al plano XZ y al
eje Z .
VI. GRFICA.
La grfica de esta
ecuacin se denomina
paraboloide elptico.
Ejemplo 2.
Discutir y graficar la superficie
cuya ecuacin es
y 24 y +2 z=0 .
Solucin
I. INTERSECCION CON LOS EJES.
i) Con el eje X .
Haciendo x= y=0 2 z =0 .
La interseccin es el origen de coordenadas.
eje X )
ii) Al plano XZ .
2 z =4 kk 2 , es una recta k R .
iii) Al plano YZ .
parbola kR .
IV. EXTENSION
xR (De III iii)
y R (De III ii)
z ; 2 ] (De III i)
V. SIMETRIAS
Existe simetra con respecto al plano YZ .
VI. GRFICA
La grfica de esta ecuacin se denomina cilindro parablico.
Superficies cuadrticas
Una superficie cudrica o simplemente cudrica o cuadrtica es la grfica de una ecuacin
Elipsoide.
Su ecuacin es de la forma:
x2 y 2 z2
2
+ 2 + 2 =1
a b c
x [a ; a ]
y [ b ; b ]
z [c ; c ]
2 2 2
Si a =b =c , es una esfera.
2 2 2 2 2 2
Si a =b (o b =c ,o a =c ) es un elipsoide de revolucin o esferoide.
Un esferoide cuyo tercer nmero es mayor que los dos nmeros iguales, se llama
esferoide alargado (la elipse que la genera gira alrededor de su eje mayor). Si el
tercer nmero es menor que los dos nmeros iguales, se llama esferoide achatado (la
elipse que la genera gira alrededor de su eje menor).
C ( x 0 , y 0 , z 0 ) , su ecuacin es de la forma
2 2 2
( xx 0) ( y y 0 ) ( zz 0 )
+ + =1
a2 b2 c2
y ;b ] [ b ; +
z ; +
2 2
Si a =b , es una superficie de revolucin (hiperboloide circular de una hoja)
2 2
Si a b , es el hiperboloide elptico de una hoja.
Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
C ( x 0 , y 0 , z 0 ) , su ecuacin es de la forma:
2 2 2
( xx 0) ( y y 0 ) ( zz 0 )
+ =1
a2 b2 c2
y ;b ] [ b ; +
z ; +
Esta superficie es simtrica con respecto a los ejes coordenados, a los planos
coordenados y al origen.
El centro de esta superficie es el origen de coordenadas. Si su centro es
C ( x0 , y0 , z0 )
, su ecuacin es de la forma:
( xx 0 )2 ( y y 0 )2 ( zz 0 )2
+ =1
a2 b2 c2
Observacin
Las tres superficies cudricas (elipsoide, hiperboloide de una hoja e hiperboloide de
dos hojas) tambin se denominan cudricas centrales. En general cualquier ecuacin
de la forma:
2 2 2
( xx 0 ) ( y y 0 ) ( zz 0 )
2
2
2
=1
a b c
C ( x0 , y0 , z0 )
en .
Con c >0 , (si c <0 el paraboloide se extiende hacia la parte negativa del eje
x ; +
y ;+
z ; 0 ]
(si c <0 , z ; 0 ] )
2 2
Si a =b , es una superficie de revolucin (paraboloide circular).
2 2
Si a b , es el paraboloide elptico.
YZ .
El vrtice de esta superficie es el origen de coordenadas. Si el vrtice es
V ( x0 , y 0 , z 0 )
, su ecuacin es de la forma:
2 2
( xx 0) ( y y 0 )
2
+ 2
=c(z z0 )
a b
Paraboloide hiperblico.
Su ecuacin es de la forma
y2 x2 z 2 x2 z2 y2
b 2 a2
=cz o
b2 a2 (
=cy , o =cx
b2 a2 )
Donde a , b y c son nmeros positivos y c 0 .
Con c >0 .
Las propiedades de esta superficie son:
x ; +
y ;+
z ; +
son dos rectas que se cortan). Las secciones transversales al plano XZ y al plano
YZ son parbolas.
YZ .
El origen de coordenadas es el punto de silla (de montar) de esta superficie. Si el
punto de silla es
S ( x 0 , y 0 , z 0 ) , su ecuacin es de la forma:
2 2
( y y 0 ) ( xx 0 )
+ c ( zz 0 )
b2 a2
2 2
Si a =b , es una superficie de revolucin (cono circular).
2 2
Si a b es el cono elptico.
2 2 2 2
a =b ,o a b . (En el plano z=0 la traza es el origen de coordenadas).
Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
El origen de coordenadas es el vrtice de esta superficie. Si el vrtice es
V ( x0 , y 0 , z 0 )
, la ecuacin es de la forma:
2 2 2
( xx 0) ( y y 0 ) ( zz 0 )
+ =
a2 b2 c2
PROBLEMAS
2 2
1. Reconocer y graficar con respecto a los nuevos ejes 7 x +6 y
2 19
+5 z - 4xy + 6x - 6y + 12z - 2 =0, indique los valores y
vectores propios.
Solucin:
( )( ) ()
7 2 0 x x 19
( x y z ) 2 6 0 y + 6 ( 1 1 2 ) y - =0
2
0 0 5 z z
( )
7 2 0
2 6 0
0 0 5
| |
7 2 0
2
2 6 0 = ( 5 )( 13 +38 )=0
0 0 5
1 2 13 17 3 13+ 17
=5 , = 2 , = 2
1
Para =5:
( )( ) ( )
2 2 0 x 0
2 1 0 y = 0
0 0 0 z 0
()
0
v1 0
x=y=0 , z=t =
1
2 13 17
Para = 2 :
1+ 17
( )
2 0
2
() ()
x 0
1+ 17
2 0 y = 0
2 z 0
3+ 17
0 0
2
()
0
v2 0
x=y=z=0 =
0
3 13+ 17
Para = 2 :
1 17
( )
2 0
2
() ()
x 0
1 17
2 0 y = 0
2 z 0
3 17
0 0
2
()
0
v3 0
x=y=z=0 =
0
Entonces:
'
( ) ( )( )
x 0 0 0 x
'
y = 0 0 0 y
z 1 0 0 z'
Luego:
5 0 0
( x' y
'
z)
'
( 0
0
13 17
2
0
0
13+ 17
2
)( ) x'
y
z
'
'
+ 6 ( 1 1 2 ) y ()
x
z
- 19/2 = 0
5 0 0
( )( ) x' '
()
13 17 x
0 0
(x '
y '
z) '
2 y' + 6 (2 0 0) y
'
- 19/2 = 0
13+ 17 z' z
'
0 0
2
2 13 17 2 13+ 17 2
5 x' + y' + z' + 12x - 9.5 = 0
2 2
' 2 13 17 2 13+ 17 2
5 ( x +1.2 ) + y' + z' - 16.7= 0
2 2
13 17 2 13+ 17 2
5 x' '2 + y' + z' - 16.7= 0
2 2
Haciendo x constante:
13 17 2 13+ 17 2 cx = 0
y' + z' - 16.7 +
2 2
Forma elipsoideal
Haciendo y constante:
2 13+ 17 2 cy = 0
5 x' ' + z' - 16.7 +
2
Formaelipsoideal
Haciendo z constante:
13 17 2
5 x' '
2
+ y ' + c z =0
2
Formaelipsoideal
( ) ()
2 1 0 9
'
X 1 2 1 X (t) X (0) 10
(t) = , =
0 1 2 11
Solucin:
( )
2 1 0
Sea A= 1 2 1
0 1 2
| |
2 1 0
1 2 1 =0 ( 2 ) ( 24 +2 ) =0
0 1 2
1
Para =2:
( )( ) ( ) ()
0 1 0 x 0 1
1 0 1 y 0 v1 = 0
= y=0, -x-z=0
0 1 0 z 0 1
2 2 :
Para =2-
( )( ) ( )
2 1 0 x
()
0 1
1 2 1 y = 0 x=z, y= 2 x v2 = 2
0 1 2 z 0 1
2 2 :
Para =2+
( )( ) ( )
2 1 0
( )
x 0 1
1 2 1 y = 0 x=z, y=- 2 x v2 = 2
0 1 2 z 0 1
( )
2 0
( )
1 1 1 2
1
Luego P= 0 2 2 , 1
P = 4
2 2 2
1 1 1 1 2 1
Se sabe:
e2 t
( )
0 0
e At = P. e Jt . P1 , e Jt = 0 e ( 2 2 )t
0
(2 + 2 )t
0 0 e
2t
)( )(
e 0 0 2 0 2
( )
1 1 1
At 1
e = 4 0 2 2 0 e (2 2) t
0 2 2 2
1 1 1 0 0 e(2+ 2)t 1 2 1
( )(
e2 t e (2 2) t e (2+ 2 )t 2 0
)
2
1 (2+ 2)t
e At = 0 2 e (2 2) t
2 e 2 2 2
4
e 2 t e (2 2) t
e (2+ 2 )t
1 2 1
At
e =
( )
2 e 2t +2 e( 22 )t +e(2+ 2)t 2e (2 2) t 2 e(2 + 2)t 2 e 2t +2 e( 22 )t +e(2+ 2)t
1
2 2 e( 22 ) t 2 e(2+ 2)t 2 e( 22 )t +2 e(2+ 2)t 2 2 e( 22 ) t 2 e(2+ 2)t
4
2 e2 t + 2 e( 2 2 )t + e(2+ 2)t 2e (2 2) t 2 e(2 + 2)t 2 e 2 t +2 e( 22 ) t +e(2+ 2)t
Xt =
( )( )
2 e 2t +2 e( 22 )t +e(2+ 2)t 2e (2 2) t 2 e(2 + 2)t 2 e 2t +2 e( 22 )t +e(2+ 2)t 9
1 ( 2 2 ) t (2+ 2)t ( 2 2 )t (2+ 2)t ( 2 2 ) t (2+ 2)t
2 2 e 2 e 2 e +2 e 2 2 e 2 e 10
4 2t ( 2 2 )t
2 e + 2 e + e
(2+ 2)t
2e (2 2) t
2 e
(2 + 2)t 2t
2 e +2 e
( 22 ) t
+e
(2+ 2)t 11
( )
3 4 2 8
0 1 1 0
A= 0 0 1 5
0 0 0 4
Solucin:
310 0
( ) (
0 0 310
)
0 0 0
10
10 0 1 0 0 0 1 0 0
A = 10 =
0 0 (1 ) 0 0 0 1 0
0 0 0 4 10 0 0 0 4 10
| |
10
3 0 0 0
0 1 0 0
0 0 1 0 =0
10
0 0 0 4
10 10
( 3 ) ( 1 ) ( 1 ) ( 4 )=0
1 = 310 , 2 = 3 = 1, 4 = 4 10
1 10
Para = 3 :
( )( ) ( )
0 0 0 0 x 0
10
0 13 0 0 y 0
0 0 13
10
0 z = 0
0 0 0
10
4 3
10 t 0
()
1
v1 0
y=z=t=0 = 0
0
2 3
Para = = 1:
3101
( )( ) ( )
0 0 0 x 0
0 0 0 0 y 0
0 0 0 0 z = 0
0 0 10
0 4 1 t 0
() ()
0 0
v2 1 v3 0
x=t=0 = y =
0 1
0 0
4 10
Para = 4 :
10 10
( )
3 4 0 0 0
10
0 14 0 0
10
0 0 14 0
0 0 0 0
()
0
v4 0
x=y=z=0 = 0
1
T
(| |)
a b
c d
=(a+2 bc , a+ 4 b+ d ,b +8 c+ d)
{[ ] [ ] [ ] [ ]}
1 1 1 0 0 0 0 1
, , ,
1 1 1 0 0 1 1 1
en M 2 x 2
d) Hallar la imagen de [ 1 3
2 2 ]
Solucin:
Calculamos la base cannica:
T
(| |)
1 0
0 0
=(1,1,0)
(| |)
T 0 1 =(2,4,1)
0 0
T
(| |)
0 0
1 0
=(1,0,8)
(| |)
T 0 0 =(0,1,1)
0 1
[ ]
1 2 1 0
A= 1 4 0 1
0 1 8 1
Desarrollando se llega a:
[ ]
1 0 00
A= 0 1 0 0
0 0 10
Dim I=3
Dim k=1
{( ) ( ) ( )}
1 2 1
T= 1 , 4 , 0
0 1 8
T (| |)
1 1
1 1
=(2,6,10)
(| |)
T 1 1 =(0,1,8)
0 0
T (| |)
0 0
0 1
=(0,1,1)
(| |)
T 0 1 =(1,5,10)
1 1
( )
2 0 01
T= 6 1 1 5
10 8 1 10
La imagen de [ 1 3
2 2 ] :
[ ] ( ) ( ) ( ) ( )
1 3 =1 1 0 +3 0 1 +2 0 0 +2 0 0
2 2 0 0 0 0 1 0 0 1
De aqu:
( )
1 6 2 0
[ 2 2 ]
T 1 3 = 1 12 0 2
0 3 16 2
( )
1 0 00
0 1 00
0 0 10
{( ) ( ) ( )}
1 6 2
T = 1 , 12 , 0
0 3 16
| |
0 cos sen
5.a) Sea la matriz A = 0 sen cos
1 0 0
Solucin:
a)
| |
0 cos sen
2 2
0 sen cos =cos + sen =1
1 0 0
b)
Sabemos que:
A=P.B.P -1
Entonces los datos nos dan los vectores propios con lo cual:
( )
1 1 1
P= 0 1 2
1 1 1
De este hallamos su inversa la cual es:
1
P = 2 2
6 (
1 3 6 3
2
1 2 1 )
Adems sabemos su diagonalizacin gracias a los valores propios dados
tambin:
( )
6 0 0
B= 0 6 0
0 0 12
( )( )
1 1 1 6 0 0
0 1 2 0 6 0 1
( )
1 1 1 0 0 12 3 0 3
A= 2 2 2
6
1 2 1
( )
7 2 1
A= 2 10 2
1 2 7
SISTEMA DE ECUACIONES DIFERENCIALES
LINEALES DE PRIMER ORDEN
Sea el sistema
d x1
=g 1 (t , x 1 , x 2 , , x n)
dt
d x2
=g 2 (t , x 1 , x 2 , , x n)
dt
d xn
=gn (t , x 1 , x 2 , , x n )
dt
er
Se trata de un sistema de n ecuaciones de 1 orden,
se le conoce como sistema de primer orden.
d x1
=a11 ( t ) x 1 +a12 ( t ) x2 ++ a1 n ( t ) x n + f 1 ( t )
dt
d x2
=a21 ( t ) x1 +a 22 ( t ) x 2+ +a2 n ( t ) x n +f 2 ( t )
dt
d xn
=an 1 ( t ) x 1+ an 2 ( t ) x 2 ++ ann ( t ) x n + f n ( t )
dt
aij , f i
Se denomina sistema lineal, los coeficientes se
I .
supone son continuos en un intervalo comn
f i ( t )=0 i=1,2,3, , n
Cuando ; se dice que el sistema
lineal es homogneo.
Matricialmente se tiene
'
X = AX + F
x1 a11 ( t ) a12 (t ) a1 n (t ) x 1 f 1 ( t )
d x2
dt
xn
()(
)( ) ( )
= a 21 ( t ) a22 ( t ) a2 n ( t ) x 2 + f 2 ( t )
an 1 ( t ) an 2 ( t ) ann ( t ) x n f n ( t )
Es homogneo si X ' = AX
EJEMPLO
dx
=6 x + y + z +t
dt
( )( ) ( )
6 1 1 x t
dy
=8 x+7 y z+10 t X ' = 8 7 1 y + 10 t
dt
2 9 1 z 6t
dz
=2 x +9 yz +6 t
dt
()
X = x2 ( t )
xn ( t )
x 1= 1 ( t ) , x 2= 2 ( t ) , , x n= n ( t )
dx n
=an 1 x 1 +an 2 x2 ++ ann x n
dt
aij
Donde los coeficientes son constantes
El vector solucin est dado por
{ x 1=e t x 01 , x 2=e t x 02 , , x n=e t x 0n }
Para y x0 constantes
n
e x i= aij e x j ; i=1,2, ,n
t 0 t 0
j=1
0 0 0
an 1 x 1 +a n 2 x 2+ +( ann) x n=0
n n
El sistema de ecuaciones lineales con
x 0 1 , x 02 , , x 0n
incgnitas es homogneo .Por
consiguiente tiene una solucin no nula si y solo si
se anula el determinante, es decir
| |
a11 a12 a1 n
a21 a22 a2 n
=0 , es decir det ( AI )=0
an1 an 2 a nn
x1 (t 0 )
( ) ()
1
X ( t 0 )= x 2 ( t 0 ) , X= 2
xn (t 0 ) n
() () ()
x 1= x 21 , x 2=
xn 1
x 22 , , x =
xn 2
n
x2 n
x nn
[ ]
x 11 x 12 x1 n
W ( x 1 , x 2 , , x n )= x 21 x 22 x2 n 0
x n 1 x n 2 x nn
1t 2 t n t
x 1=k 1 e , x 2=k 2 e , , xn =k n e
El cual es un conjunto solucin del sistema de ecuaciones
diferenciales homogneo.
La solucin general queda expresada por:
X =C1 k 1 e t + C2 k 2 e t + +C n k n e t
1 2 n
Ejemplo: Resolver
( )
X '= 2 3 X
2 1
Solucin:
Busquemos los valores y vectores propios de la matriz de los coeficientes:
A= 2 3
2 1( )
det ( A )= 2
2 | 3 =0
1 |
23 4=( +1 ) ( 4 )=0
1=1 y 2=4
Para
1=1
| | | | | ||
3 3 1 1 x1 = 0
2 2 0 0 x2 0
x 1+ x 2=0 x 1=x2
( )
k 1= 1
1
Para
2=4
| ||
2 3 2 3 x 1 = 0
2 3 0 0 x2 0 | | ||
2 x 1+ 3 x 2=0
()
k 2= 3
2
( ) ()
x 1= 1 e1 t , x2 = 3 e 4 t
1 2
( ) ()
x=c 1 1 e1t +c 2 3 e4 t
1 2
(
X ' = 3 18 X
2 9 )
|
2 9 |
det ( A )= 3 18 =( +3 ) =0
2
1= 2=3
() ()
k 1= 3 es un vector propio , x= 3 e3 t es lasolucion del sistema
1 1
Observacin:
m
En general si m es un entero positivo y ( 1 ) es un factor de la
m+1
ecuacin caracterstica, mientras que ( 1 ) no lo es, entonces se dice
que
1 es un valor propio de multiplicidad m.
Ejemplo: Resolver
( )
1 2 2
X ' = 2 1 2 X
2 2 1
Solucin:
| |
1 2 2
det ( A )= 2 1 2 =0
2 2 1
1= 2=1 y 3=5
Para
1= 2=1
| || | | ||
2 2 2 1 1 1 x1 0
2 2 2 0 0 0 x2 = 0
2 2 2 0 0 0 x3 0
x 1x2 + x 3=0
1 0
() ()
k 1 = 1 ; k 2= 1
0 1
1 0
() t
()
x 1 = 1 e , x2 = 1 e
0 1
t
Para
3 =5
| || | | ||
4 2 2 1 0 1 x1 0
2 4 2 0 1 1 x2 = 0
2 2 4 0 0 0 x3 0
x 1 + x 3=0
x 2+ x 3=0
1 1 5 t
( ) ()
k 3 = 1 ; x 3= 1 e
1 1
1 0 1
() () ( )
t t
x= 1 e + 1 e + 1 e
0 1 1
5 t
La matriz diagonal D:
D=diag ( 1 , 2 , , n ) generan los vectores propios v1 , v 2 , , v n .
( )
0 1 00
B ( )= 0 0 0 0
000 1
000 0
)( )
3 1 0 0
)(
2 1 0
(
(5 ) , 10 1 , 0 2 1 , 0
0 10
0 0 2
0
3
0
1
3
0
1
0 0 0 3
B 1 ( 1 )
B 2 ( 2 ) B n ( n )
B ( )=
Bi( i)
Donde cada es un bloque de Jordan
( )( )( )( )
0 0 1 0 0 0 1 0
0 0 , 0 0 , 0 1 , 0 1
0 0 0 0 0 0 0 0
TEOREMA: Sea A una matriz de orden nxm una matriz C invertible de
2 1 0 0 0 0
( )
0 2 1 0 0 0
0 0 3 1 0 0
0 0 0 3 1 0
0 0 0 0 3 0
0 0 0 0 0 5
Tambien lo es la matriz
2 1 0 0 0 0
( )
0 2 1 0 0 0
0 0 3 1 0 0
0 0 0 3 1 0
0 0 0 0 3 0
0 0 0 0 0 5
OBSERVACIONES
Calcule el vector u= Av
v es vector propio si y solo si u es multiplo escalar de v ,
esto se puede hacer formando la matriz ampliada y reduciendo a
una forma escalonada, v es el vector propio si el sistema es
consistente.
2. Cmo saber si es una valor propio de A?
P ( A )=det ( A t )
- Aplique divisin repetidamente para determinar cuantas veces
divida r al polinomio caracterstico.
4. Cmo determinar la multiplicidad geomtrica de un valor propio
de A?
Formar y reducir el sistema [ A ]= [ 0 ] , el numero de variables
libre es la dimensin o multiplicidad geomtrica del valor propio.
TEOREMA
TEOREMA
Si los vectores
x1 , x2 , , xk son vectores propios diferentes entonces
{x 1 , x 2 , , x k } es L.I.
Ejemplos
1. Diagonalizar la matriz (
A= 2 5
2 1 )
Solucin:
Calculamos los valores y vectores propios de la matriz A.
| 2 1
1 |
2 5 = 0 3, =4
2
=3
| 5 5
2 2
1 1
1 1| |
1 1 x 0
=
0 0 y 0 | | | | ||
x y=0 v 1= 1 ()
1
=4
| | |
2 5 2 5 2 5 x = 0
2 5 0 0 0 0 y 0 | | | | ||
2 x +5 y=0 v 2= 5
2 ( )
(
P= 1 5
1 2 )
1
Determinando P
| | |
1 1 1 0 1 0 2/7 5 /7
0 0 0 1 0 1 1/7 1/7 |
(
P1= 2 /7 5/7
1/7 1/7 )
( )(
P1 A P= 2/7 5 /7 2 5 1 5 = 3 0
1/7 1 /7 2 1 1 2 0 4 )( )( )
2. Diagonalizar para obtener la ecuacin cannica de la siguiente
cnica:
3 x2 10 xy +3 y 214 2 x+ 18 2 y +38=0
(x y) 3(5 53 )( xy )+2 (7 2 ()
9 2 ) x +38=0 ( )
y
(53 53 )
| |
3 5 = 26 16= ( +2 ) ( 8 )=0
5 3
'
()( x = 1/ 2 1 / 2 x
y 1/ 2 1/ 2 y ' )( )
1 ' 1 ' 1 ' 1 '
x= x y , y= x+ y
2 2 2 2
( )
Reemplazando en
1
( )()
1
) ()
' '
x 2 2 x
( x' y )1 x 2 '
( 2 0
0 8 2x 2 y' 2 x1
+2 (7 2 9 2 )1 x 2
1 1 y' 2x 1
2 2 2 x2
2 2
' 2 ' 2
2 ( x 1 ) +8 ( y 2 ) + 8=0
2 2
( x' 1 ) + 4 ( y ' 2 ) + 4=0
'' '
y = y 2
2 2
x '' 2
H : y ' ' =1
4
OBS: x '' y
x'
y'
y ''
3. Hallar la ecuacin cannica de la siguiente cudrica o cuadrtica:
2 y 2+ 4 xy8 xz 4 yz +6 x5=0
( )( )
0 2 4 x x
(x y z) 2
()
2 2 y + ( 6 0 0 ) y 5=0 ()
4 2 0 z z
| |
2 4
2 2 2 =0 ( +4 )( 6 ) =0
4 2
Para
1=4
| || | |||
4 2 4 1 0 1 x 0
2 6 2 0 1 0 y = 0
4 2 4 0 0 0 z 0
()
1
xz=0 v 1= 0
1
y=0
Para
2=0
| || || | | ||
0 2 4 0 1 2 1 0 1 x 0
2 2 2 1 0 1 0 1 2 y = 0
4 2 0 0 0 0 0 0 0 z 0
()
1
x+ z =0 v 2= 2
1
y2 z=0
Para
3 =6
| | | | | ||
6 2 4 1 0 1 x 0
2 4 2 0 1 1 y = 0
4 2 6 0 0 0 z 0
'
)( )
1/ 2 1 / 6 1 / 3 x
()(
x
'
y = 0 2/ 6 1 / 3 y
z 1/ 2 1/ 6 1/ 3 z '
Luego:
' '
)( ) ()
4 0 0 x x
(x
(
y z ) 0 0 0 y ' + ( 6 / 2 6 / 6 6/ 3 )1 x 3 y '
0 0 6 z' z' 3x 1
5=0
2 2
6 ' 6 ' 6 '
4 x ' +6 z ' + x y z 5=0
2 6 3
2
( 6 ' 3
( )) ( 1 ' ( 2
)
2 2
1
4
58 9 2 '
6 y + =0
8 8 4
2 2
3 1 35
(
2 x'
2 2 ) ( + 6 z'
2 3 ) ( 6 y ' + )
8 6
=0
' 3 ''
2x =x
2
1
z' =z ' '
2 3
' 35 ''
y+ =y
8 6
2 2
''
x ' ' +6 z ' ' 6 y =0
y'' y''
x'' x ''
z ''
y''
Sea z '' =k
Paraboloide hiperblico
MATRIZ EXPONENCIAL
n
Ak A 2 A3
e A= lim = + A+ + +
n k=0 k! 2! 3 !
PROPIEDADES
3. exp ( X ) exp (X )=
1
4. ( e A ) =eA ( inversa )
6. exp X t =( exp X )t
8. Si Y es invertible e yx y = y e x y 1
A 2 A3 An
e A= + A+ + ++
2! 3 ! n!
( )
0 0 0
Ejemplo: A= 1 0 0
0 1 0
( ) ( )
0 0 0 0 0 0
A 2 = 0 0 0 , A 3= 0 0 0
1 0 0 0 0 0
Luego:
(e )= 10
0 0 0
( )( ) ( ) ( )
1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 1 1
1 0 + 1 0 0 + 0 0 0 + 0 0 0 +
2 6
0 0 1 0 1 0 1 0 0 0 0 0
( )=
0 0 0
( )
1 0 0 1 0 0
0 1 0
e 1 1 0
1/2 1 1
MATRICES DIAGONALES Y DIAGONALIZABLES
a1 0 0
A=
(
0 a2
0 0
0
an
)
Una matriz M diagonalizable entonces M =P1 DP donde D es la matriz
diagonal y es una matriz no singular, P puede elegirse como una matriz
unitaria, la exponencial de matrices diagonalizables se puede reducir a:
e M =P1 e j P
k
1 ( P1 JP ) P1 J k P
= =
M P JP
e =e =P1 e J P
k=0 k! k=0 k!
e A , eJ
tiene:
J0
J1 Jn
J =
n
J0
J 1 J nn
n
J n=
Ejemplo:
( )
1 0 0
1. Sea la matriz A= 1 3 0 , el polinomio caracterstico de dicha
1 1 1
matriz es:
P ( )=( 1 )2 (3 )
( ) ( )
1 0 0 0 0 0
J= 1 3 0 P= 2 0 0
1 1 3 1 1 1
e M =e P JP
=P1 eJ P
( )
e 0 0
e J= e e 0
0 0 e3
( )
0 e
2
)( )(
0 e e 0 2 0 0
( )
1 /2 0
e A=P1 e J P= 1 /12 1/6 1/3 e e 0 1 0 2 = e e3 e
e3
4 3 2
1/4 1/2 0 0 0 e3 0 3 1
3 e 3e
0
4 2
2. Resolver:
'
x ( t )=3 x 1 ( t )x 2 ( t )
1
x '2 ( t )=2 x 1 (t ) +2 x2 ( t )
Con x 1 ( 0 ) =120 y x 2 ( 0 )=150
Solucin:
x '1 ( t )
( )(
'
x (t )
2
=
2 2 x 2 ( t ))( )
3 1 x 1 ( t )
Para (23 12 )
Buscando sus valores y vectores propios se obtiene:
1=1 y 2=4
v 1= 1 y v 2 = 1
() ( )
2 1
Entonces:
(
C= 1 1 y C1= 1 1
2 1 2 1
1
3) ( )( )
J =D= 1 0
0 4 ( )
et 0
e Jt = ( 0 e4 t )
Luego:
1 1 1 et 0 1 1
e At =Ce Jt C1 = ( )(
3 2 1 0 e 4 t 2 1 )( )
1 et 2 e 4 t e t +e 4 t
e At= (
3 2 et +2 e 4 t 2 e te4 t )
At
1 et 2 e 4 t e t +e 4 t 120
x t= x
( )
1 ( t
x2 ( t )
) =e X 0= (
3 2 et + 2 e4 t 2 et e 4 t 150 )( )