MATEMATICA BASICA II

(NOCIONES DE ALGEBRA LINEAL)

MATRICES, DETERMINANTES Y SISTEMAS DE

ECUACIONES LINEALES

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:

Transpuesta de una matriz

La transpuesta de una matriz Amxn es la matriz construida a partir de A ubicando
la i-sima fila de A en la i-sima columna de la matriz transpuesta.
Notacin: At
[ aij ]mxn At = [ aij ]nxm [ a ji ]nxm
t
Si A= =

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 anti simtrica

Se presenta cuando A= - At
La matriz debe ser cuadrada, los elementos de la diagonal principal son ceros.

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.

Traza de una matriz

Sea A una matriz cuadrada, la traza de A: tr(A) es la suma de elementos de la
diagonal principal de la matriz A.
a11 + a22
tr(A) = ++ann
Propiedades
Sean A y B dos matrices y c un escalar tal que con A y B se puedan hacer
operaciones, entonces:
1) tr(A+B) = tr(A) + tr(B)
2) tr(AB) = tr(BA)
3) tr(c A) = ctr(A)
4) tr(At) = tr(A)
5) (A+B)t = At + Bt
6) (c A)t = c At
7) (AB)t = BtAt
8) (At)t = A
t t
9) Si A es cuadrada entonces A + A es simtrica y A A es

anti simtrica
10) Toda matriz cuadrada A se puede expresar como la suma de
una matriz simtrica y anti simtrica.

Matriz triangular superior

aij
Una matriz cuadrada se llama triangular superior si y solo si =0 para i

Ejemplo:

( )
1 2 3
0 4 5
0 0 6

Matriz triangular inferior

Una matriz cuadrada A= [ aij ]nxn es triangular inferior si y solo si

aij
=0 para

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

Entonces AB=C = [ c ik ]mxp

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

Matrices con elementos complejos

Los elementos de una matriz pueden ser nmeros complejos Z= a + bi, el

complejo conjugado se define Z =a-bi

Respecto a las operaciones tomemos como ejemplo:

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 )

El conjugado de una matriz denotado por se obtiene al tomar el conjugado de

cada uno de los elementos de la matriz A.
La traspuesta conjugada de una matriz A se denota por A*= t
Ejemplo:

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

Es una matriz ortogonal?

( )
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

Ejemplo: Dadas las matrices

A = [aij] = [ |i j| ]12x12 y

B = [bij] = [ i+j ]3x12

Hallar los elementos de C69 y C96 de C = ABAt = [cij]

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

El concepto de determinante surge con el problema de solucin de un sistema

de ecuaciones lineales por ejemplo dado el sistema:
ax + by = r
cx + dy = s

Donde x e y son las incgnitas eliminando variables y despejando se tiene:

 drsb
x = adbc

ascr
y= adbc

El numero ad-bc se encuentra como denominador en x e y.

En la forma matricial se tiene:

(ac bd )( xy) = (rs)

Se dice que el determinante de la matriz de los coeficientes denotado por:

det (A) = detA = | A| = | |

a b
c d = ad-bc

el sistema tendr solucin si | A| 0

Definicin
El determinante viene a ser una funcin que aplicada a una matriz cuadrada da
un nico valor numrico.

Sea A un matriz cuadrada

:Knxn R C

( )
a11 a12 a
1n
a a a2 n
A= 21 22

a n1 an 2 a nn
 Cuyas filas son:

A1 = (a11, a12,, a1n)

.
.
An = (an1, an2, ,ann)

La matriz A por filas es:

A = (A1,A2,,Ai , , An)entonces el determinante es
| A| = det (A1 , A2 , , Ai , , An)

En el determinante se verifica que

1. det(A1 , A2 , , Ai , , An)
2. det(B) = det(A1 , A2 , , rAi , , An)= r det(A1 , A2 , ,Ai , , An)= r det(A)

Observacin: Si cualquier fila de A se multiplica por r , entonces |B| = r

| A|

3. det(A1 , A2 , , Ai + Aj , , An) = det(A1 , A2 , , Ai , , An) + det(A1 , A2 , ,Aj ,

, An)
para todo i = 1,2,3,, n
4. det(In) = 1

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

El determinante de tercer orden es el nmero definido por:

| A| = a11 .a22 .a33+ a12 .a23 .a31+ a13 .a21.a32- a31 .a22 .a13-a32 .a23 .a11 - a21 .a12 .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:

1) |M ij| se llama menor complementario del elemento aijde A.

2) El cofactor del elemento aij que se simboliza por Aij se define por:

M ij
Aij
menor

cofactor =
(1)
i+j

signo

Como i+j puede ser par o impar

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) Si elegimos la fila k el desarrollo del determinante es:

a

kj
| A|
= )
n

j=1

b) Si elegimos la columna j el desarrollo del determinante es:

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

Obs:si elegimos la primera columna

 a

k 1 a a a
| A| 11 A11 )
= ) = ( + ( 21 A 21) + ( 31 A 31)
n

k=1

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

Se llama matriz de cofactores de A. La transpuesta de esta matriz es conocida

como Matriz adjunta de A.

Propiedades de la matriz adjunta de A

1) adj (In) = In
2) adj (At) = (adj (A))t
3) adj (An) = (adj (A))n
4) adj (AB) = adj (B) adj (A)
A
-1 -1
5) adj (A ) = (adj (A)) = detA

6) |adj( A)| = | A|n1

7) adj (xA) = x-1adj (A)

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

Ejemplo: Halle la matriz inversa de A:

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

DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

REGLA DE CRAMER
Es un teorema en el lgebra lineal que da solucin a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 1752) quien publico un
trabajo dando nociones sobre el mtodo.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x 1 , x2, , xn) el
vector de las incgnitas; b el vector de los trminos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:

det ( A j )
xj = det( A)

Donde Aj es la matriz que resulta al remplazar la J-esima columna de A por el

vector columna b.

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|

Obtencin de la matriz inversa de una matriz mediante operaciones

elementales:

Se aplica el mtodo de Gauss-Jordn.

Sea: A= [ aij ]nxn

(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

Matrices y sistemas de ecuaciones lineales

Dado el siguiente sistema de m ecuaciones lineales
aij xi
Donde los son los coeficientes, los son las variables o incgnitas y

bi
los son los trminos independientes o constantes

a11 x 1+ a12 x 2 ++ a1 n x n=b 1

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

llamadas operaciones elementales por filas.

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

[ E2 ] : multiplicar la fila i-sima por un escalar k (k0)

[ E3 ] : reemplazar la fila i-sima por k veces la fila j- sima ms la fila i-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.

Rango de una matriz

Una de las definiciones est dada por la cantidad de filas no nulas en una
matriz escalonada.

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

soluciones 53=2 parametros

3x1- x4-2 x5= -10

x2= 0
-3 x3+ 2x4+ x5= 8
x4 = a
x5= b
2 b+ a10
x 1=
3

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

r(A) = r(AB) = 4 = n x1= 1 x2= 2 x3=3 x4 = 0

Ejemplo:
Para que valores de x el rango de la matriz es menor que 4.

( )
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

El sistema tiene por lo menos una solucin (llamada solucin trivial)

x 1=x 2== xn =0 , por lo cual es consistente o compatible.

Una condicin necesaria y suficiente para que un sistema de ecuaciones

lineales tenga ms de una solucin es que r(A) =r(Ab) = k n , donde n es el

nmero de incgnitas, en este caso el sistema posee soluciones no triviales.

Ejemplo
Resolver
Obtencin de la matriz inversa de una matriz mediante operaciones
elementales:

Se aplica el mtodo de Gauss-Jordn.

Sea: A= [ aij ]nxn

(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

APUNTES SOBRE LOS NUMEROS COMPLEJOS

Definicin: El conjunto de los nmeros complejos es el conjunto R 2 de pares
ordenados de nmeros reales, dotado con las operaciones internas de adicin y
multiplicacin, definidas de la siguiente forma:

Adicin:

(a ; b)+(c ; d) = (a+c ; b+d)

Multiplicacin:

(a ; b).(c ; d) = (ac-bd ; ad+bc)

Notacin
a; b / a , b

Todo elemento de se denomina nmero complejo.

Definicin de nmero complejo

Un numero complejo es todo par ordenado de nmeros reales (x ; y) que

pertenecen a C.
z z (x;y), x, y

El primer elemento x, se denomina parte real de z y se denota por Re(z)

El segundo elemento y, se denomina parte imaginaria de z y se denota

por Im(z)

Ejemplo:

3 Re(z)
z (3; 4)
4 Im(z)

Propiedades

z1 ;z 2
Sea

Re(z1 z2 ) Re(z1) Re(z2 )

a)

Im(z1 z2 ) Im(z1) Im(z2 )

b)

Re(i z) Im(z)
c)

Im(iz) Re(z)
d)

Representacin grfica de un numero complejo

Cada nmero complejo z = (a ; b), se puede representar por un punto P

de un plano; las partes real a e imaginaria b son las coordenadas
de P en un sistema cartesiano ortogonal cuyos ejes se llaman eje real y
eje imaginario.
El plano usado para representar el conjunto C de los nmeros complejos
se denomina plano complejo (diagrama de Argand).

Como tambin cada punto del plano representa un vector de origen (0 ;

0) y extremo P, la correspondencia anterior nos permite representar a
uuur
OP
cada numero complejo z por un vector .

Los nmeros complejos como una extensin de los nmeros reales

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:

f(a)+f(b) = f(a+b), (a ; 0)+(b ; 0) = (a+b ; 0)

f(a).f(b) = f(ab), (a ; 0).(b ; 0) = (a.b ; 0)

f : R'
Como existe una funcin biyectiva que conserva las operaciones
y R'
de adicin y multiplicacin, diremos que son isomorfos.Esto
(a,0)
significa que operar con lleva a resultados anlogos a los obtenidos
al operar con x, por este motivo podemos escribir:

a (a , 0) a

Forma binomica de un nmero complejo

La notacin cartesiana de un numero complejo z como par ordenado

z (a,b) z (2, 3)
no es conveniente para operar, por ejemplo, si resulta
z5 (2 , 3)5
muy laborioso calcular .

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
:

i2 i i (0,1) (0,1) ( 1,0)

1

z (a,b) (a,0) (0,b) (0,b) (b,0) (0,1)

Entonces como: , podemos escribir:

z (a,0) (b,0) (0,1) a bi

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

De la tabla podemos deducir:

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

ia1a2a3 ...an1 an2 ian1 an2

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

La conjugacin nos permite calcular fcilmente el inverso de un complejo

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 )

Modulo de un nmero complejo

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

Propiedadesdel conjugado de un numerocomplejo

Z Z ;
1.
Z1 Z 2 Z1 Z 2
2.
Z1.Z2 Z1.Z2
3.
Z1 Z1
Z ; Z2 0
2 Z2
4.

Re Z Z Z
2
5.

Im Z Z Z
2i
6.
Z Z Z
7.

II. Del mdulo de un complejo

Z ; | Z | 0
1.
Z 0 Z0
2. (Complejo nulo)
3. | Z1 . Z2 | = | Z1 | | Z2 |
Z Z ;
4.
Z1 Z1
; Z2 0
Z2 Z2
5.
Z
6. |Z|=| |=|Z|
Z
7. | Z |2 = Z .

8. | Z1 + Z2 | | Z1 | + | Z2 |
(Desigualdad triangular)
n \ 0
n n
9. | Z | = | Z | ;
Operaciones en forma cartesiana
Adicin:

(a + bi) + (c + di) = (a + c) + (b + d)i

Sustraccin:

(a + bi) - (c + di) = (a - c) + (b - d)i

Multiplicacin:

(a + bi) (c + di) = (ac - bd) + (ad + bc)i

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: ,

la potencia se vuelve laboriosa

n x yi a bi x yi (a bi)n
Radicacin: ,

la radicacin se vuelve complicada

Argumento de un nmero complejo no nulo

El argumento de un nmero complejo, es el ngulo que forma el semieje

positivo de abscisas, con la semirrecta que une el origen de
coordenadas con el afijo de z. No se define el argumento del numero
complejo (0 ; 0)
 z \ (0 , 0)
Dado , un argumento de z es cualquier tal que:

Re(z) Im(z)
cos , sen
z z

Podemos definir el conjunto de los argumentos de un nmero complejo z

no nulo y denotarlo por arg z.

Re(z) Im(z)
argz / cos ,sen
z z

Argumento principal de un nmero complejo no nulo

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 .

0 Arg z 2 arg z Arg z 2k ,k

Es decir , adems

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)

Forma polar o trigonomtrica de un nmero complejo

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 cos ir sen r(cos isen )

, es la forma polar o trigonomtrica de
z.
Operaciones en forma polar o trigonomtrica
 z1 r1(cos 1 isen 1) z2 r2 (cos 2 isen 2 )
Sean:

a) z1.z2 r1 r2 cos(1 2 ) isen(1 2 )

z r
b) 1 1 cos(1 2 ) isen(1 2 )
z2 r2

c)z1n r1n cos(n1) isen(n1) ; n Z

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

(cos i sen )n cosn i senn

Ejemplo: Si n = 2

(cos isen )2 cos 2 isen2

cos2 sen2 i(2sen cos )
1 4 42 4 43 1 44 2 4 43
cos 2 sen 2
cos 2 isen 2 ,
igualamos parte real y parte imaginaria
entonces cos 2 cos2 sen2
y sen2 2sen cos

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 ;

(z z 1)6 z6 6z4 15z2 20

15z 2 6z 4 z 6

(z z1)6 (z6 z 6 ) 6(z 4 z 4 )

1 4 2 43 1 4 2 43
2cos(6) 2 cos(4)
2
15(z z ) 20 2 cos6
2 6
1 4 2 43
2cos(2)

1 3 15 5
cos6 cos 6 cos 4 cos 2
32 16 32 16

Notacin fasorial

Se usa en el anlisis de circuitos con corriente alterna

z r(cos isen ) z r

Notacin cientfica

Se usa para abreviar la escritura de la forma polar:

z r(cos isen ) z r cis

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

Cis cos isen

4.
Cis n Cis n cos n isen n ;
5.
n

Cis 1 Cis 2 1 2 2k, k

6.
Forma exponencial de un nmero complejo
Formula de Euler

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)

Operaciones en forma exponencial

z1 r1 ei1 z2 r2 ei2
: ,
Sean

z1.z2 r1r2 ei(12 )

a)

z1 r1 i(12 )
e
z2 r2
b)

z1n r1n ei(n1) ; n

c)
 2k
i( 1 )
nz nr e n ,
1 1
k 0 , 1 , 2 , 3 , ... , (n 1)
d)

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

Raz ensima de la unidad

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:

a) La suma de las races ensimas de la unidad es cero.

( 1)n 1
b) El producto de las races ensimas de la unidad es

Races cubicas de la unidad

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

Para graficar el lugar geomtrico o identificar geomtricamente los

conjuntos de nmeros complejos z que verifican determinadas
z x yi
condiciones, se remplazan en las condiciones o segn
z rei
convenga .

Ejemplo: Graficar los nmeros complejos z que verifican la condicin:

z r

Solucin:

z r x 2 y 2 r x 2 y2 r 2

Es la ecuacin de una circunferencia centrada en el origen de radio r

Ejemplo: Graficar los nmeros complejos z que verifican la condicin:

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

1 y i(x 1) 1 (x 1)2 (y 1)2 1.. (1)

Sea
z1 i z i (x iy) x i(y 1)
x1 y1 x i(y 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

Todo polinomio no constante con coeficientes complejos tiene al menos

un cero complejo.

Teorema

P(z) a0 a1z ......... an1zn 1 anzn an 0

Sea , un polinomio complejo
,
n1
de grado , P(z) tiene n races complejas(contando cada una segn
su multiplicidad). Es decir, existen n nmeros complejos (iguales o

z1,z2,z3,...,zn
distintos) , tal que:

P(z) an(z z1)(z z2 )(z z3 )....(z zn )

Teorema

1) Todo polinomio de grado impar con coeficientes reales tiene al menos

una raz real.
z a bi
2) En los polinomios con coeficientes reales si es una raz del
z a bi
polinomio, entonces su conjugado tambin lo es.

Nota
n1
Todo polinomio de grado , con coeficientes reales se puede
factorizar:

a) como un producto de polinomios reales de grados uno y dos.

P(x) (ax b)n (cx 2 dx e)m

b) como un producto de polinomios complejos de grado uno.

DETERMINANTES

El concepto de determinante surge con el problema de solucin de un sistema

de ecuaciones lineales por ejemplo dado el sistema:
ax + by = r
cx + dy = s

Donde x e y son las incgnitas eliminando variables y despejando se tiene:

drsb
x= adbc

ascr
y = adbc

El numero ad-bc se encuentra como denominador en x e y.

En la forma matricial se tiene:

(ac bd )( xy) = (rs)

Se dice que el determinante de la matriz de los coeficientes denotado por:

det (A) = detA = | A| = | |

a b
c d = ad-bc

el sistema tendr solucin si | A| 0

 Definicin
El determinante viene a ser una funcin que aplicada a una matriz cuadrada da
un nico valor numrico.

Sea A un matriz cuadrada

:Knxn R C

( )
a11 a12 a
1n
a a a2 n
A= 21 22

a n1 an 2 a nn

Cuyas filas son:

A1 = (a11, a12,, a1n)

.
.
An = (an1, an2, ,ann)

La matriz A por filas es:

A = (A1,A2,,Ai , , An)entonces el determinante es
| A| = det (A1 , A2 , , Ai , , An)

En el determinante se verifica que

5. det(A1 , A2 , , Ai , , An)
6. det(B) = det(A1 , A2 , , rAi , , An)= r det(A1 , A2 , ,Ai , , An)= r det(A)

Observacin: Si cualquier fila de A se multiplica por r , entonces |B| = r

| A|

7. det(A1 , A2 , , Ai + Aj , , An) = det(A1 , A2 , , Ai , , An) + det(A1 , A2 , ,Aj ,

, An)
para todo i = 1,2,3,, n
8. det(In) = 1
Definicin
Sea una matriz cuadrada de orden 2x2
a 11 a12
A= ( 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

El determinante de tercer orden es el nmero definido por:

| A| = a11 .a22 .a33+ a12 .a23 .a31+ a13 .a21.a32- a31 .a22 .a13-a32 .a23 .a11 - a21 .a12 .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

Como i+j puede ser par o impar

Aij = |M ij|

Desarrollo de una 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.

c) Si elegimos la fila k el desarrollo del determinante es:

a

kj
| A|
= )
n

j=1

d) Si elegimos la columna j el desarrollo del determinante es:

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

Obs:si elegimos la primera columna

a

k 1 a a a
| A| 11 A11 )
= ) = ( + ( 21 A 21) + ( 31 A 31)
n

k=1

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

Se llama matriz de cofactores de A. La transpuesta de esta matriz es conocida

como Matriz adjunta de A.

Propiedades de la matriz adjunta de A

8) adj (In) = In
9) adj (At) = (adj (A))t
10)adj (An) = (adj (A))n
11) adj (AB) = adj (B) adj (A)
 A
12)adj (A-1) = (adj (A))-1 = detA

13) |adj ( A)| = | A|n1

14)adj (xA) = x-1adj (A)

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

Ejemplo: Halle la matriz inversa de A:

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

DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

REGLA DE CRAMER
Es un teorema en el lgebra lineal que da solucin a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 1752) quien publico un
trabajo dando nociones sobre el mtodo.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x 1 , x2, , xn) el
vector de las incgnitas; b el vector de los trminos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:
 det ( A j )
xj = det( A)

Donde Aj es la matriz que resulta al remplazar la J-esima columna de A por el

vector columna b.

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

respuesta de manera rigurosa (demostrar).

a) Sea AX =0 un sistema homogneo de n ecuaciones con n incgnitas,

supongamos

que el rango o caracterstica de A es R=n1 entonces un vector no

nulo cuyas

componentes sean los adjuntos de una fila de A es solucin de AX =0

b) Si A es una matriz cuadrada de orden n y rango menor que n1

entonces adjA=0

C) Si A es una matriz simtrica entonces tambin lo es la adj( A) 6

puntos

2. Discutir la compatibilidad segn los valores de aR del sistema de

ecuaciones

lineales. Determine la solucin para los casos de compatibilidad.

ax + yz=a2

x y + z=1

3 x yz=1

6 x y + z=3 a 4 puntos

3. Usando propiedades hallar el determinante de

 ( )
x y x+ y
y x+ y x 3 puntos
x+ y x y

4. Dada la matriz A Que relacin deben satisfacer las constantes

a , b , c ,d y d

Para que el rango de la matriz sea 2,3 y 4?

0 1 a b
A= 1
(
0
a c
b d
c d
0 e
e 0
) 4 puntos

5. El sistema AX =b tiene solucin por nica solucin (2 ;2 ; 3)t si la

matriz de

( )
8 4 4
Cofactores de A es 5 7 1 . Determine los elementos de la
1 1 5

matriz

columna b , si el determinante de A positivo. 3 puntos

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

r(A)=2 = r(Aa) < 3 depende de un parmetro

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

3. Halle la inversa de la matriz de orden n donde:

aij=0 , si i=j
 aij=1 , si i j

4. Indique si es verdadero (v) o falso (f) (fundamente)

A) Si A y B son matrices cuadradas de orden n tal que AB=A y BA=B
A y B son idempotentes.

B) Si A es una matriz cuadrada de orden n entonces A + AT, ATA y AATson

matrices simtricas.
C) Si A y B son matrices ortogonales entonces A + B tambin es ortogonal.
D) Si A es nilpotente entonces es invertible.
2
E) Si A es simtrico entonces A es simtrico.

PROBLEMAS RESUELTOS

1. Que valores debe tener m para que el sistema tenga solucin

( 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

la matriz de coeficientes debe ser diferente de cero. A 0

 | || | | | | |
m+1 1 1 m+3 1 1 1 1 1 0 1 1
det ( A )= 1 m+1 1 = m+3 m+1 1 = ( m+3 ) 1 m+1 1 = ( m+3 ) m m+ 1 1 =
1 1 m+1 m+3 1 m+ 1 1 1 m+1 0 1 m+1

El sistema tiene solucin si y solo si ( m+ 3 ) m2 0 m m3

Si m=0 tenemos el sistema x+ y+ z=2

x+ y+ z=2

x+ y+ z=0 es un sistemainconsistente

Si m=3 tenemos el sistema 2 x + y + z=5

x2 y+ z=2

x+ y2 z=3

Trabajando con la matriz ampliada (dndole una forma escalonada)

| | | | | | |
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

r ( A a ) =r ( A )=2<3(tiene mas de una solucion)

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

conjunto V sobre el cual se define:

(Un espacio vectorial es un conjunto V de elementos llamados vectores, cuyas
operaciones de adicin y multiplicacin por un escalar se encuentran definidas
en dicho conjunto (u,v, w son vectores y c, d son escalares reales o
complejos).V es un conjunto no vacio.)
Axiomas de cerradura:
1 u+ v existe y es un elemento de V (V cerrado bajo la adicin, ley de la
cerradura o clausura)
2 c.u es un elemento de V (V es cerrado bajo la multiplicacin por un escalar).
Axiomas de adicin:
3 u + v= v + u (propiedad conmutativa)
4 u + (v + w) = (u + v) + w (propiedad asociativa)
5Existe un elemento de V denominado vector cero o vector nulo tal que: u + 0
= u (0 es el elemento nulo o neutro)
6Para todo elemento de V existe un elemento llamado el negativo de u tal que:
u + (-u) = 0
Axiomas de la multiplicacin por un escalar:
7 c (u + v) = cu + cv
8 (c + d) u= cu + du
9 c (du)= (cd) u
10 1.u=u
Nota:
Un espacio vectorial es el conjunto V de elementos llamados vectores, cuyas
operaciones de adicin y multiplicacin por un escalar se encuentran definidas
en l y satisfacen los axiomas mencionados donde u, v y w son vectores de V ,
c, d son escalares.
Ejemplo:
Dado el conjunto A definido por:
(x1,y1) + (x2,y2) = (x1 + x2 + 1; y1 + y2 +1)

(x;y)= ( + x1 ; + y -1)

Verifique si dicho conjunto se puede considerar como un espacio vectorial.

Solucin:
Axiomas de la cerradura
Sea:
u=(x1;y1)
v=(x2;y2)
1 u+ v= (x1 + x2 + 1; y1 + y2 +1) =( z1;z2) A

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)

a=(-1;-1) vector nulo de A.

6 (u1;u2) + (b1;b2)=(-1,-1)

(u1+b1 + 1; u2 + b2 + 1)= (-1;-1) (b1;b2)=(-2-u1,-2-u2)

Axiomas de la multiplicacin por un escalar:

7c(u+v)=c(u1+v1+1;u2+v2+1)=(c+c(u1+v1+1)-1;c+c(u2+v2+1)-1)
cu+cv=(c+cu1-1;c+cu2-1)+(c+cv1-1;c+cv2-1)
=(2c+cu1+cv1-1;2c+cu2+cv2-1)
=(c+c (u1+v1+1)-1; c+c(u2+v2+1)-1)
8(c+d) u=cu+du
(c+d+(c+d)u1-1;c+d+(c+d)u2-1)
cu+du= (c+cu1-1;c+cu2-1)+(d+du1-1;d+du2-1)
=(c+d+(c+d)u1-1;c+d+(c+d)u2-1)
Ejemplo
2
x , x
Dado el conjunto A definido por

A=

Donde ( x 1 , x 2 ) + ( y 1 , y 2 ) =(|x 1 + y 1|, y2 )

Los siguientes ejemplos son espacios vectoriales:
1. El conjunto de n-uplas de nmeros reales.

Rn= {x=(x1,x2,x3,x4,x5,,xn-1,xn) ; x=( x i ) donde 1 i n ; xi R }, con las

operaciones x+y = (x1+y1,x2+y2,,xn+yn)

x=( x , x ,, x )
1 2 n

Observacin

Ejemplo Sea V= { 1 } no es un espacio vectorial, si 1+1=2, pero 2 V no se

cumple la ley de la clausura o cerradura en la adicin V no es espacio vectorial

2. El conjunto de matrices de dimensin nxm:

Mnxm ( ) = { A=( a ij ) 1 i n ; 1 j m}

con las operaciones: suma de matrices y productos por nmeros reales.

3. El conjunto de todos los polinomios con coeficientes reales en la variable x.

{ }
n

P( )= ak x k :n N ,a k R
k=0

con las operaciones de suma y producto por nmeros reales

4.El conjunto de todas las funciones reales:

F( )= { R R } con las operaciones suma de funciones y producto por

nmeros reales.
5. El conjunto de todas las sucesiones de nmeros reales:

S= {( x n ) n=0 : x n R , n 1 }

Ejemplo:

1) Sea V= { 0 } satisface los 10 axiomas, es un espacio vectorial, se le conoce

como ESPACIO VECTORIAL TRIVIAL

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

subconjunto no vacio S V que es un espacio vectorial con las mismas

operaciones definidas sobre V

Si V es un espacio vectorial y S V, S

S es un subespacio vectorial de V { u+v S , u , 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.

COMBINACIN LINEAL DE VECTORES

Sea V un espacio vectorial, se dice que v V es combinacin lineal de los

vectores { v1, v 2 , v 3 , , v n } V, si existen 1 , 2 , , n K tal que:

n

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

se puede formar una combinacin lineal.

Ejemplo

Determinar si la matriz (18 17 ) es una combinacin lineal de las matrices

( )( )( )
{ 1 0 , 0 1 , 2 3 } en el espacio vectorial M
2 1 2 0 0 2 2x2

Solucin:

(18 17 )=x( 12 01)+ y (02 10)+ z (20 32 )

Luego

DEPENDENCIA E INDEPENDENCIA LINEAL

Sea V un espacio vectorial, se dice que el conjunto de vectores

{ v1, v 2 , v 3 , , v n } es linealmente dependiente si y solo si existen 1 , 2 , , n

que pertenecen a K , con algn i 0 tales que la i v i=0

i =0
En caso contrario se dice que el conjunto { v1, v 2 , v 3 , , v n } es linealmente

independiente.
i=0 i=1,2, , n
Si entonces los vectores son LI

Observacin:

Para estudiar si un conjunto de vectores { v1, v 2 , v 3, , v n } es linealmente

dependiente o independiente se plantea la ecuacin i v i=0

i=0

Se estudian las soluciones, si admite alguna solucin no nula el conjunto de

vectores es linealmente dependiente y si solo admite la solucin nula es
linealmente independiente.
Ejemplo
v1=(1,0,-1,2) , v2=(1,1,0,1) y v3=(2,1,-1,1)
Indique sin son linealmente independientes.
Solucin
x(1,0,-1,2) + y(1,1,0,1) + z(2,1,-1,1) = 0
x + y + 2z = 0
y+z=0
-x z = 0
2x + y + z = 0

1 1 20 1 0 00

( )( )
0
1
2
1
0
1
10 0 1
10
10
0 0
0 0
00
10
01

x=0, y=0 , z=0

Son vectores linealmente independientes

PROPIEDADES

1 { v } es linealmente dependiente si y solo si v =0

2 0 A V A es linealmente dependiente
3 { u , v } es linealmente dependiente u= v ( 0

4 Si A es L.I. y B A B es linealmente independiente

5 A linealmente dependiente y A B B es linealmente dependiente.

6 A linealmente dependiente v A que es combinacin lineal de A.

OBSERVACIN

1. El conjunto { v1, v 2 , v 3 , , v n } se llama conjunto dependiente o

independiente segn sean los vectores LD LI

2. Se define al conjunto vaci como independiente

3. Si dos de los vectores { v1, v 2 , v 3 , , v n } son iguales entonces los vectores

son dependientes
v1 v2
4. Dos vectores y son dependientes si y solo s uno de ellos es

mltiplo escalar del otro.

5. Todo vector no nulo de un espacio vectorial constituye un conjunto LI
6. El vector nulo de cualquier espacio vectorial constituye un conjunto LD
7. Un conjunto finito y no vacio de vectores es LD si y solo si algn vector es
combinacin lineal de los dems
8. Un conjunto finito y ordenado de vectores al que no pertenece el vector nulo
es LD si y solo si algn vector es combinacin lineal de los precedentes
DEFINICION
A= { ai tal que i=1,2,. . ,n }
Los elementos del conjunto si son linealmente

independientes determinan una base.

Es decir el conjunto A es una base

Ejemplo:

Indique si el conjunto de vectores {2 t1,t +cos 2 t , 3+e 3 t , cos 2 t+e 3 t } es LI

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

=0, =0, =0, =0

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

L(A) ivi , i K es un subespacio vectorial de V que se llama

i1

subespacio generado por A. El conjunto A se llama Sistema de Generadores de

L(A).
Ejemplo:
Si V R3 y A v1 (1,0,1) , v2 (1,1,1), entonces:
L(A) v v1v2 ; , Rv (,,) ; , R
Las ecuaciones:
X
Y
Z
Se llaman ecuaciones paramtricas de L(A)

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)

BASE DE UN ESPACIO VECTORIAL

Definicion de base de un espacio vectorial

Un conjunto finito de vectores { v1 , v 2 , , v n } recibe el nombre de base de un

espacio vectorial V si el conjunto genera al espacio V y dicho conjunto es

linealmente independiente.
Ejemplo:
Halle una base del sistema:
3x1 x2 8x3 2x4 x5 0
2x1 2x2 3x3 7x4 2x5 0
 x1 11x2 12x3 34x4 5x5 0
x1 5x2 2x3 16x4 3x5 0
Solucin:

8x1 19x3 3x4 4x5 0

8x2 7x3 25x4 4x5 0

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)

a(19/8,7/8,1,0,0) + b(3/8,-25/8,0,1,0) + c(-4/8,4/8,0,0,1)

Una base del sistema es (19/8,7/8,1,0,0) , (3/8,-25/8,0,1,0) , (-4/8,4/8,0,0,1)
tambin es una base (19,7,8,0,0) , (3,-25,0,8,0) , (-1,1,0,0,2)
V (19,7,8,0,0) + (3,-25,0,8,0) + (-1,1,0,0,2) (0,0,0,0,0)
19 + 3 - 0
7 - 25 + 0
8 0
8 0
2 0
Como estos vectores son Linealmente Independientes entonces forman una
base.
Obs. Desde el punto de vista intuitivo una base es un conjunto eficiente para
representar un espacio vectorial, en el sentido de que cualquier vector se
puede expresar como una combinacin lineal de los vectores de la base,
adems los vectores de la base son Linealmente Independientes.

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

2. Los subespacios de una dimensin de R3 son rectas que pasan por el

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

1. Para qu valor de a o valores el conjunto: (00 a 0

1 0 ) , (00 1 0
a a ) ,

(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.

2. Sean los vectores: (1+a,1,1,1) ; (1,1+a,1,1) ; (1,1,1+a,1) ; (1,1,1,1+a)

Determine segn los valores del parmetro a, la dimensin y una base del
subespacio que generan.

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.

3. Determine un vector v de R3 sabiendo que:

- La suma de sus coordenadas es 3.
- v es combinacin lineal de (2, 2,2) y (-1, 1,0)
- Los vectores (1, 0,1), (0, 1,0) y v son linealmente dependientes.
Solucin:
Sea v (a, b, c) R3
a+b+c3
x(2,2,2) + y(-1,1,0) (a,b,c)
(1, 0,1) + (0,1,0) + (a,b,c) (0,0,0)
2x y a
2x + y b
2x c
x 1/2 , c 1 , a + b 2
Luego: (1,0,1) + (0,1,0) (a,b,c)
1 a 1 b
1 c 1 a b 1
v (1,1,1)
4. Sea F un subespacio vectorial de R 3 formado por los vectores v (x, y, z)
tales que x 2y + 4z 0. Halle una base a, b, c R3 tal que a, b F.
Solucin:
F (x,y,z) / (x,y,z) R3 x -2y + 4z 0
(2y 4z,y,z) y(2,1,0) + z(-4,0,1)
(2,1,0) , (-4,0,1)
(2,1,0) + (-4,0,1) = 0

Es una base: (2, 1,0), (-4, 0,1)del subespacio vectorial F de R3

Determina un plano que pasa por el origen y cuya ecuacin est dado por
: x2 y + 4 z=0

5. Sean S y T subespacios de R4 definidos por S (x , y, z , t) / x + y + z + t 0,

2x y + 2z t 0, 4x + y + 4z + t 0
T (x , y , z , t) / x a + b + 2c, y b + c, z -a + b, t 3b +3c
Obtener una base y la dimensin de T + S.
Solucin:
En S: (x, y , z , t)
x+y+z+t0
2x y + 2z t 0
4x + y + 4z + t 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

entonces dim (U+W)= dim (U) + dim (W) dim (U W)

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)

En consecuencia R3 es la suma directa de U y W:

R3 U W
Ejemplo
R2 se puede expresar como una suma directa de dos rectas arbitrarias,

pero distintas que pasan por el origen.

SOLUCION
Consideramos dos rectas arbitrarias que pasan por origen , dichas rectas son

subespacios de R2

L1={ x (3,7 ) tal que x R } y L2={ y (2,5 ) tal que y R }

Sea (a , b) un vector de R2 donde ( a , b ) =x (3,7 ) + y (2,7)

a=3 x2 y

b=7 x+5 y
Despejando obtenemos x=5 a2 b ; y=7 a+ 3 b

( a , b ) =(5 a2 b ) (3,7 )+ (7 a+3 b ) (2,5) , a y b R

2
R =L1 + L2

Por otro lado, si ( a , b ) L1 L 2 , entonces ( a , b ) =x(3,7) y

( a , b ) = y (2,5)

Lo cual implica que 3 x +2 y=0 y 7 x5 y=0 entonces x= y =0

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

Respecto a la base dada el vector x V queda caracterizado por los

coeficientes de la combinacin lineal.

Ejemplo: Determine las coordenadas de x=(2,3) respecto de la base

[ v ] = {( 1,1 ) ,(1,0) }

Solucion

x=(2,3 )= (1,1 )+ (1,0) , resolviendo =3 , =5 , luego ( )

x [ v ]= 3
5

las coordenadas de x relativas a la base dada son 3 y -5

PROBLEMAS RESUELTOS

1. En el espacio P2 de los polinomios de grado 3, verifique si los siguientes

polinomios son linealmente independientes o linealmente dependientes

P(X)=x3-3x2-5x+1, Q(X)=-x3-x2+5x+2, R(X)=-x3-7x2+4x

SOLUCION
Formamos una combinacin lineal e igualamos a cero.

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

Resolvemos con la matriz ampliada:

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.

2. Determine un base tal que en R2 un vector e encuentre en la recta L={x-

y+z=0, 2x-z=0} y otros dos en el plano x+y+z=0

SOLUCION

Un vector de la base se encuentra en la recta L={x-y+z=0, 2x-z=0}

x-y+z=0 y 2x-z=0 x=t, y=3t y z=2t donde t es un parmetro.

entonces la recta est dada por L={(t;3t;2t)} (t;3t;2t)= t(1;3;2); entonces

(1;3;2) es vector contenido en L.

Dos vectores de la base se encuentran en P: x+y+z=0, si x=s y y=t

P:{(s;t;-s-t)} P:{s(1;0;-1)+t(0;1;-1)}

Solo queda demostrar que el conjunto B= {(1; 3; 2), (1;0;-1),(0;1;-1)} es

linealmente independiente.
a(1;3;2)+b(1;0;-1)+c(0;1;-1)=(0;0;0) (a+b;3a+c;2a-b-c)=(0;0;0)

Comparando

a+b=0; 3a+c=0; 2a-b-c=0, resolvemos con la matriz ampliada:

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.

a=0, b=0 y c=0

La base es B={(1;3;2),(1;0;-1),(0;1;-1)}

3. Dado el conjunto de matrices B, indique si determinan una base.

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

Para saber si B determina una base se debe demostrar

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:

a+b+c=0; b+c=0; c=0 y d=0


Resolviendo: a=b=c=d=0 El conjunto es linealmente independiente.

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:

a+b+c=m; b+c=n; c=p y d=q, resolviendo con la matriz ampliada:

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.

El conjunto si genera a A2x2

El conjunto si es una base.

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:

a-b+c+d=0; -b+d=0; b+c=0 y a+d=0

Resolviendo: a=b=c=d=0 El conjunto es linealmente independiente.

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:

a-b+c+d=m; -b+d=n; b+c=p y a+d=q, resolviendo con la matriz ampliada:

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

el sistema es compatible, solucin nica.

El conjunto si genera a A2x2

El conjunto si es una base.

4. A) Extender el conjunto S={(1;1;-1;1),(1;1;0;1),(1;2;1;1)} para que formen una

base de R4

B) si V es un espacio vectorial de dimensin 1. Cmo son sus bases?

SOLUCION

A) La base pedida ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(m;n;p;q)}

Primero demostraremos que el conjunto S es LI

a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)

(a+b+c+md;a+b+2c+nd;-a+c+pd;a+b+c+qd)=(0;0;0;0), por comparacin

a+b+c+md=0; a+b+2c+nd=0; -a+c+pd=0 y a+b+c+qd=0; resolviendo con la

matriz ampliada

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:

-m+n-p=0; -3m-2n+p=0; -m+n=0 y m+q=1, resolviendo con la matriz ampliada

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

Rpta: La base ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(0;0;0;1)}

B) Se sabe que la dimensin de una base viene dado por la cantidad de

elementos de la base.

Si dim=1 La base solo tiene un elemento. Todas las bases del espacio
vectorial deben ser equivalentes( es decir, multiplicados por un escalar)

Rpta: Las bases son conjuntos cuyos nicos elementos resulta de la

multiplicacin escalar del elemento de otra base.

5. Sean los subespacios del espacio vectorial de las matrices cuadradas de

orden 2

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

En el conjunto W se debe verificar que sus elementos son linealmente

independientes

1 0 1 1 0 0 ab b 0 0

0 1 1 1 0 0 b a b 0 0
a +b = =

Comparando: a+b=0; b=0 y a+b=0; resolviendo: a=b=0

Verifiquemos si genera a A2x2:

1 0 1 1 m n ab b m n

0 1 1 1 p q b a b p q
a +b = =

Comparando: a+b=m; b=n; b=p y a+b=q

Resolviendo con la matriz ampliada:

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

el conjunto W no es una base de A2x2

6. Dados los subespacios vectoriales de R3, s={(a;2a;a+b) tal que a y b R},

T={(x;y;z) tal que x=0, y=0}. Calcular una base y dimensin de ST, S+T

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)

Una base de ST es {(0;0;1)}, entonces dim(ST)= 1

Para S+T

S+T={(a;2a;a+b+z)} pero notamos:

(a;2a;a+b+z)=a(1:2:1)+(b+z)(0;0;1), entonces dim(S+T)=2

7.-Indique si los siguientes subconjuntos son espacios vectoriales: S={(x;y)

tal que X0 y y0} de R2; T={(x;y)tal que ex+y=0}; W={(x;y;z) tal que
x2+y2+z=0}

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=(u1;u2) y v=(v1;v2) u1;u2;v1;v20u1+v10 y u2+v20

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)

u+v=(u+v;eu+ev), pero este vector no pertenece a T

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)

u+v=(u1+v1;u2+v2;-u12-u22-v12-v22), pero este vector no pertenece a W

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

AX=aX AX=aIX donde I es la matriz identidad

(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

9. A) Determine una base y la dimensin para el conjunto W definido por las

matrices simtricas de orden 2.

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

Aplicando menores y cofactores a la f1

Det(A)=1(1+c2)-a(-a+bc)+b(ac+b)=1+a2+b2+c2 y esta expresin obviamente

es mayor que 1

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.

X1=(4/3)t; x2=t y x3=4t

(4 / 3)t

t
4t

X= , donde t es un parmetro lo cual no indica que hay infinitas
soluciones.

11.-Dados los subespacios vectoriales en R3. U={(x;y;z) R3 tal que x+y=0}

y

W={(x;y;z) R 3 tal que y-z=0}.Determina una base y dimensin de UW,

UW, U+W.

SOLUCION

Sea u U u=(x;-x;z)=x(1;-1;0)+z(0;0;1) Una base de U es {(1;-1;0);

(0;0;1)}, dim(U)= 2

Sea w W w=(x;y;y)=x(1;0;0)+y(0;1;1) Una base de W es {(1;0;0);

(0;1;1)}; dim(W)=2

i) UW :(x;-x;z)= (x;y;y) x=-y=y x=0 (0;0;0)

Una base (UW) es {(0;0;0)}; entonces dim(UW)=0

ii) UW: (x;-x;z) y (x;y;y); sea a=(3;-3;1) UW y b=(-3;1;1) UW

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

Una base de UW es {(1;-1;0);(0;0;1);(0;0;1);(0;1;1)}. Dim(UW)=4

12.- En R4 sean los vectores u=(1;0;-1;2); v=(;-1;0;1) y w=(0;;-1;1). Para

que valores de el conjunto {u;v;w} es LD.

SOLUCION

Analizamos la independencia o dependencia lineal.

a.u+b.v+c.w=0 a(1;0;-1;2)+b(;-1;0;1)+c(0;;-1;1)=0; formando la matriz

ampliada.

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

R(A)=2<n=3; entonces presenta infinitas soluciones para =1. LD

13. Sean los subespacios S={(x;y;t;z) R4 tal que x+y=0 y t=z} y

T={(x;y;t;z) R4 tal que x=ay-at y z=-ay+at}. Determine las bases y la
dimensin se S; T; ST; ST. Hallar a para que S+T tenga dimensin 3 y
con a determine una base para ST

SOLUCION

Sea s=(x;y;t;z)=(x;x;z;z)= x(1;1;0;0)+(0;0;1;1)

Una base de S es {(1;1;0;0);(0;0;1;1)}, dim(S)=2

Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)

Una base de T es {(a;1;-a;0);(-a;0;a;1)}, dim(T)=2

ST: (x;x;z;z)= (ay-at;y;-ay+at;t)

 resolviendo x=y=-z (x;x;-x;-x)=x(1;1;-1;-1)

Una base de ST es {(1;1;-1;-1)} dim(ST)=1

ST: {(x;x;z;z) o (ay-at;y;-ay+at;t)} si a=(2;2;1;1) STy b=(a+2;4;1-a;19)

ST

a+b=(a+2;4;1-2;2), pero este vector no pertenece a ST ST no es
espacio vectorial.

dim(S+T)= dim(S) +dim(T)-dim(ST) dim(S+T)= 3

S+T: m(1;1;0;0)+n(0;0;1;1)+p(a;1;-a:0)+ q(-a;0;a;1), se construye la matriz

ampliada.

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

los siguientes polinomios son linealmente independientes o

linealmente dependientes

P( x)=x 3 x +5 x +1 ,Q (x)=x x +6 x+ 2, R(x)=x 7 x + 4 x

Planteamos la combinacin lineal

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

Llevando a una matriz.

( )( )
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

Dando forma escalonada a la matriz se obtiene que:

2 3=0

2 + 3=0

1+2 2=0

> 3=0 y 2=0 y 1=0

Se cumple que son Linealmente Independientes.

 3
2. Determine una base tal que en R un vector se encuentre en la

recta L =

{ x y + z=0 ; 2 xz=0 } y otros dos en el plano : x + y + z=0

Elegimos un vector (x,y,z)

( x , y , z ) =( x , 3 x , 2 x ) =x ( 1,3,2 ) Base en la recta {(1,3,2)}

( x , y , z ) =(y z , y , z ) = y (1,1,0 ) + z (1,0,1 ) Base en el plano { (1,1,0 ) ,(1,0,1) }

Una base ser { ( 1,3,2 ) , (1,1,0 ) ,(1,0,1)}

3. Dado el conjunto de matrices B, indique si determinan una base

i) B = {( ) ( ) ( ) ( )}
1 0 , 1 1 , 1 1 , 0 0
0 0 0 0 1 0 0 1

Para ser bases deben ser L.I.

(00 00)= (10 00)+ ( 10 10)+ (11 10)+ ( 00 10)

1 2 3 4

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

(00 00)= (10 01)+ (10 10 )+ ( 11 00)+ ( 10 11)

1 2 3 4

1 2+ 3 + 4 =0

2 + 3=0

2+ 3=0

1+ 4 =0

Llevando a una matriz

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

> 1= 2= 3= 4 =0 si , determinanuna base de B 2

4. A) Extender el conjunto S= { ( 1,1,1,1 ) , ( 1,1,0,1 ) ,(1,2,1,1)} para que

4
formen una base de R

S=a (1,1,1,1 )+ b ( 1,1,0,1 ) +c (1,2,1,1 )

S=( a+b+ c ; a+b2 c ;a+c ; a+b+ c )

S=( a+b+ c ) ( 1; 0; 0 ; 1 ) + ( a+ b2c ) ( 0 ; 1; 0 ; 0 )+(a+c )(0 ; 0 ; 1; 0)

4
R =S={ ( 1; 0 ; 0 ; 1 ) , ( 0 ;1 ; 0 ; 0 ) , ( 0 ; 0 ; 1; 0 ) }

5. Sean los subespacios del espacio vectorial de las matrices

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 :

(ac bd )= (10 10)+ (11 00)+ (10 11)= ( 10 11 )+ (21 10)

1 2 3 1 2
 a= 1 2 + 3= 1 +2 2

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

, T { ( x , y , z ) R tal que x=0 , y=0 }

3
S= { ( a , 2 a , a+b ) tal que a y b R }

Determine una base y la dimensin de S T , S +T

Solucin
 S=a (1,2,1 ) +b ( 0,0,1 ) = S= {( 1,2,1 ) , ( 0,0,1 ) }= dim ( S )=2

T =( 0,0, x ) =x(0,0,1)=T = { ( 0,0,1 ) }= dim ( T )=1

S T : ( a , b , c )= 1 ( 1,2,1 ) + 2 ( 0,0,1 ) =1 ( 0,0,1 )

a= 1 =0

b=2 1=0

c= 1 + 2= 1

> S T ={ ( 0,0,1 ) } = dim ( S T )=1

S +T :

( )( )
1 2 1 1 2 0
S +T = 0 0 1 = 0 0 1
0 0 1 0 0 0

S +T ={ ( 1,2,1 ) , ( 0,0,1 ) }= dim ( S +T )=2

7. Indique si los siguientes conjuntos son subespacios vectoriales

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

Sea u=( 3,3 ) S

> ( 3,3 ) + (u )=0

(u )=(3,3 ) S= No es subespacio vectorial de R2

! 0 T /0+a=a , a T

Sea a=( x ,e x )

0+ ( x ,e x ) =(x ,e x )

0=( 0,0 ) T = No es un s ubespacio vectorial de R2

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

tal que AX=Ax donde X es una matriz columna.

()
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 )

n+5 p=ap (3)

De (1 ) a=5 ( 4 )

( 4 ) en(2)
 m+ 5 n=5 a= m=0

( 4 ) en(3)

n+5 p=5 p= n=0

()
0
X ={ 0 / p R }
p

9. A) Determine una base y la dimensin para el conjunto W,

definido por las matrices Simtricas de orden 2.

( )
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

> Dim ( W )=3

[ ]
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

11. Dados los subespacios vectoriales de R3

U= {( x , y , z ) R 3 tal que x + y =0 } , W ={ ( x , y , z ) R 3 tal que yz=0 }

Determine una base y dimensin de U W , U W , U +W , Es

U W =R3 ?

U= ( x , y , z )=( y , y , z )=( y , y , 0 ) + ( 0,0, z ) = y (1,1,0 ) + z ( 0,0,1 )= { (1,1,0 ) , ( 0,0,1 ) } = Es L . I . , es una b

W = ( x , y , z )=( x , y , y )= ( x , 0,0 ) + ( 0, y , y )=x ( 1,0,0 ) + y ( 0,1,1 )= { ( 1,0,0 ) , ( 0,1,1 ) }= Es L. I . , es una base de

U +W

1
1 1
0 000
1 0 1
0 1

1
0 1
0 000
1 0 1
0 0
( ) ( )

{ ( 0,1,0 ) , ( 0,0,1 ) , ( 1,0,0 ) } Es una base de U +W y su dimensines 3

Si se sabe que= dim ( U +W )=dim (U )+ dim (W )dim ( U W )

La dimensin y base de U W es igual a U +W

U W

Sea V U W = V U y V W

V =( a ,b ,c )= 1 (1,1,0 )+ 2 ( 0,0,1 )= 1 ( 1,0,0 ) + 2 (0,1,1)

1= 1 ; 1= 2 ; 2 = 2= 2 = 1

V = 1 (1,1,0 ) + 1 ( 0,0,1 ) = 1 (1,1,1 ) ={ (1,1,1 ) } es una base y su dimensin es 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 valores de el conjunto { u , v , w } es LD

Para que U,V,W sean LD deben formar una combinacin lineal y tener una

solucin no trivial.

U + V +W =0

( 1,0,1,2 ) + ( ,1,0,1 ) + ( 0, ,1,1 )=(0,0,0,0)

+=0

+ =0

=0

2 + + =0

Llevando a una matriz.

(
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 .

13. Sean los subespacios

S={(x , y , t , z)R 4 tal quex + y=0, t=z }

T ={(x , y ,t , z )R 4 tal que x=ayat , z=ay +at }

Determine una base y la dimensin de S ,T , S T , S T ,

Hallar a para que S+T tenga dimensin 3 y con a determine una

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 ) }

> Es una base de S y de dimensin2

T =( x , y , t , z ) =( ayat , y , t , atay )=( ay , y ,0,ay ) + (at , 0, t , at )= y ( a ,1,0,a ) +t (a , 0,1, a ) = {( a , 1

> Es una base de T y de dimensin 2

Llevando a una matriz y a continuacin dndole forma escalonada

 1 10 0 1 1 0 0

( 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

V =( p , q , r )= 1 ( 1,1,0,0 )+ 2 ( 0,0,1,1 )= 1 ( 1,2,0,1 )+ 2 (1,0,2,1 )

1= 1 2 ; 1=2 1 ; 2=2 2 ; 2 =2 1 = 1= 2

V = 1 (1,1,0,0 ) 1 ( 0,0,1,1 )= 1 (1,1,1,1 )= { (1,1,1,1 ) } es una base de S T

PRODUCTO INTERNO

Sea V un espacio vectorial, un producto interno o producto escalar sobre V

es una aplicacin donde se verifica:

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

Un espacio vectorial necesita de una mtrica, el producto interno garantiza

una mtrica en un espacio vectorial, el smbolo x , y se lee producto

interno entre los vectores x e y.

Todo producto interno de un espacio vectorial real asigna a cada par de

vectores un nico escalar real.
 2
Ejemplo: Se define sobre R

( 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 )

Indique si es un producto interno.

Solucin: Para que sea un producto interno se deben cumplir los

axiomas:
i) x , y = y , x
x , y =3 x 1 y1 +2 x 1 y 2 +6 x 2 y 2 +2 x2 y 1
y , x =3 y 1 x1 +2 y 1 x 2 +6 y 2 x 2 +2 y 2 x 1

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

es un producto interno , donde u=(u1 ,u 2 , u3 ) es un vector de

3
R
Ejemplo
Indique si la siguiente relacin es un producto interno en R2 ,

donde =(a1 ,a 2) , (b1 , b2) y , =a 12+b 12+a1 b 1+a2 b2

DEFINICIN.-C espacio vectorial con producto interno se llama espacio
unitario, mientras R espacio vectorial se llama espacio euclideo o espacio
euclidiano.

ESPACIO EUCLIDIANO (o Euclideo)

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, ngulo de dos vectores y ortogonalidad son
nociones que dependen de un producto interno.

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

x122 x 1 x 22 x 1 x 2+ 5 x 22=x 124 x1 x 2+5 x 22=( x 12 x 2) 2+ x 22 0

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

PRODUCTOS INTERNOS USUALES

1. En el espacio vectorial de las funciones continuas sobre un

intervalo acotado por a y b:
b
f , g = f ( x ) g ( x ) dx
a

2. En el espacio vectorial de las matrices de orden mxn:

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

5. En el espacio vectorial de los polinomios de grado n

p , q = p ( x 1 ) q ( x 1 )+ p ( x 2 ) q ( x 2 ) ++ p ( x n ) q ( x n )

PROPIEDAD

. Sea u V y R se verifica que:

|u|=|||u|

ANGULO ENTRE VECTORES

Sea V un espacio vectorial, sean u y v vectores de dicho espacio, existe un

nico que pertenece [ 0 , ] tal que:

u , v
cos =
|u||v|

A este nmero se le llama ngulo entre los vectores u y v y se denota

por:

=ang ( u , v )

PROPIEDADES

. u 0

. u=0 u=0

. u=||u

. u+ vu+v( Desigualdad triangular)

. | u , v |uv( Desigualdad de CAUCHY SCHWARZ)

2 2 2 2
. u+ v +uv =2u + 2v ( Ley del paralelogramo)

OBSERVACION

. En todo espacio con producto interno, el producto interno de cualquier

vector y el vector nulo es 0 : u , 0 = 0,u =0

. Si u yv son dos vectores ortogonales en un espacio euclideo V entonces

la norma de
2 2 2
u+ v =u +v (teoremade pitgoras)

ORTOGONALIDAD

Sea V un espacio con producto interno, sean u y v vectores del

espacio vectorial V, se dice que u y v son ortogonales si el producto

interno de estos vectores es cero ( u , v =0 ) .

Dos vectores son ortogonales su producto interno es nulo o

cero

x y x , y =0

Ejemplo:

f ( x )= y g ( x )= x , definidas en el
2 3
Sean las funciones reales continuas 2 2

intervalo [ 1 , 1 ] , dichas funciones son ortogonales:

2 2
2 , 3 x = 2 3 x dx = 3 x 2 1 =0 son ortogonales
2 2
1 2 2 1

CONJUNTO ORTOGONAL DE VECTORES

Un conjunto de vectores { x1 , x2 , , xn } en un espacio vectorial con

producto interno es ortogonal si y solo si dos vectores cualesquiera distintos
son ortogonales:
 { x 1 , x 2 , , x n } es ortogonal i j xi , x j =0

PROPOSICION

Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es L

I

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

DEFINICION.- Se dice que un conjunto es ortonormal si es ortogonal y

cada vector es unitario (la norma de cada vector es la unidad).

DEFINICION.-Si una base es un conjunto ortogonal, se dice que es

una base ortogonal. Si una base es un conjunto ortonormal se dice
que es una base ortonormal.

TEOREMA

Sea { u1 , ,u n } una base ortonormal de un espacio vectorial Rn .

Sea v un vector, dicho vector se puede expresar como una

combinacin lineal de los vectores de la base de la manera siguiente:

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

PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT

Sea { v1 , , v n } una base del espacio vectorial V , el conjunto de

vectores {u1 , ,u n } definido de la siguiente manera es ortogonal:

Para tener una base ortonormal, se normaliza cada uno de los vectores
u1 , ,u n :

u1=v 1

u2=v 2Proyu v 2 1

u3=v 3Proy u v 3Proy u v 3

1 2

un=v nProy u v n Proy u v n

1 n1

Ejemplo:
4
Dado el conjunto { ( 1, 2,0, 3 ) , ( 4, 0,5, 8 ) , ( 8,1, 5, 6 ) } es L.I. en R , los vectores

forman una base para el subespacio de 3 dimensiones de R4 . Construir

una base ortonormal.

Solucin:
Sean v 1= (1, 2, 0,3 ) , v 2=( 4, 0,5, 8 ) , v 3 =( 8,1, 5, 6 )

Aplicando GRAM-SCHMIDT

Sea { u1 ,u 2 , u3 } un conjunto ortogonal

u1=v 1=( 1,2, 0, 3 )

u2=v 2P royu v 2=( 4, 0,5, 8 )

( 4, 0,5, 8 ) , ( 1,2, 0, 3 ) ( 1,2, 0, 3 )=( 2,4, 5,2 )
1
(1, 2, 0,3 )( 1, 2,0, 3 )

u3=v 3Proy u v 3Proy u v 3 =( 8,1, 5, 6 )

( 8,1, 5, 6 ) , (1, 2, 0,3 ) ( 1,2, 0, 3 )
1 2
( 1, 2, 0,3 )( 1, 2,0, 3 )

( 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)

{ ( 1, 2,0, 3 ) , ( 2,4, 5, 2 ) ,( 4, 1,0,2) } Conjunto ortogonal

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

. Sea V un espacio euclideo y sea U un subespacio vectorial de V .

. Se llaman ortogonal U en V U al conjunto de todos los vectores de

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

finita, entonces todo vector v de V se puede expresar de forma nica

como
u1 +u2 , donde u1 U y u2 U .

. 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

proyeccin ortogonal de v sobre U . u2=vProy u v

TEOREMA DE LA MEJOR APROXIMACIN

Sea V un espacio vectorial euclideo y U un subespacio vectorial de

dimensin finita dado v V se cumple:

vProy u vvuu U

OBSERVACION

Las series de FOURIER { 1, cos x , sin x , cos 2 x ,sin 2 x , , cos nx , sin nx } es un

conjunto ortogonal con respecto al producto usual definido en [ 0 ,2 ] .

Ejemplo:

Considere el vector v =( 3,2,6 ) R3 , sea W un subespacio de R

3
que

consta de todos los vectores ( a , b , b ) . Descomponer v en la suma de un

vector que se encuentra en W y un vector ortogonal a W.

Solucin:
Se necesita una base ortonormal a W , cualquier vector de W se puede
expresar como

( a , b , b )=a ( 1,0,0 )+ b ( 0,1,1 )

Sea el conjunto { ( 1,0,0 ) , ( 0,1,1 ) } una base (es un conjunto L . I .)

Sea {u1 ,u 2 } una base ortonormal

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:

( 3,2, 6 )=( 3, 4, 4 )+ ( 0,2, 2 )

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 )

Si es un producto interno, ortonormalice por GRAM-SCHMIDT

{ (1,1,1 ) , (1,1, 0 ) , (3, 0, 0 ) }

Solucin: Verificando que la expresin es un producto interno

i) x , y = y , x
u , v =v 1+ 3u 2 v 2+5 u3 v 3
v ,u =v 1 u1 +3 v2 u2 +5 v 3 u3
u , v = v , u

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

Sea u1=(1,1,1 ) ,u2 =(1, 1, 0 ) ,u3 =(3, 0, 0)

Sea b1=u 1=(1,1,1 )

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

( 3,0, 0 ) ( 13 , 13 , 13 )+ 34 (59 , 59 , 49 )=( 3512 , 121 , 23 )

{(1, 1,1 ) , ( 59 , 59 , 49 ) ,( 3512 , 121 , 32 )}
 PRODUCTO INTERNO
Sea V un espacio vectorial, un producto interno o producto escalar sobre V es
una aplicacin ,:V. V C que verifica:
1. au + bv, w au, w + bv, w
2. u, vv, u
3. u, u0, u V, u, u 0 u 0
Un espacio vectorial necesita de una mtrica, el producto interno, llamado
tambin producto escalar, garantiza una mtrica en un espacio vectorial.

El smbolo x , y > se lee producto interno entre los vectores x e y. Para

que la aplicacin se llame producto interno, entonces deber cumplir los

siguientes axiomas:

i. x , y y , x> , x , y V

ii. x+ y , z x , z >+ y , z >, x , y , z V

iii. x , y < x , y >, x , y V R

iv. x , x > 0, x V < x , x0 x=0 x V

Todo producto interno en un espacio vectorial real asigna a cada par de

vectores un nico escalar real.

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:

Para que se llamado producto interno, entonces deber cumplir los 4

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
.

ii) x+ y , z x , z >+ y , z >, x , y , z V

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 ) +

iii) x , y < x , y >, x , y V R

( 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>
.

iv) x , x > 0, x V < x , x0 x=0 x V

.
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|=

En el espacio Euclidiano Rn representa la longitud del segmento de extremo O

y v =( x 1 , x 2 , , x n) en general la distancia entre dos puntos P y Q.

ORTOGONALIDAD
Sea (V ,+, R ,) un espacio vectorial con producto interno, se dice que dos

vectores son ortogonales s y slo s su producto interno es nulo.

ORTOGONALIDAD
Sea (V, +, R, .) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales s y slo s su producto interno es nulo.
Ejemplo:

Sea el conjunto de funciones reales continuas sobre el intervalo [ 1,1 ]

1
f , g = f x g x dx
1

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 >

2.- Desigualdad triangular

En todo espacio con producto interno, el modulo de la suma de dos vectores
cualquiera es menor o igual que la suma de sus mdulos.
|x + y||x|+| y|

3.- ngulo entre dos vectores

Sean x e y dos vectores no nulos en un espacio con producto interno. De la
desigualad de Schawrs:
x , y >

| x|| y|< x , y> |x|| y|

x, y> 1
|x|| y|
1

Para 0

x, y>
|x|| y|
cos=

< x , y| x|| y| cos

CONJUNTO ORTOGONAL DE VECTORES

Un conjunto de vectores { x 1 , , x n } en un espacio vectorial con producto

interno es ortogonal s y slo s dos vectores cualesquiera y distintos son

ortogonales.

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

combinacin lineal: j x j=0

j=1

Entonces para cada i=1, 2 r consideramos:

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

Finalmente decimos que { x 1 , , x r } es L.I.

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:

Un conjunto ortonormal es: { (3 4

5 5
4 3
)
(1,0,0 ) , 0, , ,(0, , )
5 5 } debido a que:
 3 4 4 3
( 5 5 )
( 1,0,0 ) , 0, , y (0, , )
5 5 son vectores unitarios

El producto interno, tomado de dos en dos, es 0

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.

ALGUNAS APLICACIONES DEL PRODUCTO INTERNO PARA R2

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

tal que =(b , a ) ; v =(a ,b)

( PP0 ) , v t , v t < , v 0
Entonces

Es decir la ecuacin cartesiana de L es:

P=( x , y ) , P0=( x 0 , y 0 ) , v=( a , b )

Si
 ( xx 0 , y y 0 ) , ( a ,b ) > 0

ax +by +c=0

Donde: L={( x , y ) R 2 /ax+ by+ c=0 }

02) DISTANCIA DE UN PUNTO A UNA RECTA

Q R2 L={ P0 +t/t R } 0, =(b , a)
La distancia de un punto a la recta ,

QP P L
es la longitud del segmento , donde

d (Q , P )=|QP| ,

vemos que QP=v , con v orto gonal a , R

O sea QP/ v de donde

P=Qv =(r a , sb) , siendo Q=(r , s)

En la ecuacin cartesiana reemplazando :a ( ra )+ b ( sb ) +c=0

ar +bs +c
=
a2 +b 2

d ( Q , P )=
| ar + bs+c
a2+ b2
(a , b)
|
 |ar + bs+c|
d ( Q , P )=
a2+ b2

03) REA DEL TRINGULO

h es la distancia desde el punto final del

radio vector a la recta L / L= {tv /t R } ={( x , y ) R2 / bx+ ay=0 } donde

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 |

04) FUNCIONES TRIGONOMTRICAS

Por la ley de cosenos

 2 2 2
|v| =|u| +|v| 2|||v| cos
2 2 2
Pero |v| = ( v ) , ( v ) =|u| +|v| 2 , v

Adems vemos que w es ortogonal a v

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

se puede expresar como una C.L de los vectores de las base de la

manera siguiente:
=( . 1 ) 1 + ( . 2 ) 2 ++ ( . n ) n

= , 1 1+ , 2 2+ + , n n
Es decir
Ejemplo:

Dado el vector =(7,5,10) se puede trabajar como C.L de los vectores:

3 4 4 3
(
1=( 1,0,0 ) , 2= 0, , , 3 = 0, ,
5 5 5 5) ( ) , que determinan una base ortonormal

. 1=7, . 2=5 , . 3=10

donde: .

3 4 4 3
(
=7 ( 1,0,0 )+ 5 0, , 10 0, ,
5 5 5 5 ) ( )

Definicin

La proyeccin de un vector sobre un vector 0 , denotada por

Proy
se define:

.
Proy =

PROCESO DE ORTOGONALIZACIN DE GRAM-SCHIMDT

{ 1 , , n } V
Sea una base para el espacio vectorial , el conjunto de

{1 , , n }
vectores definido de la manera siguiente es ortogonal

( i , j =0, i j ) . Para Obtener una base ortonormal de , se normaliza

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:

El conjunto { ( 1,2,0,3 ) , ( 4,0,5,8 ) , ( 8,1,5,6 ) } es L.I en R4 , los vectores forman

una base para el subespacio de 3 dimensiones de Vde R4 . Construya una

base ortonormal para .

Solucin:
1= (1,2,0,3 ) , 2 =( 4,0,5,8 ) , 3=( 8,1,5,6 ) , aplicando Gram-Schmidt para
Sean

construir un conjunto ortogonal.

1= 1=( 1,2,0,3 )
Sea:

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

( 8,1,5,6 ) . ( 1,2,0,3 ) ( 8,1,5,6 ) . ( 2,4,5,2 )

3=( 8,1,5,6 ) ( 1,2,0,3 ) ( 2,4,5,2 )
( 1,2,0,3 ) . ( 1,2,0,3 ) ( 2,4,5,2 ) . ( 2,4,5,2 )

3=( 8,1,5,6 )( 2,4,0,6 ) ( 2,4,5,2 ) =( 4,1,0,2 )

El conjunto ortogonal { ( 1,2,0,3 ) , (2,4,5,2 ) , ( 4,1,0,2 ) } es una base ortogonal

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

V , es tal que el vector = , 1 1 , 2 2 , n n

a es

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

Se define el producto interno

u , v =( u 1 v 1+3 u2 v 2 +5 u3 v 3 ) ortonormalice por

Gram-Schmidt la base { (1,1,1 ) , (1,1,0 ) , (1,0,0 ) }

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

Hacemos y 1=x 1=(1,0,0)

y 2=x 2Proy y x2 =(1,1,0 )

( 1,0,0 ) , (1,1,0 ) ( 1,0,0 ) =
1
( 1,0,0 ) , ( 1,0,0 )

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)

y 3=(1,1,1 ) + ( 1,0,0 ) ( 0,1,0 )=(0,0,1)

La base ortonormal es { ( 1,0,0 ) , ( 0,1,0 ) ,(0,0,1) }

TEOREMA
{ 1 , , n }
Sea una base arbitraria con producto interno entonces existe

{1 , , n }
una base ortonormal de talque la matriz de transicin de

{ i } a { i } es triangular para i=1, ., n . Se cumple:

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
.

PROYECCIN DE UN VECTOR SOBRE UN SUBESPACIO

W R
n
{1 , , n }
Sea un subespacio de , sea una base ortonormal

para W . Si es un vector en Rn , la proyeccin de sobre W

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

expresar de forma nica de la siguiente manera:

=w+ w

Donde w se encuentra en W y w es ortogonal a W, los vectores

w y w son:

w=Proy w y w=Proy w

Ejemplo:

Considere el vector =( 3,2,6 ) en R3 , sea W el subespacio de R3 que

consta de todos los vectores ( a , b , b ) . Descomponga en la suma de un

vector que se encuentra en W y un vector ortogonal a W .

Solucin:

Se requiere una base ortonormal para W , cualquier vector de W se

pueda expresar de la siguiente manera: ( a , b , b )=a ( 1,0,0 )+ b ( 0,1,1 ) .

El conjunto { ( 1,0,0 ) , ( 0,1,1 ) } genera a W, es L.I formara una base para W

.Los vectores ( 1,0,0 ) y ( 0,1,1 ) son ortogonales, busquemos una base

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

, luego se obtiene tiene lo pedido:

( 3,2,6 )= (3,4,4 ) + ( 0,2,2, )
Ejemplo:

Dado los vectores: =( 2,1,2 ) , =( 1,2,1 ) y w=(2,3,3 ) . Determine un vector de

R3 que es la proyeccin ortogonal de w sobre el plano generado por

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:

Sea =( 2,1,2 ) , =( 1,2,1 ) vectores que pertenecen a H entonces

=(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:

Sea V una espacio euclideo y U un subespacio vectorial de V . Se

llama ortogonal de U en V al conjunto de todos los vectores de V

ortogonales a cualquier vector de U.

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

Sea un subespacio S de un espacio vectorial V , cuando los elementos de

un subespacio vectorial son ortogonales a S , se dice que dicho subespacio

es un complemento ortogonal .Se denota como S y se denomina

complemento ortogonal porque la suma de las dimensiones de S y S es

igual a la dimensin del espacio vectorial V .

Ejemplo

Dado el subespacio vectorial {( )

N= a a tal que a , c R
a c } su complemento

ortogonal con respecto al producto interno A , B =tr( A B) , en el espacio

vectorial de las matrices cuadradas de orden dos es igual al subespacio cuyos

vectores son ortogonales a cualquier base de N , entonces tomando una

base arbitraria {(
1 0 ) ( )}
B= 1 1 , 0 0
0 1 y aplicando las condiciones de

ortogonalidad con un vector genrico del espacio vectorial, tenemos

( ) ( )
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

Tendremos el complemento ortogonal {( )

N = w w+ y tal que w , y R
y 0 }
OBSERVACION

En un espacio vectorial lineal complejo, un producto interno x , y es un

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

Calcular la distancia entre los vectores (1+i

i
1i )(
2 y 2i i
5 5i )
Solucin

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

Dados los vectores (0i 3 i 1 2i 0 )(

2 1+i y 3 4 2+i
i ) , se define el producto

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

TEOREMA DE LA MEJOR APROXIMACIN

El teorema de la mejor aproximacin resuelve el problema de la mnima
distancia de un punto a un subespacio vectorial. Dado un subespacio vectorial
n n
S de R y un vector x de R , se debe minimizar la distancia de x a un

vector genrico wS ; min {xw: w S } se debe obtener un vector

donde s alcanza un mnimo.

Sea V un espacio vectorial euclideo y U V un subespacio vectorial de

dimensin finita. Dado v V . Se cumple:

vProyu vvu, u U

EJEMPLOS
1

1. Para el espacio vectorial con producto interno f , g = f ( x ) g ( x ) dx de las

1

funciones continuas en un intervalo [ 1,1 ] .Determine el polinomio de grado

menor o igual que dos ms prximo a la funcin f ( x )=cos (x)

2.

Encuentre la mejor aproximacin para cos x en el intervalo [ 0,1 ]

PROBLEMA 1
Ses f (u, v) 6x1y1 4(x1y2 + x2y1) + 7x2y2 ; con un u (x1,x2), v
(y1,y2)

Es un f (u, v) un producto interno?, de ser un producto interno determine la

norma de (1,2).

SOLUCION

Para que f (u, v) sea un producto interno debe satisfacer las

condiciones.

1. u+ v ; z = < (x1,x2)+ (y1,y2);(z1,z2)> = < ( x1 + y1,

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:

<x,z> + <y,z> = (6x z 4(x z + x z ) + 7x z ) + (6y z

1 1 1 2 2 1 2 2 1 1

4(y1z2 + y2z1) + 7y2z2) ..(2)

De (1) y (2)

u+ v ; z = <x,z> + <y,z>

2. u , v = 6x1y1 4(x1y2 + x2y1)+ 7x2y2 (3)

v ,u = 6y1x1 4(y1 x2 + y2x1)+ 7 y2x2 .(4)

De (3) y (4) por definicin u , v = v ,u

3. u , u = 6x21 4(x1x2 + x2x1)+ 7x22

= 6x21 8x1x2+ 7x2

= (2x1 2x2)2 + 2x21 + 3x22 0

u , u = 0 u = 0

f (u, v) 6x1y1 4(x1y2 + x2y1)+ 7x2y2 ; es un producto interno.

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

W = {(x, y, t, z) / x + y t + z = 0} y el vector v = { 1, -1, 2, 3}

a) Construir una base ortogonal H para W

b)Exprese v como una Combinacin Lineal de H y H

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)

u1= V1 = (1, 0, 1,0)

V 2 , u1 > u
u2=
V2 - Proy Vu
1
2

= (0,1,1,0) - <u1 , u1> 1

( 0,1,1,0 ) , ( 1,0,1,0 )>

u2= 1 +0 +12 +02 .( 1,0,1,0) =
2 2
(0,1,1,0) -

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) -

(0,0,1,1) , ( 1,0,1,0 ) >

2 22 2
1 +0 +1 + 0 (1, 0, 1,0) -

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)

Entonces la base ortogonal H para W es

1 1 1 1 1
H = { (1,0,1,0) ; (- 2 , 1, 2 ,0) ; (- 3 ,- 3 , 3 ,1) }

b) Sea ( x , y , t , z ) w tal que w H

( x , y ,t , z ) , (1,0,1,0 ) =0 x +t=0

( x , y ,t , z ) , ( 12 ,1, 12 , 0)=0 x +2 y+ t=0

( x , y ,t , z ) , ( 13 , 13 , 13 , 1)=0 x y +t3 z=0
 ( )(
1 0 1 0 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

xz=0, yz=0,t + z=0

( x , y , t , z ) =( x , x ,x , x )=x (1,1,1,1)

Se obtiene {(1,1,1,1)}
Luego

( 1,1,2,3 ) = 1 ( 1,0,1,0 ) + 2 ( 12 , 1, 12 , 0)+ ( 13 , 13 13 ,1)+ (1,1,1,1)

3

1, 2, 3,
Resoviendo tendremos

PROBLEMA 3

En R3 se define el producto interno x , y > x y + 3x y + 5x y con un x

1 1 2 2 3 3

(x1, x2,x3) y y (y1,y2,y3)

Mediante el proceso de Gram-Schmidt transformar la base

{( 1,1,1 ) ; ( 1,0,0 ) ; (1,1,0)} en una base ortonormal.

SOLUCION

Sea v1=(1,1,1); v2=(1,0,0); v3=(1,-1,0) aplicando Gram-Schmidt para

construir un conjunto ortonormal {u1,u2,u3} a partir de los vectores
indicados.

Sea:

u1=v1= (1,1,1)

(1,1,1 ) , ( 1,1,1 )>

1 8 1 1
(1,0,0)
u2= ( 1,0,0 ) , ( 1,1,1 ) > = 9 (1,1,1)=( 9 , 9 , 9 )

(1,0,0)
 8 1 1
(1,1,0 ) ,( , ,
9 9 9
) 8 1 1 ( 1,1,0 ) ,(1,1,1)
( , , )
9 9 9 | ( 1,1,1 ) ,(1,1,1)|
(| 89 , 19 , 19 ) ,( 89 , 19 , 19 )|
u3=(1,-1,0)

(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

vectores x(t )=t 2+1 y y(t )= (t 2 +1) , son ortogonales.

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

Si x e y son ortogonales: x , y > 0

PROBLEMA 5

Sean U1,U2,U3, los siguientes subespacios de R3

U1 {(a,b,c)/a+b+c 0}

U2 {(a,b,c)/a c}

U3 {(0,0,c)/c R3}

Probar que R3 U1+U2 U2+U3 U1+U3 e indicar en qu caso la suma es

directa.

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

V= m(-1,1,0) + n(-1,0,1)= p(1,0,1) + q(0,1,0)= (a,b,c )

-m-n=p; m=q; n=p q=m= -2p

V=(a,b,c)= (p, -2p, p) = p(1,-2,1)

U U ={(1,-2,1)} ; (NO HAY SUMA DIRECTA DE U U )
1 2 1 2

( )( )( )
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

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 1+U2)

En U2+U3
U2 U3 V U V
2
U3 V

V= k(1,0,1) + g(0,1,0)= f(0,0,1)= (a,b,c )

K=0 ; g=0 ; k=f=0 k=g=f=0

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

V= (-1,1,0) + s(-1,0,1)= d(0,0,1)= (a,b,c )

- -s = 0 ; = 0 ; s = d =s=d=0
 V=(a,b,c)=(0,0,0)
U U = 0; (SI HAY SUMA DIRECTA DE U U)
1 3 1 3

( )( )( )( )
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

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U 1+U3)

Luego del desarrollo comprobamos que se cumple que R 3 U1+U2
U +U U +U
2 3 1 3

PROBLEMA 6

Dado L = { t(1,-1,2) / t IR }

Determine un plano P talque IR3 = L P

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

Entonces el Plano P de dimensin 2 tiene como base a:

{ (a,b,c) ; (1-a ; -1-b ; 2 - c) }

PROBLEMA 7

Si V1,V2,V3 son LI del espacio ( V, +,k, . ).Investigar la DL o IL de:

i) {V1+aV2+bV3,V2+cV3 ,V3}

ii) { V1,V2+aV3 , V3+bV2}

SOLUCION

Como sabemos que V1,V2,V3es LI

i) (V +aV +bV )+ (V +cV ) + (V ) 0

1 2 3 2 3 3

V1( ) + V2( a+ )+ V3( b+ +c )=0

=0

a+ =0 = = =0 Por lo tanto es IL

b+ +c =0

ii) (V )+ (V +aV ) + (V +bV ) 0

1 2 3 3 2

V1 ( ) + V2( + b + V3( a + ) = 0

=0

+ b =0 = = =0 Por lo tanto es IL

a+ =0

PROBLEMA 8

Determine una base para el subespacio

a a12 a
U = { A = ( ij 4x4 / tr(A) = 0 ; - 2 13 =0}

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

Entonces una base para el subespacio es:

( )( )( )( )
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

Verificar si es una base {1; x-1; x2-3x+1}

+ ( x 1)+ (x2-3x+1) 0
 x2 + x( 3 )+( + )=0

=0

3 =0 ===0 Luego es un conjunto LI entonces es una

base de P2

+ =0

Como es una base expresar el polinomio 2x2-5x+6 como una C.L. de los
vectores de dicha base.

2x2-5x+6 = a(1)+b( x-1)+ c( x2-3x+1)

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

a=5, b=1, c=2 2x2-5x+6 = 5(1)+1( x-1)+ 2( x2-3x+1)

PROBLEMA 10

Indique si las siguientes proposiciones son V o F (fundamente)

a) Un conjunto de vectores que contenga 2 vectores iguales es LI

b) Cualquier conjunto de vectores al que pertenece el vector nulo es LD
c) Cualquier conjunto S de vectores LD contiene un subconjunto que es
LI
x 3x 2
d) Es LI el conjunto { e , e , x , x }
e) Es W1 = { (x,y,z) / 3y 2z = 0 } un subespacio vectorial
t
f) Es W2 = { (A V / A =A } un subespacio vectorial

a) (a,b,c,d) + (a,b,c,d) + (x,y,z,t) = (0,0,0,0)

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

c) Es V porque en un conjunto LD siempre hay un coeficiente diferente

que cero y los restantes son ceros por lo cual estos coeficientes
restantes forman un conjunto LI.

x 3x 2
d) e +e + x + x =0

Si = = = 0 , Necesariamente = 0 Por lo tanto es LI

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

Por lo tanto es un subespacio vectorial.

( ) ( ) ( )
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

Sabiendo que w={ ( x , y , z , t ) tal que 5 x2 y +8 zt=0 }

2. Dadas las matrices A= 1 3

3 6 ( ) y B= 0 3
1 0 ( ) , indique si las

siguientes expresiones corresponden a un producto interno

X ,Y =X A Y ; X ,Y =X A Y

3
3. Considere en R el producto interno de
=( a 1 , a2 , a3 ) y =(b 1 , b2 , b3 )
como la relacion dada por

, =a 1 b 1+3 a 2 b 2+5 a 3 b 3 , luego mediante el proceso de Gram-

Schmidt transformar la base { ( 1,1,1 ) , ( 1,0,0 ) ,(1,1,0) } en una base

ortonormal.
4. Calcule el ngulo que forman los vectores

( ) ( )
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 }

para el producto interno x , y =x 1 y 1+2 x 2 y 2 + x 3 y3 +3 x 4 y 4

TRANSFORMACIONES LINEALES
TRANSFORMACION LINEAL ENTRE DOS ESPACIOSVECTORIALES
SOBRE UN MISMO CUERPO

Sean ( V ,+ , K , ) y ( W ,+ , K , ) dos espacios vectoriales sobre un mismo cuerpo

K .La funcin f : V W es una transformacin lineal u homomorfismo

si y solo si:

1) La imagen de la suma de dos vectores cualesquiera de V es igual a la

suma de sus imgenes en W es decir:

f ( x + y )=f ( x ) + f ( y )

2) La imagen del producto de cualquier escalar por todo vector de V es igual

al producto del escalar por la imagen de dicho vector:

 f ( x )=f ( x )

Ejemplo:

Sean los espacios vectoriales ( R3 ,+, R ,. ) y ( R2 ,+, R , ) . La funcin: R3 R2

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)

f ( ( x 1 , x 2 , x 3 ) ) =f ( x 1 , x 2 , x 3 )=( x 1 x 3 , x2 x 3 )= ( x 1x3 , x 2x 3 )=f ( x1 , x2 , x3 )

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:

Supongamos que f : R2 R3 es una transformacin lineal que verifica

f ( 1,0 ) =( 1,2,3 ) , f ( 0,1 )=( 0,1,2 ) . Halle la imagen de f ( 2,3 )

Solucin:
f ( 2,3 )=f ( ( 2,0 ) + ( 0,3 )) =f ( 2,0 )+ f ( 0,3 )=f ( 2 ( 1,0 ) ) + f ( 3 ( 0,1 ) )

f ( 2,3 )=2 f ( 1,0 )3 f ( 0,1 )=2 ( 1,2,3 ) + (3 )( 0,1,2 )=( 2,7,0 )

PROPIEDADES DE LAS TRANSFORMACIONES LINEALES
f : V W 0V y 0W
Sea una transformacin lineal, denotemos mediante

a los vectores nulos en V yW respectivamente.

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 )

NUCLO DE UNA TRANSFORMACIN LINEAL

El ncleo de una transformacin lineal f, entre dos espacios vectoriales

sobre un mismo cuerpo, es el conjunto de los vectores del dominio cuyas

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

transformacin lineal es la preimagen del vector nulo del segundo espacio.

x N ( f ) f ( x )=0W

Ejemplo

Sean los espacios vectoriales ( R3 ,+, R , ) y ( R2 ,+, R , ) , la funcin f : R3 R 2

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

TRANSFORMACION LINEAL ENTRE DOS ESPACIOS VECTORIALES

SOBRE UN MISMOCUERPO

Sean ( V ,+ , R ,. ) y ( W ,+, K ,. ) dos espacios vectoriales sobre un mismo

cuerpo K.

La funcin f :V W es una transformacin lineal u Homomorfismo si y

slo si:

i) La imagen de la suma de dos vectores cualquiera de V es igual a

f (x + y )=f ( x ) +f ( y )
la suma de sus imgenes en W, es decir .
ii) La imagen del producto de cualquier escalar por todo vector de V
es igual al producto del escalar por la imagen de dicho vector.
 f (x )= f ( x )

x f (x)

y f ( y)

x+ y f (x+ y) =f (x) + f ( y)

x f (x)=f (x)

Ejemplo 1:

Sean los espacios vectoriales ( R3 ,+, R, . ) y ( R2 ,+, R , . ) la funcin f : R3 R 2

definida por

f (x 1 , x 2 ,x 3) =( x 1x 3 , x 2x 3 ) . Indique si es una transformacin lineal.

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

f ( 1, 0 )=( 1, 2, 3 ) yf ( 0, 1 )=( 0,1,2 ) , halle la imagen de f ( 2,3 ) .

Solucin:
f ( 2,3 )=f ( ( 2,0 )+ ( 0,3 ) ) =f ( 2, 0 ) + f ( 0,3 )=f ( 2 (1, 0 ) ) + f (3 ( 0,1 ) )=

2 f ( 1,0 )+ (3 ) f ( 0,1 )=2 (1, 2, 3 ) + (3 )( 0,1,2 ) =(2, 7, 0)

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:

PROPIEDADES DE TRANSFORMACIONES LINEALES

Sea f :V W una transformacin lineal, denotemos mediante

0v Y

0w a los vectores nulos en V y W respectivamente.

I) Laimagen del vector nulo del primer espacio por toda

transformacin lineal es el vector nulo del segundo espacio.
f ( 0 v )=f ( 0 x ) =0 f ( x )=0 w

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 )

NUCLEO DE UNA TRANSFORMACIN LINEAL

El ncleo de una transformacin lineal f, entre dos espacios vectoriales
sobre un mismo cuerpo, es el conjunto de los vectores del dominio cuyas
imgenes por f son el vector nulo del codominio.

V W

N (f ) 0w
El smbolo N (f ) se lee ncleo de f, por definicin

N ( f )= { xV /f ( x)=0w }

El ncleo de toda transformacin lineal es la preimagen del vector nulo del

segundo espacio.

x N ( f ) f ( x )=0w

Ejemplo:

Sean los espacios vectoriales ( R3 ,+, R, . ) y ( R2 ,+, R , . ) La funcin

f :R
3 2
R definida por f ( x 1 , x 2 , x 3 ) =(x 1x 3 , x 2x 3) es una transformacin

lineal. Determine el ncleo de f.

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

,el ncleo de f es el conjunto de todos los mltiplos escalares del vector

( 1,1, 1 ) .

Ejemplo
2 3
Sea la transformacin lineal f : R R

IMAGEN DE UNA TRANSFORMACIN LINEAL:

La imagen de una T.L. f :V W es el conjunto imagen del dominio, es

decir, es la totalidad de las imgenes de los vectores del primer espacio. El

smbolo (f ) se lee imagen de f.

( f )={ f ( x)/ x V }

Tambin se sabe que

f ( 0 v )=0 w en consecuencia 0w ( f ) lo que

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

Es una Transformacin lineal

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

N ( f )= { ( 1,1 ) / R } ( el ncleo de f es el conjunto de los pares

ordenados de componentes opuestos )

La imagen se puede definir tambin por

I ( f )={ y W tal que existe x V y f ( x )= y }

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

I ( f ) est dado por A= a 0

0 a ( )
La matriz (10 01) es un sistema de generadores de la I ( f ) , constituye

una base de dimensin 1.

TEOREMA:

Sea V un espacio vectorial de dimensin finita, entonces la dimensin de

V est dada por:

dim ( V )=dim ( N ) +dim ( I )

Observacin

Sea f una transformacin lineal, entonces el rango de f se define como la

dimensin de su imagen y la nulidad de f se define como la dimensin de su
ncleo, es decir:

ran ( f )=dim ( I (f ) )

nulidad ( f )=dim ( ker ( f ))

ran ( f )+ nulidad ( f )=dim ( V )

Ejemplos

1. Determine el ncleo, la imagen y las dimensiones de ambos en la

siguiente transformacin lineal f : R3 R 2 definida por

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 2+ x 3=0 resolviendo este sistema de ecuaciones tenemos

x 1=0 , x2 =x 3 , luego el ncleo esta dado por t(0,1,-1) , es decir los

mltiplos escalares del vector (0,1,1) , se obtiene una base {(0,1,1) }

cuya dimensin es uno.

Determinamos la imagen, sea ( x , y ) Imf entonces

( x , y )=( x 1+ x 2 + x 3 , x 2 + x3 )

Luego formando la combinacin lineal ( x , y )=x 1 (1,0 )+ x2 ( 1,1 )+ x3 (1,1)

( )( )( )
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)}

Cuya dimensin es dos.

2. Ejemplo

Sea la transformacin lineal

f : R2 R3 definida por f ( x 1 , x 2 )=(x 1+ x 2 , x 1x 2 , x 1 +2 x2 ) ; determine el ncleo y

la imagen e indique una base y la dimensin

Solucin

Determinando el ncleo
f ( x 1 , x 2 )=( x1 + x 2 , x 1x 2 , x 1 +2 x 2 )= ( 0,0,0 )

Se tiene el siguiente sistema de ecuaciones lineales

x 1+ x 2=0 , x 1x 2=0 , x 12 x 2=0

x 1=0 , x2 =0 f ( v )=0 R v =(0,0)

Entonces , se obtiene 3
tal que , cuya

base { ( 0,0 ) } es de dimensin cero.

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

los vectores que forman la base { ( 2,0,3 ) , ( 0,2,1 ) } de dimensin dos.

PROBLEMAS

1.Sea la aplicacin T :R2 R2 tal que T(x,y)=(2x-y,3y-2x), y sean v=(3,4) un vector y

B1= {( 1 , 2 ) ,(1 , 1)} ,B2== {( 2 , 1 ) ,(1 ,3)} bases de R2 calcule verifique segn
sea el caso :

Sean los vectores B1=

{( 1,2 ) ,(1,1) } , B2== {( 2,1 ) ,(1,3)}

hacemos una combinacin lineal de los vectores de la Base B2

(1,2)=a(2,1) +b(-1,-3) (1)=[1/5 -3/5]
(-1,1)=c(2,1)+d(-1,-3) (2)=[-4/5 -3/5]

hacemos una combinacin lineal de los vectores de la Base B1

(2,1)=a(1,2)+b(-1,1) (1)=[1 -1]

(-1,-3)=c(1,2)+d(-1,1) (2)=[-4/3 -1/3]

( ) ( )
1 4 4
1
5 5 3
P= 3 3 Q= 1
1
5 5 3

Para demostrar si PQ=QP=I Reemplazamos en P y en Q

( )( ) ( )
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 )

2.Si Q-1AQ=B donde B es un matriz triangular cuyos elementos de la diagonal principal

son valores propios de 1, 2, 3, n Demostrar que Bk es un matriz triangular y los
elementos de la diagonal principal son los valores propios de A elevados a la K

( ) ( )
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:

Hallamos el polinomio caracterstico P(x)=/A I/

( )( )
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

=1 de multiplicidad 4 ; es el nico que analizamos ya que

tiene multiplicidad 4 nos debe de salir 4bases.
= 0 de multiplicidad 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

q=0, r=0, s=0, t=0 como no aparece p entonces es un definido con

un parmetro
por lo tanto quedara:

(p,q, r,s,t)V(1)( p,q,r,s,t)=[(1,0,0,0,0)]

por lo tanto la matriz A no ser diagonlizable.

4. Sea la aplicacin lineal F: R3 R3 definida como

F(-1,1,3)=(6,-4,16), F(-2,1,1)=(-2,-5,1) y F(3,2,-1)=(1,14,-12)

a Calcule la matriz asociada con respecto a la base cannica de R3.

b Calcule el ncleo y la imagen de la aplicacin.
c Calcule la aplicacin inversa si es posible.
Solucin:

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)

Resolviendo (1),(2) y (3)

F(1,0,0)=(2,3,1) , F(0,1,0)=(-1,2,4) , F(0,0,1)=(3,-1,7)

por lo tanto la matriz asociada con respecto a la base cannica de R 3 ser:

 ( )
2 1 3
A= 3 2 1
1 4 7

b)

( )( ) ( )
2 1 3 x 0
A= 3 2 1 y = 0
1 4 7 z 0

De la matriz asociada A obtenemos.

Restando filas.

( )( ) ( ) ( )( ) ( )
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

Por lo tanto el ncleo o Kerf ser =

La imagen de la aplicacin = F(x,y,z)=(2x-y+3z,3x+x2y-z,x+4y+7z)

MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL

Supongamos que { e 1 , e 2 , , e n } es una base de un espacio vectorial V

sobre un cuerpo K y para vV, supongamos que

v =a1 e1 +a 2 e 2 ++a n en , entonces el vector coordenado de v relativo

a {e i } el cual se escribe como un vector columna a menos que se

especifique lo contrario, est dado por:

a1

()
[ V ] e= a 2

an

REPRESENTACIN MATRICIAL DE UN OPERADOR LINEAL

Sea T un operador lineal en un espacio vectorial V sobre un cuerpo K

supongamos que { e 1 , e 2 , , e n } es una base de V y por tanto se puede

expresar una combinacin lineal de los vectores de la base, es decir:

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

T ( e )=an 1 e 1 +an 2 e 2+ +ann e n

n

DEFINICION.-La transpuesta de la matriz de los coeficientes de la

representacin anterior denotada por [ T ] e se llama representacin

matricial de T relativa a la base {e i } .

a11

a 21 an 1 a12
a 22 an 2 a
a1 n

2n

[ T ]e =( ann )

Ejemplo 1:

Sea el espacio vectorial de todos los polinomios en T sobre R de grado 3

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:

Sea T el operador lineal sobre R2 definido por

T ( x , y )=( 4 x2 y , 2 x+ y ) .

Calculamos la matriz de T en la base { f 1=( 1,1 ) ; f 2=(1,0 ) }

Solucin

Tenemos:

T ( f )=T (1 ,1 )=( 2,3 )=3 ( 1,1 ) + (1, 0 )=3 f 1+ f 2

1

T ( f )=T (1 ,0 )=(4,2 )=2 ( 1, 1 )+ 2 (1, 0 )=2 f 1 +2 f 2

2

(1 2 )
[ T ] f = 3 2

TEOREMA

Sea { e 1 , e 2 , , e n } una base de V y sea T un operador lineal cualquiera

sobre V entonces v V se cumple que:

[ T ] e [ V ] e =[ T (V ) ]e

Es decir si multiplicamos el vector coordenado de v por la representacin

T (V ) .
matricial de T se obtiene el vector coordenado de

Ejemplo 3:

Sea el operador lineal T : R2 R 2 definido por

T ( x , y )=( 4 x2 y , 2 x+ y ) y

sea v =( 5 ,7 ) , siendo la base { f 1=( 1,1 ) ; f 2=(1,0 ) }

 v =( 5 ,7 )=7 ( 1 ,1 ) +2(1,0)=7 f 1+ 2 f 2

T (V ) =T (5 ,7)= ( 6 ,17 )=17 ( 1 ,1 ) +11 (1 ,0 )=17 f 1+11 f 2

[ 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

Sea {e 1 , e 2 , , e n } una base de V sobre un cuerpo K y sea A el lgebra de

las matrices cuadradas de orden n entonces la aplicacin: T [T ] es

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

Sea dimV =2, supongamos que {e 1 , e 2 } es una base de V, T y S son

operadores sobre V tales que:

T ( e )=a1 e 1 +a2 e 2 S( e )=c 1 e1 +c 2 e2

1 1

T ( e )=b 1 e 1 +b2 e 2 S( e )=d 1 e1 +d 2 e 2

2 2
 ( ) (
[ T ] e = a1 b1 [ S ] e = c1 d 1
a2 b2 c2 d 2 )
( T + S )( e )=T (e ) + S( e )=a1 e 1 +a2 e 2+ c1 e 1+ c2 e 2
1 1 1

( T + S )( e )=T (e ) + S( e )=b 1 e 1 +b2 e 2+ d1 e 1+ d 2 e 2

2 2 2

[ 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 =kT (e ) =k ( b1 e 1+ b2 e2 ) =kb1 e 1+ kb2 e2

2 2

(
[ kT ] e= ka1 k b1 =k a1 b1 =k [ T ]e
k a2 kb2 ) ( a2 b2 )
CAMBIO DE BASE

Definicin.- Sea { e 1 , e 2 , , e n } una base de V y sea { f 1, f 2, , f n} otra

base, supongamos que:

f 1 =a11 e 1+ a12 e2 + +a1 n e n

f 2=a21 e1 +a 22 e 2+ + a2 n en

f n=an 1 e 1+ an 2 e 2 + +ann e n

La traspuesta P de la matriz de los coeficientes se llama matriz de transicin

de la base antigua o primitiva {e i } a lanueva base {f i } .( i=1,2, , n )


a11 a21 a n1
a12 a22 a n2
a1 n a2 n

P=( ann )

Como los vectores

f 1,f 2,,f n son linealmente independientes, la matriz P
1
es invertible, su inversa P es la matriz de transicin de la nueva base a
la base antigua.

Ejemplo

Sean las bases {e 1=( 1, 0 ) , e2=(0, 1)} y { f 1=( 1 ,1 ) , f 2 =(1 , 0 ) } luego

f 1 =( 1, 1 )=( 1 , 0 ) + ( 0 , 1 )=e1 +e 2

f 2=(1 , 0 )=1 ( 1 ,0 )+ 0 ( 0 ,1 ) =e1 +0 e 2

(
P= 1 1
1 0 )
e 1=( 1, 0 )=0 ( 1 ,1 )+ (1 ) (1 , 0 )=0 f 1f 2

e 2=( 0,1)=1 ( 1, 1 ) +1 (1 , 0 )=f 1 +f 2

P1=Q= 0 1
1 1 ( )
(
PQ= 1 1 0 1 = 1 0 =I
1 0 1 1 0 1 )( )( )
TEOREMA

Sea P la matriz de transicin de una base {e i } a una base {f i} en un

espacio vectorial V entonces v V se cumple que:

P [ V ]f =[ V ] e
Es decir:

[ V ] f =P1 [ V ] e

TEOREMA

Sea P la matriz de transicin de una base {e i } a una base {f i} en un

espacio V entonces operador lineal T sobre V se cumple que:

[ T ] f =P1 [ T ] e P

SIMILARIDAD

Supongamos que A y B son matrices cuadradas para los cuales existe una

matriz invertible P tal que: B=P1 AP , entonces se dice que B es similar

a A o que se obtiene de A por una transformacin de similaridad. La

similaridad de matrices es una relacin de equivalencia.

TEOREMA

Dos matrices A y B representan el mismo operador lineal T si y solo si son

similares la una a la otra. Todos los representantes matriciales del operador
lineal T forman una clase de equivalencia de matrices similares.

Ejemplo

Sea T el operador lineal sobre R

2
definido por
T (3 ,1)= ( 2,4 ) y

T (1 ,1)=( 0 ,2 ) , por el teorema el operador lineal existe y es nico, hallar

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 )

VALORES Y VECTORES PROPIOS

En los diversos campos de la ingeniera y las matemticas surge el
problema de calcular los valores escalares y los vectores x 0

tales que para la matriz cuadrada A se cumple AX =X (1)

Algunos campos de aplicacin son:

Las Ecuaciones diferenciales, Estabilidad de sistemas lineales,

Sistemas elctricos, Polos y ceros de transferencia, diagonalizacion de
matrices, etc.

Podemos averiguar si el problema planteado en (1) tiene solucin si

tenemos ( A I ) X =0 (2) , el problema se transforma en un sistema

lineal homogneo BX =0 , el cual tiene solucin para X =0 ,

cuando det ( B ) 0 , es justamente lo que no nos interesa .El numero

se dice que es el valor propio de la matriz cuadrada A si y solo

si det ( AI )=0 (3) esta es la ecuacin caracterstica de la matriz

A .El polinomio que surge de la ecuacin (3) resulta un polinomio

en potencias de , la expresin a ( ) =det ( AI ) se le llama

polinomio caracterstico de la matriz A .El polinomio caracterstico

de una matriz de dimensin nxn es de grado n , por lo que se

tiene n valores propios que satisfacen la ecuacin (3) .

VALOR PROPIO

Sea T :V V un operador lineal sobre un espacio vectorial V sobre un

cuerpo K. Un escalar K se llama valor propio de T si existe un

vector diferente de cero, v V tal que T ( v )=v .

Todo vector que satisface esta relacin se llama vector propio de T

perteneciente al valor propio .

Observacin: Las transformaciones lineales del espacio como la rotacin, la

reflexin, el ensanchamiento o cualquier combinacin de las anteriores
pueden interpretarse mediante el efecto que producen en los vectores .De
forma geomtrica los vectores se visualizan como flechas de cierta longitud
apuntado en una direccin y sentido determinado. Los vectores propios de
las transformaciones lineales son vectores que no se ven afectados por la
transformacin.

Ejemplo: Sea un valor propio de un operador T :V V . Sea V el

conjunto de todos los vectores propios de T pertenecientes al valor

propio (llamado el espacio propio de ) Demostrar que

V es un

subespacio de V .

Demostracin

Sean
v , w V ; es decir T ( v )=v ,T ( w )= w . Entonces para todo escalar

a , b K , T ( av +bw )=aT ( v ) +bT ( w )=a ( v ) +b ( w )= (av +bw) , luego

av +bw es un vector propio perteneciente a es decir

V es un

subespacio de V .

TEOREMA

Sea T :V V un operador lineal sobre un espacio vectorial V ,

entonces K es un valor propio de T si y solo si T es

singular, el espacio propio de es entonces el ncleo de T .

TEOREMA

Vectores propios diferentes de cero pertenecientes a valores propios

diferentes son linealmente independientes.

POLINOMIO CARACTERISTICO

Sea una matriz cuadrada A sobre un cuerpo K

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

det ( t n A ) =0 se llama ecuacin caracterstica, el polinomio

caracterstico es de la forma:

( t )=( ta11 ) ( ta 22) ( t a nn ) ,n trminos con mximo n2 factores de la forma tan

Ejemplo

Sea la matriz ( )
A= 1 4
2 3

i) Hallar los valores propios de A y los correspondientes vectores propios

2i) Hallar una matriz invertible P tal que

1
P AP sea diagonal

Solucin:

Ejemplo: El polinomio caracterstico de la matriz A es:

( )
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

Es un polinomio caracterstico, polinomio Mnico de tercer grado.

El polinomio caracterstico de una matriz de dimensin nxn es de grado

n , por lo cual tendr n posibles valores propios.

Si es un valor propio de A y si X es el vector no nulo tal que

AX =X X se dice vector propio de A correspondiente al valor propio

de .

OBSERVACION: tambin llamado autovalor, valor caracterstico o eigen

valor.

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

POLINOMIO DE MATRICES Y OPERADORES LINEALES

Sea un polinomio f ( t )=a n t n +an1 t n 1 ++ a1 t +a 0 , si A es una matriz

cuadrada, entonces definimos:

f ( A ) =an A n +a n1 An1 ++ a1 A+ a0

Se dice que A es una raz o un cero del polinomio si f ( A ) =0.

TEOREMA

Sean f y g dos polinomios sobre un cuerpo k, y sea A una matriz

cuadrada de orden n , sobre k , entonces:

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

Toda matriz es un cero de su polinomio caracterstico.

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

Si A es una matriz cuadrada de orden n y es un valor propio de A

es una raz del polinomio caracterstico.

MULTIPLICIDAD ALGEBRAICA

La multiplicidad algebraica de un valor propio como cero del polinomio

caracterstico.

Ejemplo: Si los valores propios de una matriz A son 4, 4, 3, 3,3, 2,2, 1

significan que la multiplicidad algebraica del valor propio4 es 2, la de 3 es 3,

la de 2 es 2, la de 1 es 1.

(4)2 (3)3 (2)2( 1)=0

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 =

Si y solo si existe una base { v1 , v 2 , , v n } de V tal que:

T ( v 1) =k 1 v 1

T ( v 2 )=k 2 v2

T ( v n )=k n v n

Es decir los vectores { v1 , v 2 , , v n } son vectores propios de T perteneciente

a los valores propios

k1 , k2 , , kn .

OBSERVACION

Qu es diagonalizar?

Es determinar un sistema de referencia conveniente donde se tenga una

simplicidad para los clculos.

Para estudiar una matriz suele ser conveniente expresarla lo ms sencilla

posible, diagonalizar una matriz A es precisamente escribirla de manera

simple encontrando una matriz invertible P y una diagonal D (si es

posible) tal que A=PD P1 , la matriz P se denomina matriz de paso.

MATRIZ DIAGONALIZABLE

Una matriz n x n es diagonalizable si existe una matriz diagonal D tal

que A es semejante a D . Si D es una matriz diagonal entonces los

valores propios son sus componentes en la diagonal .Si A es semejante a
D entonces tienen los mismos valores propios, entonces si A es

diagonalizable, A es semejante a una matriz diagonal.

FORMAS CUADRATICAS O CUADRICAS

Se llama forma cuadrtica a un polinomio homogneo de grado 2. Una

forma cuadrtica P tiene la siguiente expresin matricial:
n n
P ( X )=X AX= aij x j1 x i1
t

i=1 j=1

Donde X es una matriz columna de orden nx 1 , A es una matriz cuadrada

de orden nxn

OBSERVACION

Dadas las matrices A yX se presenta una forma cuadrtica

t
P ( )= X AX

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

DIAGONALIZACION DE FORMAS CUADRTICAS

Una forma cuadrtica P se dice que se encuentra en su forma diagonal si en

ella no aparece ningn trmino mixto:

x i1 x j 1 coni j

2 2 2 t
P=a 11 x 1 +a22 x2 ++ ann x nn =X AX

Donde A es la matriz diagonal:

a11 0 0
0 a22 0
0 0

A=( a nn )

DEFINICION.- Se dice que una forma cuadrtica q ( X )=X t AX es

diagonalizable si existe una matriz no singular B, tal que al hacer la
transformacin X =BY , resulta:

q ( Y )= ( BY )t A ( BY ) =Y t B t ABY =Y t D Y , donde D es una matriz diagonal tal que

q ( Y )=d 11 y12 +d 22 y 22 ++ d nn y nn2

Es una forma diagonal en las nuevas variables

y 1 , y 2 , y3 , , y n . Se dice

que B diagonaliza a la matriz A, esta matriz B siempre existe, para ello A es

una matriz simtrica, B es una matriz no singular.
En muchos casos los elementos de la matriz diagonal en la diagonal
principal son los valores propios de A.

Ejemplo: Diagonalizar la forma cuadrtica, considere

q ( X )=x + 4 xy +5 y 2
2

A= 1 2
2 5 ( ) , considere (
B= 1 2
0 1 )
Solucin:

q ( X )= ( x y) (12 25)( xy)

A= 1 2
2 5( )
Sea X=BY

( 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

Hemos hablado de la transformacin X =BY , la cual se interpreta como

una rotacin de coordenadas.

DIAGONALIZACION ORTOGONAL DE FORMAS CUADRTRICAS

Dada una forma cuadrtica P ( X )=X t AX , es posible hallar una matriz P

ortogonal ( P1=Pt ) que diagonalice ortogonalmente a la matriz A, para

ello se debe tener en cuenta que:

1. Hallar los valores propios y vectores propios de la matriz A

linealmente independientes.
2. Los vectores
v 1 , v 2 , , v n forman una base ortonormal para lo cual se

utiliza el proceso de GRAM-SCHMIDT, es decir, hacer:

u1
v 1=
a. u 1
v k +1=uk +1[ uk +1 , v 1 v 1 + uk+1 , v 2 v 2+ + uk+ 1 , v k v k ]
b.

Calculamos los vectores v 'k +1 que son ortogonales entre si, y son

ortogonales a los vectores { v1 , v 2 , , v k } , formamos la matriz P de

modo que cada uno de los vectores

v1 , v2 , , vn son vectores
columna de la matriz P.

3. Se tiene la forma diagonalizable:

P ( X )=X t AX P (Y )=Y t ( Pt AP ) Y =Y t DY
Donde D es una matriz diagonal formada por valores propios de A.

Ejemplo: Diagonalizar ortogonalmente la forma cuadrtica

P=3 w 2+ 3 x 2 +9 y 2 +6 z 2+ 2wx4 yz

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

Los valores propios son:

1=2, 2=4 , 3=5 , 4 =10

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.

Dada la ecuacin ( x , y , z ) =0 en las variables x , y , z ; la grfica de esta

3
ecuacin en el espacio tridimensional ( R ) es el conjunto de todos los puntos

P( x , y , z) cuyas coordenadas satisfacen la ecuacin; a dicha grafica se

denomina superficie.

Ejemplo.
El plano, la esfera, etc.

Nota.
Existen ecuaciones tales como

a) x 2+( y2)2 + z 2+8=0 , ( a , b , c ) R3

b) ( x+ 2)2 +9( y+ 1)2 +5( z1)2=0 , ! punto.

Que no representan a una superficie (a estos casos se denomina degenerado).

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 )

( xx 0)2 +( y y 0 )2+( zz 0 )2=r 2 ()

Si el centro es el origen, entonces la esfera es x 2+ y 2 + z 2=r 2 .

La ecuacin () es de la forma

x 2+ y 2 + z 2 + Dx+Ey+ Fz+G=0

Discusin y grfica de la ecuacin de una superficie.

De manera similar a la discusin que se efecta antes de trazar la grfica de una
curva plana, en el caso de las superficies es tambin ventajoso discutir previamente

su ecuacin antes de construirla. Para discutir la ecuacin E ( x , y , z )=0 de una

superficie se siguen los siguientes pasos:

I) INTERSECCIONES CON LOS EJES COORDENADOS.

Son las intersecciones de la superficie con cada uno de los ejes coordenados.

i) Con el eje X . Se reemplaza y=z=0 en la ecuacin de la

superficie y se analiza la ecuacin resultante.

ii) Con el eje Y . Se reemplaza x=z=0 en la ecuacin de la

superficie y se analiza la ecuacin resultante.

 iii) Con el eje Z . Se reemplaza x= y=0 en la ecuacin de la

superficie y se analiza la ecuacin resultante.

II) TRAZAS SOBRE LOS PLANOS COORDENADOS.

La traza de una superficie sobre un plano coordenado es la interseccin de la
superficie y el plano coordenado.

i) Con el plano XY . Se reemplaza z=0 en la ecuacin de la

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.

III) SECCIONES TRANSVERSALES O SECCIONES PARALELAS A

LOSPLANOS COORDENADOS.
Son las intersecciones de la superficie con planos paralelos a los planos
coordenados.

i) Al plano XY . Se reemplaza z=k en la ecuacin de la

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.

IV) EXTENSION DE LA SUPERFICIE:

Se entiende por extensin de la superficie a los valores reales que toman las

variables x, y ,z en la ecuacin.
El paso anterior facilita la determinacin de la extensin; por ejemplo, si al

estudiar las secciones paralelas al plano XY se determina que hay

interseccin con los planos z=k cuando k [ 3 ; 3 ] . Esto indica que

en la superficie z varia entre 3 y 3 , es decir z [3 ; 3 ] .

 V) SIMETRIAS CON RESPECTO A LOS PLANOS COORDENADOS,
ALOS EJES COORDENADOS Y AL ORIGEN:
Previamente, se dice que dos puntos P y Q son simtricos con

respecto a un plano si el plano es perpendicular al segmento que los une en su

punto medio.
Por otro lado, se dice que una superficie es simtrica con respecto al plano

, si el simtrico de cada punto de la superficie, respecto al plano ,

es tambin un punto de la superficie.

Si P ( x , y , z ) es un punto del espacio, entonces:

a) El simtrico de P con respecto al plano XY es Q ( x , y ,z ) .

b) El simtrico de P con respecto al plano XZ es Q ( x , y , z ) .

c) El simtrico de P con respecto al plano YZ es Q (x , y , z ) .

Considerando que el lector est familiarizado a las simetras con respecto a una recta y
a un punto se sigue:

d) El simtrico de P con respecto al eje X es Q ( x , y ,z ) .

e) El simtrico de P con respecto al eje Y es Q (x , y ,z ) .

f) El simtrico de P con respecto al eje Z es Q (x , y , z ) .

g) El simtrico de P con respecto al origen es Q (x , y ,z ) .

Se dice que una superficie es simtrica con respecto a una recta L si el simtrico

da cada punto, respecto a la recta L , es tambin un punto de la superficie.

Se dice que una superficie es simtrica con respecto a una recta C si el simtrico

de cada punto, respecto a la recta C , es tambin un punto de la superficie.

De las consideraciones anteriores, se deduce fcilmente la siguiente tabla:

Si la ecuacin de la superficie no se altera La superficie es simtrica con

cuando se reemplaza: respecto al:
x por x plano YZ
y por y plano XZ
 z por z plano XY
z por z y por y eje X
x por x z por z eje Y
x por x y por y eje Z

x por x , y por yz por

origen

VI) CONSTRUCCION DE LA SUPERFICIE (GRFICA)

Con la ayuda de los pasos anteriores se construye la grfica de una superficie.

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 .

Haciendo y=z=0 en la ecuacin se obtiene 9 x 2=0 x=0 .

La superficie intercepta al eje X en el origen de coordenadas.

Al estudiar las otras intersecciones se comprueba que el origen es el nico
punto de interseccin.

II. TRAZAS SOBRE LOS PLANOS COORDENADOS.

i) Sobre el plano XY .

Haciendo z=0 se obtiene 9 x 2+ 4 y 2=0 . Esta ecuacin, en el

plano XY , representa al origen de coordenadas.

ii) Sobre el plano XZ .

Haciendo y=0 se obtiene 9 x 212 z=0 . Esta ecuacin, en el

plano XZ , representa a una parbola.

iii) Sobre el plano YZ .

Haciendo x=0 se obtiene la parbola 4 y 212 z=0 .

III. SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.
i) Al plano XY .

Haciendo z=k en la ecuacin de la superficie se obtiene

9 x 2+ 4 y 2=12 k .

Se observa que hay interseccin solamente cuando k 0 (si k =0

es un punto, si k >0 es una elipse)

ii) Al plano XZ .

Haciendo y=k en la ecuacin de la superficie se obtiene

2 2
9 x 12 z + 4 k =0 .

Esta ecuacin representa a una parbola xR .

iii) Al plano YZ .

Haciendo x=k en la ecuacin se tiene 4 y 212 z +9 k 2=0 .

Esta ecuacin representa a una parbola xR .

IV. EXTENSION.
De III (iii) se obtiene xR .

De III (ii) se obtiene y R .

De III (i) se obtiene z [ 0 ; + .

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 y=z=0 en la ecuacin se obtiene 0=0 , esto significa

que todo punto del eje satisface la ecuacin de la superficie, es decir, la

interseccin de la superficie con el eje X es el eje X .

ii) Con el eje Y .

Haciendo x=z=0 y 24 y=0 y=0 y =4 .

Las intersecciones son los puntos P1 (0,0,0) y P2 (0,4,0) .

iii) Con el eje Z .

Haciendo x= y=0 2 z =0 .
La interseccin es el origen de coordenadas.

II. TRAZAS SOBRE LOS PLANOS COORDENADOS.

i) Sobre el plano XY .

Las trazas son las rectas: y=0 (eje X ) y=4 (paralelo al

eje X )

ii) Sobre el plano XZ .

La traza es la recta: z=0 (eje X ).

iii) Sobre el plano YZ .

La traza es la parbola y 24 y +2 z=0 .

 III. SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.
i) Al plano XY .

Haciendo z=k y 24 y+ 2 z=0 y=2 42 k .

Existe interseccin k2 (Para k =2 es una recta, para k <2

son dos rectas paralelas)

ii) Al plano XZ .

Haciendo y=k en la ecuacin de la superficie se obtiene

2 z =4 kk 2 , es una recta k R .

iii) Al plano YZ .

Haciendo x=k en la ecuacin se tiene y 24 y +2 z=0 , es una

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

de segundo grado en las variables x, y ,z .

Algunas superficies cilndricas o superficies de revolucin son ejemplo de cudricas. En

esta seccin se dar algunas formas estndar de las superficies cudricas cuyas ecuaciones
estn en su forma ms simple.

Considerando que el alumno est en condiciones de discutir la ecuacin de una superficie,

nos limitaremos a describir algunas propiedades de estas superficies.

Elipsoide.
Su ecuacin es de la forma:
x2 y 2 z2
2
+ 2 + 2 =1
a b c

Donde a , b y c son nmeros positivos.

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).

Las secciones transversales a los planos coordenados son elipses o circunferencias.

(en los planos x= a , y= b , z= c , se reduce a un punto).

Esta superficie es simtrica con respecto a uno de los planos coordenados, simtrica
con respecto a cada uno de los ejes coordenados y simtrica con respecto al origen.
La grfica se muestra arriba.

El origen es el centro del elipsoide. Si el centro del elipsoide es el punto

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

Hiperboloide elptico (o circular) de una hoja.

Su ecuacin es de la forma:
x2 y2 z2 x2 y2 z2 x2 y2 z2
2
+
a b c
2
2
=1 o 2

a b c
2
+ 2 (
=1, o 2
+ 2 + 2 =1
a b c )
En la figura de abajo se muestra la grfica de
x2 y 2 z2
+ =1
a2 b2 c 2

A continuacin se describe algunas propiedades de esta superficie.

x ; a ] [ a ; +

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.

Las secciones transversales al plano XY son elipses o circunferencias segn si

2 2 2 2
a b o a =b

Las secciones transversales al plano XZ o el plano YZ son hiprbolas. (En

los planos y=b , x=a son dos rectas que se cortan).

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 ( 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

Hiperboloide elptico (o circular) de dos hojas.

Su ecuacin es de la forma:
x 2 y 2 z 2 x2 y2 z2 x2 y2 z2
+
a2 b2 c2
=1
a2 b 2 c 2 (
=1, + =1
a2 b 2 c2 )
Donde a , b y c son nmeros positivos.

En la figura de abajo se muestra la grfica de

x 2 y 2 z 2
+ =1
a2 b2 c2
En lo que sigue, se describe algunas propiedades de esta superficie.
x ; +

y ;b ] [ b ; +

z ; +

Si a2=c 2 , es una superficie de revolucin (hiperboloide circular de dos hojas).

Si a2 c2 , es el hiperboloide elptico de dos hojas.

Las secciones transversales al plano XZ son circunferencias o elipses segn si

a2=c 2 o a2 c2 . (En el plano y=b , es un punto).

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

Donde a , b y c son positivos, representa a una cudrica central con centro

C ( x0 , y0 , z0 )
en .

Si los tres signos son positivos: elipsoide.

Si dos signos son positivos y uno es negativo: hiperboloide de una hoja.
Si dos signos son negativos y uno es positivo: hiperboloide de dos hojas.
Si los tres signos son negativos: es el conjunto vaco.

Paraboloide elptico (o circular)

Su ecuacin es de la forma
x2 y2 x2 z2 y2 z2
2
a b
+ 2
=cz o 2
a b
+ 2
=cy ,(o 2
a b
+ 2 =cx )
Donde a , b y c son nmeros positivos y c 0 .

En la figura de abajo se muestra la grfica de

2 2
x y
2
+ 2 =cz
a b

Con c >0 , (si c <0 el paraboloide se extiende hacia la parte negativa del eje

Z ). Las propiedades de esta superficie son:

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.

Las secciones transversales al plano XY son circunferencias o elipses segn si

a2=b2 o a2 b2 . (En el plano z=0 , la traza es un punto).

Esta superficie es simtrica con respecto al eje Z , al plano XZ y al plano

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

En los otros casos, la ecuacin es de la forma:

2 2 2 2
( xx 0) ( zz 0 ) ( y y 0 ) ( zz 0 )
+ =c ( y y 0 ) o + =c (xx 0)
a2 b2 a2 b2

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 .

En la figura de abajo se muestra la grfica de

y2 x2
=cz
b 2 a2

Con c >0 .
 Las propiedades de esta superficie son:
x ; +

y ;+

z ; +

Las secciones transversales al plano XY son hiprbolas (En el plano z=0

son dos rectas que se cortan). Las secciones transversales al plano XZ y al plano

YZ son parbolas.

Esta superficie es simtrica con respecto al eje Z , al plano XZ y al plano

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

En los otros casos, la ecuacin es de la forma:

2 2 2 2
( zz 0 ) ( xx 0 ) ( zz 0 ) ( y y 0 )
2
2
=c ( y y 0 ) o 2
2
=c( x x0 )
b a b a

Cono elptico (o circular)

Su ecuacin es de la forma:
 2 2 2 2 2 2 2 2 2
x y z
2
a b c
x z
a b c
y
( x y z
+ 2 = 2 o 2 + 2 = 2 =, o 2 + 2 = 2
a b c )
Donde a , b y c son nmeros positivos.
En la figura de abajo se muestra la grfica de la superficie
x2 y 2 z2
+ =
a2 b2 c 2

Esta superficie tiene las siguientes propiedades:

xR
y R
zR

2 2
Si a =b , es una superficie de revolucin (cono circular).
2 2
Si a b es el cono elptico.

Las secciones transversales al plano XY son circunferencias o elipses segn si

2 2 2 2
a =b ,o a b . (En el plano z=0 la traza es el origen de coordenadas).

Las secciones transversales al plano XZ y al plano YZ son hiprbolas (En los

planos y=0 y x=0 son dos rectas que se cortan).

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

En los otros casos, la ecuacin es de la forma:

2 2 2 2 2 2
( xx 0) ( zz 0 ) ( y y 0 ) ( zz 0 ) ( y y0 ) ( xx 0 )
+ = o + =
a2 b2 c2 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:

Se expresa la ecuacin en su forma matricial

( )( ) ()
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

Hallamos los valores y vectores propios de:

( )
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

Reemplazando por traslacin:

'
x +1.2 =x

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

Entonces en conjunto formaran un esferoide o un elipsoide de

revolucin.

2. Resolver el sistema de ecuaciones diferenciales

( ) ()
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

Luego hallamos los valores y vectores propios de A:

| |
2 1 0
1 2 1 =0 ( 2 ) ( 24 +2 ) =0
0 1 2

1 =2, 2 =2- 2 , 3 =2+ 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. Determine los valores propios de A 10 , sabiendo que

( )
3 4 2 8
0 1 1 0
A= 0 0 1 5
0 0 0 4

Solucin:

Como es una matriz triangular superior, solo la diagonal principal es

afectada.

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

Hallando los valores propios:

| |
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

3.-Sea T : M 2 x 2 R3 una transformacin lineal tal como:

T
(| |)
a b
c d
=(a+2 bc , a+ 4 b+ d ,b +8 c+ d)

a) Calcule una base y la dimensin del ncleo

b) Calcule la imagen
c) Obtener la matriz de T respecto a las bases

{[ ] [ ] [ ] [ ]}
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

Entonces la matriz ser:

[ ]
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

Con lo que se puede decir que:

Dim I=3

Dim k=1

Adems la imagen generada seria:

{( ) ( ) ( )}
1 2 1
T= 1 , 4 , 0
0 1 8

Ahora hallaremos la Matriz T:

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

Por tanto la Matriz T ser:

( )
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

La imagen generada seria:

{( ) ( ) ( )}
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

Si A :R 3 R3 describa A en trminos geomtricos , grafique

b) Una matriz A tiene valores propios 6 y12.Adems correspondiente a 6 que

es de multiplicidad 2, se tiene los vectores propios (1,0,-1) y (1,1,1) y para
12 se tiene el vector propio (1,-2,1) si se sabe que A es simtrica, determine
la matriz A.

Solucin:

a)
 | |
0 cos sen
2 2
0 sen cos =cos + sen =1
1 0 0

Sabes que la ecuacin de la grfica es:

cos 2+ sen 2=x 2 + y 2=1

Por tanto la grfica es:

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

Por tanto reemplazando en A=P.B.P-1 nos debe salir:

( )( )
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

Un vector solucin en un intervalo I es cualquier matriz columna

de la forma que satisface al sistema.
x 1 (t )

()
X = x2 ( t )

xn ( t )

Cuyos elementos son funciones diferenciales que satisfacen el

sistema.
Un vector solucin equivale a n ecuaciones escalares:

x 1= 1 ( t ) , x 2= 2 ( t ) , , x n= n ( t )

Y tienen la interpretacin de un conjunto de ecuaciones paramtricas

en el espacio.
METODO MATRICIAL PARA SISTEMAS DE PRIMER ORDEN CON
COEFICIENTES CONSTANTES
Sea el sistema homogneo
dx1
=a 11 x 1 +a 12 x2 + + a1 n x n
dt
 dx2
=a21 x 1+ a22 x 2 ++a 2 n x n
dt

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

Dividiendo por e t se obtiene

( a11 ) x 01 +a12 x 02 ++ a1 n x 0n=0
a21 x 01 + ( a 22 ) x 02+ +a2 n x 0n=0

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

El polinomio caracterstico asociado con el sistema

n
de primer orden determina las races de la
 P ( )=0
ecuacin polinomica , se llaman valores
propios .Cada raz determina un conjunto de
0 0 0
x 1, x 2, , x
nmeros n
y por lo tanto es una solucin
del sistema de ecuaciones diferenciales.
Dos soluciones correspondientes a dos valores
1 , 2
diferentes son linealmente independientes,
n
entonces para todas las races distintas existirn
n
soluciones linealmente independientes (LI),
entonces la solucin del sistema homogneo ser la
n
combinacin lineal de estas soluciones LI.

PROBLEMA DE VALOR INICIAL

Sea t 0 un punto en un intervalo I
donde x
t0
que depende de

x1 (t 0 )

( ) ()
1
X ( t 0 )= x 2 ( t 0 ) , X= 2

xn (t 0 ) n

El problema consiste en resolver

sujeto a X ( )=X , es un problema
'
X = A X +F
(t ) (t ) t0 0

de valor inicial en el intervalo.

PRINCIPIO DE SUPERPOSICION
Sean x , x , , x un conjunto de vectores
1 2 n

solucin de un sistema homogneo en un

intervalo I entonces la combinacin
lineal:
x=c 1 x 1 +c 2 x 2 ++ c k x k
 En las que los C , i=1,2,3, , k son i

constantes arbitrarias, tambin es una

solucin en el intervalo.
TEOREMA.- Criterio para las soluciones
linealmente independientes.
Sean:
x 11 x 12 x1 n

() () ()
x 1= x 21 , x 2=

xn 1
x 22 , , x =

xn 2
n
x2 n

x nn

n vectores, solucin del sistema

I
homogneo en un intervalo el
conjunto de vectores solucin es L.I. en
I
si y solo si el WRONSKIANO es
diferente de cero

[ ]
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

SISTEMA LINEAL HOMOGENEO CON COEFICIENTES

CONSTANTES
Si una matriz A tiene n valores propios reales y
1 , 2 , , n
distintos siempre es posible determinar un
conjunto de n vectores propios Linealmente independientes
k1 , k2 , , kn
, donde:

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

VALORES PROPIOS REPETIDOS

Cuando los valores propios de una matriz A de orden nxn no
necesariamente son diferentes como por ejemplo en el sistema:

(
X ' = 3 18 X
2 9 )
|
2 9 |
det ( A )= 3 18 =( +3 ) =0
2

1= 2=3

Es una raz de multiplicidad algebraica 2, se obtiene el vector propio de

modo que:

() ()
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

FORMA CANONICA DE JORDAN

Sea una matriz cuadrada de orden nxn dicha matriz tiene n

valores propios L.I.

1 , 2 , , n

La matriz diagonal D:
D=diag ( 1 , 2 , , n ) generan los vectores propios v1 , v 2 , , v n .

DEFINICION.- Sea R , se dice que la matriz es un bloque de Jordn si

es de la forma:
 10 00

( )
0 1 00
B ( )= 0 0 0 0

000 1
000 0

B ( ) es una matriz cuadrada de orden k con en la diagonal, cifras 1

como se indica y cifras 0 en el resto.

Ejemplo: Sean las matrices de orden 1, 2, 3, 4 respectivamente (son formas

canoncas de Jordn)

)( )
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

DEFINICION.- Una matriz de Jordn

B 1 ( 1 )


B 2 ( 2 ) B n ( n )

B ( )=

Bi( i)
Donde cada es un bloque de Jordan

Ejemplo: Matrices de orden ( )

2 x 2 0 y pueden ser iguales .
0

Matrices de Jordn de orden 3 x 3:

( )( )( )( )
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

orden n tal que J =C1 A C , donde J es una matriz de Jordan cuyos

elementos en la diagonal son los valores propios de A, la matriz de Jordan J
es nica salvo por el orden en el que aparecen los bloques. Esta matriz se
llama forma cannica de Jordn.

Ejemplo: Si A es semejante a la matriz de Jordn.

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

1. Cmo saber si v es un vector propio de A?

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?

Formar y reducir el sistema [ A ]= [ 0 ] es un valor propio si y

solo si el sistema tiene al menos una variable libre.
3. Cmo determinar la multiplicidad algebraica de un valor propio de
A?
- Calcule el polinomio caracterstico 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

1 dim geom de multiplicidad algebraica de

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

Solucin: Expresar la ecuacin en su forma matricial

(x y) 3(5 53 )( xy )+2 (7 2 ()
9 2 ) x +38=0 ( )
y

Hallamos los valores y vectores propios de la matriz

(53 53 )
| |
3 5 = 26 16= ( +2 ) ( 8 )=0
5 3

Ortonormalizacin: La matriz P= (1/1/ 22 1 / 2

1/ 2 )
Planeando una rotacin:

'

()( 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 ( x ' 2 x ' +11 ) +8 ( y ' 4 y ' + 44 ) +38=0

' 2 ' 2
2 ( x 1 ) +8 ( y 2 ) + 8=0

2 2
( x' 1 ) + 4 ( y ' 2 ) + 4=0

Si: x ' ' =x ' 1

'' '
y = y 2

2 2

x ' ' + 4 y ' ' + 4=0

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

Solucin: Expresin matricial

( )( )
0 2 4 x x
(x y z) 2
()
2 2 y + ( 6 0 0 ) y 5=0 ()
4 2 0 z z

Hallamos los valores y vectores propios:

| |
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

4 x' x+ + 6 z' z + 1/2 3 )

2 2 2 3

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

Reemplazando por traslacin:

' 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 ''

6 z ' = 6 y' '

z ''

y''

Sea z '' =k

x ' ' +6 2 k 6 y ' ' =0

x ' ' 6 y '' =6 2 k

Paraboloide hiperblico

MATRIZ EXPONENCIAL

Es una funcin definida sobre las matrices cuadradas, se parece a la funcin

exponencial. Sea X una matriz cuadrada de orden n de nmeros reales o

xk
e =
x
complejos, la exponencial de x denotada por ,
k =0 k ! es decir

n
Ak A 2 A3
e A= lim = + A+ + +
n k=0 k! 2! 3 !

PROPIEDADES

Sean X e Y dos matrices cuadradas de orden n, a y b son reales o complejos,

donde es la matriz nula e es identidad .
 1. e = (identidad )
(a+b )X
2. exp ( aX ) exp ( bX )=e (linealidad)

3. exp ( X ) exp (X )=
1
4. ( e A ) =eA ( inversa )

5. det e X =e trazX ( relacin traza, determinante )

6. exp X t =( exp X )t

7. Si XY =YX e x e y =e x+ y =e y e x ( preservacin de la conmutacin )

'

8. Si Y es invertible e yx y = y e x y 1

9. Acotacin de la norma:|e A|e A

10. Exponencial de una matriz nilpotente :

Definidala exponencial de unamatriz cuadrada :

A 2 A3 An
e A= + A+ + ++
2! 3 ! n!

Luego A tiene alguna potencia nula A k =0 , A es nilpotente de orden k.

( )
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

Las matrices de potencias superiores a 3 son nulas.

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

Si una matriz A es diagonal

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

EXPONENCIAL Y FORMA DE JORDAN:

- Matrices que admiten formas de Jordn

Las matrices cuadradas reales o complejas pueden ser interpretadas como

expresiones en una base dada de una aplicacin lineal, mediante este hecho
se puede expresar con mayor comodidad la exponencial de una matriz.

Si A representa a la matriz de cierta aplicacin lineal entonces la

exponencial puede obtenerse a partir de la forma cannica de Jordn, es
decir:
1
M =P JP

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

Entonces la expresin anterior representa la descomposicin de Jordn de

una matriz A , calcular e A , la exponencial de una matriz de Jordan se

tiene:

J0


J1 Jn

J =
 n
J0


J 1 J nn
n

J n=

Si tenemos una matriz diagonal de bloque como la de Jordn, sus potencias

resultan ser una matriz diagonal de bloque, donde cada bloque es la
potencia del correspondiente bloque.

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 )

El polinomio mnimo coincide con m ( )=P ( )

Los valores propios son 1 ma2 y 3 de ma 1.

Se puede establecer la forma de Jordn y una matriz de paso P.

( ) ( )
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 )( )