Академический Документы
Профессиональный Документы
Культура Документы
Introducción
Geometría del álgebra en el espacio
Rectas y planos
Espacios Vectoriales
Transformaciones Lineales
Valores y vectores propios de una matriz.
Formas bilineales y cuadráticas.
L : p p0 t u, t
Denominada ecuación vectorial de la recta.
Aplicaciones:
1.- Halle la ecuación paramétrica, simétrica y cartesiana
de la recata L que pasa por los puntos.
p0 (1, 3, 2), q0 (2, 1, 2)
L1: P p0 t u, L2 : Q q0 v, t ,
1) L1 L2 si sólo si u v
2) L1 L2 si sólo si u v
L1 : P p0 t u, L2 : Q q0 v, t ,
Si L1 L2 det( p0 q0 , u , v ) 0
i j k
2) A B det a1 a2 a3
b1 b2 b3
) A ( x, y , z ) x i y j zk
Ejemplo.
1) A B B A
2) A B A A B B
3) ( A) B ( A B ),
4) A ( B C ) A B A C
A B A ( A.B ) 2
2 2 2
5) B
6) A B A B sen , ( A, B )
A.B
7) cos( ) , 0
A B
ap A B A B sen( )
2.- Área del triángulo como consecuencia del resultado anterior.
1
aT A B
2
3.- Volumen del paralelepípedo formada por los vectores A, B, C.
Vp A B C C.( A B)
4.- Volumen del tetraedro formado por los vectores A, B, C.
1
VT A B C
6
A L2
u
u AB
d ( L1, L 2) d ( A, L1)
u
P Q
D = P + (Q - P) + (R – P) = Q + R – P esto es así por que D
debes estar en el plano que contiene a P, Q, R
1) a x b y d 0 XY : z 0
2) a x cz d 0 XZ : y 0
3) by cz d 0 YZ : x 0
4) ax d 0 Eje : X 0
5) by d 0 Eje : Y 0
6) cz d 0 Eje : Z 0
d (q0 , ) Proy N p0 q0
1. a,b K: a + b = b + a
2. a,b,c K: (a + b) + c = a + (b+ c)
3. a,0 K: a + 0 = 0 + a
4. a,b K: a + (- a) = 0
.
B) El conjunto ( K, ) cumple las siguientes propiedades.
1. a, , K: ( )a = ( a)
2. a,b, K: (a + b) = a + b
3. , ,a K: ( + ) a = a + a
4. 1, a K: 1.a = a
Euclides Moreno Jara 23
El conjunto ( K, +, .) con las propiedades descritas se denomina
sistema de números reales o complejos.
Nota.- En lo que sigue denotaremos con K el cuerpo de números
reales o complejos.
Espacios vectoriales sobre un cuerpo K
Definición.- Llamaremos espacio vectorial (e.v) sobre el cuerpo
K al conjunto.(V , , .) . Donde (A) V , tal que :V V V
satisface las siguientes propiedades.
1. u, v V: u + v = v + u
2. u, v, w V : (u + v) + w = u + (v + w)
3. u V, 0 V : u + 0 = 0 + u
4. u V, -u V : u + (- u) = 0
5. u,v V, K: .(u + v) = .u + .v
6. u V , , K: ( + ).u = .u + .u
7. u V , , K: ( . ).u = .( .u)
8. u V , 1 K: 1.u = u
1. L( A) V
2. A L( A)
3. B V ( A B L(A) B )
vectores
5.- Cualquier conjunto de “n” vectores l.i en n genera a n
6.- Sea Ann una matriz. Entonces det( A) 0 si sólo si las
columnas de A son l.i.
a) W M M 33 ( ) / det( M ) 0
b) W M M 3 3 ( ) / M M T
c) W M M 33 ( ) / M es diagonal
: V V
(u, v) u, v
Es un producto escalar real ( o producto interior real) si u, v, w V ,
Se cumple: 1) (u, v) (v, u ) (simetria, o conmutativa)
2) (u, v w) (u, v) (u, w) (lineal, o distributiva)
3) (u, v) ( v, u ) ( asociativa)
4) (u, u ) 0 y (u, u ) 0 u 0 ( positividad)
1) u u, u norma euclídea
2) u , v u v desigualdad de Cauchy - Schwarz
3) u v u v desigualdad triangular
u, v
4) cos( ) = ángulo entre los vectores u,v. [0, ]
u .v
5) Si <u,v > = 0 u,v son ortogonales o perpendiculares
6) Un conjunto ortogonal se denomina ortonormal si cada uno
de sus elementos tiene norma 1
Teorema.- Sean ( V, < > ) un e.v.e. y u1 , u2 ,..., um sistema l.i de V
en estas condiciones existe un sistema ortogonal v1 , v2 ,..., vm tal que
Nota.- 1) Si S u1 , u2 ,..., uk es un conjunto ortogonal de vectores
diferente de cero, entonces S es linealmente independiente.
2) Cualquier base en n se puede convertir en una base ortonormal.
3) Todo conjunto euclídeo de dimensión finita tiene una base
ortonormal
um , v1 um , vm 1
vm um .v1 .vm 1
v1 , v1 vm 1 , vm.1
1. u, v V , f (u v) f (u) f ( v)
2. u V , K , f( u ) f (u )
Proposición(1).- Siendo V y W K – e.v., se verifica que la función
f : V W es T. Lineal si y sólo si u, v V , , K :
f ( u v) f (u) f (v)
3. T ( 0V ) 0W
4. T ( v) T (v)
5. T ( u v) T (u ) T (v)
b) g es sobreyectiva si b B, a A : b g (a)
Proposición.- Si g : V W es un isomorfismo g : W V
1
es también un
isomorfismo.
x 1v1 2 v2 n vn
T ( x) 1T (v1 ) 2T (v2 ) nT (vn )
=1w1 2 w2 n wn
Corolario (1).- Si V y W son dos K – e.v. finitamente generados ( de
a) ST(x) = S( T(x) )
Diagonalización de matrices
autovalores o eigenvalores.
autovectores o eigenvectores.
Si λ es valor propio de una matriz A, el conjunto W v K n : Av v
n
Es subespacio vectorial de K llamado espacio propio se A asociado al
valor propio de λ ( autoespacio)
(A - I n )v 0 K n , v 0 K n
det(A - I n )v 0
an1 an 2 anm
Los valore de que satisfacen esta ecuación, son los valores propios de A
multiplicidad geométrica de λ
3.- Para determinar los valores propios de A, debemos encontrar las raíces de
su ecuación característica P( ) = 0 que tiene n raíces reales o complejas.
4.- Una matriz real, esto es todos sus elementos son reales , es tal que su
ecuación característica podría no tener raíces reales sino complejas.
Ejemplos:
2 1 1 2 1 1
1) A
2 3 4 2) B
0 3 1
1 1 2
2 1 3
2 1 1 1 0 1
3) C
2 3 2
4) D
0 1 2
3 3 4
0 0 2
propios.
1 0 1 2 0 3
A 0 1 2 B 3 2 9
0 0 2 1 2 6
algebraica.
de T
3.- Dos matrices de orden n son semejantes si, sólo si representan la misma
transformación lineal.
1 0 1 2 2 1 2 1
a) A b) A c) A d)A
1 3 5 4 1 4 1 0
inferiormente.
2 0 3 1 1 1 0 0 1
a) A 3 2 9 b) A 1 3 1 c) A 0 1 0
1 2 6 1 1 1 1 0 0
n
4) Toda forma bilineal sobre procede de una matriz cuadrada de orden n.
luego se obtiene una aplicación biyectiva, entre M nn y el conjunto de las
formas bilineales sobre n
5) Si se tiene una forma bilineal B sobre n , se obtiene la matriz M
definiendo sus items usando la fórmula. ai j B(ei , e j ) 1 i, j n
B(u,v) = uMvT
Ejemplos:
4 2 1 0 0 1 4 2
M1 M2 M3 M4
2 1 0 1 1 0 8 4
2.- En el espacio vectorial tridimensional, se considera la forma bilineal
Verificar que la forma cuadrática de ambas F.B. es Q(u) 3x1 x2 3x1 x3 3x2 x3
7.- Sea una forma cuadrática Q(u) = uMuT donde M es simétrica real, y
sea C una matriz ortogonal que convierte a M en una matriz diagonal
D C T M C . Tenemos entonces
n
Q(u) = uMu YDYT T
i yi2 , i autovalores de M
i 1
a b / 2
ax bxy cy
2 2
cuya matriz es M =
b / 2 c
2.- Expresado en forma cuadrática es.