Objetivo General:

El alumno elaborará sistemas de ecuaciones lineales

en n-incógnitas, analizará propiedades y operaciones básicas de los
vectores en el plano xy, en el espacio vectorial generalizado.

PROGRAMA

I. Sistema de Ecuaciones Lineales

II. Espacios Vectoriales

III. Transformaciones Lineales

IV. Valores y Vectores característicos

ÍNDICE

SISTEMA DE ECUACIONES LINEALES…………………………………………

………04
Sistema Escalonado ………………………………………………………..…
17

2
 Método de Gauss………………………..……...……….……………………
18
Sistemas Homogeneos …………………………………………………..……
21
Aplicaciones…………………………………………………………….23
Matrices…………………………………………………………………………..
30
Multiplicación de matrices…………………………………………..
32
Operaciones con matrices cuadradas……………………………36
Matriz Elemental………………………………………………………………..
44
Determinantes…………………………………………………………………..
53

ESPACIOS VECTORIALES……………………………………………………………
….60
Subespacio vectorial…………………………………………………………..
66
Combinación lineal……………………………………………………………71
Dependencia lineal……………………………………………………………
75
Cambio de bases………………………………………………………………96
Bases ortonormales…………………………………………………………...
106
Normalización………………………………………………………….
107
Propiedades del producto punto…………………………………108
Teorema de Grahm-Schmidt………………………………………………
112
Producto interno de vectores (General…...……………………………..
113

TRANSFORMACIONES LINEALES…………………………………………………
….116
Transformación de rotación………………………………………………..
119
Transformación J : C[ 0,1] → ℜ ……………………………………….
120
Núcleo e Imagen……………………………………………………………..
127
Rango y Nulidad………………………………………………………………
129
Representación matricial de una transformación lineal……...
131

3
EIGEN VALORES Y EIGEN VECTORES…………………………………………
…….137
Raíces Racionales…………………………………………………….
139
Matrices semejantes…………………………………………………………
143
Multiplicidad geométrica…………………………………………………...
146
Matrices geométricas………………………………………………………..
147
Matrices ortonormales……………………………………………….
153
Teorema de los ejes principales……………………………………………
154

4
 SISTEMA DE ECUACIONES LINEALES

** Un sistema nos da una realidad, la encierra y no las explica**

DEF.
Una Ecuación Lineal es aquella expresión donde las variables
tienen como potencial a la unidad.

Ejemplo
ℜ 2 → ax + by = c ← línea recta
ℜ3 → ax + by + z = d ← plano
ℜ 4 → hasta ℜ n → a1 x1 + a2 x2 + a3 x3 +  + an xn ≡ ℜ ← se le llama hiperplano

DEF.
Un sistema de ecuaciones lineales consta de n-variables por m-
ecuaciones.

Toma la siguiente forma.

Variables=n

filas → a11 x1 + a12 x 2 + a13 x3 +  + a1n x n = b1 − 1°ec.

a 21 x1 + a 22 x 2 + a 23 x3 +  + a 2 n x n = b2 − 2°ec.

a m1 x1 + a m 2 x 2 + a m 3 x3 +  + a mn x n = bm − m°ec.
columnas

aij son los coeficientes de la combinación lineal (ecuación).

i = 1,  , m
j = 1, , n[ corre]
i tipifica a las filas
j tipifica a las columnas

Si i y j es, es decir “si el número de filas es igual al número de columnas

el sistema lineal se llama cuadrado”.

Ejercicio.

Una empresa de muebles produce sillas y mesas. Para ello dispone de

dos tipos de madera.

5
En la fabricación de una silla se utiliza una unidad de madera de cada
tipo. Por otra parte para fabricar una mesa se necesitan una unidad de
tipo A y 2 unidades de tipo B.

Si se dispone de 14 y 16 unidades semanales de madera de los tipos A y

B respectivamente, obtener el máximo número de sillas y de mesas que
se puede fabricar semanalmente.

Solución

Supones que:
x=sillas y
y=mesas

Acomodamos nuestras ecuaciones:

x + y = 14
x + 2 y = 16

− x − y = −14
x + 2 y = 16
y= 2
Sustituyendo y:
x + 2 = 14
x = 14 − 2
x = 12
Por tanto:
x = 12 y y=2

El problema básico a resolver en el curso serán los sistemas lineales

cuadrados.

**Para ello utilizaremos la siguiente notación: n – duplo ó n – ada, que se

representa a un vector.
 u1 
u 
 2
u = u 3 
 
 
un 
donde ui son números reales (complejos) 1 = 1,  , n **

DEF.

6
 Dadas las n-ádas
 u1   v1 
u  v 
u =  2 y v =  2
   
   
un  vn 
se definen las siguientes operaciones

1) La suma de u + v es la n-áda.
 u1 + v1 
u + v 
u +v =  2 2
  
 
u n + vn 
es decir, cada elemento u + v es la suma correspondiente de los
elementos de u y v .

2) El producto de un número llamado a por la n-áda v.

 v1   av1 
v  av 
av = a  2  =  2 
    
   
vn  avn 
donde cada elemento está multiplicado por el número a.

Ejemplo
Si
1   4 7 
w = 2 y v = 5 y u = 8
   
3 6 9

Realizar las siguientes operaciones

1) 3u − 5 v + 8w
2) − w + 6 v − u

Solución
1)
7   4  1 
38  − 55 + 82 =
9  6 3

7
  21 20  8 
=  24  −  25 + 16  =
27  30  24
 21 − 20 + 8   9 
=  24 − 25 + 16  = 15
27 − 30 + 24 21

2)
1   4  7 
− 2 + 6 5 − 8  =
3 6 9 
1  24 7 
= − 2 + 30  − 8  =
3 36  9 
 − 1 + 24 − 7  16 
= − 2 + 30 − 8 = 20
 − 3 + 36 − 9  24

TEOREMA
Sean u, v y w tres n-ádas y sean a, b y c tres números
reales cualesquiera. Entonces satisfacen:

1) Propiedad conmutativa de la suma de las n-ádas

u+ v = v+u

2) Propiedad asociativa de la suma de las n-ádas

(u + v) + w = u + ( v + w )
3) Existencia del elemento neutro para la suma

Existe una n-áda, llamada n-áda nula denotada por 0 con todos los
elementos nulos, tal que
u+0 = 0+u = u

4) Existencia del compuesto para la suma de la n-áda.

Para cada n-áda u , existe otra n-áda, llamada la opuesta de u , y

denotada por − u cuyos elementos son los opuestos de u y tales
que…

8
 u + ( − u) = 0
5) Propiedad distributiva del producto de un número real respecto a
la suma de las n-ádas
a u + v = au + a v( )
( )
** ( a + b ) v = a + b v **

6) Propiedad asociativa del producto para una n-áda

( ab ) u = a( b v )
7) Existencia del elemento neutro para el producto de un número por
una n-áda.
1u = u → OJO

Demostración de la propiedad 2

 u1 + v1   α1 + v1 
u + v  α + v 
u+v  2 2
, α v
2 2

     
   
un + vn  α n + vn 

Sea
 u1   v1   w1 
u  v  w 
u =  2 , v =  2 , w =  2
     
     
u3  v3   w3 

 u1   v1 
   
( u + v ) = u2  + v2 
 
   
un  vn 

Sabemos que:
 u1 + v1 
u + v 
( u + v ) =  2 2 

 
un + vn 

u + v = m donde m es n-áda

9
Ahora
 u1 + v1   w1   ( u1 + v1 ) + w1 
u + v   w  ( u + v ) + w 
m +m =  2 2 +  2 =  2 2 2

       
     
un + vn   wn  ( u n + vn ) + wn 

Sabemos que los componentes de la n-áda son números reales por lo

tanto cumple la propiedad asociativa por ejemplo:
(u j + v j ) + w j = u j + [ v j + w j]
j = 1, , n

Tenemos que
 ( u1 + v1 ) + w1   u1 + ( v1 + w1 )   u1   v1 + w1 
( u + v ) + w  u + ( v + w )  u  v + w 
 2 2 2
= 2 2 2 
=  2 +  2 2
=
         
       
( u n + vn ) + wn  un + ( vn + wn )  u n  vn + wn 
 v1 + w1    v1   + w1  
v + w     
 v + w 
=u+ 2 2
= u +  2 +  2 =
     
        
 v 
vn + wn    n  + wn  
= u + ( vn + wn ) cqd.

Demostración de la regla 6
Sea
ab=real= α
αv u1  ab u1 
 α u  ab u 
α u+ 2
= 2

   
   
 α un  ab u n 

Sabemos que a, b, u y j ∈ ℜ con j = 1, , n = [1,  , n] y satisfacen la propiedad

asociativa del producto
( ab ) uj = a( buj )
ab u1  a ( bu1 )     bu1  
ab u  a ( bu )    bu  
 
∴ 2
= 2 
= a  2   
        
  
       
ab un  a ( bun )    bu n  

10
 = a ( bu ) cqd.

Observemos
5x + 6y + 7z = 0
 x1   x2   x3 
     
x =  y1 , y =  y2  y z y3 
z  z  z 
 1  2  3
 x1   x2   x3   0 
       
5 y1  + 6 y2  + 7 y3  =  0 
 z   z   z  0
 1  2  3  
 5 x1   6 x2   7 x3   5 x1 + 6 x2 + 7 x3   0 
         
 5 y1  +  6 y2  +  7 y3  =  5 y1 + 6 y2 + 7 y3  =  0 
 5z   6 z   7 z   5z + 6 z + 7 z   0 
 1  2  3  1 2 3   
5 x1 + 6 x2 + 7 x3 = 0
5 y1 + 6 y2 + 7 y3 = 0 Sistema Lineal
5 z1 + 6 z 2 + 7 z3 = 0
Ejemplo:

Sea el siguiente sistema

x1 − x2 = 2  ec. 1
x1 + x2 = 8 ec. 2
x1 − x2 + x3 = 3 ec. 3

Verificar que la n-áda

 4
 2
  es solución
1 

Solución
Sustituimos en el sistema la propuesta de solución
 x1  4
x  = 2
 2
 x3  Vector solución 1
x1 = 4
x2 = 2
x3 = 1

11
 4 − 2 = 2 → satisface 1
4 + 2 = 8 → satisface 2
4 − 2 + 1 = 3 → satisface 3

¿Cuántas soluciones tiene un sistema de 2x 2 ?

2x 2 =2 filas y 2 columnas
ó 2 ecuaciones, 2 variables.
ax + by = c 1 Ec. → Qué representan
dx + fy = g  2 Ec. → geométricamente a rectas

3x + 5 y = 8 16
⇒y=
6 y = 16 6
15 x + 25 y = 40 16
⇒y=
6 y = 16 6
fácil x=?...II
Para I
 16 
3 x + 5  = 8
6
80
3x + =8
6
80
3x = 8 −
6
8 80
x= −
3 18
32 16
x=− ⇒
18 9

Para II
 16 
15 x + 25  = 40
6
25 ⋅16
15 x + = 40
6
25 ⋅16
15 x = 40 −
6
8 5 16
x= − ⋅
3 3 6

12
 8 5 8
x= − ⋅
3 3 3
8 5
x = 1 − 
3 3
8  3−5
x=  
3 3 
8 2
x = − 
3 3
16
x=−
9

**Dos sistemas de ecuaciones lineales son semejantes si y solos si

tienen la misma solución**

Caso 1.

Ec. 1
Se cortan (en un solo
plano)
∴ El sistema tiene
solución única

Ec. 2

Caso 2.

Ec. 2
Ec 1 = Ec 2
Se tocan en una
Ec. 1 infinidad de puntos.
∴ El sistema tiene
infinidad de soluciones.

Ec. 2
Ec. 2 en Ec. 1tienen la misma
pendiente, sus ordenadas al
Ec. 1 origen deben ser diferentes con
Caso 3.
ordenada al origen diferente.
Con esto garantizo que son
rectas paralelas
13 ∴ El sistema no tiene solución.
** Resumen
Sistema lineal de ecuaciones
Única Soluble
Solución ∞
No tiene No Soluble**

DEF.
Dos sistemas de ecuaciones lineales son semejantes/equivalentes
si tienen el mismo conjunto solución.

Dado un sistema de E.L. (Ecuaciones Lineales)

En un sistema de E.L. se pueden hacer tres operaciones elementales.

1) Se pueden intercambiar el orden de las ecuaciones.

Ri → R j (R-Renglón o la ecuación)

2) Se pueden sumar dos ecuaciones.

Ri + R j → R j
“mandar”
ó
“sustituir”

3) Multiplicar a Ri por un número diferente de cero

α ∈ℜ , α ∈C

ax + by + cz = d1 x = α1
ex + fy + gz = d 2 ⇒ y = β2
α x + β y + τ z = d3 z = τ3
⇓
α x +0+0 =α
**Un sistema de E.L. es posible1 llevarlo a un sistema solución
β y operaciones
(equivalente) por medio0 +de + 0 = β2 elementales, diagonalizando
0 + 0 +τ z = τ3
nuestro sistema de ecuaciones.**

14
Ejemplo
Sea E.L.
x1 − x2 + 2 x3 = 1
− x1 + 2 x2 − x3 = −1
x1 − 2 x2 − x3 = 3
Encontrar su equivalente más sencillo, usando operaciones elementales.

Solución
a) Etiquetar el sistema.
x1 − x2 + 2 x3 = 1 R1
− x1 + 2 x2 − x3 = −1 R2
x1 − 2 x2 − x3 = 3 R3

b) Hacer ceros abajo de x1 de R1

R1 + R2 → R2
R1 + ( − 1) R3 → R3
x1 − x2 + 2 x3 = 1
− x1 + 2 x2 − x 3 = −1
0 + x2 + x3 = 0  New R2
x1 − x2 + 2 x3 = 1
− x1 + 2 x2 + x3 = −3
0 + x2 + 3 x3 = −2  New R3

El sistema original se convierte:

x1 − x2 + 2 x 3 = 1
0 + x2 + x3 = 0 Nuevo sistema
0 + x2 + 3 x3 = −2 E.L.

Volvemos a etiquetar:
x1 − x2 + 2 x 3 = 1 R1
x2 + x3 = 0  R2
x2 + 3 x3 = −2  R3
R2 + ( − 1) R3 → R3
x2 + x3 = 0
− x2 − 3 x3 = −2
− 2 x3 = 2  NewR3

x1 − x2 + 2 x3 = 1 R1
0 + x2 + x3 = 0  R2
0 + 0 − 2 x3 = 2  R3

15
Ahora vamos a hacer ceros arriba de x3 y de la ecuación R3.
R3 + ( 2 ) R2 → R2
R3 + R1 → R1
0 + 0 − 2 x3 = 2  R3 0 + 0 − 2 x3 = 2
2 x2 + 2 x 3 = −0 x1 − x2 + 2 x3 = 1
2 x2 + 0 = 0  New R2 x1 − x2 + 0 = 3 New R1

El sistema ahora se convierte en un nuevo sistema

x1 − x2 + 0 = 3 R1
0 + x2 + 0 = 2  R2
0 + 0 − 2 x3 = 2  R3

Haremos ceros arriba de R2

( 2) R1 + R2 → R1
2 x1 − 2 x2 + 0 = 6
+ 2x2 + 0 = 2
2 x1 + 0 + 0 = 8 New R1
2 x1 + 0 + 0 = 8 R1
0 + 2 x2 + 0 = 2  R2
0 + 0 − 2 x3 = 2  R3
x1 = 8
x2 = 1
x3 = −1

Resolver el sistema
2 x − 3 y + 6 z + 2v − 5w = 3
y − 4z + v =1
v − 3w = 2

Solución
Etiquetamos nuestro sistema de E.L.

16
 2 x − 3 y + 6 z + 2v − 5w = 3 R1
y − 4z + v = 1 R2
v − 3w = 2 R3
( 3) R2 + R1 → R1
2 x − 3 y + 6 z + 2v − 5w = 3
3 y − 12 z + v =1
2 x + 0 − 6 z + 5v = 6  New R1

Nuestro sistema queda de la siguiente manera

2 x + 0 − 6 z + 5v − 5w = 6 R1
y − 4z + v = 1 R2
v − 3w = 2 R3

Ahora
R3 + ( − 1) R2 → R2
− y + 4z − v = −1
v − 3w = 2
− y + 4 z + 0 − 3w = 1 New R2

**El sistema de ecuaciones es un sistema escalonado, de la cual

podemos tener infinidad de soluciones, de la cual podemos despejar**

De nuestro sistema original

2 x − 3 y + 6 z + 2v − 5w = 3
0 + y − 4z + v + 0 −1 = 0
0 + 0 + 0 + v − 3w − 2 = 0

Ahora
De R3
v − 3w = 2
v = 2 + 3w 4
Sustituimos 4 en R2
y − 4 z + ( 2 + 3w) = 1
y = 1 + 4z − v
x = 3 y − 6 z − 2v + 5w + 3
De R1

∴ Este problema tiene una infinidad de soluciones ya que depende de los

valores de w y z (se les llama variables porque pueden ser lo que
queramos).

17
NOTA: Para nuestro ejercicio w y z se llaman variables libres.

Resolver
x + 2 y − 3 z = 1 R1
3 x − y + 2 z = 7  R2
5 x + 3 y − 4 z = 2  2  R3

Solución
( − 3) R1 + R2 → R2
( − 5) R1 + R3 → R3
− 3x − 6 y + 9 z = 3 − 5 x − 10 y + 15 z = 5
3x − y + 2 z = 7 5x + 3 y − 4 z = 2
− 7 y + 11z = 10  New R2 − 7 y + 11z = 7  New R3

El sistema queda de la siguiente forma

x + 2 y − 3 z = 1 R1
0 − 7 y + 11z = 10  R2
0 − 7 y + 11z = 7  R3
11 10
y1 = z− y1 || y2
7 7
11
y2 = z − 1
7
( − 1) R2 + R3 → R3
7 y − 11z = −10
− 7 y + 11z = 7
0 + 0 = −3
¡¡¡¡ERROR!!!!

El sistema es inconsistente.
¡No tiene solución!

SISTEMA ESCALONADO

18
 5x + 3 y + 0z = 1
8 y + 0 z = 1 __ una solución
8 z = 1 __ tiene infinidad

**Cuando se tiene una forma escalonada, tenemos una herramienta que

son los ceros y los coeficientes que acompañan al sistema**

→ 5 x + 3 y + 0 z = 1  5 3 0 1
 
0 + 8 y + 0 z = 1 ⇒  0 8 0 1
 0 0 8 1
0 + 0 + 8z = 1   **De coeficientes aumentada**
MATRIZ
DEF.
Dado un sistema de ecuaciones lineales se le puede asociar una
matriz de coeficientes aumentada

Ejemplo
Sea
2x + 3y = 1
5x + 7 y = 3
Sol.
 2 3 1  − 10 − 15 − 5 
   
 5 7 3  − 5 R1 + 2~R2 → R2  0 − 1 1 
  
− 10 − 15 − 5 “Método de Gauss
para matrices”
10 14 6
−1 1
2x + 3y = 1 2x − 3 = 1
⇒ y = −1
− y =1 1+ 3
x=
2
x=2
TEOREMA
Sean dos sistemas lineales tales que uno de ellos es el
resultado de realizar una operación elemental en el otro. Entonces
ambos sistemas son equivalentes.

DEF.
Una matriz se dice escalonada si se verifican las siguientes
condiciones:

I. El primer elemento no nulo (por la izquierda) de cada fila es

uno, que se llama uno principal.
II. Cada uno principal está a la derecha de los unos principales de
las filas anteriores (Forma escalonada).

19
 III. Las filas nulas, si existen, están en la parte inferior de la matriz

MÉTODO DE GAUSS

1.- Calcular xn de la última ecuación

2.- Para i = n − 1, n − 2,  ,1 calcular xi como:
n
xi = bi ∑ aijx
j =1+1
j

Se puede comprobar que las operaciones que se efectúan en el método

de sustituciones regresivas son equivalentes a las que se realizan para
obtener la matriz escalonada reducida del sistema triangular a partir de
la matriz escalonada.
 ai1 ai 2 ai 3  
 
 i 
  ← Matriz Triangular
 
0 am 


En consecuencia dado un sistema lineal es conveniente reducirlo a un

sistema equivalente.
x1 + a12 x2 + a13 x3 +  + a1n xn = b1
x2 + a23 x3 +  + a2 n xn = b2

xn = bn
y resolver por sustitución regresiva.

TEOREMA
Un sistema de ecuaciones lineales es:

i) Incompatible, ssi la forma escalonada de la matriz aumentada.

ii) Compatible, ssi las formas escalonadas de la matriz aumentada
del sistema y la de los coeficientes tienen el mismo número de
unos principales.

En este caso el sistema es determinado, ssi, el número de unos

principales coinciden con el número de incógnitas y es indeterminado el
sistema si es menor.
Ejemplo
Encontrar los valores de lo que hacen que el sistema tenga solución
única, infinidad de soluciones, que no tenga solución.

Solución

20
 x1 + bx2 − 2 x3 = 2
− x1 + ( b − 2) x2 + 2 x3 = −2
2 x1 + 2 x2 + ( b − 4 ) x3 = 3
matriz aumentada del sistema
Fila pivote
1 b −2 2 
 
 −1 b − 2 2 − 2
ceros

2 2 b − 4 3 


R1 + R2 → R2 El sistema es inconsistente
− R1 + R3 → R3
∴ No tiene solución para el valor
1 b −2 2 
  de b=0
 0 2b − 2 0 0
 0 − 2b + 2 b − 1
 

i) Si b=1
1 1 − 2 2  b≠0
 
 0 0 0 0  ⇒ x3 = −1 ← R3 ( 2b − 2) x2 = 0
 0 0 1 − 1 x2 ≠ 0
 

x1 + x2 − 2 x3 = 2 2b − 2 = 0
x1 + x2 − 2( − 1) = 2 b =1
x1 + x2 + 2 = 2 ( − 2b + 2) x2 + bx3 = −1
x1 + x2 = 0 x1 + bx2 − 2 x3 = 2
x1 = − x2
x2 = t x2 = 0
x1 = −t 2b − 2 ≠ 0
t ∈ℜ
n-áda
− t   1 0 − 2 2  ∴ b=1 ⇒ El sistema bx3 = −1
 
F  t   0 0 0 0  tiene una infinidad de 1
 0 0 b − 1 soluciones x3 = −
− 1   b
ii) b=0 que le pasa al sistema
1 0 − 2 2  →1
  R2 → −2 x2 = 0
0 − 2 0 0 → 2
0 2 R3 → 2 x2 = −1
 0 − 1 → 3

21
 x1 − 2 x3 = 2
2
x1 = 2 + 2 x 3 = 2 −
b
n-áda solución
 2
2 − 
  b
f = 0
 1 
− 
 b 

Ejemplo
2 x + 4 y = 10
3 x + 6 y = 15

Solución
 2 4 10   2 4 10 
   
 3 6 15  − 3~R1 + 2 R2 → R2  0 0 0 
   
2 x + 4 y = 10
x = 5 − 2y
su n-áda solución es:
 5 − 2t 
f = 
 t 
y =t t ∈ℜ

SISTEMAS HOMOGÉNEOS

a11 x1 + a12 x2 +  + a1n xn = 0 1

a21 x1 + a22 x2 +  + a2 n xn = 0  2

am1 x1 + am 2 x2 +  + amn xn = 0 m

A este sistema se le conoce como sistema homogéneo de m × k .

OJO
m > n sol. Trivial
OJO
m = n sol.
li linealmente independiente
ld . li
ld linealmente dependiente

22
y cada ecuación
 − a11 x1 +  + a1n xn = 0
Se forma combinación lineal

Ejemplo
Determinar si el sistema tiene solución diferente de cero
x + 3y − 2z = 0
x − 8 y + 8z = 0
3x − 2 y + 4 z = 0

Solución
1 3 − 2 0 ~  1 3 − 2 0 1 3 − 2 0
  R +R →R    
1 − 8 8 0 1 2 2
 0 11 10 0 ( − ) R2 + R3 → R3  0 − 11 10 0 
 3 − 2 4 0  − 3R1 + R3 → R3  3 − 11 10 0  0 0 0 0 
    
− 11 y − 10 z = 0
10 z
y=− z =t t ∈ℜ
11
 10 
x + 3 t  − 2t = 0
 11 
 30  − 8t
x = 2t −   =
 11  11
 8 
− 12 t 
  10  n-áda solución
u= t ←
 11 
 t 
 

**Un sistema homogéneo siempre tendrá asociado la solución trivial**

Ejemplo
Verificar si tiene solución o es la solución trivial
x + 3y − 2z = 0
2x − 3y + z = 0
3x − 2 y + 2 z = 0

23
Determinar si el sistema tiene solución diferente a la trivial

Solución
 1 3 − 2 0 ~  1 3 − 2 0 1 3 − 2 0
  − 2R + R → R   ~  
 2 − 3 1 0 1 2 2
 0 − 9 5 0  − 11R2 + 9 R3 → R3  0 − 9 5 0 
 3 − 2 2 0  − 3R1 + R3 → R3  0 − 11 8 0   0 0 17 0 
     

El sistema nos dice que:

De R3 17 z = 0 ⇒ z = 0
De R2 − 9 y + 5( 0 ) = 0 ⇒ y = 0

De R1 x + 3( 0) − 2( 0 ) = 0 ⇒ x = 0
∴ el sistema es li.

APLICACIONES

Circuitos Eléctricos
Resistencias + -
v
v = iR → Ley de Ohm
i
serie
los puedo conectar + - i

paralelo +
v
-
-

+ +

+ V
Batería
o i3 i2
-
Fuente

- +

[ v] = [Volts ] , [ R] = [ Ohms] , [ i ] = [ Amperes]

** KIRCHHOFF
1) ∑ vi = 0

2) ∑v i =0 ***

Solución

24
 10 + VR5 + VR2 + VR3 = 0
VR2 + VR1 = 0

10 + 5( − i1 ) + 2( − i1 + i2 ) + 3( − i1 ) = 0
2( i2 − i1 ) + 1( − i2 ) = 0

De la ecuación 1.
10 = 5i1 + 2i1 − 2i2 + 3i1
10 = ( 5 + 2 + 3) i1 − 2i2

De la ecuación 2.
2i2 − 2i1 − i2 = 0
− 2i1 + ( 2 − 1) i2 = 0
10i1 − 2i2 = 101
− 2i1 + i2 = 0  2
~
 10 − 2 10   10 − 2 10 
  2 R1 + 10 R2 ⇒ R2  
− 2 1 0  − 2 1 0 
   
20 − 4 20
− 20 10 0
6 20
20
i2 =
6
 20  20
vR = −1  = Volts
 6  6

Ejercicio
Resolver el siguiente circuito
R1

R3
I II

III IV
25
Resistencias= 1Ω
Voltaje=10 V
¿Cuánto vale iI , iII , iIII e iIV ?

Solución
Hay 4 ventanas
( R1 + R2 + R5 ) iI − R2iII − R5iIV = V
( R2 + R3 + R4 ) iII − R2iI − R4iIII = 0
( R4 + R6 + R7 ) iIII − R4iI − R7iIV = 0
( R5 + R7 + R8 ) iIV − R5iI − R7iIII = 0
Asociándola a la matriz
iI iII iIII iIV
 R1 + R2 + R3 − R2 0 − R5 V
 
 − R2 R2 + R3 + R4 − R4 0 0
 0 − R4 R4 + R6 + R7 − R7 0 

 − R5 0 − R7 R5 + R7 + R8 0 


Sustituyendo los valores en las resistencias

 3 − 1 0 − 1 10   R1
 
 − 1 3 − 1 0 0   R2
 0 −1 3 −1 0   R
  3
 −1 0 −1 3 0   R
  4

− R1 + ( 3) R2 → R2
R1 + ( 3) R4 → R4
3 1 0 1 10 3 − 1 0 − 1 − 10
−3 9−3 0 0 −3 0−3 9 0
8 − 3 1 − 10 − 1 − 3 8 − 10
3 − 1 0 − 1 − 10
  8R1 + R2 → R1
 0 8 − 3 − 1 − 10  8R + R → R ~
0 − 1 3 − 1 0  3 2 3

  8 R4 + R2 → R4
0 − 1 − 3 8 − 10

26
 24 − 8 0 − 8 − 80 − 8 24 − 8 0 − 8 − 24 64 − 80
0 8 − 3 1 − 10 8 − 3 1 − 10 8 − 3 1 − 10
24 0 − 3 − 7 − 90 0 21 − 7 − 10 0 − 27 65 − 90
24 0 − 3 − 7 − 90 24 0 − 3 − 7 − 90 
   
0 8 −3 1 − 10  ~ 0 8 3 1 − 10 
~ 21R4 + 27 R3 → R4 
0 0 21 − 7 − 10  0 0 21 − 7 − 10 
   
 0 0 − 27 65 − 90  0 0 0 65 − 2160
567 − 189 − 270
− 567 1365 − 1890
0 1176 − 2160
De esto podemos ver que
1176iiv = 2160
2160
iIV = = 1.84 A
1176
21iIII − 7(1.84) = −10
21iIII = −10 + 12.88
2.88
iIII = = 0.14 A
21
8iII − 3( 0.14 ) + 1.84 = −10
8iII = −10 + 0.42 − 1.84
11.06
iII = = 1.39 A
8
24iI − 3( 0.14 ) − 7(1.84 ) = −90
24iI = −90 + .42 + 12.88
− 76.6
iI = = 3.20 A
24

Ejercicio

I1
4

R3
1 I2

I3

27
Ri = 1Ω i = 1,2,3,  ,6
v = 10V

Solución
Podemos reescribir el circuito de la siguiente forma:

J1 J2

R3

J3

 R6 J1 + R5 ( J1 − J 2 ) = −10V
 R3 J 2 + R5 ( J 2 − J1 ) + R4 ( J 2 − J 3 ) = 0
 R1 J 3 + R2 ( J 3 − J 4 ) + R4 ( J 3 − J 2 ) = 0

Ordenamos términos semejantes reescribiendo nuestro sistema de

ecuaciones
( R6 + R5 ) J 1 − R5 J 2 = −10V
− R5 J 1 + ( R3 + R5 + R4 ) J 2 − R4 J 3 = 0
0 − R4 J 2 + ( R1 + R2 + R4 ) J 3 = 0

Sustituyendo valores tenemos que

2 J1 − J 2 = −10
− J1 + 3 J 2 − J 3 = 0
0 − J 2 + 3J 3 = 0

De esta manera ya podemos construir nuestra matriz

 2 − 1 0 − 10
 
− 1 3 − 1 0 
 0 − 1 3 0 

28
Por Gauss-Jordan
R1 + ( 2) R2 → R2
 2 − 1 0 − 10 2 − 1 0 − 10 
   
− 1 3 − 1 0  ( 5) R3 + R~
2 → R3 0 5 − 2 − 10 
 0 − 1 3 0  0 0 13 − 80
− 80
∴ J3 = ⇒ J 3 = −6.15
13

Sustituyendo en J 3 en 
5 J 2 − 2( − 6.15) = −10
J 2 = −10 − 12.6
− 22.6
J2 = J 2 = −4.46
5

Sustituyendo J 2 en 
2 J1 − ( − 4.46 ) = −10
2 J1 = −10 − 4.46
− 14.46
J1 = ⇒ J1 = −7.23
2

Nos piden la corriente en R4 y el voltaje de R5

iR4 = ( 6.15 − 4.46 ) = 1.69 A
vR5 = ( 5.54 − 4.46 ) = 1.08V

Se desea organizar el tráfico por las calles de una ciudad que se

representa por el siguiente diagrama
110
B
x3 x7

120 E
A x4 C 110
x1 x5

Llegan 100 y 120 coches por hora a los puntos D y A, mientras que los
puntos B y C salen 110 coches p/hora.

29
Hallar los posibles flujos de tráfico entre las calles.

Solución
Lo primero que hay que hacer es armar nuestro sistema de ecuaciones
A) x1 − x2 + x3 + = 120
B) − x3 + + x7 = 110
C) − x5 − x6 − x7 = 110
D) − x1 + + x4 + x5 = 120

Teniendo nuestro sistema de E.L. formamos la siguiente matriz

 1 −1 1 0 0 0 0 120
 
 0 0 −1 0 0 0 1 110
0 0 0 0 −1 −1 − 1 110
 
− 1 0 0 1 1 0 0 120

Siendo un sistema con más incógnitas que ecuaciones podemos decir

que es un sistema con infinidad de soluciones y viendo B podemos decir
que:
− x3 + x7 = 110
x3 = −110 − x7
∴ x3 = −110 − x7 y x7 = x3 + 110

Sustituyendo en la ecuación A.
x1 − x2 + ( − 110 + x7 ) = 120
x1 = 120 + x2 − x7 + 110
x1 = x2 + x7 + 230

Sustituyendo x1 en D.
− ( x2 − x7 + 230 ) + x4 + x5 = 120
x4 = − x5 + x2 − x7 − 110
pero también
x5 = x4 + x2 − x7 − 110

Por último sustituimos x5 y x7 en C.

− ( x2 − x4 − x7 − 110 ) − ( x3 + 100 ) − x6 = 110
∴ x6 = − x2 + x3 + x4 + x7 − 330

30
MATRICES

DEF.
Se llama matriz de tamaño m × x a un conjunto de m × x número
escritos formando un rectángulo de m-filas por n-columnas.

Cada número es un elemento de una matriz

 a11 a12  a1n 
 
 a21 a22  a2 n 
   Tamaño m × n
 
a a a 
 mn m2 mn 

Notación
[ ]
aij i = 1,  , m
j = 1, , m

Suma
[ a ] + [b ] = [ c ]
ij ij ij i = 1,  , m
j = 1,  , n
aij + bij = cij

Elementos

Ejemplo
11 12 11 12

 1 223   521 722  1 + 5 2 + 6 


21
 +   =  
 2 4  6 8 3 + 7 4 + 8
2× 2 2× 2
6 8
=  
10 12 

DEF.
Producto de un escalar por una matriz
[ ]
α aij i = 1, , m
j = 1, , n
[
= α aij ] i = 1,  , m
j = 1, , n

Ejemplo

31
  1 2   1 ⋅ 8 2 ⋅ 8   8 16 
8  =   =  
 3 4   3 ⋅ 8 4 ⋅ 8   24 32 

TEOREMA
Sea V el conjunto de todas las matrices m × x sobre un
cuerpo ℜ( ⊄ ) . Entonces para todas las matrices A, B y C ∈ V y todo escalar
k1 y k2 que pertenecen al cuerpo ( k1 y k 2 ∈ B ) .

i) ( A + B) + C = A + ( B + C )

ii ) A+0 = A
iii ) A + ( − A) = 0
iv) A+ B = B + A
v) k1 ( A + B ) = k1 A + k1 B
vi) k1 + k 2 ( A) = k1 A + k 2 A
vii) k1 ( k 2 A) = k 2 ( k1 A)
viii ) 1 ⋅ A = A
ix) 0 ⋅ A = 0

Multiplicación de matrices
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
⇓ Matriz Aumentada
 a11 a21 a31 b1 
 
 a21 a22 a23 b2 
a a32 a33 b3 
 31

El sistema lo podemos expresar Ax + b

Donde
 a11 a21 a31   x1   b1 
       
A =  a21 a22 a23  y x =  x2  , b =  b2 
a a32 a33  x  b 
 31  3  3

32
  
x , b se llaman vectores columna
A es la matriz del sistema
 a11 a21 a31  x1   b1 
      
Ax = b ⇒  a21 a22 a23  x2  =  b2 
a    
 31 a32 a33  x3   b3 

DEF.
La multiplicación de dos matrices como la operación fila•columna

(“producto lineal”)

**Las filas y las columnas deben tener los mismos elementos**

A ⇒ m× n
B ⇒ n× p

**Para poder multiplicar dos matrices A = [ m × n] y B = [ n × p ] hay que

garantizar que el número de columnas de la matriz A sea igual al
número de filas de la matriz B **
A ⋅ B = [ m × p]
Tamaño

B ⋅ A = [ n × p ] [ m × n]
≠
De aquí observamos que AB ≠ BA

Ejemplo
Supongamos que ( R × S ) representa una matriz de la forma R × S .

Hallar la forma de los productos siguientes si están definidos:

i ) ( 2 × 3)( 3 × 4) = 2 × 4
ii ) (1× 2 )( 3 ×1) = No se puede hacer
iii ) ( 3 × 4)( 4 × 3) = 3 × 3
iv) ( 2 × 2 )( 2 × 4 ) = 2 × 4
v) ( 5 × 2)( 2 × 3) = 5 × 3

Ejemplo
Si
1 3   2 0 − 4
A =   y B =  
 2 − 1 3 − 2 6 

Hallar AB & B A

33
Solución
[ A] = [ 2 × 2]
[ B] = [ 2 × 3]
AB = [ 2 × 3] B A = [ 2 × 2]
 1 3  2 0 − 4   2 0 − 4  1 3 
AB =    B A =   
 2 − 1  3 − 2 6   3 − 2 6  2 − 1 

(1,3)   = 2 + 9 = 11 (1,1) ( 2,3)   = 2 + 6 = 8

2 1
(1,1)
 3  2

(1,3) 
0 
( 2,3) 
3
 = 0 − 6 = −6 (1,2)  = 6 − 3 = 3 (1,2)
−
 2 −
 1
− 4
(1,3)  ( 0,−2) 
1
 = −4 + 18 = 14 (1,3)  = 0 − 6 = −6 ( 2,1)
 6   3

( 0,−2) 
2
AB(11 − 6 14 )  = 0 + 2 = 2 ( 2,2)
−
 1

( 2,−1) 
2
( − 4,6) 
1
 = 4 − 3 = 1 ( 2,1)  = −4 + 18 = 14 ( 3,1)
 3  3

( 2,−1) 
0 
( − 4,6) 
2
 = 0 + 2 = 2 ( 2,2)  = −8 − 6 = −14 ( 3,2 )
−
 2 −
 1
 8 3 
−4  
( 2,−1)   = −8 − 6 = −14 ( 2,3) BA =  − 6 2 
 6   14 − 14 
 
11 − 6 14 
∴ AB =  
 1 2 − 14 

Ejercicio
 2 − 1
  1 − 2 − 5
A= 1 0 , B =  
−3 4   3 4 0 
 

Hallar AB y B A

Solución

34
 [ A ] = [ 3 × 2]
[ B] = [ 2 × 3]
AB = [ 3 × 3] B A = [ 2 × 2]
 2 − 1  − 1 − 8 − 10 
  1 − 2 − 5   
AB =  1 0   =  1 − 2 − 5 
 − 3 4  3 4 0   
   9 22 15 
( 2,−1)(1,3) = 2 − 3 = −1 ( 1,0 )(1,3) = 1
( 2,−1)( − 2,4) = −4 − 4 = −8 ( 1,0 )( − 2,4) = −2
( 2,−1)( − 5,0) = −10 ( 1,0 )( − 5,0) = −5
( − 3,4)(1,3) = −3 + 12 = 9
( − 3,4)( − 2,4) = 6 + 16 = 22
( − 3,4)( − 5,0) = 15
 2 − 1
 1 − 2 − 5   15 − 21
B A =   1 0  =  
 3 4 0  − 3 4   10 − 3 
 
(1,−2,−5)( 2,1,−3) = 2 − 2 + 15 = 15 ( 3,4,0,)( 2,1,−3) = 6 + 4 = 10
(1,−2,−5)( − 1,0,4) = −1 − 20 = −21 ( 3,4,0,)( − 1,0,4) = −3

DEF.
 a11 a12 a13  a1n 
 
a a22 a23  a2 n 
Si A =  21 

 
a am 2   amn 
 m1
** [ A ] = ( m × n ) **

Le asociamos la matriz
 a11 a12  a1n 
 
 a21 a22  a2 n 
A =  a31 a32  a3n  = A t
 
  
a
 n1 an 2  anm 
A t matriz transpuesta

35
“Si la matriz es de n × n se llama matriz cuadrada”

Ejemplo
Si
 cosθ senθ 
A =  
 − senθ cosθ 

Preguntas.
At = ?
A ⋅ At = ?
At ⋅ A = ?

Solución
 cosθ − senθ 
A t =  
 senθ cosθ 
 cosθ senθ  cosθ − senθ 
A ⋅ A t   =
 − senθ cosθ  senθ cosθ 
Matriz Identidad
 cos 2 θ + sen 2θ − cosθ senθ + senθ cosθ 
A ⋅ A 
t


 − senθ cosθ − senθ cosθ sen 2θ + cos 2 θ 
1 0
=  
0 1

 cosθ − senθ  cosθ senθ 

A t ⋅ A   =
 senθ cosθ  − senθ cosθ 
 cos 2 θ + sen 2θ cosθ senθ − senθ cosθ 
A t ⋅ A 

 senθ cosθ − senθ cosθ sen 2θ + cos 2 θ 
1 0
=  
0 1
** A ⋅ A t = ΙΙ (Matriz Identidad)
A t ⋅ A = ΙΙ **

Nos preguntamos ¿ ΑΒ = ΙΙ ?
•) A y B cuadradas
•) No se puede dividir matrices
•) Dado que A tiene asociada A −1 , donde
AA −1 = II
** A −1 se llama inversa**

36
 (
** ( A I ) ~ ( I ) A
−1
)
1
A −1 = ( cofA ) t **
det .A

Operaciones con matrices cuadradas

Sea
a b
A =  
c d 
 a b  a b   a 2 + bc ab + bd 
A 2 =    =  2

 c d  c d   ac + dc cd + d 
↑ ↑ ↑
a b
A =  
c d 
x y
B =  
 z w
AB = I

entonces B es la inversa de A{ A}

¿Cuál es la inversa de la matriz de 2× 2 ?

Solución
 a b  x y   1 0 
AB =    =  
 c d  z w   0 1 
 ax + bz ay + bw   1 0 
AB =   =  
 cx + dz cy + dw   0 1 
De ahí tenemos que

ax + bz = 1 ay + bw = 0
cx + dz = 0 cy + dw = 1
         
1er . Sistema 2 do . Sistema

 a b 1 a b 1  a( bc − ad ) 0 − ad 
  cR1 + ( − ( a ) R2 ) → R2   R1 ( bc − ad ) + ( − b ) R2 → R1  
 c d 0  0 bc − ad c   0 bc − ad c 
  ~   ~ 
ac bc c a ( bc − ad ) b( bc − ad ) ( bc − ad )
− ac − ad 0 0 − b( bc − ad ) − bc
bc − ad c a ( bc − ad ) 0 − ad
a( bc − ad ) x = −ad
( x − ad ) z = c
ad d
x= ⇒
a ( bc − ad ) bc − ad 37
c
z=
bc − ad
Resolviendo el segundo sistema:
 a b 0 a b 0  a( ad − cb ) 0 − ad 
 c d 1  cR1 + aR~ 2 → R2  0 ad − cb a  ( ad − cb ) R1 +~( − b ) R2 → R1 
     
     0 ad − cb a 
ac − cb 0 a( ad − cb ) b( ad − cb ) 0
− ac ad a 0 − b( ad − cb ) − ab
bc − ad a a ( bc − ad ) 0 − ab
a( ad − cb ) y = −ab
( ad − cb) w = a
b
y=−
ad − cb
a
w=
ad − cb

−d d
x= =
bc − ad ad − bc
−b  d −b 
y=  
ad − cb
B =  ad − bc ad − cb 
z=
−c  − c a 

ad − bc  ad − bc ad − cb 
a
w=
ad − cb

**Recordando
 aβ bβ  a b 
  = β   **
 cβ dβ  c d 

1  d − b
B=   = A −1
ad − bc  − c a 

DEF.
a b
= ad − bc A
c d
= det A
1  b −d
A −1 =  
A  − c a 

38
Nuestro problema se puede resolver por determinantes de la siguiente
forma:
∆x
x=
∆
a b
∆x =
c d
∆ = ad − cb
1 b
∆x = =d
0 d
d
∴x =
ad − cb

Si deseamos calcular la inversa de una matriz A ⇒ ( A I )

 a b 1 0  Final  1 0 −1 
 
 c d 0 1  ~  0 1 A 
   
 a b 1 0  a b 1 0
 ~ ~
 c d 0 1   0 ad − cb − c a 
  
− ac − cb − c 0 ab b( ad − cb ) ad − cb 0
ac ad 0 a 0 − b( ad − cb ) bc − ab
ad − cb − c a a( ad − cb ) ad − ab
 a( ad − cb ) 0 ad − ab 
~  
 0 ad − cb − c a 
 a ( ad − cb ) ad − ab   d −b 
 0  1 0 
 a ( ad − cb ) a ( ad − cb ) ad − cb  ~  ad − cb ad − cb 
 ad − cb −c a   −c a 
 0   0 1 ad − cb 
 ad − cb ad − cb ad − cb   ad − cb 

**Para que una matriz tenga inversa el determinante debe ser ≠ 0 **

**Cuando se quiera calcular la inversa de una matriz de 2× 2 lo más

−1 1  d − b
sencillo es utilizar el A =   **
A  − c a 

Ejemplo
Calcular la inversa de:
a b
3 2
A = c d 
7 5 

39
Solución
−1 1  5 − 2
A =  
( 3)( 5) − ( 2)( 7 )  − 7 3 
−1 1  5 − 2
A =  
1  − 7 3 
−1
AA = I
 3 2  5 − 2   15 − 14 ( − 2)( 3) + ( 2)( 3) 
   =  
 7 5  − 7 3   ( 7 )( 5) + ( 5)( − 7 ) − 14 + 15 
1 0
=  
0 1

Ejemplo
Calcular la inversa de la matriz
 2 1 −1
 
A = 0 2 1 
 5 2 − 3
 

Solución

40
  2 1 −1 1 0 0
 
( A I) ~  0 2 1 0 1 0 ~
0 −1 −1 0 0 1
 
− 5 R1 + 2 R2 → R3
− 10 − 5 5 5 0 0
10 4 − 6 0 0 2
−1 −1 5 0 2
 2 1 −1 1 0 0  2 1 −1 1 0 0
   
~  0 2 1 0 1 0 ~ 0 2 1 0 1 0 ~
 0 − 1 − 1 − 5 2 2   0 0 − 1 − 10 1 4 
  
R2 + 2 R3 → R2 R3 + R2 → R2 R3 + ( − 1) R1 → R1
0 2 1 010 0 0 − 1 − 10 1 4 0 0 − 1 − 10 1 4
0 0 − 1 − 10 1 4 0 2 1 010 − 2 −1 1 −1 0 0
0 0 − 1 − 10 1 4 0 2 0 − 10 2 4 − 2 − 1 0 − 11 1 4
 − 2 − 1 0 − 11 1 4   − 4 0 0 − 32 4 12 
   
~ 0 2 0 − 10 2 4  ~  0 2 0 − 10 2 4 
 0 0 − 1 − 10 1 4   0 0 − 1 − 10 1 4 

2 R1 + R2 → R1
− 4 − 2 0 − 22 2 8
0 2 0 − 10 2 4
− 4 0 0 − 32 4 12
1 0 0 8 −1 − 3
 
∴0 1 0 − 5 1 2 
 0 0 1 − 10 1 − 4 
 

Ejemplo
Podemos formar también polinomios en la matriz A para cualquier
polinomio de la forma f ( x ) = a 0 + a 1x + a 2 x 2 +  + a n x n con a ∈ ℜ , definimos
f ( A ) = a 0 I + a 1A + a 2 A 2 +  + a n A n
si:
1 2 
A =  
 3 − 4 
y f ( x ) = 2 x 2
− 3 x+ 5
entonces:
f ( A) = ?

41
Solución
f ( A ) = 2( A ) − 3( A ) + 5 I
2

2 1 2 
A =  
3 − 4
2  7 − 6
A =  
 − 9 22 
 7 − 6 1 2  1 0
∴ f ( A ) = 2  − 3  + 5 
 9 22   3 − 4   0 1 
 14 − 12   3 6   5 0
f ( A ) =   −   +  
 − 18 44   9 − 12   0 5 
 16 − 18 
f ( A ) =  
 − 27 61 

**Al hacer un polinomio en una matriz se conserva la misma estructura,

es decir, la multiplicación de un escalar por un vector y la suma de
ellos**

TEOREMA
Sean A, B y C matrices k1 y k 2 ∈ ℜ entonces
i) ( AB ) C = A( BC) → Asociativa
ii) A( B + C) = AB + AC → Distributiva izquierda
iii) ( B + C) A = B A + CA → Distributiva derecha
iv) R( AB ) = ( R A )( B ) = A( R B )

Demostración de i)
 a11 a12  a1i  a1n  ***
 
 a21 a22  a2i  a2 n 
  
A= 
 a j1 a j 2  a ji  a jn 
  
 
a     amn 
 m1

42
  b11 b21  b1i  b1 j  b1l 
 
 b21   b2i  b2 j  b2l 
B= 

 
b   b  b  b 
 n1 ni nj nl 

AB = C
Cij = a ji b j 2 + a j 2b2i +  + a jn bni
n
= ∑ a jR bRi***
R =1

[ ] [ ]
Sean A = aij , B = b jk , C[ cke ]
además AB = S = [ Sik ], BC = T = tij [ ]
La forma:
n n
Sik = ∑ aij b jk , t jl = ∑ b jk ckl
j =1 k =1

( A B ) C = SC
Sik es cualquier elemento de S
n
[ Sik ][ Ckl ] ⇒ Sik Ckl = ∑ aij b jk ckl
k =1
¡Número!
[ ][ ]
n
AT = aij t jl ⇒ aij ∑ b jk ckl
k =1
¡Número!
** ( ab ) c = a( bc ) **
 n   n 
∴  ∑ aij b jk ckl = aij  ∑ b jk ckl 
 k =1   k =1 
( A B ) = C = A ( BC )

Demostración A( B + C) == AB + AC
Sea
AB = E = ( e ik ) *** A( aij ), B = ( b jk***
)
AC = F( f ik )
B + C = D = ( d jk )
Ahora
d jk = b jk + c jk
n
eik = ∑ aij b jk
j =1

43
 n
f ik = ∑ aij c jk
j =1
n n
eik + f ik = ∑ aij b jk + ∑ aij c jk
j =1 j =1

[ AB] + [ AC] = ∑ aij [b jk + c jk ]

n

j =1

Retornando a la matriz
⇒ A[ B + C] c.q.d.

TEOREMA

i) ( A + B ) t = At + Bt
ii) (A )
t t
=A
iii) ( ℜA ) t = ℜA t
iv) ( AB ) t = B t A t

Demostración ( AB ) t = B t A t
Sea
[ ]
aij = A y bij = B [ ]
Entonces el elemento en la n-ésima fila, j-ésima columna de la matriz
AB es ai1b1 j + ai 2 b j 2 +  + ain bnj  (1) .

Por lo tanto (1) es el elemento que aparece en la j-ésima fila y la i-ésima

columna de la matriz transpuesta.

Por otra parte, los elementos de la j-ésima fila de B t son los elementos
de j-ésima columna de B .
b1 j , b j 2 ,  , bmj  ( 2 )

Además, los elementos de la i-ésima columna de A t son elementos de

i-ésima fila de A .
 ai1 
 
 ai 2 
    ( 3)
 
a 
 in 

44
En consecuencia, el elemento que aparece en la j-ésima fila y la i-ésima
columna de la matriz B t A t es el producto de (2)(3).
 ai1 
 
a 
b1 j , b j 2 ,  , bnj  i 2  =

 
a 
 in 
b1 j ai1 + b j 2 ai 2 +  + bnj ain  ( 4 )
∴ ( AB ) = B A porque (1)=(4) c.q.d.
t t t

DEF.
Una matriz A se dice que es simétrica si A t = A y asimétrica si
t
A = −A .

MATRIZ ELEMENTAL

DEF.
Una matriz (cuadrada) E de n × n se llama matriz elemental si se
puede obtener de la matriz identidad I n de n × n mediante una sola
operación elemental con renglones.

Ejemplo
Demuestre que la matriz
2 4 6 
 
A = 4 5 6  es invertible
3 1 − 2 

y escríbala como un producto de matrices elementales.

**Def. de un determinante de 3× 3
a b c
e f d f d e
d e f =a −b +c
h i g i g h
g h i
“Menores” **

Solución
det A ≠ 0
2 4 6
det A = 4 5 6
3 1 −2

45
 5 6 4 6 4 5
det A = 2 −4 +6 =
1 −2 3 −2 3 1
= 2( − 10 − 6 ) − 4( − 8 − 18) + 6( 4 − 15) =
= −32 + 104 − 66 =
= −6
≠ 0 ∴ es invertible
 2 4 6 1 0 0  − 4 − 8 − 12 − 2 0 0
  ~  
 4 5 6 0 1 0 − 2 R1 + R2 → R1  4 5 6 0 1 0 ~
 3 1 − 2 0 0 1         0 1 −2 0 0 1 
  
 − 4 − 8 − 12 − 2 0 0  E
 
~  0 − 3 − 6 − 2 1 0
 0 0 1 

E
 2 4 6   2 0 0  1 0 0 
    
A =  2 5 6  =  0 1 0  4 1 0 
 3 1 − 2   0 0 1  0 0 1 
    
2 R1 R2 + 4 R1
 1 0 0  1 0 0  1 2 0 
   
 0 1 0  0 − 3 0  0 1 0 
 0 0 1  0 0 1  0 0 1 
   
R3 + 3R1 − 3R2 R1 + 2 R2
 1 0 0  1 0 0  1 0 − 1 1 0 0 
    
 0 1 0  0 1 0  0 1 0  0 1 2 
 0 − 5 1  0 0 − 1 0 0 1  0 0 1 
    
R3 − 5 R2 − R3 R1 − R3

NOTA. Toda matriz invertible se puede expresar como el producto de

matrices elementales.
 
*** Ax = b

x=?
−1  −1 
A Ax = A b
 −1 
Ix = A b
 −1 
x=A b
***

TEOREMA

46
 Sea A una matriz de n × n . Entonces las seis siguientes
afirmaciones son equivalentes, es decir, cada una de ellas implica a las
otras cinco.

i) A es invertible.
ii) La única solución al sistema homogéneo Ax = 0 es la solución
trivial.
 
iii) El sistema Ax = b tiene solución única para cada n-áda b .
iv) A es equivalente por renglones a la matriz I n de n × n .
v) La forma escalonada por renglones de A tiene n pivotes.
vi) Determinante de A es distinto de cero.

Ejercicios
a b 
1.- Encuentre A =   tal que la matriz A , por la matriz formada por
 c d 
 2 3   1 0
  sea igual a la matriz   .
 1 2   0 1 

Solución
Sea
 a b  2 3   1 0 
A =    =  
 c d  1 2   0 1 
⇓
1  d − b  2 − 3 1
x= =  , A =  
A − c a   − 1 2  det A

2.- Escriba el sistema de ecuaciones representado por la matriz

aumentada dada.
1 0 0 0 2 
 
0 1 0 0 3 
 0 0 1 0 − 5
 
0 0 0 1 6 
 

Solución
x1 = 2 x1 + 0 x2 + 0 x3 + 0 x4 = 2
x2 = 3 0 x1 + x2 + 0 x3 + 0 x4 = 3
x3 = −5 0 x1 + 0 x2 + x3 + 0 x4 = −5
x4 = 6 0 x1 + 0 x2 + 0 x3 + x4 = 6

47
  3 4 
3.- Muestre que la matriz A =   es su propia inversa.
 − 2 − 3 

Solución
det A = −9 + 8 = −1
−1  − 3 − 4  3 4 
A =   = A −1   = A
 2 3   − 2 − 3

 2 1 − 1
 
4.- Calcular la inversa de la matriz A =  0 3 4 
0 0 5 
 

Solución
Primero verificamos que tenga inversa
det A = −9 + 8 = −1
2 1 −1
det A = 0 3 4 = 2(15)
0 0 5
= 30
es ≠ 0 por tanto tiene inversa

Resolviendo
 2 1 −1 1 0 0 − 6 0 7 3 1 0
  ~  
 0 3 4 0 1 0  − 3R1 + R2 → R1  0 3 4 0 1 0 ~
0 0 5 0 0 1  0 0 50 0 1 
  
−6 −3 3 3 0 0 30 0 − 35 − 15 − 5 0
0 3 4 0 1 0 0 0 35 0 0 7
−6 0 7 3 1 0 30 0 0 − 15 − 5 7
− 15 − 20 0 − 5 0
20 0 0 4
− 15 0 0 −5 4
~  30 0 0 − 15 − 5 0   1 0 0 −3015 5 −7

5 R1 + 6 R3 → R3  0 − 15 0 0 − 5 4  ~  0 
30 30

   1 0 0 5
15
4
15 
5 R2 + 3R3 → R2  0
 0 5 0 0 1   0 0 1 0 0 1
5


 1 0 0 12 1 −7 
 6
30

~ 0 1 0 0 5
15
4
15 
0 0 1 0 0 1 
 5 

48
Ejemplo
Suponga que un fabricante produce 4 artículos, su demanda está dada

por d = ( 30,20,40,10 ) .

El precio por unidad que recibe el fabricante por los artículos está dado
 $ 20 
 
  $ 15 
por el vector precio p =  , si se cumple la demanda. ¿Cuánto dinero
$ 18 
 
 $ 40 
 
recibirá el fabricante?

Solución.
 20 
 
   15 
d ⋅p = ( 30,20,40,10 )   = 30 × 20 + 20 × 15 + 40 ×18 + 10 × 40
18
 
 40 
 
= 600 + 300 + 720 + 400 = 2,020
= $ 2,020.00

Ejemplo
Suponga que 4 individuos han contraído una enfermedad, este grupo
hace contacto con 6 personas d un segundo grupo.

Estos contactos, llamados contactos directos, se pueden representar por

una matriz de 4× 6 .

Matriz de contactos directos

Primero y segundo grupo
0 1 0 0 1 0
 
1 0 0 1 0 1
A=
0 0 0 1 1 0
 
1 0 0 0 0 1 


aij = 1 , i-ésima persona del primer grupo hace contacto con la j-ésima
persona del segundo grupo.

a33 = 1 , la cuarta persona del grupo 1 hizo contacto con la 4a persona del
grupo 2.

Matriz de contacto directo

49
 segundo grupo y tercer grupo
0 0 1 0 1
 
0 0 0 1 0
0 1 0 0 0El tercer grupo consta de
B= 
1 0 0 0 15 individuos
0 0 0 1 0 

0 0 1 0 0 


Observemos que por ejemplo b6 x4 = 0 ,quiere decir que la sexta persona

del grupo 2 no tiene contacto con la cuarta persona del tercer grupo.

Los contactos indirectos o de segundo orden entre los individuos del

primer y tercer grupo se representa por la matriz 4× 5 C = AB .

El número de contactos indirectos entre la segunda persona del grupo 1

y la quinta persona del grupo 3 está dada por:
C 25 = a21b15 + a22b25 + a23b35 + a24b45 + a25b55 + a26b65 = 2

Problemas.
Demuestre que la matriz A
 1 0 0
 
A =  − 2 0 0  no es invertible
 4 6 1
 

Solución
1 0 0
det A = − 2 0 0 = 0 + 0 + 0 = 0
4 6 1
No es invertible
∴

Encuentre los números α y β tales que

 2 α 3
 
 5 − 6 2  sea simétrica
 β 2 4
 

Solución
a12 = a21 ⇒ α = 5
a13 = a31 ⇒ β = 3
Demuestre que A t ( ) −1
(
y A −1 ) t
son iguales para las siguientes matrices

50
  1 1 1
2 1  
A =   A =  0 2 3
 3 2  5 5 1
 
Solución
1)
 2 1  2 − 3   4 + 2 − 6 + 2   6 − 4 
(A )t −1
= 
3 2

− 1 2
 = 
6 + 2 − 9 + 4
 = 
8 − 5

      
1  2 − 3 −1  2 − 3
A −t = 
1  −1 2 
( )
 = A t  
 −1 2 
 2 − 3   2 − 1
( t
)
A −1 = 
− 1 2
 = 
3 2

   
 2 − 3   2 − 1
  ≠  
 −1 2   3 2 
∴ No son iguales

2)
1 0 5 1 0 0  R − R → R
  1
(A )t −1
= 1 2 5 0 1 0 
2
~
2

1 3 1 0 0 1  R1 − R3 → R3
 
1 0 5 1 0 0  1 0 5 1 0 0 
   
 0 − 2 0 1 − 1 0  3R2 + 2 R3 → R3  0 − 2 0 1 −1 0  ~
 0 − 3 4 1 0 − 4 ~  0 0 8 −1 3 − 2 
  
 − 8 0 0 − 13 15 − 10   1 0 0 138 −15 5
4 
   8

− 8 R1 + 5R3 → R1  0 − 2 0 1 − 1 0  ~  0 1 0 −12 1
2 0
~  0 0 8 − 1 3 − 2   0 0 1 −18 3 −1 
 8 4

1 1 1 1 0 0 1 1 1 1 0 0  − 2 0 1 − 2 1 0
     
(A )
−1 t
=  0 2 3 0 1 0  − 5R1 + R3 → R3  0 2 3 0 1 0  − 2 R1 + R2 → R2  0 2 3 0 1 0  ~
5 2 1 0 0 1 ~ 0 0 − 4 − 5 0 1 ~  0 0 − 4 − 5 0 1
     

4 R1 + R3 → R1  − 8 0 0 − 13 4 1   1 0 0 8 − 48 − 18 
13

~
 0 8 0 − 15 4 3  ~  0 1 0 − 158 1
2
3
8 ~
4 R2 + 3R3 → R2  0 0 − 4 − 5 0 1   0 0 1 5 0 − 14 
   4

 1 0 0 138 − 12 − 18   138 − 158 5 4 

   
~  0 1 0 − 158 12 3
8  ~ − 2
1 1
2 0 
0 0 1 5 0 − 14   − 18 3 − 14 
 4 8

(A )t −1
( t
)
= A −1 Estas
∴ Matrices son iguales
Ejemplo

51
 I A
Si C =   I donde es la matriz identidad y A es una matriz
 0 I 
cuadrada, 0 es la matriz cero, calcular la inversa de C .

Solución
1 0 0 a14 a15 a16 
 
0 1 0 a24 a25 a26 
0 0 1 a34 a35 a36 
C= 
0 0 0 1 0 0 
0 0 0 0 1 0 

0 0 0 0 0 1 


Se observa que la matriz C es escalonada por teorema tiene inversa.

I A
C =  
 0 I 
1  I − A
C −1 =  
det C  0 I 
1 0 0 a14 a15 a16 
 
0 1 0 a24 a25 a26 
1  0 0 1 a34 a35 a36 

C −1 =
det C  0 0 0 1 0 0 
0 0 0 0 1 0 

0 0 0 0 0 1 


Ejemplo
1 + 2 + 4 + 8 + 16 + 
1 2 2⋅2 2⋅4
2⋅2⋅2
n

∑2
k =0
k

a21 + a22 + a23 + a24 + a31 + a32 + a33 + a34 + a41 + a42 + a43 + a44
4, 4

∑a
i =2
ij

j =1

52
  0 1 0  1 0 0
  
 0 0 1 ,  0 1 0 
 1 0 0  0 0 1
  
R3 → R1
**Como son operaciones elementales por
R1 → R2 lo tanto es una matriz elemental**
R2 → R3
1 0 0 5
 
0 1 0 0  Multiplicar 4× 5 y ponerla en 1)
0 0 1 0
 
0 0 0 1 


Si A y B son invertibles ( AB ) es invertible.

Solución
Por teorema nos dice que A −1B −1 = ( AB ) −1 válido

A1 A 2  A k
k +1
A1A 2  A k A k +1
     
Invertible Invertible

Sabemos que A1A 2  A k es una matriz invertible al multiplicarlo por una

que le sigue que es A k +1 por teorema la multiplicación de una matriz
onvertible por otra matriz invertible es una matriz invertible.

Ejemplo
 1 4
 2 3 1 5  
  − 1 0 
 0 1 4 2  
 3 1 6 4  2 3 
  1 5 
 
 A B  E   AE + BF 
   =  
 C D  F   CE + DF 
2 × 2 2 ×1
2 3 2 −3 8
A =   AE =  
0 1   −1 0 
1 4  −1 8
E =   AE =  
 −1 0   −1 0 

53
  1 5  2+5 3+5 
B =   BF =  
 − 4 2  − 8 + 2 − 12 + 10 
 2 3  7 28 
F =   BF =  
 1 5   − 6 − 2 
 − 1 8   7 28   6 36 
AE + BF =   +   =  
 −1 0  − 6 − 2  − 7 − 2

Demuestre que la transpuesta de toda matriz triangular superior es una

matriz triangular.

Solución
 a11 a12 0 
 
 a21 a22 0   a11 a12  a1n 
A =  a31 , A t =  0 a22

   
     0  ann 

a
 n1 ann 
(a )
ij
t
= a ji

DETERMINANTES

DEF.
En el conjunto de matrices de tamaño m × m se llama determinante
a una función real que cada matriz cuadrada A de m × n le asigna un
número.

Menor
Sea A una matriz de n × n y M ij la matriz de ( n − 1) × ( n − 1) de A
eliminando el renglón i-ésimo y la columna j-ésima.

M ij se llama el menor de ij de A .

Cofactor
Sea A una matriz de m × n . El cofactor ij de A , denotado por A ij ,
está dado por
A ij = ( − 1) ( M ij )
i+ j

DEF.

54
 Sea A una matriz de n × n . Entonces el determinante de A ,
denotado por det A ó A , está dado por
det A = a11A 11 + a12 A 12 +  + a1n A1n
n
= ∑ a1k A1k
k =1

Ejemplo
Sea
 1 2 3
 
A =  4 5 6
7 8 9
 
5 6 4 6 4 5
det A = 1(1) + 2( − 1) + 3(1)
8 9 7 9 7 8
= 1( 5 ⋅ 9 − 8 ⋅ 6 ) − 2( 4 ⋅ 9 − 7 ⋅ 6 ) + 3( 4 ⋅ 8 − 7 ⋅ 5)
= 1( 45 − 48) − 2( 36 − 42 ) + 3( 32 − 35)
= 1( − 3) − 2( − 6 ) + 3( − 3)
= −3 + 12 − 9
=0

TEOREMA
Sea A( aij ) de tamaño n × n triangular superior e inferior
entonces.
det A = a11a22 a33  ann

Demostración (Inducción)
Sea
a a 
A =  11 12 , n = 2
 0 a22 
a a
det A = 11 12 = a11a22
0 a22

Se propone que es cierto para k − 1 habrá que demostrar que es válido

para k
a11 a12  a1k −1
0 a22  a2 k −1
det A = = a11a22  ak −1k −1
 
0   ak −1k −1
Ahora si A es de tamaño k × k

55
 a11 a12   a1kk
0 a22   a2 kk
det A =  
0 ak −1k −1 akk
0    akk
a11 a12  ak −1
0 a22  2ak −1
= akk
 
0 ak −1ak −1
= akk ( a11a22  ak −1k −1 ) cqd

TEOREMA
Sea I una matriz triangular superior. Entonces I es
invertible ⇔ det I ≠ 0 .

Demostración
Sea
 a11 a12  a1n 
 
 0 a22  a2 n 
I=  
 
  amn 
 0  0 a 
 nn 

det I = ∏ aij
i = j =1

Así det I ≠ 0 ssi todos sus elementos de la diagonal son distintos de cero.
Por lo tanto I está escalonada entonces por el teorema anterior es
invertible.

Para que otras condiciones el det I ≠ 0 .

**Al estar ya escalonada y siendo sus elementos en la diagonal todos

distintos de cero, se demostró en el teorema anterior de que el
determinante de una matriz triangular es la multiplicación de su
diagonal **

**Otro punto por teorema al no tener en la diagonal elementos iguales a

cero es que en la forma escalonada tiene n-pivotes iguales a sus
renglones**

56
sea
a b
A=
c d
En la figura se grafican los puntos ( a, c ) y ( b, d ) .
(a,b , c+a)
y

c
(b,d)
a (a, c)
d

0 x
b

En el plano xy

Se dibujaron los segmentos de recta ( 0,0) a cada uno de los puntos, se

supone que estas dos rectas no son colineales.

Esto es lo mismo que se supone, ( b, d ) no es múltiplo de ( a, c ) .

El área generada por A se define como el paralelogramo con tres

vértices en ( 0,0 ) , ( a, c ) , y ( b, d ) .

TEOREMA
El área generada por A = det A .

TEOREMA
1
Si A es invertible ⇒ A =
1
( cof .A ) T .
det A

Demostración
Si
a a12 
A =  11 
 a21 a22 
T
−1 1  a22 − a21 
A = − a
a11a22 − a21a12  12 a11 

57
 −1 1  a22 − a21 
A =  
det A  − a12 a11 
−1

para n = 3 .

 a11 a12 a13 

 
A =  a21 a22 a23 
a a32 a33 
 31
a11 a12 a13
a11 a12 a13 a21 a22 a23
det A = a21 a22 a23 kramer a31 a32 a33 ó
a31 a32 a33 a11 a12 a13
a21 a22 a23
a11 a12 a13 a11 a12
= ( a11a22 a33 + a12 a23 a31 + a13a21a32 )
a21 a22 a23 a21 a22
− ( a21a12 a33 + a11a32 a23 + a31a22 a13 )
a31 a32 a33 a31 a32
  a22 a23  a a23   a21 a22  
   −  21    
  a32 a33   a31 a33   a31 a32  
 a a13   a11 a13  a a12  
cof A =  −  12    −  11 
  a32 a33   a31 a33   a31 a32  
 a a13  a a13   a11 a12  
  12  −  11    
 a
  22 a23   a21 a23   a21 a22  

DEF.
( cof A ) T = Adjunta de A

Si cualquier renglón o columna de A es el vector cero. Entonces det A = 0

.

Demostración
a11A11 + a12 A12 +  + a1n A1n

Supongamos que la fila 1 es cero, entonces:

det A = 0

Propiedad
Si el renglón i o la columna de A se multiplica por un escalar c . Es
decir, si se denota por B la nueva matriz, entonces.

58
 a11 a12  a13
a 21 a 22  a 23 a11 a12  a1n
 a a 22  a2n
B = = C 21
C ai1 C ai 2  C ain 
 a n1 a n 2  a nn
C ani C an 2  C ann

Propiedad
Sea
 a11 a12  a1 j  a1n   a11 a12  ∝ij  a1n 
   
 a21 a22  a2 j  a2 n   a21 a22  ∝ 2 j  a2 n 
A=  B= 

   
a an 2 anj ann  a an 2 ∝ nj ann 
 n1  n1
 a11 a12  aij + ∝ij  a1n 
 
 a21 a22  a2 j + ∝ 2 j  an1 
C= 

 
a an 2  anj + ∝ nj  ann 
 n1

Demostración
det C = ( aij + ∝ij )Cij + ( a2 j + ∝ 2 j )C 2 j +  + ( anj + ∝ nj )Cnj
= aij Cij + a2 j C 2 j +  + anj C nj + ∝ij Cij + ∝ 2 j C 2 j +  + anj C nj
= det A + det B

Propiedad
El intercambio de cualesquiera dos renglones (ó columnas) de A tiene el
efecto de multiplicar det A( − 1) .

Propiedad
Si A tiene dos renglones o columnas iguales det A = 0 .

Ejemplo
Evalúe el determinante usando las propiedades antes enlistadas.
se descartan
a b 0 0
a b 0
b 0 0 0  b 0
A= = −d b 0 0 ←= − d  − b 

0 0 0 c  0 c 
0 0 c
0 0 d 0
= db 2 c
Ejemplo 2.

59
 Cambio de fila
2 0 0 0
0 3 0  −1 0 0 
0 0 3 0  
A= = 2 − 1 0 0 = −2 0 3 0 
0 −1 0 0  0 0 4
0 0 4  
0 0 0 4
= ( − 2 )( − 1)( 3)( 4 )
= 24

Ejercicio
a b 0 0
c d 0 0
0 0 a −b
0 0 c d
2 −1 3
4 0 6
5 −2 3

Solución
a b 0 0
d 0 0 c 0 0
c d 0 0
=a0 a −b −b0 a −b
0 0 a −b
0 c d 0 c d
0 0 c d
 a −b   a −b 
= a d  − b c
  c d 

 c d   
= ad ( ad + cb ) − bc( ad + cb )
= a 2 d 2 + adbc − adbc − c 2 b 2
= a 2 d 2 − c 2b 2
= ( ad + cb )( ad − cb )

2 −1 3
−1 3 2 −1
4 0 6 = −4 −6
−2 3 5 −2
5 −2 3
= −4( − 3 + 6 ) − 6( − 4 + 5)
= −12 − 6
= −18
**En la columna 3 todos sus elementos son múltiplos de 3**
Propiedad

60
Si se suma un múltiplo escalar de un renglón (columna) de A a otro
renglón (columna) de A , entonces el determinante no cambia.

Ejemplo
Sea
 1 −1 2
 
A =  3 1 4
0 − 2 5
 
1 −1 2
det A = 3 1 4
0 −2 5
↑
1 4 −1 2
=1 −3
−2 5 −2 5
= 1( 5 + 8) − 3( − 5 + 4 )
= 13 + 3 = 16

Si se multiplica el tercer renglón por 4 y se suma al segundo renglón, se

obtiene una nueva matriz B dada por
 1 −1 2   1 −1 2 
   
B =  3 + 4( 0) 1 + 4( 2) 4 + 4( 5)  =  3 − 7 24 
 0 −2 5   0 − 2 5 

1 −1 2
− 7 24 1 2
det B = 3 − 7 24 = 1 −3
−2 5 −2 5
0 2 5
↑
= ( − 35 + 48) − 3( − 5 + 4 )
= 13 + 3 = 16
TEOREMA
Si A es invertible
1
det A −1 =
det A
TEOREMA
Si A es una matriz de n × n invertible
t
det A = det A
Propiedad
det AB = det A det B
ESPACIOS VECTORIALES

61

v es un vector “estudiado en Análisis Vectorial”

• v+w =w+v
v = ( x1 , y1 , z1 ) → se pueden representar gráficamente en ℜ3 .
v = x1iˆ + y1 ˆj + z1kˆ , donde {iˆ, ˆj , kˆ}
Base li
Generan ℜ 3

**
τ
z
cos τ = 
v
y
v cos β = 
v
τ
x
cos α = 
β y v
 
α Magnitud de v = v = x 2 + y 2 + z 2

x
**

• k v = ( kx1 , ky1 , kz1 ) donde k ∈ ℜ ó C .

k > 1 ⇒ k v (aumenta)
kv 0 ≤ k ≤ 1 ⇒ k v (acorta)
k < 0 ⇒ k v (cambia el sentido)

Supongan
a = kv

¿Cómo se representa gráficamente?

bv

a colineal
¿Por qué número puedo
b multiplicar a para obtener b ?
α a = bτ = 0
a α = τ = 0 → {a, b} son li
α ≠ τ ≠ 0 → {a, b} son ld

PRODUCTO PUNTO A ⋅ B ← escalar ← proyecciones

62
PRODUCTO CRUZ A × B ← vector ← vectores perpendiculares

Dados dos puntos en el espacio, escribir la ecuación vectorial.

w B+C = A
B C C = A−B
tw = c

r B+W =r

A W = r −B
C = tr − B → Ecuación de la recta

ó
C = A−B
C = A (1 − t ) + t B
0≤t ≤1

Dado tres puntos en el espacio construir el ecuación de plano

a r a × b = n ← perpendicular Ecuación
n ⋅r = 0 del plano
r

DEF.
Se dice que V es un espacio vectorial real (complejo) si dados tres
elementos x, y , z ∈ V y dos números reales arbitrarios a y b se cumplen las
siguientes condiciones.

Axiomas
A1 : x + y = y + x
A2 : (x + y) + z = x + (y + z)
A 3 : Existe un elemento de V , denotado por 0 tal que x + 0 = 0
A 4 : Para cada x que pertenece a V existe otro elemento en V ,
denotado por − x tal que x + ( − x ) = x − x = 0

63
 A 5 : a + ( x + y ) = ax + ay
A 6 : ( a + b ) x = ax + b x
A 7 : a( b x ) = ( ab ) x
A 8 : 1x = x
A9 : x + y ∈ V
A10 : a x ∈ V

**A todos los elementos que satisfagan las 10 condiciones se les llama
vectores**

Sea V el conjunto de todas las funciones de un conjunto no vacío X en

un cuerpo k .

Para cualquier función f, y ∈ V y para todo escalar k ∈ K , sean f + g y kf

las funciones de V definidas por
( f + g )( x ) = f ( x ) + g( x ) &
( kf )( x ) = kf ( x )
∀x∈Χ

Demostrar que V es un espacio vectorial.

Demostración
A1 : ( f + y )( x ) = f ( x ) + g ( x ) = g( x ) + f ( x ) = ( g + f )( x )

**Al hacer las operaciones de las funciones el resultado es un escalar**

A 2 : ( ( f + g ) + h )( x ) = ( f + g )( x ) + h ( x ) = f ( x ) + g( x ) + h ( x )
= ( f )( x ) + ( g + h )( x ) = ( f + ( g + h ) )( x )
A 4 : ( f + ( − f ) )( x ) = f ( x ) + ( − f ( x ) ) = f ( x ) − f ( x )
= 0 x **garantizamos la existencia del cero**
A 3 : ( f + θ )( x ) = f ( x ) + θ( x ) 0= F( x )
A 5 : a ( f + g )( x ) = a ( f ( x ) + g( x ) )
= af ( x ) + ag( x ) = ( af + ag )( x )
A 6 : ( a + b ) f ( x ) = af ( x ) + bf ( x ) = ( af + bf )( x )
A 7 : a ( bf ( x ) ) = ( ab ) f ( x )
A 8 : 1 f ( x ) = (1 f )( x ) = f ( x )
Ejemplo
Demostrar que las matrices M mn son un espacio vectorial para la suma y
la multiplicación de un escalar por una matriz de forma tradicional.

64
  a11 a12 a13  a1n  b11  b1n   a11 + b11  a1n + b1n 
    
    =  
a am 2   amn  bm1  bmn   am1 + bm1  amn + bmn 
  
 m1
a  a1n   α a11  α a1n 
& α  11 = 
 am1  amn  α am1  α amn 

Solución
 a11 a12  a1n  b11 b12  b1n 
    a11 + b11  a1n + b1n 
A1 = A + B =      =  
a  a + b  a + b 
 m1 amn  bm1 bmn  m1 m1 mn mn

 C11  C1n 
 
=  , Cmn
C 
 m1  Cmn 
 a11  a1n 
   α a11  α a1n   C11  C11 
 a21  a2 n     
A1 = α   =    =   Cmn

  α am1  α amn   C11  C11 
  
a a 
 m1 mn 

Α1 = Α + Β = Β + Α
 a11 a12  a1n   b11 b12  b1n 
   
 a21 a22  a2 n   b21 b22  b2 n 
  +  
   
a am 2 amn   bm1 bm 2 bmn 
 m1
 a11 + b11 a12 + b12  a1n + b1n 
 
=  ≈
a + b   amn + amn 
 m1 m1
**Por propiedad de los reales
a11 + b11 = b11 + a11 **

 b11 + a11 b12 + a12  b1n + a1n 

 
≈  =
b + a   bmn + amn 
 m1 m1

 b11  b1n   a11  a1n 

   
=   +   
b   
 m1  bmn   am1  amn 
=B+A

65
 A1 = A + ( − A ) = 0
 a11 a12  a1n   a11 a12  a1n 
   
 a21   a2 n   a21 a22  a2 n 
  ( − 1)   
   
a   amn  a   amn 
 m1  m1
 − a11 − a12  − a1n 
 
 − a21   − a2 n 
= 
 
 
− a 
 m1   − amn 
 a11 a12  a1n   − a11 − a12  − a1n 
   
a   a2 n   − a21   − a2 n 
A + ( − A ) =  21 +  
  
   
a   amn   − am1   − amn 
 m1
 a11 + ( − a11 )  a1n + ( − a1n )  **Por Ley de los signos
  +(-)=- **
=   
a + (− a )  a + (− a )
 m1 m1 mn mn 

 a11 − a11  a1n − a1n 

   0 0
=   =  =0
a − a   0 0 
 m1 m1  amn − amn 

Demostrar que el conjunto de puntos en ℜ 2 que están en una recta pasa

por el origen constituye un espacio vectorial.

Solución
y = mx → Ecuación de la recta
( x, mx )
Recta 1 Recta 2
Sea ( a, mb ) ; ( c, m2 z )
y1 y2
mm1 ⇒ son pendientes
a, b, c, z ∈ ℜ y1 & y2 son las rectas

66
 A1 = y1 + y2 = y2 + y1
= ( a, mb ) + ( c + m2 z ) = ( a + c, mb + m2 z ) = ( c + a, m2 + mb )
= ( c + m2 z ) + ( a + m1 ) = y2 + y1
(α + β ) y1 = α y1 + β y1
(α + β )( a + mb ) = [ (α + β ) a, (αβ ) mb]
= [α a + β ,α mb + β mb]
= [α a + α mb] + [ β a, β mb]
= α [ a, mb] + β [ a, mb]
= α y1 + β y2
 
w, x, y ∈ V
α, β ∈ℜ
∃0 ∈ V
( x + y)(α + β )
   
= α x +α y + β x + β y

SUPESPACIO VECTORIAL

DEF.
Sea H un subconjunto no vacío de un espacio vectorial V y
suponga que H es en sí un espacio vectoria bajo las operaciones de
suma y multiplicación por un escalar definidas en V . Entonces se dice
que H es un subespacio vectorial de V .

TEOREMA
Un subconjunto no vacío H de un espacio vectorial V si se
cumple las siguientes reglas.
   
1) Si x ∈ V y y ∈ H → x + y ∈ H
 
2) Si x ∈ H → α x ∈ H∀α ∈ ℜ

**Todo subespacio vectorial contiene al cero vector**

Aseveraciones
- Un espacio vectorial es un subespacio en sí mismo → subespacio
trivial.
- Todo espacio vectorial de V contiene dos subespacios, que son el
subespacio cero y al subespacio V .

Ahora si Pn denota al espacio vectorial de polinomios de grado menor o

igual a n, y si 0 ≥ m,0 ≤ n , entonces Pm es un espacio propio de Pn .
TEOREMA

67
 Si H 1 y H 2 son dos subespacios vectoriales de V . Entonces
H 1  H 2 es un subespacio de V .

Se dice que es un subespacio propio si la intersección de H 1  H 2 = 0 .

Ejercicio
Sea H = { x, y, z x = at , y = bt , z = ct; a, b, ct ∈ ℜ} .

Entonces H consiste de los vectores en ℜ 3 que están sobre la recta que

pasa por el origen. Verificar que H es un subespacio vectorial.

Solución
x − x1 x − y1 x − z1
= =
x2 − x1 y2 − y1 z 2 − z1

La ecuación de la recta general es

( at , bt , ct )
( a( t1 + t2 ) ) = at
β ( at ) = β at

COLORARIO
Sea W un subespacio vectorial de V ssi ( i ) 0 ∈ W y ( ii ) v, w ∈ W
 
para todo escalar a, b ∈ ℜ .

Ejemplos
Sea V el espacio vectorial de todas las matrices cuadradas n × n sobre
los números reales. Mostrar que W es un subespacio vectorial de V
donde:

i) W está formado por las matrices simétricas, esto es, todas las
matrices A = ( aij ) tales aij = a ji .
ii) W está formada por todas las matrices que conmutan con una
matriz dada T . Esto es, W = { A ∈ V AT = T A} .

Demostración

i) 0 ∈ W puesto que todos los componentes de 0 son 0y por lo
tanto son iguales.

Ahora suponga que A = ( aij ) y B = ( bij ) ∈ W , o sea, aij = a ji y bij = b ji .

68
 Para cualquiera escalares a y b ∈ ℜ, a A + bB , es la matriz cuya
componente es aaij + bbij .

**Podemos concluir que es simétrica puesto que esta forma

también la podemos escribir como aa ji + bb ji , que también forma
parte de la matriz y por ende está contenida en el espacio, con
esto concluimos que si es simétrica**

Pero aaij + bbij = aa ji + bb ji . Luego a A + bB también es simétrica y

por tanto W es un subespacio de V .

ii) 0 ∈ W , puesto que 0T = 0 = T0 = 0 ∈ W .

Ahora supongamos que A y B ∈ W , es decir, que AT = T A y

BT = TB , para todo escalar a, b ∈ ℜ tenemos que:

W = { A ∈ V AT = T A}
( a A + bB ) T = ( a A ) T + ( bB ) T
= Aa T + BbT
= ATa + BTb
= T Aa + TBb
= T( a A + b B )
∴ W es un subespacio vectorial de V .

Ejemplo
Sea V el espacio vectorial de todas las funciones de cuerpo real de ℜ
en ℜ .

Mostrar que W es un subespacio vectorial de V si W está formado por

todas las funciones impares, estoe es, las funciones que al elevarlas
f ( − x) = − f ( x)

Solución
0 ∈ W , puesto que 0( − x ) ∈= 0 = −0 = − 0 ∈ W .

Supongamos ahora que f y g ∈ W ,y que para todo a y b ∈ W .

( af + by )( − x ) = af ( − x ) + by( − x )
= −af ( x ) − by ( x )
= −( af ( x ) + bg ( x ) ) = −( af + bg )( x )
∴ W es un subespacio de V
Sea A una matriz de tamaño m × n . Comprobar

69
 i)

{ }
El conjunto llamado Im A = Au u ∈ ℜ es un subespacio vectorial
n

ℜn al que llamaremos subespacio imagen de A .

 
El conjunto Nuc A = { v ∈ ℜ A v = 0} es un subespacio vectorial de

ii)
ℜ n al cual llamaremos núcleo de A .

Solución
* *[ m × n][ n ×1]
[ m ×1] * *
Puesto que O m = AO n tenemos que O m está en la imagen de A .

 
Sean Au, Av elementos de la imagen de A .
 
Como u + v es un elemento de ℜ n .

Resulta que Au + Av = A( u + v ) esto es un elemento de la imagen de A .

   

Finalmente si Au , es un elemento de Im A y a ∈ ℜ , entonces A( au ) ∈ ℜ n



∴ A ( au ) ∈ ℜ n de donde la Im A ⊂ ℜ m .


iii) Puesto que O m = AO n entonces O n ∈ ℜ n .


Sean u y v ∈ ℜ n , ( u + v ) ℜ n
  
  
A( u + v ) = Au + Av = 0 + 0
  

=0

iv) Sea a ∈ ℜ n
 
a Av = A( av ) = 0


Ejemplos
Sea V = ℜ 3 . Mostrar que W es un subespacio de V si:

i) W = {( a, b,0 ) ab ∈ ℜ}

Solución
Sea W la matriz A = aij y B = bij
0 ∈ W puesto que los componentes de a, b son 0 , por lo que son iguales
0( aij + bij ) = 0( aij ) + 0( bij ) = 0


70
Ahora supongamos que 0( aij + bij ) = 0( aij ) + 0( bij ) = 0 .


 
• x y y∈W
x + y = ( a1 , b1 0 ) + ( a2 , b2 0 )
 

= ( a1 + a2 , b1 + b2 ,0 + 0 )
= ( c, d ,0 )

α x = (α a1 , α b1 0 )
•
= ( c, d ,0 ) ∈ W

Sea V el espacio vectorial formado por todas las matrices 2× 2 sobre un

cuerpo real.

Mostrar que W no es un espacio vectorial de V , donde:

i) W consta de todas las matrices con determinante cero.

Sea
a a12  b b 
W = A 11  y B 11 12 
 a21 a22   b21 b22 
cuyos determinantes son cero
a a12 b b
A 11 = 0 y B 11 12 = 0
a21 a22 b21 b22
pero la suma de estas matrices no es cero.

Sea W las matrices

1 0  0 0
A  y B 
 0 0   0 1 

Por lo que
1 0  0 0 1 0
A + B =   +   =  
 0 0   0 1  0 1 
∴ No es elemento del conjunto y por ende no es un subespacio de V .

**No es elemento puesto que no contiene a 0 **

Demostrar que W no es subespacio si A 2 = A .

Solución

71
Sea
1 0 1 0
W =   por lo que B =  
0 1 0 1
 2 0
W + B =  
 0 2
2  2 0  2 0   4 0 
A =    =  
 0 2  0 2   0 4 
2
A no es elemento de A por tanto no es un subespacio vectorial

Si
2 1 0
A =  
0 1 
2 1 0
A =  
0 1 

Sea
1 0 1 0
A  y B 
0 1 0 1
2 0
A + B =  
0 2
2
¿C = C?
 2 0  2 0   4 0 
   =  
 0 2  0 2   0 4 

COMBINACIÓN LINEAL

DEF.
  
Sean x1 , x 2 , , x n vectores en un espacio vectorial V . Entonces
  
cualquier vector de la forma a1x1 + a2 x 2 +  + an x n , donde los ai son
  
escalares y i = 1, , n , se llama combinación lineal de x1 , x 2 ,  , x n .

Ejemplo
−3 2 8
  Mostrar que es una combinación lineal de
 −1 9 3 
 −1 0 4  0 1 − 2
  y  
1 1 5 − 2 3 6 

Solución

72
 −3 2 8  −1 0 4  0 1 − 2
  = α   + β  
 −1 9 3 1 1 5  − 2 3 6 
Si α = 3 y β =2
 −1 0 4  − 30 12 
3 = 
1 1 5   3
3 15  −3 2 8 
+   No regresa la matriz
 0 1 − 2   0 2 − 4   − 1 9 27 
2  =  
 − 2 3 6   − 4 6 12 

Por lo que
 − 3 2 8  −α 0 4α   0 β − 2β 
  =  + 
 −1 9 3  α α 5α   − 2 β 3β 6 β 
 αβ 4α − 2 β 
=  
 α − 2 β 5α + 6 β 
α =3
β =2
4α − 2 β = 8 α + 3β = 9
α − 2 β = −15 α + 6β = 3

El sistema es inconsistente ¡¡¡¡No tiene solución!!!!, por tanto las

matrices
 −1 0 4   0 1 − 2  − 3 2 8
  y   No generan a  
 1 1 5 − 2 3 6   −1 9 3

Ejemplo
1
 
Sea  3  un vector en ℜ 3 , expresarlo en una combinación lineal de iˆ, ˆj , kˆ .
 5
 

Solución
1
 
 3  = α iˆ + β ˆj + τ kˆ
 5
 

73
 1 1  0  0
       
 3 = α  0  + β  1  + τ  0 
 5  0  0 1
       
α = 1, β = 3, τ = 5
1  1   0  0
       
 3  =  0  + 3 1  + 5  0 
 5  0   0  1
       
 1   0  0 1
       
=  0  +  3  +  0  =  3
 0   0  5  5
       

Ejemplo
Sea Pn ( x ) el conjunto de polinomios de grado
Pn ( x ) = a n x n + a n −1x n −1 + + a 0 x 0
{1, x, x , , x }
2 n

Se puede escribir como combinación de los monomios

1, x, x 2 , , x n { }
¡¡¡VECTORES!!!

3 x 2 + 1 = 3 x + 0 x + 1 OJO
Ejercicio
Comprobar que los vectores u = ( 4,−2,5) y v = (1,−1,−1) ∈ ℜ3 son combinación
 
lineal de x1 = (1,−1,2) & x 2 = ( 2,0,1) .
 

Solución
Sea
α = ( 4,−2,5) y β = (1,−1,−1)
u = α (1,−1,−1) + β ( 2,0,1)


= (α ,−α ,−α ) + ( 2 β ,0, β )

( 4,−2,5) = (α + 2 β ,−α ,−α + β )
α =2
α + 2β = 4
−α + β = 5
∴ β = 1 ⇒Si es una combinación lineal

r = (1,−1,1) = α (1,−1,2) + β ( 2,0,1)



(1,−1,1) = (α ,−α ,2α ) + ( 2 β ,0, β )

74
 (1,−1,1) = (α + 2 β ,−α ,2α + β )
α + 2β = 1 ⇒ 2β = 0
− α = −1 ⇒ α = 1
2α + β = 1 β = 1− 2
β = −1
∴
El sistema es inconsistente, no es combinación lineal

DEF.
  
Se llama envoltura lineal de los vectores x1 , x 2 , , x p de un espacio
vectorial V al conjunto de todas las combinaciones lineales de dichos
vectores y lo denotaremos:
Env{x1 , x 2 , , x p }
  

Ejemplo
Obtener la envoltura de los vectores x = (1,−1,0 ) & y = ( 0,1,1) en el espacio
 
vectorial ℜ 3 .

Solución
  
z = ax + by
z = ( a,− a,0) + ( 0, b, b )


= ( a, b − a, b ) ; a, b ∈ ℜ
Env{ x, y} = {( a, b − a, b ) a, b ∈ ℜ}


**Si tengo un espacio vectorial, por lo tanto la envoltura es un

subespacio**

TEOREMA
  
Sea x1 , x 2  , x p , vectores en un espacio vectorial V . Si W es
igual a la Envoltura de {x1 , x 2  , x p }( Env{ x1 , x 2  , x p } ) entonces.
     

i) W es un subespacio de V .
  
ii) W contiene a los vectores x1 , x 2  , x p .
  
iii) W es el menor subespacio vectorial que contiene a x1 , x 2  , x p .

Demostración 
   
i) Como 0 = 0x1 + 0x 2 +  + 0x p , se tiene que el vector 0 está en W .

       
Si u = a1x1 + a2 x 2 +  + a p x p y v = b1x1 + b2 x 2 +  + b p x p son dos elementos de W
.

75
        
u + v = a1x1 + a2 x 2 +  + a p x p + b1x1 + b2 x 2 +  + b p x p
= ( a1 + b1 ) x1 + ( a 2 +b2 ) x 2 +  + ( a p + b p ) x p
  

ai + bi ∈ ℜ
ai + bi = Ci
  
= C1 x 1 + C 2 x 2 +  + C p x p

 
Por lo tanto u + v está contenida en W .

Si t es un escalar, el vector tu se escribe:
   
tu = ta1x1 + ta2 x 2 +  + ta p x p
tai ∈ ℜ ∴ tai = Ci i = 1,  , p
   
tu = C1 x1 + C 2 x 2 +  + Cp x p


Por lo tanto tu está contenido en W con lo cual se verifica las
propiedades subespacio W ⊂ V .

ii) Si queremos comprobar que es un subespacio vectorial

tenemos que hacer
 
1x1 = x i
X i = i que corre desde i = (1,  , p ) cuando todos los demás
elementos distintos de i son igual a cero.

Cada vector x i es la combinación lineal de
{x1 , x2  , xp } , ya que este valor se escribe
  
1x1 = x i , luego x i ∈ W por lo tanto para todos i = 1,  , p .

iii) Sea H un subespacio vectorial, que contiene a los vectores

  
a1x1 + a2 x 2 +  + an x n , que son justamente la combinación lineal de
  
x1 , x 2  , x p , de tal suerte que W ⊂ H .

DEPENDENCIA LINEAL
  
Sean v 1 , v 2  , v n vectores de un espacio vectorial V , si la combinación
lineal
   
a1 v 1 + a2 v 2 +  + an v n = 0
  
y los a1 , a2 ,  , an son distintos de cero, entonces v 1 , v 2  , v n son distintos
  
de cero, entonces v 1 , v 2  , v n , son vectores linealmente dependientes.

76
Si:
a1 = a2 = a3 =  = an = 0
  
los vectores v 1 , v 2  , v n son linealmente independientes.

Ejemplo
Sea
1  2
     
v1 =  2  y v2 =  4
 3 6
   
verificar que son ld.

Solución
   
2 v 1 = v 2 ∴ v 1 y v 2 son vectores linealmente dependientes.

Ejemplo
Verificar que
1 0 0
     
iˆ =  0  , ˆj =  1  y kˆ =  0 
0 0 1
     
son vectores linealmente independientes.

Solución

aiˆ + bˆj + ckˆ = 0
1  0  0  a   0  0  0
             
a 0  + b 1  + c 0  =  0  +  b  +  0  =  0 
 0  0 1  0   0  c   0
             
a=0=b=0=c
iˆ, ˆj , kˆ Son vectores linealmente independientes

Ejemplo
Determinar si los vectores
 1   2  0
     
 − 2 ,  − 2  y  1  son “ld” ó “li”
 3   0  7
     

Solución

77
  1   2   0   a   2b   0 
           
a − 2  + b − 2  + c 1  =  − 2a  +  − 2b  +  c 
 3   0   7   3a   0   7c 
           
 a + 2b + 0   0 
   
=  − 2a − 2b + c  =  0 
 3a + 0 + 7c   0 
   
a + 2b + 0
− 2a − 2b + c
3a + 0 + 7c
 1 2 0  a   0 
    
 − 2 − 2 1  b  =  0 
 3 0 7  c   0 


ó poner la matriz aumentada

 1 2 0 0  2R + R → R  1 2 0 0  1 2 0 0
  1 2 2    
 − 2 − 2 1 0 ~  0 2 1 0  3R2 + 2 R3 → R3  0 2 1 0 
 3 0 7 0  − 3R1 + R3 → R3  0 − 6 7 0 
~  0 0 10 0 
  
10c = 0
∴
 1   2  0
c=0      
∴  − 2  ,  − 2  y  1  son vectores “li”
2b = 0  3   0  7
     
b=0
a=0

**Si la matriz que se está trabando está escalonada entonces sus

elementos son li**

TEOREMA
Un conjunto de n-vectores en ℜ n siempre es linealmente
independiente si n>m.

Demostración
  
Sean v 1 , v 2 ,  , v n , n-vectores en ℜ m , intentaremos encontrar C1 , C2 , , Cn
no todas cero.

78
    
C1 v 1 + C 2 v 2 +  + C n v n = 0
 a11   a12   a1n 
     
  a21    a22    a2 n 
v 1 =  , v 2 =  ,, v n = 
  
     
a  a  a 
 m1   m2   mn 
 C1 a11   C 2 a12   Cn a1n 
     
  C1a21    C 3 a22    C n a2 n 
C1 v 1 =  , C2 v 2 =  ,, C3 v 3 = 
     
     
C a  C a  C a 
 1 m1   2 m2   n mn 
   
C1 v 1 + C 2 v 2 + C 3 v 3 +  + C n v n

C1 a11 + C 2 a12 +  + Cn a1n = 0

C1 a21 + C 2 a22 +  + Cn a2 n = 0


C1 am1 + C 2 am 2 +  + Cn amn = 0

Aplicando a este sistema el método de Gauss-Jordan, tendremos una

infinidad de soluciones por lo tanto el conjunto de vectores es
linealmente dependiente.

COLORARIO
 
Si tenemos a los más v 1 ,  , v n , vectores en ℜ n estos vectores
son li.

Ejemplo
{ }
Averiguar si el conjunto de polinomios 1 − x,2 + x + 2 x 2 ,1 + x 2 es linealmente
independiente.

Solución Cero
( ) ( )
a1 (1 − x ) + a2 2 + x + 2 x 2 + a3 1 + x 2 = 0 polinomio

Calcular los valores de a1 , a2 y a3

a1 −a1 x + 2a2 + a2 x + 2a2 x 2 + a3 + a3 x 2 = 0

Asociar por grado de mayor a menor

( 2a2 + a3 ) x 2 + ( a2 − a1 ) x + ( a1 + a2 + a3 ) = 0 x 2 + 0 x + 0

79
 0 + 2a2 + a3 = 0 Sistema
− a1 + a2 + 0 = 0 De
a1 + 2a2 + a3 = 0 Ecuaciones

 1 2 1 0 1 2 1 0
   
 − 1 1 0 0  R1 + R2 → R2  0 3 1 0  − 2 R 2 +3R3 → R3
 0 2 1 0 ~  0 2 1 0 ~
   
1 2 1 0
 
~  0 3 1 0
 0 0 1 0
 
de aquí concluimos
a1 = a2 = a3
{ }
∴ 1 − x,2 + x + 2 x 2 ,1 + x 2 es li

Ejercicio
Comprobar que el conjunto de funciones { sen x, cos x} es li en el intervalo
[ 0, 2π ] .
Solución

DEF.
a1sen x + a2 cos x = 0
a1 = ?
a2 = ?

Proponemos que x ∈ [ 0,2π ] y tomamos valores particulares

x = 0 ⇒ a1sen0 + a2 cos 0 = a1 ( 0 ) + a2 (1) = a2 = 0
a2 = 0
π π
x= + a2 cos = a11 + a2 0 = 0
2 2
a1 = 0 a1 = a2 = 0

Tenemos necesidad para el análisis de funciones implementar un

mecanismo llamado Wronskiano

DEF.

80
 (f1 ( x ) , f 2 ( x ) , , f n ( x )
f1 ( x ) f2 ( x)  fn ( x )
W f1 ( x )
'
f2 ( x) 
'
f n' ( x )

f1 ( x ) f 2( n −1)  f n( n −1) ( x )
( n −1)

Si W = 0 ⇒ el conjunto { f1 ( x ) , , f n ( x )} es linealmente dependiente.

Si W ≠ 0 ⇒ el conjunto { f1 ( x ) , , f n ( x )} es linealmente independiente.

Resolvemos el problema anterior usando el Wronskiano

senx cos x
W ( senx, cos x ) = = − sen 2 x − cos 2 x
cos x senx
(
= − sen 2 x + cos 2 x = 1 )
≠0
∴ sex y cos x son li

Ejercicio
{ }
Verificar que el e x , xe x , x 2 e x conjunto es li.

Solución
Utilizando el wronskiano
ex xe x x 2e x
e x xe x + e x x 2 e x + 2 xe x
e x xe x + 2e x x 2 e x + 4 xe x + 2e x
1 x x2
e3 x 1 x + 1 x2 + 2x
1 x + 2 x2 + 4x + 2
{ [ ( ) ( )] [ ( ) ( )]
= e 3 x − ( x + 1) x 2 + 4 x + 2 − ( x + 2 ) x 2 + 2 x + ( x ) x 2 + 4 x + 2 − ( x + 2 ) x 2
− [( x ) ( x + 2 x ) − ( x + 1) ( x ) ]}
2 2

= e {− [( x + 5 x + 6 x + 2 ) − ( x + 4 x + 4 x ) ] + [ ( x + 4 x
3x 3 2 3 2 3 2
) (
+ 2 x − x3 + 2 x 2 )]
− [( x + 2 x ) − ( x + x ) ]}
3 2 3 2

= e [ − ( x + 2 x + 2) + ( 2 x + 2 x ) − x ]
3x 2 2 2

= 2e 3 x

DEF.

81
 Un conjunto de vectores { v 1 , v 2 ,  , v n } es una base para un espacio
  
vectorial V si

i) { v1 , v2 , , vn } es li.

ii) { v1 , v2 , , vn } genera a V .

**genera ⇒ Env**

Ejemplo
Los polinomios de grado de tres tienen como base 1, x, x 2 , x 3 . { }
3 x 2 + 4 = 0 x 3 + 3x 2 + 0 x + 4
{
Env = ax 3 + bx 2 + cx + d A, B, C , D x ∈ ℜ }
1 x x 2 x3
1 2 x 3x 2
(
w 1, x, x 2 , x 3 =
0
)
0 0 2 6x
0 0 0 6

Ejemplo
El conjunto { senx, cos x, sen2 x, cos 2 x,  , sennx cos nx} es una base y se llama
base de Fourier.

ab ∞
** f ( x ) =
+ ∑ a 1cosmx + bnsenmx
2 n =1
función periódica**

Ejemplo
{ }
El conjunto e − st , e −2 st , e −3st ,  , e − nst donde t y s son variables.

Se llama base de Laplace.

a

** F( s ) = ∫ e f ( t ) dt ⇐ Transformada de Laplace**
− st

Dadas unas bases para las matrices 2× 2 .

5
 
 6 1 0  0 1  0 0  0 0
 7  = 5 0 0  + 6 0 0  + 7 1 0  + 8 0 1 
         
8
 
Si son bases porque:

82
 i) Estas cuatro matrices están generando a la matriz de 2× 2 , es
decir, nos generan a ℜ 2 .

ii) Son linealmente independientes ya que haciendo la

combinación lineal del producto de un escalar por una función y
su adición da como resultado la matriz 0 por lo tanto cada uno
de sus elementos es igual a cero.

Por decir:

1 0  0 1  0 0  0 0  0 0
a  + b  + c  + d = 
0 0   0 0   1 0   0 1   0 0 
a 0  0 b  0 0  0 0   0 0
 + + + = 
0 0   0 0   c 0   0 d   0 0 
 a b   0 0
  =  
 c d   0 0
∴a = 0
b = 0 son li por tanto son bases
c=0
d =0

Sea V un espacio vectorial de las matrices 2× 2 sobre ℜ . Determinar si

las matrices A, B y C ∈ V son dependientes.

1 1 1 0 1 1
i) A =  , B =  , C =  
1 1 0 1  0 0
1 2 3 − 1  1 − 5
ii) A =  , B =  , C =  
3 1 2 2 − 4 0 

Solución
i)
 1 1 1 0  1 1  0 0
α   + β   + τ   =  
 1 1   0 1   0 0   0 0 
α α   β 0  τ τ   0 0 
  +   +   =  
α α   0 β   0 0   0 0 
α + β + τ α + τ   0 0 
 = 
 α α + β   0 0 

83
 α + β +τ = 0
α +τ = 0
α =0 No son dependientes
∴
α+β =0
α = 0, β = 0,τ = 0

ii)
1 1 1 0 1 1  0 0
α   + β   + τ   =  
1 1  0 1  0 0  0 0
α α   β 0  τ τ   0 0 
 + + = 
α α   0 β   0 0   0 0 
 α + 3β + τ 2α − β − 5τ   0 0 
 = 
 3α + 2 β − 4τ α + 2 β   0 0 
α + 3β + τ = 0
2α − β − 5τ = 0
3α + 2 β − 4τ = 0
α + 2β = 0
1 3 1 0 1 3 1 0  1 3 1 0 1 3 1 0
       
 2 −1 − 5 0  0 − 7 − 7 0  0 1 1 0  0 1 1 0
 3 2 − 4 0 =  0 − 7 − 7 0 ~  0 1
~
1 0  0 0 0 0
       
1 2 0 0   0 −1 −1 0  0 1 1 0   0 0 0 0 
    
∴α = 2τ
α + 3(τ ) + τ = 0
β =τ
∴ Si son

Sea V el espacio vectorial de los polinomios de grado V sobre ℜ ,

 
determinar si u, v, w ∈ V son dependientes o independientes.

 
i) Si u = t 3 − 3t 2 + 5t + 1, v = t 3 − t 2 + 8t + 12

y w = 2t 3 − 4t 2 + 9t + 5
 
ii) Si u = t 3 + 4t 2 − 2t + 3, v = t 3 + 6t 2 − t + 4

y w = 3t 3 + 8t 2 − 8t + 7

Solución

84
i) Sea

V = 0 = 0t 3 + 0t 2 + 0t + 0
α ( t 3 − 3t 2 + 5t + 1) + β ( t 3 − t 2 + 8t − 2 ) + τ ( 2t 3 − 4t 2 + 9t + 5) = 0


(α − 3α + 5α + α ) + ( β − β + 8β + 2 β ) + ( 2τ − 4τ + 9τ + 5) = ( 0,0,0,0)
Ordenando términos
α + β + 2τ = 0
− 3α − β − 4τ = 0
5α + 8 β + 9τ = 0
α + 2 β + 5τ = 0
 1 1 2 0 1 1 2 0 1 1 2 0
     
 − 3 −1 − 4 0   0 2 2 0  0 2 2 0
 5 ~ ~
8 9 0   0 3 −1 0  0 0 4 0
     
 1 2 5 0   0 1 3 0  0 0 4 0 
    
4τ = 0
2β = 0 Es un sistema li

β =0

ii) Sea
(
V = 0t 3 ,0t 2 ,0t ,0 )

α (1 + 4 − 2 + 3) + β (1 + 6 − 1 + 1) + τ ( 3 + 8 − 8 + 7 ) = ( 0,0,0,0)

(α + 4α − 2α + 3α ) + ( β + 6 β − β + β ) + ( 3τ + 8τ − 8τ + 7τ ) = ( 0,0,0,0)
 1 1 3 0 1 1 3 0 1 1 3 0
     
 4 6 8 0 0 2 − 4 0 0 1 − 2 0
 − 2 −1 − 8 0  ~  0 4 8 0 0
~
0 0 0
     
 3 4 7 0  0 1 − 2 0   0 0 0 0 
  
β = 2τ

Es un sistema dependiente al encontrarnos que las filas 2 y 3 son

múltiplos de 4.

Por lo que observamos que

2 R4 → R2
4 R4 → R3

85
Sea V el espacio vectorial de las funciones de ℜ en ℜ . Mostrar que
f , g , h ∈ V son independientes.
i) f ( t ) = e2 t ii ) f ( t ) = sent
g( t ) = t 2 g ( t ) = cost
h( t ) = t h( t ) = t

Solución
Utilizando el wronskiano
i)
e 2t t 2 t
( ) [( ) ( ) ] [( )
w = e 2t , t 2 , t = 2e 2t 2t 1 = t 2e 2t ( 2 ) − 4e 2t ( 2t ) − e 2t ( 2 ) − 4e 2t t 2 ( )( )]
4e 2 t 2 0
( ) ( )
= t 4e 2t − 8e 2t t − 2e 2t − 4e 2t t 2 = 4e 2t t − 8e 2t t 2 − 2e et + 4e 2t t 2
( )
= 2e − 2t + 2t − 1 = 0 Existirá un t ∈ Ν ≠ 0?
2t 2

NO

ii)

sent cos t t
w = cos t − sent 1 = t [ ( cos t )( − cos t ) − ( − sent )( − sent ) ] − [ ( sent )( − cos t ) − ( − sent )( cos t ) ]
− sent − cos t 0
( )
= t − cos 2 t − sen 2t − ( − sent cos t + sent cos t )
= −t cos ( 2
t + sen t ) 2

= −t ∴ ≠ 0 es li

TEOREMA
Si { v 1 , v 2 ,  , v n } es una base de Vy .
  


Si v ∈ V , entonces existe un único producto de escalares C1 , C2 , , Cn tales
que
   
v = C1 v 1 + C 2 v 2 +  + Cn v n

Demostración
Existe al menos un conjunto de dichos escalares porque { v1 , v2 , , vn }
   
genera a V , suponga que v = C1 v 1 + C 2 v 2 +  + Cn v n

Restando tenemos 
0 = ( c1 − d1 ) v 1 + ( c2 − d 2 ) v 2 +  + ( cn − d n ) v n
  

86
pero el conjunto { v 1 ,  , v n } por lo tanto
 
c1 − d1 = 0 = c2 − d 2 =  = cn − d n

de aquí tenemos que

c1 = d1 ,  , cn = d n

por lo que el TMA. queda demostrado.

TEOREMA
Si { u1 , u 2 , , u m } y { v 1 , v 2 ,  , v n } son dos bases de un espacio
     
vectorial V , entonces m=n, es decir, cualesquiera de dos bases en
espacio vectorial V , tienen el mismo número de vectores.

Demostración
Sea S1 = { u1 , u 2 ,  , u 3 } y S 2 = { v 1 , v 2 ,  , v n } son dos bases para el espacio
     
vectorial V . ¿Qué pasa si m>n?, entonces si es un conjunto linealmente
dependiente (porque le sobran términos) lo que contradice la hipótesis
de ser base.

Si m ≤ n la misma prueba demostrará que n ≤ m y esto probará nuestro

teorema.

Así hasta demostrar que si m>n entonces si es dependiente con S 2 se

constituye en base.
 
Todo vector u1 se puede escribir como una combinación lineal de v j

   
u1 = a11 v 1 + a12 v 2 +  + a1n v n
   
u 2 = a21 v 1 + a22 v 2 +  + a2 n v n

   
u m = am1 v 1 + am 2 v 2 +  + amn v n

Para demostrar que S1 es dependiente, se deben encontrar escalares

C1 , C2 , , Cn , no todos cero tales que

   
C 1u 1 + C 2 u 2 +  + C n u n = 0
C1 ( a11 v 1 + a12 v 2 +  + a1n v n ) +
  

C 2 ( a21 v 1 + a22 v 2 +  + a2 n v n ) +
  



Cm ( am1 v 1 + am 2 v 2 +  + amn v n ) = 0
  

87
 a11C1 + a21C 2 +  + am1Cn = 0
a12C1 + a22C 2 +  + am 2Cn = 0

a1mC1 + a2 mC 2 +  + amnCn = 0

El sistema es un conjunto homogéneo de m-ec’s con n-incógnitas,

C1 , , Cn , y m>n entonces el sistema tiene una infinidad de soluciones, así
   
existen C1 , C2 ,  , Cn no todas cero, tales que C1u1 + C 2u 2 +  + Cnu m = 0 por
lo tanto S1 es ld esto contradice el hecho de que S1 era base.

Ahora si n>m implica que S 2 es ld que también contradice la hipótesis del

TMA. Por lo que sólo puede ocurrir que m=n. cqd

DEF.
Si el espacio vectorial V tiene una base finita entonces la
dimensión de V es el número de vectores li en todas las bases y V se
llama espacio vectorial de dimensión finita.

Ejemplos
 La dimensión de ℜ n
ℜn = n
 La dimensión de un polinomio de grado n
grad ℜ n = n + 1
 La dimensión de una matriz Mmn
dim M mn = mn

Ejercicio
Determine si el conjunto de vectores dados es una base para el espacio
vectorial al que se refiere

{
Polinomios de grado 3 3, x 3 − 4 x + 6, x 2 }
Solución
Primero comprobamos que sean li

3=0

x3 − 4 x + 6 = 0

x2 = 0

Haciendo el wronskiano

88
 3 x3 − 4 x + 6 x 2
0 3x 2 − 4 [( )
2 x = 3 3 x 2 − 4 ( 2 ) − ( 6 x )( 2 x ) ]
0 6x 2
( )
= 3 6 x 2 − 8 − 12 x 2
= 6 x 2 − 24 ≠ 0 ∴ es li
0 ± − ( 4 )( 6 )( − 24)
x= =i
12

Ahora la forma general de un polinomio de grado 3 es

( ) ( ) {
3α + β x 3 − 4 x + 6 + τ x 2 = 1, x, x 2 , x 3 }
3 2
{
3α + β x − 4 β x + 6 β + τ x = 1, x, x , x 3 2
}
3α + 6 β = 0 ( a, b, c, d )
− 4β = 0
No general el espacio por lo tanto no es base

TEOREMA
 
Suponga que dim V = n, u1 ,  , u m es el conjunto de vectores
linealmente independientes en V, entonces m ≤ n .
  
 Base para Vi { v 1 , v 2 , v n } los v i son li, u = a1 v 1 +  + an v n .
   

 Cuando m>n
   
u1 = a11 v 1 + a12 v 2 +  + an v n

   
u m = am1 v1 + am 2 v 2 +  + amn v n
   
C1u1 + C 2u 2 +  + Cnu m = 0
C1 a11 + C 2 a21 +  + Cm um1 = 0
C1 a12 + C 2 a22 +  + Cm u mn = 0

C1 a1m + C 2 a2 m +  + Cm amn = 0
Ci son distintos de cero

∴ u i son ld.
∴ contradice la hipótesis
Entonces para que sea li { u i } m ≤ n


TEOREMA

89
 Sea H un subespacio vectorial de V de dimensión finita
entonces H tiene dimensión finita.
dim H ≤ dim V

Ejemplo
Sea P0 ( x ) , P1 ( x ) ,  , Pn ( x ) polinomios cualesquiera de Pn ( x ) de grados 0,1,  , n
.

Demostrar que { P0 ( x ) ,P1 ( x ) ,  , Pn ( x )} es una base de Pn ( x ) .

Solución
Sabemos que Pn = n + 1 , por lo tanto tenemos n+1 polinomios que son li.
Para ello hagamos lo siguiente:
a0 ρ 0 ( x ) + a1 ρ1 ( x ) +  + an ρ n ( x )
con ai = 0, i = 1,  , n

Obsérvese lo siguiente
{
1, ( x − a ) , ( x − a ) , , ( x − a ) con a ∈ ℜ
2 n
}
esto también es una base para los polinomios de grado n( Pn ( x ) ) , ahora
cualquier polinomio de grado n se puede escribir.
P( x ) = a0 + a1 ( x − a ) + a2 ( x − a ) +  + an ( x − a )
2 n

P( a ) = a0 ⇒
⇒ P( x ) = p( a ) + a1 ( x − a ) +  + an ( x − a )
n

pero
P( x ) = p( a ) + ( x − a ) q ( x )
q ( x ) = a1 + a2 ( x − a ) + a3 ( x − a ) +  + an ( x − a )
2 n −1

Esta fórmula recibe el nombre de Teorema del residuo.

Ahora si P ( 0 ) ( x ) , P ( 1) ( x ) , , P ( n ) ( x ) donde P( x ) es polinomio, y sus derivadas

existen.

Tendríamos que
P1 ( x ) = a1 + 2a2 ( x − a ) + 3a3 ( x − a ) +  + nan ( x − a )
2 n −1

P 2 ( x ) = 
p ( 1) ( a )
( x − a) + p ( a ) ( x − a) 2 +  + p ( a ) ( x − a) n
( 2) ( n)
P( x ) = p( a ) +
1! 2! n!
cuando x = a
Esto se llama la serie de Taylor.

90
 n
p ( x ) = ∑ an ( x − a )
n

n =0
SERIE DE POTENCIAS

Ejemplo
Encuentre una base (y de la dimensión) para el espacio solución S del
sistema homogéneno
x + 2y − z = 0
2 x − y + 3z = 0

Solución
 1 2 −1 0  1 2 −1 0 
  − 2 R1 + R2 → R2  
 2 −1 3 0 0 − 5 5 0 ~
  ~  
 1 2 −1 0
~  

 0 − 1 0 0 
Si
y = z de R2
x + 2z − z = 0
x = −z

− z 
 
El vector solución  z  Es la base del espacio solución
 z 
 
dim Espacio solución =1

Ejemplo
Encuentre una base para el espacio solución S del sistema
2 x − y + 3z = 0
4x − 2 y + 6z = 0
− 6x + 3y − 9z = 0

Solución
El sistema asociado
 2 −1 3 0  2 −1 3
  2 R1 + R2 → R2  
 4 − 2 6 0 ~  0 0 0
 − 6 3 − 9 0  3R1 + R3 → R3  0 0 0 
   
2 x − y + 3z = 0

91
 y=0  3 
− t
z=t  2 
⇒ t 
3  0 
x= t  
4  

Si z = 0 li
2x = y t
 
y =t 2
⇒t 
t 0
x=  
2  
 − 3   1 
   
Env  0 ,  2 
 − 2   0 
   
dim S = 2

DEF.
Sea A una matriz real de tamaño m × n , si consideramos las filas de
A como vectores en ℜ n y las columnas de A como vectores en ℜ m :

i) Se llama espacio fila A al subespacio vectorial generado por los

vectores fila de A.
ii) El subespacio de ℜ n generado por la columna de la matriz A se
llama espacio columna.

DEF.
Sea A una matriz de tamaño m × n

i) El conjunto Imagen definido por

{

Im A = Au u ∈ ℜn }
es un subespacio vectorial de ℜ m al que llamaremos imagen de
A.

ii) El conjunto

{ 
Nuc A = v ∈ ℜn Av = 0 }
es un subespacio de ℜ al que llamaremos núcleo de A.
n

Ejemplo
Calcular el núcleo de A y la imagen de A.

92
 − z 
 1 2 − 1  
A =   ⇒ S =  z 
 2 −1 3   z 
 
1
  = Núcleo de A
− 1
1
 
***  1 2 − 11
 1 = ( − 1 + 2 − 1,−2 − 1 + 3)
 2 − 1 3 1
 
2 × 3 3 ×1 = 2 ×1OJO ***

ii) Se sabe que las dos columnas son li ∈ ℜ 2 y por lo tanto forman una
base para ℜ 2 . Im A = ℜ 2 .
  
C1 + C 2 = C 3
cte?   
C1 − C 2 = C 3

Nuc=Nulidad
Img= Rango

Sean U y V los siguientes subespacios de ℜ 4

V = {( a, b, c, d ) b + c + d = 0} y W = {( a, b, c, d ) a + b + d = 0, c = 2d }
Hallar la dimensión y base de V y W.

Solución
Buscamos una base del conjunto solución de la ecuación
b + c + d = 0 ó 0a + b + c + d = 0

Las variables libres son a,c y d.

Hacemos
v 1 = (1,0,0,0)

1) a = 1, c = 0, d = 0
2) a = 0, c = 1, d = 0 ⇒ v 2 = ( 0,1,−1,0 )


3) a = 0, c = 0, d = 1 v 3 = ( 0,−1,0,1)


∴ la dim U = 3

Ahora buscamos una base del conjunto solución de las ecuaciones

93
 1) a + b = 0
a + b + 0c + 0d = 0
2) 0a + 0b + c − 2d = 0
c = 2d

Armamos el sistema
1 1 0 0
 
0 0 1 2
a = −b
c = 2d

Nuestras variables libres serán b y d.

1) b = 1, d = 0 v 1 = ( − 1,1,0,0)

⇒ 
2) b = 0, d = 1 v 2 = ( 0,02,1)
dim W = 2

Ejercicio
Encuentre una base para el conjunto de vectores que están en el plano
 x  
  
π  y ( 2 x − y + 3 z ) = 0
 z  
  

Solución
y = 2 x + 3 z tenemos dos variables libres
x =1 x = 0
z = 0 z =1
1  0
   
 2 ,  3
0 1
   

DEF.
Sea A una matriz de n × n . Entonces el rango de la matriz A
denotado por ρ ( A ) está dado por
ρ ( A ) = dim( Im A )

DEF.
El Nuc( A ) también recibe el nombre de espacio nulo de A y
υ ( A ) = dimNuc( A ) se llama la nulidad de A.
TEOREMA

94
 Sea A una matriz de n × n . Entonces A es una matriz
invertible ssi υ ( A ) = 0 .

**Si A siendo una matriz n × n es invertible, quiere decir que podemos

escalonarla y al poder escalonar no  hay variables libres, por lo tanto
sólo caepta un único valor que es 0 , que eso es igual al núcleo y por

definición υ ( A ) = 0 .**
 
**Ahora si A tiene como núcleo 0 , por obviedad su υ ( A ) = 0 , eso sólo
puede ocurrir cuando se puede escalonar la matriz y sabemos que el
resultado del determinante de una matriz escalonada es el producto de
su diagonal y está es distinta de cero, lo cual por definición quiere decir
que podemos calcular su inversa.**

TEOREMA
Si A es una matriz de m× n entonces
dim ℜ A = dim C A = dim Im A = ρ ( A ) .
rango

DEF.
Si A es matriz de m × n , sean { v 1 , v 2 ,  , v n } los renglones de la matriz
  
  
A, {C1 , C 2 ,  , Cn } las columnas de A. Entonces

Env

R A = Espacio de los renglones de A = gen{ v1 ,  , vn } .

C A = Espacio de las columnas de A = gen{ c1 ,  , cn } .
Env

Encuentre una base para el espacio generado por

 1   − 2 0  − 2
           
v 1 =  2 , v 2 =  0 , v 3 =  4 , v 4 =  − 4 
 − 3  4   2  6 
       
y calcular el ρ (Rango).

Solución
Este conjunto de vectores genera el siguiente sistema
 1 2 − 3
 
− 2 0 4 
 0 4 − 2
 
− 2 − 4 6 
 
Entonces escalonamos a esta matriz

95
  1 2 − 3 1 2 − 3 1 2 3 
  2 R + R2 → R2    
− 2 0 4  1 0 4 − 2  0 4 − 2
 0 2 R + R4 → R4 ~ =A
4 − 2 1 0 4 − 2  0 0 0 
  ~    
− 2 − 4 6  0 0 0   0 0 0 
  
C3

ρ ( Α) = 2

Si analizamos por columna  

C j = α C1 + β C 2

Ejercicio
Hallar el rango de la matriz A donde
 1 2 − 3
 
 2 1 0 
A=
− 2 −1 0 
 
 −1 4 − 2 


Solución
 1 2 − 3 1 2 3  1 2 3
     
 2 1 0  0 − 3 6  0 − 3 6
A= ~ ~
− 2 −1 0   0 3 − 6  0 0 0
     
 −1 4 − 2  0 6 − 5  0 0 7 
    
ρ ( A) = 3

Ejercicio
Determine el rango y el espacio de los renglones de la matriz
 1 −1 3
 
A= 2 0 4
 −1 − 3 1 
 

Solución
 1 − 1 3  − 2 R1 + R2 → R2  1 −1 3   1 −1 3
     
A= 2 0 4 ~  0 − 2 − 2  − 2 R2 + R3 → R3  0 − 2 2 
 −1 − 3 1  R + R → R 0 − 4 4  ~ 0 0 0
  1 3 3    
R A = gen{ (1,−1,3) , ( 0,−2,−2)}

TEOREMA

96
 Sea A una matriz de tamaño m × n , entonces:

( )
1) ρ ( A ) = ρ A t .
2) Si ρ ( A ) = m entonces las filas de A son li.
3) Si ρ ( A ) = n entonces las columnas de A son li.

TEOREMA
Sea A una matriz de tamaño n × n las condiciones siguientes
son equivalentes.

1) Las filas o las columnas de A generan a ℜ n .

2) Las filas o las columnas de A son una base para ℜ n .
3) Las columnas (filas) de A son li.
4) ρ ( A ) = n,υ ( A ) = 0 .
5) A es invertible.

TEOREMA
Sea A una matriz de tamaño m × n de ρ ( A ) = r , entonces la
dimensión del núcleo de A υ ( A ) = n − r .

CAMBIO DE BASES

Ejemplo
 eˆϑ   cosθ senθ 0  iˆ 
  
 eˆθ  = − senθ cosθ 0  ˆj 
 eˆ   0 0 1 kˆ 
 z 
eˆϑ   cosθ iˆ + senθ ˆj + 0kˆ 
e  = − senθ iˆ + cosθ ˆj + 0kˆ 
 ˆθ   
 eˆz   0iˆ + 0 ˆj + 0kˆ 

eˆϑ = cosθ i + senθ j
ˆ ˆ
eˆθ = − senθ iˆ + cosθ ˆj
eˆz = kˆ

“Coordenadas cilíndricas”
(iˆ, ˆj, kˆ ) → ( eˆϑ , eˆθ , eˆz )
Base ↔ Base

Base “rara” no ortogonal

“rara”
Base “fácil” (canónica)
DEF. “cilíndricas”

97
   
Sea β = ( b1 , b2 , , bn ) una base del espacio vectorial V. Si el vector

x ∈ V se puede escribir como una combinación de la base β de la forma
   
x = x1b1 + x2b 2 +  + xnb n

Se dice que los coeficientes de esta combinación lineal son las


componentes de x , respecto a la base β denotada por
 x1 
 
  x2 
Cβ ( x ) =  

 
x 
 n

Ejemplo
r = 5iˆ + 6 ˆj + 7 kˆ, β = {iˆ, ˆj , kˆ}


5
 
Cβ =  6  canónicas
7
 
{ }
P3 ( x ) = 5 x 2 + 1, β = x 3 , x 2 , x,1
 0
 
  5
C= 
0
 
1
 

Ejercicio
Hallar las componentes del vector x = (1,3,−2 ) con respecto a la base

  
β = ( b1 , b 2 , b 3 ) donde
  
b1 = (1,0,0 ) , b 2 = (1,1,0 ) , b 3 = (1,1,1)

Solución
   
x = α b1 + β b 2 + τ b 3
(1,3,−2) = α (1,0,0) + β (1,1,0) + τ (1,1,1)
(1,3,−2) = (α ) + ( β , β ,0) + (τ ,τ ,τ )
α + β +τ =1
β +τ = 3
τ = −2

Sustituyendo en 2 Sustituyendo y en 1

98
 β = 3+ 2 α = −5 + 2 + 1
β =5 α = −2
 − 2
  
C1 =  5 
 − 2
 
  
Ahora sea β = {b1 , b 2 , , b n } una base de un espacio vectorial de un
 x1 
 
  x2 
espacio vectorial V dado un vector x =   de ℜ n , siempre se puede

 
x 
 n

encontrar un vector u de V de manera que
u = Cϑ ( x )
 

Basta considerar el vector de V.


u = x1b1 + x2b2 + x3b3

Supongamos ahora que tenemos dos bases

     
β = ( b1 , b 2 ,  , b n ) y D{d1 , d 2 , , d n }

en un espacio vectorial de V de dimensión n.Entonces los vectores b j se
escriben como una combinación lineal de la base D como
   
b j = a1 j d1 + a2 j d 2 +  + anj d n
n
= ∑ aij d i
i =1
Con lo que
 a1 j 
 
 a2 j 
CD (b j ) =  


 
a 
 nj 

Sea x un vector de V tal que
   
x = x1b1 + x2b 2 +  + xnb n
 n 
teniendo en cuenta b j = ∑ aij d i
i =1

99
 n  n  n 

x = x1 ∑ ai1d i + x2 ∑ ai 2d i +  + xn ∑ ain d i
i =1 i =1 i =1

= ∑ x j ∑ aij d i = ∑∑ ( aij x j )d i
n  n n  n

j =1 i =1 j = i =1

 n

 ∑ a1 j x j 
 j =1   a11 a12  a1n  x1 
 n    
  ∑ a2 j x j   a12 a22  a2 n  x2 
C D ( x ) = j =1 =
      
      
a a a  
   1n  nn  xn 
n

 ∑ nj j 
n2
a x
 j =1 
a11 x1 + a12 x2 +  + a1n xn
  
C D ( x ) = C D ( b1 ) , C D ( b 2 ) , , C D ( b n )


donde la matriz
  
PD←B = [ C D ( b1 ) , C D ( b 2 ) ,  , C D ( b n ) ]
se llama matriz de cambio de base B a D.

Ejercicio
Sea
 1   0
u1 =  , u 2  
 0 1

Entonces B1 = { u1 , u 2 } forman la base canónica en ℜ 2 .

 

Sean
 1   − 1
v 2 =  , B 2 { v 1 , v 2 }
 
v 1 =   y
 3 2
Sea
 x 
x =  1 
 x2 
un vector en ℜ 2 .

Expresar ( x ) Base


Solución
( x1 ) B1 = x1u1 + x2u2
( x2 ) B2 = a1v1 + b1v2

100
 ( x1 ) B1 = x1 
1  0
 + x2  
 0 1
 0  x 
( x1 ) B1 =  1  +   =  1 
x
 0   x2   x2 
−1
( x2 ) B2 = a  + b 
1
 3  2 
−b
( x2 ) B2 =   +  
a
 3a   2b 
( x 2 ) B2 ⇒ a − b = x1


3a + 2b = x2
 a − b x1   a − b x1 
   
 3a + 2b x  ~  0 − b x 
 2  2

1  1   − 1
  = a  + b 
0  3  2 
0  1   − 1
  = a  + b 
1  3  2 
 a   − b 1
  +   =  
 3a   2b   0 
a −b =1
3a + 2b = 0
2b 2b
a= −b =1
3 3
5b 3
− =1 b =
3 5
( x1 ) B2 = x1u1 + x2u 2 = x1 [θ v 1 + θ v 2 ] + x2 [ β v 1 + β v 2 ]
     

2 3 1 1
a1 = b1 = , a2 = b2 =
5 5 5 5
( x2 ) = x1  2 v1 + 3 v2  + x2  1 v1 + 1 v2 
3 5  5 5 
 52 −3
 x1 
 1 5
 
 x2 
1
5 5

 52 5  x1 
1
 3  
1 
5 5  x2 

***  1 3
C =  
 −1 1
1  2 − 3
C −1 =  
5  1 1 
1  2 1
(C ) −1 t
=  
5  − 3 1 ***

101
TEOREMA
Sean B1 y B2 bases para el espacio vectorial V. Sea A la

matriz de tansición de la base B1 a B2. Entonces para todo x ∈ V
( x) B2 = A( x) B1
TEOREMA
Sea A una matriz de transición de B1 a B2, entonces A-1 es la
matriz de transición de B2 a B1.

 1   3   0 
     
En ℜ3 son B1 = {iˆ, ˆj , kˆ} y B 2 =  0 ,  − 1,  1 
 2   0   2 
     

 x
  
Si x =  y  ∈ ℜ , escribir ( x ) B2
3 
z
 

Solución
1 3 0
 
A =  0 −1 1 
 2 0 2
 
 1 3 0 1 0 0 1 3 0 1 0 0
−1
   
A =  0 −1 1 0 1 0 ~  0 −1 1 0 1 0 ~
 2 0 2 0 0 1 0 − 6 2 − 2 0 1 
  
1 3 0 1 0 0 1 0 3 1 3 0
   
~  0 1 −1 0 −1 0  ~  0 1 −1 0 −1 0 ~
0 0 − 4 − 2 − 6 1 0 0 4 − 2 − 6 1 
  
4 0 0 − 2 − 6 3   1 0 0 −2 4 −6 3 
   4
4

~  0 − 4 0 − 2 − 2 1  ~  0 1 0 24 2
4
−1
4
 0 0 − 4 − 2 − 6 1  0 0 1 2 6 −1 
   4 4 4

− 2 − 6 3 
−1 1 
A =  2 2 − 1
4
 2 6 − 1
 − 2 − 6 3  x 
1  
( x ) B2 =  2 2 − 1 y 

4
 2 6 − 1 z 
Ejemplo

102
Obtener el vector de coordenadas de p = 1 + 2 x + 3 x 2 en P 2 con respecto a
cada una de las siguientes bases.

1) La base (estandar) B1 = { u1 , u 2 , u 3 } siendo

  
 
v 1 = 1, u, u 2 = x
2) La base B 2 = { v 1 , v 2 , v 3 }
  
  
v 1 = 1 + x, v 2 = 1 − x 2 , v 3 = 1 + x + x 2

Solución
1) Ya que p = 1⋅1 + 2 ⋅ x + 3 ⋅ x 2
1 
[ P] B1 = 2
3
2)
  
p = c1 v 1 + c2 v 2 + c3 v 3
( ) (
1 + 2 x + 3 x 2 = c1 (1 + x ) + c2 1 − x 2 + c3 1 + x + x 2 )
1 + 2 x + 3 x = ( c1 + c2 + c3 ) + ( c1 + c3 ) x + ( − c2 + c3 ) x 2
2

1 = c1 + c2 + c31 1 1 1  1 1 1 1
   
2 = c1 + + c3 =  1 0 1 2  − R1 + R2 → R2  0 − 1 0 1 
3 = − c2 + c3  0 − 1 1 3   0 − 1 1 3
~
 
1 1 1 1  1 1 1 1
   
 1 0 1 2  − R1 + R2 → R2  0 − 1 0 1 
 0 −1 1 3 ~  0 − 1 1 3
   
c3 = 2

De la ecuación 2
c2 = −1 ← R2
c1 + ( − 1) + 2 = 1
c1 = 0
 c1   0 
[ P] 2 = c2  = − 1
c3   2 

Ejemplo
Determine el vector de coordenadas de

103
 2 − 3
A= 
1 4 
en M22 con respecto a cada una de las siguientes bases

1) La base (estándar) Β1 { Ε11 , Ε12 , Ε 21 , Ε 22 } .

2) La base Β 2 { − Ε 21 , Ε 22 ,−Ε12 , Ε11 } .

Solución
1 0 0 1  0 0 0 0
E11 =  , E12  , E 21  , E 22  
0 0 0 0 0 1 0 1
1)
2 − 3
A=  = 2E11 − 3E12 + E 21 + 4E 22
 1 4 
2
− 3
[ A] B =  
1
 
4
2)
2 − 3
A=  = C1 − E 21 + C2 E 22 + C3 − E12 + C4 E11
1 4 
= −C1E 21 + C2 E 22 − C3E12 + C4 E11
 2 − 3  0 0   0 0   0 − C3   C 4 0
  =   +   +  + 
 1 4   − C1 0   0 C2   0 0   0 0 
2 =C 4 − 1
3 = C3 4
[ A ] B2 =  
− 1 = C1 3
 
4 = C2 2

Ejemplo
{ } { }
En P2 la base canónica es Β1 = 1, x, x 2 , otra base es Β 2 = 4 x − 1,2 x 2 − 2,3 x 2 − 3
. Si p = a0 + a1 x + a2 x escriba a p en términos de los polinomios de B2.
2

Solución

104
  − 1  − 2
   
( 4 x − 1) B1 =  4 , ( )
2 x 2 − 2 B1 =  0 
0  2 
   
 3
 
( )
3 x + 3 B1 =  0 
2

 3
 
Así
 −1 − 2 3
 
C= 4 0 0
0 2 3 

ésta es la matriz de transición de B2 a B1 de manera que C-1 es la matriz
se transición de B1 a B2.
 − 3 6 3  a1 
1   
[ P] B2 =  − 12 − 3 12  a2 
27 
 8 2 1  a3 
Si
p = x + x2
 − 3 6 3  0 
1   
[ P] B1 =  − 12 − 3 12  1 
27 
 8 2 1  1 

Ejemplo
Sea
 3   2   2   − 5 
B1 =  ,  
& Β 2 =  ,  
 1   − 1  4   3 
 b1 
dos bases para ℜ 2 . Si ( x ) B1 =   , exprese a x en la base B2.
 
 b2 

Solución
 3  2  − 5
  = a11   + a21  
1  4  3 
2  2  − 5
  = a12   + a22  
 − 1  4  3 
3 = 2a11 − 5a21
1 = 4a11 + 3a21

105
 2 = 2a12 + 5a22
− 1 = 4a12 + 3a22
 2 − 5 3  2 − 5 3 
   
 4 3 1  ~  0 26 − 10 
   
10 5
a21 = − =−
26 13
7
2a11 = 5  = 3
 13 
25 14
2a11 = 3 − =
13 13
7
a11 =
13

Resolviendo el segundo sistema

2 = 2a12 − 5a22
− 1 = 4a12 + 3a22
2 −5 2  2 −5 2 
   
 4 3 − 1 ~  0 13 − 5 
   
5
a22 = −
13
25 15 1
2 = 2a12 + ⇒ 2a12 = 2 − =
13 13 13
1
a12 =
2 ⋅13
 713 12⋅13 Multiplicado por 2
C =  
 −513 −513 
1  14 1 
C =  
26  − 10 − 10 
1  14 1  b1 
( x) B2 =   
26  − 10 − 10  b2 
 1 (14b1 + b2 ) 
=  1 26 
 26 ( − 10b1 − 10b2 ) 

Para comprobar si son ld.

1 0  0 1  0 0  0 0  0 0
α   + β   + τ   + ϑ   =  
 0 0  0 0  1 0  0 1  0 0
α = 0, β = 0,τ = 0, ϑ = 0

106
Sea
 1 2   − 1 3   2 − 1  1 4 
B =  ,  ,  & 
  3 6   −1 1   0 1   4 9 
Demostrar que son li o ld.

Solución
Proyectamos
1 2
 
 3 6 
1 2  1 0  0 1  0 0  0 0
  = α   + β   + τ   + ϑ  
3 6  0 0  0 0  1 0  0 1
1 2  α β 
 = 
3 6   τ ϑ 
α = 1, β = 2, τ = 3,ϑ = 6
1 
 1 2   2
  =  
 3 6  B1 3
 
6 
1 − 1 2 1
2 3 − 1 4 ld ⇒ det C = 0
C=
3 − 1 0 4 li ⇒ det C ≠ 0
 
6 1 1 9
 1 −1 2 1   1 −1 2 1   1 −1 2 1
     
 2 3 −1 4   0 5 − 5 2  0 5 − 5 2
 3 − 1 0 4  ~  0 2 − 6 1  ~  0 0 − 20 1
     
 6 1 1 9   0 7 − 11 3   0 0 − 20 1 
    
∴ es ld

BASES ORTONORMALES

DEF.
Un conjunto S = { u1 , u 2 ,  , u n } en ℜ n es un conjunto ortogonal si
  
   
u i ⋅ u j = 0 siempre que i ≠ j y u i ⋅ u j = 1 si 1 = j .

Ejemplos
a) La base canónica {eˆeˆ ,  , eˆ n } ∈ ℜ n es ortogonal.
1, 2

b) El conjunto { u, v} ; u = (1,3) y v = ( 6,−2 ) es un conjunto ortogonal.

   

c) { u, v, w} ; u = (1,2,1) , v = ( 4,0,4 ) , w = (1,−1,1) .

     

107
TEOREMA
Si un conjunto { u1 , u 2 , , u n } de vectores no nulos en ℜ n es
  
ortogonal, entonces S es linealmente independiente.

Demostración
Supóngase que S = { u1 ,  , u n } es ortogonal y que u i ≠ 0
  
1< i < k

Supóngase además 
 
C1u1 +  + Ck u k = 0

para u j 1≤ j ≤ k
u j ⋅ 0 = 0 = u j ⋅ ( C1u1 +  + C ju j +  + Ck u k )
    

⇒ 0 = C1 ( 0 ) +  + C j u j +  + C k ( 0 ) = C j u j
  2

⇒ Cj = 0
pero j es arbitrario. Por lo tanto, C j = 0 ∀j = 1,2,  , k y S es linealmente
independiente.

DEF.
Un conjunto S = { u1 , u 2 ,  , u n } de vectores en ℜ n es ortonormal si
  

a) S es ortogonal.

b) Todo vector en S tiene longitud unitaria, esto es, u i = 1 ∀i .

Normalización

 v
v ≠ 1 ⇒  = uˆ ← vector unitario
v

Ejemplo
Si
u = (1,3) y v = ( 6,−2 )
 

1
uˆ = (1,3) , vˆ = 1 ( 6,−2)
10 2 10

TEOREMA
Sea { v 1 , v 2 ,  , v n } una base ortonormal y supóngase que v es
   
cualquier vector en ℜ n . Entonces
v = ( v ⋅ v1 ) v1 + ( v ⋅ v 2 ) v 2 +  + ( v ⋅ v n ) v n
         
  
Esto es el coeficiente de v j es v ⋅ v j .
Demostración

108
Sea S = { v 1 , v 2 ,  , v n } una base ortonormal (que también es ortogonal) y
  
supóngase que v ∈ ℜ n . Entonces
   
v = C1 v 1 + C 2 v 2 +  + Cn v n

Para ciertos C j j = 1,  , n . Puesto que S es ortogonal se sigue que

 
v ι ⋅ v j = 0 o si i ≠ j . Además si S es ortonormal. Todo vector de vι de S
  
tiene magnitud unitaria, por lo tanto v i ⋅ v i = v i = 1 . Sea ahora j cualquier
entero entre 1 y j. Entonces
v j ⋅ v = v j ⋅ ( C1 v 1 + C 2 v 2 +  + Cn v n )
     

= C1 ( v j ⋅ v 1 ) + C 2 ( v j ⋅ v 2 ) +  + C n ( v j ⋅ v n )
     

= C1 0 +  + C j = ( 1) +  + Cn 0
   
= Cj ⇒ Cj = v j ⋅ v = v ⋅ v j
j es arbitrario entre j = 1, , n
por tanto se cumple el teorema.

Propiedades del producto punto

 
Sean u, v, w ∈ ℜn entonces
   
1) v⋅w = w⋅v
v( u + w ) = vu + vw
     
2)
3) ( u + w ) ⋅ v = u ⋅ v + w ⋅ v
α( u ⋅ v ) = ( α u ) ⋅ u = v ⋅ ( α w )
     
4)

DEF.
La norma de un vector
  
v = v = v⋅v

DEF.
Un conjunto S = { u1 , u 2 ,  , u n } de vectores en ℜ n se llama ortonormal
  
si

1) S es ortogonal.
2) Si los elementos de S son unitarios.

u1 = 1∀i = 1, , n

TEOREMA

109
 Sea { v 1 , v 2 ,  , v n } una base ortonormal, y suponga que v es
   
cualquier vector en ℜ n . Entonces
v = ( v ⋅ v1 ) v1 + ( v ⋅ v 2 ) v 2 +  + ( v ⋅ v n ) = v n
        
  
Esto es, los coeficientes de v j es v ⋅ v j .

Ejemplo
2
 
Escribir el vector  − 1 en ℜ 3 en términos de la base ortonormal
3
 
 1 2   −1 6   1 3 
    
B1 =  1 2 ,  1 6 ,  −1 3 
 0   2   1 
   6   3 
  
u1 u2 u3

Solución
Verifiquemos de B1 es ortonormal
a)
1
2
−1
6
1
3 1 −1 1
1 1 1
3 =
1
2
1
6
−1 1 1 1
2 3 6
0 2
6
1
3 k ≠0 0 2 1
2 −2
= k   = k ( 2 + 4 ) ≠ 0 es li
2 1 
 
b)
 12 
    1 1 0 1+1 2
u1 =  12  ⇒ u1 = + + = = = 1 =1
0 2 2 2 2 2
 
 −16 
    1 1 4 6
u 2 =  16  ⇒ u 2 = + + = = 1 =1
 2  6 6 6 6
 6
 13 
    1 1 1 3
u 3 =  −13  ⇒ u 3 = + + = = 1 =1
 1  3 3 3 3
 3

c)

110
  
u1 ⋅ u 2 = 0
 1 1   1 1 2   1 1   1 1 
 , ,0  ⋅  ,− , = ⋅ + ⋅ +0 = 0
 2 2   6 6 6  2 6  2 6
 
u2 ⋅ u3 = 0
 1 1 2   1 1 1   1 1   1 1   1 1 
− , , ⋅ ,− ,  = − ⋅ + ⋅− + ⋅ =
 6 6 6  3 3 3  6 3  6 3  6 3
1 1 2
=− − +
18 18 18
2 2
=− + =0
18 18

*** v = ( u1 ⋅ v ) u1 + ( u 2 ⋅ v ) u 2 + ( u 3 ⋅ v ) u 3
      

r = ( iˆ ⋅ r ) iˆ + ( ˆj ⋅ r ) ˆj + ( kˆ ⋅ r ) kˆ
   
 
r = xiˆ + yˆj + zk***

 2   1   1 2  1 2   2   −1  −1 
          6
  6

 − 1 =  − 1,  1 2  1 2  +  − 1,  1 6  
1
6+
 3   3   0  0   3   2   2 
          6   6

 2   1   1 
    
3 3

+  − 1,  −1 3  
−1
3
 3   1   1 
  3   3

2
   2 1   2 1 6   2 1 3 
 − 1 =  − u1 +  − − + u 2 +  + + u 3
3  2 2  6 6 6  3 3 3
 
2
  1  3  6 
 − 1 = u1 + u2 + u3
3 2 6 3
 

DEF.
  
Si la matriz Q consta de vectores v 1 , v 2 ,  , v n , los cuales son:

1) li { v 1 ,  , v n } .
 

2) v i = 1 i = 1,  , n .
0 i ≠ j
3) v1 ⋅ v2 =  .
1 i = j

La matriz Q se llama ortonormal.

111
Ejemplo
Si
1 2 −1  1
 6
 3

Q= 1 2 1
6
−1
3
 0 2 1 
 6 3

la cual ya se verificó que es ortonormal, tiene como inversa a.

Q T (La transpuesta)
Verificar esta afirmación.

Solución
Sabemos que QQ −1 = I = QQ T .

1 2 −1 1  1 1 0 
 6 3
 2 2

QQ T =  1 2 1
6
−1
3 
−1
6
1
6
2
6
 0 2 1  1 −1 1 
 6 3  3 3 3
1 0 0
1 2 1 2+ 1 6 1 6+ 1 3 1 3 1 2 1 2− 1 6 1 6− 1 3 1 0− 1 2 + 1 1 
 3 6 6 3 3

=  1 2 1 2 − 1 6 1 6 0− 1 3 1 3 1 2 1 2 + 1 6 1 6 +
1 1
3
1
3 0+ 1
6
2
6 −
0 1
3
1
3
 0 − 3 1 +0 1 1 0+ 2 6 1 6 − 1 3 1 3 0+ 
6 +
2 2 1 1
 6 6 3 3 6 3 3
1
(1,1) = 1 + 1 + 1 = 3 + 1 + 2 = 1
0

2 6 3 6
(1,2) = 1 − 1 − 1 = 3 − 1 − 2 = 0
2 6 3 6
4 1 4+2
( 3,3) = + = =1
6 3 6
( 3,1) = − 2 + 1 = − 2 + 2 = 0
6 3 6

TEOREMA
La matriz Q de n × n es ortonormal ssi las columnas de Q son
linealmente independientes.

DEF.
Una matriz Q de n × n se llama ortogonal si Q es invertible y
−1
Q = Qt .

**Si tenemos una base ortogonal será posible volverla ortonormal**

TEOREMA GRAM – Schmidt

112
 Sean { u1 , u 2 , , u n } un conjunto linealmente
independiente de vectores en ℜ n .

Sea H un subespacio de dimensión m de ℜ n .

Entonces H tiene una base ortonormal.

Demostración
Sea S = { v 1 , v 2 ,  , v n } una base para H.
  

Paso 1.
Se elige un primer vector y se hace unitario

  v
v 1 = u1 = 1
v1

Paso 2.

Se elige un segundo vector a v1
 
′  u 1 ⋅ v 1  
*** 1 1v = u −  v1 este vector es ortogonal a v1 ***
v1
v ′2 = v 2 − ( v 2 ⋅ u ) u 1
   

v1
u2

 u1 v1
 v′
u 2 = 2
v ′2
v 3 = v 3 − ( v 3 ⋅u 1 ) u 1 − ( v 3 ⋅ u 2 ) u 2
′       

v′
v 3 = 3
v ′3

v ′m = v m − ( v m ⋅ u 1 ) u 1 − ( v m ⋅ u 2 ) u 2 −  − ( v m ⋅ u m −1 ) u m −1
          
′
 v
u m −1 =  m −1
v ′m −1

α2

v1

α1 u1

113
 { α1 , α 2 }
son base

v = aα 1 + bα 2

a1 i
a2 j

u=xi+y j

Producto Producto
Punto Interno
Para todo
vector

Para vectores Matrices ¿Cómo se hace el

en el espacio Funciones producto interno?
n-uplas Polinomios
n-adas
x = ( x1 ,  , x n )

 
x⋅y ∈ℜ
 
x⋅y ≥ 0
 
x⋅x = x2
 
x = x⋅x
  
xy = y ⋅ x
x ⋅ ( y + w ) = x ⋅ y + xw
     

α ( x, y) = ( α x) y = x( α y)

Producto interno de vectores (General)

 
Sean x, y, w ∈ ℜ , el producto interno se denotará de la siguiente forma

x, y
El producto interno satisface las siguientes condiciones:
 
i) x, y = y, x
ii) ( x, x) = 0
 
iii) x, x = 0 ⇔ Ζ = 0
x, ( y, w ) = x, y + x, w
     
iv)

114
 v) ( x + y) , w    
= x, w , y, w
 
vi) α x, y = α x, y , α ∈ C
vii) x, y = α ( x, y ) , α ∈ C

Producto Interno para Cn.

Un número complejo es de la forma

Ζ = a + ib = ( a, b )

z(a,b)

a ℜ
Re ( Ζ ) = a parte real
Im( Ζ ) = b parte imaginaria
Si
Ζ1 = a + ib y Ζ 2 = α + iβ
Ζ1 ± Ζ 2 = a + α ± i ( b + β ) ∈⊄

OJO
La unidad i (imaginario)= −1

i = −1 = i5 = i9
i 2 = − 1 = 17 = i10
i 3 = − i = 18 = i11
i4 = 1 = i 9 = i12

Multiplicación

115
 Ζ 1 ⋅ Ζ 2 = ( a , b ) ⋅ ( α + iβ )
= ( a + ib ) ⋅ (α + iβ )

= aα + aiβ + iba + ibβ

= ( a ⋅ α − b ⋅ β ) + i ( aβ + bα )
Ζ1 ⋅ ( a − ib )
Ζ = Complejo conjugado
Ζ1 ⋅ Ζ1 = ( a + ib )( a − ib ) = a 2 + b 2 + i 0 →
Se genera un real
Ζ ⋅ Ζ ⇒ Es un número real ℜ

División
Ζ1 a + ib Ζ 2 ( a + ib ) − (α − iβ )
= ⋅ =
Ζ 2 α + iβ Ζ 2 α2 + β 2
a+b a b
= + Ζ 2 = α − iβ
c c c
Ζ1 aα ⋅ iaβ + ibα − i 2bβ
= =
Ζ2 α2 + β 2
Ζ1 aα + bβ + i ( bα − aβ )
=
Ζ2 α2 + β 2
Ζ1 aα + bβ bα − aβ
= 2 +i 2
Ζ2 α + β 2
α +β 2

Se define el producto interno

   
x, y = x1 y 1 + xy 2 +  + x n y n

x, y ∈ C n
x = ( x1 , x 2 ,  , x n ) x ∈ C


y = ( y1 , y 2 ,  , y n ) y ∈ C


Ejemplo
Si
x = (1,1 + i,1 − i )


y = (1,0, i )


x, y = ?
(1,1 + i,1 − i ) , (1,0, i )
= 1 ⋅1 + (1 + i ) ⋅ ( 0 ) + (1 − i )( i )
= 1 ⋅1 + 0 + (1 − i )( − i )

116
 ℜ( z ) = ℜ( z )
(
= 1+ − i + i2 )
= 1( i + 1)
= 1 − i − 1 = −i

**Los números complejos pierden la propiedad de orden 1 más pequeño

que 2, 2 más pequeño que tres, etc…**

TRANSFORMACIONES LINEALES

y
(x,y)

Reflexión
x

(-x,-y)

Rotación

Ax 2 + By 2 + Cxy + D = 0
45°
giro
x2 y2
+ =1
a 2 b2

DEF.

117
  
Sea v ∈ V , y sea Tv su imagen, se dice que una transformación es
lineal si

1) T( v + w ) = T( v ) + T( w )
   

2) T(α w ) = α ( w )
 

f ( x) = x
x∈Ν
f :Ν →Ν

1 2

Q →Q

T V − W Notación
 
v∈V y w∈W
 
w, v tiene como componentes a los números reales ℜ ó C .

Reflexión
x  x  x +x   x +x 
T 1  +  2  = T 1 2  =  1 2 
 y1   y2   y1 + y2   − ( y1 + y2 ) 
 x   x  x  x   x   x   x +x 
T  1  +  2   = T 1  + T 2  =  1  +  2  =  1 2 
  y1   y2    y1   y2   − y1   − y2   − ( y1 + y2 ) 
La propiedad 1 se cumple

T( α v ) = α + ( v )
 

  x   α x1   α x1   x 
Tα  1   = T  =   = α  1 
  y1    − α y1   − α y1   − y1 
= α T( v )

Se satisface la propiedad 2.

Por lo tanto la transformación de reflexión es lineal.

Ejercicio

118
Decir si cada uno de los siguientes diagramas define a una función de
A = { a, b, c} en B = { x, y, z} .

a x a x a x a x
b y b y b y b y
c z c z c z c z
A B A B A B A B
a) No b) No c) Si d) Si

DEF.
f es uno –a- uno
x ≠ y ⇒ f ( x ) ≠ f ( y)
y y

x
sobre sobre
f(x)=x3
f(x)=x2 Si
No
DEF. Sobre
f es sobre si un elemento de la imagen proviene de al menos un
elemento del dominio.

DEF.
Una f es biyectiva si es 1 –a- 1 y sobre b) es biyectiva

Ejemplo
Composición de funciones
(
f ( x ) = cos sen 2 x )
g ( x ) = cosx
g ( u ) = cosu
h ( x ) = senx
h ( v ) = senv
L( x ) = x 2
g ( h ( L( x ) ) )
Composición
g h L ( x )

119
Ejemplo
Sean funciones (aplicaciones o transformaciones)
f :A → B g:B→ C y h:C → D
Definidas por el diagrama
x
1 4 a
y
2 5 b
z
3 6 c
w
A f B g C h D
Determinar si las funciones son a) 1-a- 1 y b) sobre y c) biyectiva.

Solución
a) f Si es 1 –a- 1
g No es 1 –a- 1
h Si es 1 –a- 1

b) f No es sobre
g Si es sobre
h Si es sobre

c) f No es biyectiva
g No es biyectiva
h Si es biyectiva

**Cada flecha me forma una composición**

Función Transformación
(hija) (Madre)

Transformación de rotación
T : ℜ2 → ℜ2
y

α
x

120
 x = r cos α
y = rsenα
x' = r cos(α + θ ) = r{ cos α cosθ − senα senθ }
y ' = rsen(α + θ ) = r{ senα cosθ + senθ cos α }
x' = r cos α cosθ − rsenα cosθ = x cosθ − ysenθ
y ' = rsenα cosθ + cos α senθ = y cosθ + senθ
x' = x cosθ − ysenθ  cosθ − senθ  x 
=  
y ' = xsenθ + y cosθ  senθ cosθ  y 
 cos θ − senθ 
A θ =  
 senθ cosθ 
Se llama matriz de rotación
 x   x'   
T  =   ; Tv = v
 y   y' 

Rotación en el z
 cosθ − senθ 0
 
A θ 2 =  senθ cosθ 0
 0 0 1 


Eje y
 cosθ 0 − senθ 
 
 0 1 0 
 senθ 0 cosθ 


Transformación J : C[ 0,1] → ℜ
1

Definida por JF = ∫ f ( x ) dx
0

¿Será Lineal?

*** T( u + v) = Tu + Tv

T( α v ) = α T( v***
)
 

Solución
1)
1 1 1

∫ [ f ( x ) + g( x ) ] dx = ∫ f ( x ) dx + ∫ g ( x ) dx = J[ f + g]( x )
0 0 0

= J f ( x ) + J g( x )
J[ f + g ] ( x ) = J ( f ( x ) ) + J ( g ( x ) )

121
2)
1 1
J ( α f ( x ) ) = ∫ α f ( x ) dx = α ∫ f ( x ) dx
0 0

= RJ f ( x )

¿Cuánto vale?
( )
J 5x 4 = ?
1 1
x5
∫0 = =1
4
5 x dx 5
5 0
J se llama operador integral.

Sea Tℜ 2 → ℜ 2 definida por

 x   x +1 
T  =   Translación
y
   y + 2 

¿Esta transformación es lineal?

2
No es
lineal

1 X+1

y 2


v
x 1 x

Sean
 x   x 
v 1 =  1  & v 2 =  2 
 y1   y2 
 x + x   x + x +1 
T( v 1 + v 2 ) = T 1 2  =  1 2
  
 y1 + y2   y1 + y2 + 2 

122
 x  x 
T( v 1 ) + T( v 2 ) = T 1  + T 2 
 
 y1   y2 
 x + 1   x + 1   x1 + x2 + 2 
=  1  +  2  =  
 y1 + 2   y2 + 2   y1 + y2 + 4 
Esta transformación no es lineal

Sea
T : ℜ3 → ℜ2
 x
  x+ z
T y  =  
z  y + z 
 
 x
 
T : ℜ → ℜT y  = ( x + y + z )
3

z
 
T : ℜ → ℜ3
 x
 
T( x ) =  2 x 
 3x 
 

ℜ2 → ℜ
 x
T  = ( x + 0 y )
 y

Ejemplo
Sea V el espacio vectorial de las matrices cuadradas de tamaño n × n
sobre un cuerpo ( ℜ ) .

Sea M una matriz arbitraria en V sea T : V → V definida por la

transformación

123
 T( A ) : A M + M A
Donde A ∈ V

Mostrar que es lineal.

Solución
Sean A y B ∈ V y Κ ∈ ℜ
Por demostrar
T ( A + B ) = T( A ) + T ( B )
T( A + B ) = ( A + B ) M + M ( A + B )
= A M + BM + M A + M B
= A M + M A + B M + M B = T( A ) + T( B )
T( A ) = A M + M A
T( B ) = B M + M B
⇒ T( A + B ) = T( A ) + T( B )
α T( A ) = T ( α A )
T( K A ) = ( K A ) M + M ( K A )
= K AM + K M A
= K [ AM + M A]
= KT ( A )

TEOREMA
Sea T : V → W
   
Entonces para todos los vectores u, v, v 1 , v 2 ,  , v n en V y para todo escalar
α n∈ℜ
 
i) T( 0 ) = 0
T ( u − v ) = T ( u ) + T( v )
   
ii)
T(α 1 v1 + α 2 v 2 +  + α n v n ) = α1T( v 1 ) + α 2 T( v 2 ) +  + α n T( v n )
     
iii)

Demostración
     
1) T( 0 ) = T( 0 + 0 ) = 0 + 0 = 0
T( u − v ) = T( u + ( − 1v ) ) = T( u ) + T( − 1v )
    
2)
= T ( u ) + ( − 1) T ( v ) = T ( u ) − T ( v )
   
3) iii) Por Inducción

1) No. 2
T(α 1 v 1 + α 2 v 2 ) = α 1T( v 1 ) + α 2T ( v2 )
   
es lineal

124
 2) Supóngase válido para n=K
T( α 1 v 1 + α 2 v 2 +  + α κ v κ ) = α
  
  
= α 1Tv 1 + α 2 Tv 2 +  + α k Tv k
k +1 = ?
  
T(α 1 v 1 +  + α k v k v k +1 ) =
        
w

T( w + α k +1 v k +1 ) = T( w ) + α k +1T( v k +1 )
   

= T( w ) + α kM T( v kM )
 

TEOREMA
Sea V en espacio vectorial con dimensión finita y con base
B = { v1 , v 2 , , v n }
  
  
Sean w 1 , w 2 , , w n , n vectores en W.

Suponga que T1 & T2 son dos transformaciones lineales de V en W tales

 
que T1 v 1 = T2 v 2 para i : 1 n .

Entonces para cualquier vector v ∈ V
 
T1 v = T2 v , es T1 = T2

Demostración
Como B es una base para V existe un único conjunto de escalares
α 1 ,  , α n , tales que
   
V = α 1v1 + α 2 v 2 +  + α v β

Entonces
T1 ( v ) = α w 1 + α 2 w 2 +  + α n w n
   

T2 ( v ) = α1T2 v 1 + α 2 T2 v 2 +  + α n T2 v n
   
  
= α 1w 1 + α 2 w 2 +  + α n w n
T1 = T2

Ejemplo
Sea T una transformación lineal T : ℜ3 → ℜ 4 y suponga que
1 0 0
   2    −1     5 
T 0  =  , T 1  =   & T 0  =  
 0  3  0  − 4  1   − 3
     

Calcule

125
  3 
 
T − 4 
 5 
 

Solución
 3  1 0  0
       
T − 4  = 3T 0  + ( − 4) T 1  + 5T 0 
 5   0 0 1
       
 2   −1   5 
= 3  − 4  + 5 
 3   − 4   − 3
 6   4   25   6 + 4 + 25   35 
=   +   +   =   =  
 9  16   − 15   9 + 16 − 15   10 

TEOREMA
Sea V un espacio vectorial de dimensión finita con base
B{ v 1 , v 2 ,  , v n } . Sea W un espacio vectorial que contiene los vectores
  
  
w 1 , w 2 , , w n .

 
Entonces existe una transformación única T : V → W , tal que Tv i = w i ;
para i = 1,  , n .

Demostración
   
Si suponemos que tenemos T1 v i = w i y T2 v i = w i ; la demostración es
similar al TEOREMA ANTERIOR.

Ejemplo
Encuentre una transformación lineal en ℜ (en el plano)
 x  
  
W =  y  2 x − y + 3 z = 0
 z  
  

Solución
T : ℜ3 → ℜ2
x=1 x=0
Base z=0 y=1
 x  1 0
     
y = 2 x + 3 z ⇒  2 x + 3 z  ⇒ x 2  + z  3 
 z  0 1
     
Entonces - Base -

126
 1 0
   
w1 =  2  & w 2 =  3 
0 1
   
 1   0
Usamos la base canónica de ℜ 2 ; v 1 =   & v 2 =  
 0 1

Entonces
1  0
1   0  
T  =  2  & T  =  3 
 0  0 1 1
   

 1   0
 5  1  0    
T  = 5  + ( − 7 )   ≠ 5 2  − 7 3 
− 7  0 1 0 1
   

1.- Determine si la transformación de T : V → W dada es lineal

 x   x
T : ℜ 2 → ℜ 2 ; T  =  
 y  0

Solución
i) Sea
 x   x 
v 1 =  1  y v 2 =  2 ; & ∈ ℜ
 y1   y2 
T ( v 1 ) + T( v 2 ) = T( v 1 + v 2 )
   

x  x   x + x  x + x 
T 1  + T 2  = T 1 2  =  1 2 
 y1   y2   y1 + y2   0 
 x1   x2   x1 + x2 
  +   =  
 y1   y2   0 
T ( α v 1 ) = α T( v 1 )
 

α x   α x  x 
T 1  =  1  = α  1 cqd
α y1  α ( 0 )  0

Sea T : C[ 0,1] → ℜ dada es lineal

127
Solución
1
T( f ) = ∫ f ( x ) g( x ) dx
0

F = f ( x ) , g( x ) ; G = g( x ) , h ( x )
T ( F + G ) = T( F ) + T ( G )
1 
T( F+ G ) =  ∫ ( f ( x ) g( x ) dx + g ( x ) h ( x ) ) dx 
0 
1 1
= ∫ f ( x ) g ( x ) dx + ∫ g( x ) h ( x ) dx = T( F) + T( G )
0 0

∴ T( α f ) = α T( f )
1 
T( α f ) =  ∫ α( f ( x ) g( x ) ) dx 
0 

Pero α ∈ ℜ
1
= α ∫ f ( x ) g( x ) dx
0

Entonces
= α T( f )

Sea T : Dn → Dn ; T( D) = D 2 ; ( Dn es el conjunto de matrices diagonales de

n × n ).

Como 0 ∉ Dn ⇒ No es T lineal
T : M nn → ℜ T( A ) = det A

Solución
Sea B y C
T( B + C) = T( B ) + T( C) = det B + det C
T( B + C) = det ( B + C) ≠∴ No es lineal
 1 0  2 0  3 0
  +   =   = det = 9
 0 1  0 2  0 3
5≠9

DEF. NÚCLEO E IMAGEN

Sean V y W dos espacios vectoriales y sea
T : V → W una transformación lineal. Entonces
1) El núcleo de T, denotado por nuT , está dado por
  
nuT v ∈ V Tv = 0 { }
2) La imagen de T, denotada por

128
 Im T = { w ∈ W Tv = w para v ∈ V}
   

TEOREMA
Si T : V → W es una transformación lineal, entonces:

i) nuT es un subespacio de V.
ii) ImT es un subespacio de W.
A ( x + y ) = Ax + Ay
   
A⊂V
A(α x ) = α Ax
 

Demostración

Sea x, y ∈ nuT
nuT( x + y ) = nuTx + nuTy
   
  
= 0+0 = 0

Sea α ∈ ℜ
 
nuT(α x ) = α nuTx = α 0 = 0
 

∴ nuT es un subespacio de V
 
ii) 1) Sean w, x , en la imagen de T.
   
Entonces w = Tu, x = Tv

Pero v, u ∈ V
x + w = T( v ) + T( u ) = T( v + u )
     

2) α x = α T( v ) = T(α v )
  

Ejemplos  
1) Sean Tv = 0 para v ∈ V (Transformación cero).
Entonces
nuT = V

Im T = { 0}
  
2) Sea Tv = v para v ∈ V (Transformación Lineal)

nuT = { 0}
Im T = V

3) Sea T : ℜ 3 → ℜ3 definida por

 x  x
   
T y  =  y 
 z  0
   

129
 T es el operador de proyección de ℜ3 en en plano xy.
Entonces
nuT = ? gez
Im T = ?
z

# # x=0
y=0

#
z=0
x
Sea V = M mn y T definida por la transformación T : M mn → M mn , T( A ) = A t .

Si T A = A t = 0 , entonces At es la matriz cero pero de n × m por lo que A es

la matriz cero de m × n .

Así que nuT( A ) = { 0}

Así que ImT = M nm

Rango ζ( T ) y Nulidad γ ( T )
DEF.
Si T es una transformación lineal de V en W, entonces se define:
la nulidad = γ ( T ) = dim nuT
el rango = ζ ( T ) = dim ImT

Ejemplo
(
Sea T : P3 → P2 por T( P ) = T a0 + a1 x + a2 x 2 + a3 x 3 )
a0 + a1 x + a2 x 2 =

Entonces
T( P ) = 0, a0 + a1 x + a2 x 2 + a3 x 4
a0 ≠ a1 = a2 = 0
Así

130
 nuT = { P ∈ P3 }
{
nuT = P ∈ P3 0 + 0 x + 0 x 2 + a3 x 3 }
por lo tanto
γ ( T) = 1
Im T = P2
ζ( T ) = 3

Ejercicios
Encuentre Núcleo, Imagen, Rango y Nulidad de la Transformación Lineal
dada:

 x
1) T : ℜ → ℜ,
2
T  = x + y
 y

Solución
 x 
NuT =  , γ ( T ) = 1
 − x 
x+ y =0
γ ( T ) + ζ ( T ) = dim V
x = −y
Im T = { ℜ} , ζ ( T ) = 1

( )
2) T : C[ 0,1] → ℜ, T f = f 12

Solución
f ( x) = x
1 1
f ( x) = x2 f  =
2 4
( 0,1)
Im T = { ℜ}
ζ ( T) = 1
γ ( T) = 0
Nuc( T ) = Todas las funciones que siendo 12 son cero

Representación Matricial de una Transformación Lineal

Sea A una matriz de m × n y T : ℜn → ℜn que está definida por Tx = Ax , T
es una transformación lineal.

131
 x, y, T( x + y ) = Tx + Ty
    

T( x + y ) = A( x + y ) = Ax + Ay = T( x ) + T( y )
       

Ahora se estudiará que ∀T lineal de ℜ n en ℜ n , existe una matriz A de

  
m × n¬Tx = Ax∀x ∈ ℜ n .

TEOREMA
Sea T : ℜ n → ℜ m una transformación lineal. Entonces existe
una matriz única de m × n A T tal que:
  
Tx = A T x∀x ∈ ℜn

Demostración
La Base Canónica de ℜ n es:
 0
 
 0
 
{ eˆ1 , eˆ2 , , eˆn } donde 1   ← en la posición iˆ
e
ˆ =
1
 0
 
 0
 
    
Sea w 1 = Teˆ 1 , w 2 = Teˆ 2 ,  , w i = Teˆ i ,  , w n = T en

  
Sea AT la formada por los elementos w 1 , w 2 , , w n en forma de columnas
y logramos que AT denote a la transformación de ℜ n → ℜ m .

 a1i 
 
  a2 i 
w i =   para i = 1, , n

 
a 
 mi 
 a11 a12    a1n 
 
 a21 a22  
A T = ( w 1 , w 2 ,  , w n ) =  a31 
  
a32 
 
    
a
 m1 am 2 amn 

Entonces

132
  a11 a12  a1n  0   a1i 
    
a a22  a2 n    a2i  
A Teˆ i =  21 = = wi
      
    
a
 m1   amn  0   ani 


Así A Teˆ i = w i para i = 1, , n , Ty la transformación AT son la misma poeque
coincide en los vectores básicos.

Ejemplo
Sea T : ℜ3 → ℜ 4 definida por:
 x− y 
 x  
   y+z 
T y  =  
 z   2x − y − z 
   − x + y + 2z 
 
Calcular AT

Solución
Usemos la base canónica
1  − 1 0
   0    0  
0   1   1
T( iˆ ) =  , T( ˆj ) =  1  =  , T( kˆ ) =  0  =  
 
2  0   − 1  1   − 1
 − 1   1   2
     
Entonces
 1 −1 0 
 
0 1 1
AT = 
2 − 1 − 1
 
 −1 1 2 
 

Ejemplo
 x
   x− y+z 
T : ℜ → ℜ , definida por T y  = 
3 2 
z  − 2 x + 2 y − 2 z 
 

Solución
1  0  0
   1     − 1    1 
T 0  =  , T 1  =  , T 0  =  
 0  − 2  0  2  1  − 2
     

133
  1 −1 1 
⇒  
 − 2 2 − 2 

DEF.
La matriz AT del teorema anterior se llama matriz de
transformación correspondiente a T ó representación matricial de T.

TEOREMA
Sea AT la matriz de transformación correspondiente a la
transformación lineal de T. Entonces:

i) Im T = Im A T = C AT (Espacio columna).
ii) ϑ ( T) = ϑ ( AT ) .
iii) nuT = NA T , NAT espacio nulo.
iv) υ( T ) = υ( A T ) .

Ejemplo
Si
 x  x
3    
T : ℜ → ℜ ; T y  =  y 
3

 z  0
   

Calcular A T , ϑ ( A T ) , nuT, υ( T )

Solución
1 1  0  0  0  0
           
T 0  =  0 , T 1  =  1 , T 0  =  0 
 0  0  0  0 1  0
           
ϑ ( AT ) = 2
1 0 0
   1   0 
⇒ AT =  0 1 0     
0 0 0 Im A T = gen  0 ,  1 
   0   0 
   
 0 
 
NuA T = gen 0 
 1 
 
υ( A T ) = 1

134
Ejemplo
T : ℜ 3 → ℜ3
 x   2 x − y + 3z 
   
T y  =  4 x − 2 y + 6 z 
 z   − 6x + 3y − 9z 
   
Calcular A T , Im A T , NuA T , ϑ ( A T ) , υ( A T )

Solución
 2  −1   3 
     
T( iˆ ) =  4 , T( ˆj ) =  − 2 , T( kˆ ) =  6 
6  3   − 9
     
 2 −1 3 
 
AT =  4 − 2 6 
 − 6 3 − 9
 
 − 1 
 
Im A T = gen − 2  ϑ ( A T ) = 1
 3 
 
 2 −1 3 0  2 −1 3 0 
   
 4 − 2 6 0 ~  0 0 0 0
 − 6 3 − 9 0  0 0 0 0
   
⇒ 2 x − y + 3z = 0
y = 2 x + 3z
x =1 z = 0 x = 0 z =1  1   0 
   
1 0 NuA T = gen 2 ,  3 
     0   1 
 2  3    
0 1
    υ( A T ) = 2

Ejercicio
Encuentre la representación matricial AT de la Transformación Lineal T,
el NuT, la Im T , υ( T ) y el ϑ ( T ) .

T : ℜ 4 → ℜ3
 x
   x − y + 2 z + 3w 
 y  
T  =  y + 4 z + 3w 
z
   x + 6 z + 6 w 
 w
 

135
Solución
1  − 1  2  3
       
T1 =  0 , T2 =  1 , T3 =  4 , T4 =  3 
1 0 6 6
       
 1 −1 2 3
 
AT =  0 1 4 3
 1 0 6 6
 
 1 −1 2 3  1   − 1
     
 0 1 4 3 Im A T = gen 0 ,  1 
 0 0 0 0  0   0 
     
ϑ ( AT ) = 2 υ( A T ) = 2
 − 6
 1 − 1 2 3  z = 0, w = 1  
   − 3
 0 1 4 3  ~ y = −3  
 0 0 0 0 x + 3 + 3 = 0  0 
   1 
 
x − y + 2 z + 3w = 0
 − 6
y + 4 z + 3w = 0 z = 1, w = 0  
 − 4
y = −4  1 
y = −4 z − 3w  
 0 
 
x+4+2 = 0
 − 6   − 6 
   
 − 4   − 3 
NuA T = gen ,  
 1   0 
 0   1 

TEOREMA
Sea V un espacio vectorial de dimensión n, W un espacio
vectorial de dimensión m, y T : V → W una transformación lineal.

Sean B1 = { u1 , u 2 ,  , u n } y B 2 = { v 1 , v 2 ,  , v n } bases.
     

Entonces existe una matriz única AT de m × n tal que

( T( x) ) B2 = A T ( x ) B1

Ejemplo
Sea T : P2 → P3 una transformación lineal, definida por
( ) ( )
T a + bx + cx 2 = a + bx + cx 2 + ( a + b + c ) x 3
{ } {
Supóngase que B1 = 1, x, x 2 , B 2 = 1, x, x 2 , x 3 }
136
Entonces
T(1) = 1 + x 3
Τ( x ) = x + x 3
( )
T x 2 = x 2 + x3
1 0  0
0  1 0
[ T(1) ] B 2 =  
0 
[ T( x ) ] B 2
= 
0 
[ T( x ) ]
2
B2 = 
1
     
1 1 1
1 0 0
 
0 1 0
AT = 
0 0 1
 
1 0 0 


Ejemplo
Sea una Transformación Lineal T : ℜ 3 → ℜ 2 definida por
 x
   x+ y 
T y  =  
z  3 x − z 
 
Sean
B1 = { u1 , u 2 , u 3 } y B 2 = { v1 , v 2 }
  
donde
1  − 3  2
           4    3
u1 =  1 , u 2 =  6 , u 3 =  4  y v 1 =  , v 2 =  
 2  1   3 1 1
     

Obtener AT
[ T( ui ) ] B 2 , osea las coordenadas de T( ui ) relativas a la base B2.

Solución
 2  −3  6
T( u1 ) =  , T( u 2 ) =  , T( u3 ) =  
 
1  − 10   3
1
   1+1 
T 1  =  
 2  3 ( 1) − 2 
 

137
  2   4   3
[ T( u 1 ) ] B
=   = x  + y  
 1   1  1
2

2 = 4 x + 3 y 1
1 = x + y2
1 − 4( 2)
2 = 4x + 3y
− 4 = −4 x + y
−2 = 0− y
y = 2 ⇒ x = −1

[T( u ) ] = x 14  + y 13

2 B2
   
⇒ x = −3, y = −37
 − 3
[ T( u3 ) ] B
=  
 6 
2

 − 1 27 − 3 
A T =  
 2 − 37 6 
 − 6 17 
∴ Α Τ =   Los creadores de la Física Moderna
− 2 6 

EIGEN VALORES Y EIGEN VECTORES

Valores Propios y Vectores Propios

**Receta
Valores propios.- A − IIλ = 0
λ es valor propio

Vector propio.- ( A − IIλ ) v = 0 ⇒ v
Sea
 3 0
A =   una matriz
 2 1
Calcular sus valores propios y sus vectores propios.

Solución
A − IIλ = 0
 3 0 λ 0
A =  , IIλ =  
 2 1 0 λ 

138
 3 − λ 0 
A − IIλ =  
 2 1 − λ 
3−λ 0
= ( 3 − λ )(1 − λ ) = 0
2 1− λ

Entonces λ = +3 y λ = +1 son los valores propios de este sistema.

¿Vectores propios? 
( A − IIλ ) v = 0
Para λ = 3

( A − IIλ ) v = 0
λ =3
 3 − 3 0  x   0 
   =  
 2 1 − 3  y   0 
 0 0  x   0 
   =  
 2 − 2  y   0 
2x − 2 y = 0
⇒x= y
 1
v λ 3 =  
1

Para λ = 1
 3 − 1 0  x   0 
   =  
 2 1 − 1 y   0 
 2 0  x   0 
   =  
 2 0  y   0 
2x + 0 y = 0   0
⇒ v λ 1 =  
2x + 0 y = 0 1
1 0 
C =  
 1 1 

Vectores propios

DEF.
Sea A una matriz n × n , v un vector no nulo ( n ×1) , se dice que v es
 
un vector propio característico; (eingevector), si existe un escalar λ tal
que
 
Av = λ v

139
TEOREMA
Sea A una matriz de n × n . Entonces λ es un valor propio
(característico) [eingevalor] de A ⇔ λ es la solución de la ecuación
[característico]
A − λ II = λ II A = 0

Ejemplo
Sea
0 1
A =   , calcular los λ (valores propios)
1 0

Solución
 λ − 1
λ II − A =   = λ 2 − 1 = 0
 −1 λ 
∴ λ = 1, λ = 2

Sea
 6 10 − 28 
 
A = − 2 −3 4 
 1 2 7 

Calcular los valores propios de A

Solución
6−λ 10 − 28
A − IIλ = − 2 −3−λ 4 =
1 2 7−λ
A − IIλ = ( 6 − λ )( − 3 − λ ) + ( − 2 )( 2 )( − 28) + (10 )( 4)(1)
− [ ( 1)( − 3 − λ )( − 28) + ( − 2)(10)( 7 − λ ) + ( 2 )( 4 )( 6 − λ ) ]
= ( 6 − λ )( − 3 − λ )( 7 − λ ) + 112 + 40 − [ − 28( − 3 − λ ) − 20( 7 − λ ) + 8( 6 − λ ) ]
= ( 6 − λ )( − 3 − λ )( 7 − λ ) + 152 + 28( − 3 − λ ) + 20( 7 − λ ) − 8( 6 − λ )
( )
= − 18 − 6λ + 3λ + λ 2 + 152 − 54 − 28λ + 140 − 20λ − 48 + 8λ
= ( − 18 − 3λ + λ )( 7 − λ ) + 160 − 40λ
2

= −126 − 21λ + 7λ 2 + 18λ + 3λ 2 − λ 3 + 160 − 40λ

= −λ 3 + 10λ 2 − 43λ + 34 = 0

Raíces Racionales
1) an y a0 ∈ Q

140
 a0
2) Divisores de  ≠ Candidatos a raíz
a n
± 1,±34 ± 2 ± 17
± 341 ,± 12 ,± 171
− 1 10 − 43 34 − 1
1 − 11 54
− 1 11 − 54 88 ≠ 0 El candidato no es
raíz
− 1 10 − 43 34 1
−1 9 − 34
x−2 1x 9 x−0 34 0 1 Es
raíz
x + 9 x − 34 = 0
2

− 9 ± 81 − 136 − 9 ± − 55
x2 = =
−2 −2
9 i 55 9 i 55
λ 1 = 1, λ 2 = + ,λ 3 = −
2 2 2 2

Ejercicio
Sea
 − 2 − 2
 
 5 1 
0 1 0  Calcular λ
  Valores propios
0 0 1 
 0 1 − 1
 

Solución
1)
− 2 − λ − 2 
λ II − A =   = (1 − λ )( − 2 − λ ) − 10
 −5 1− λ 
= −2 − λ + 2λ + λ 2 − 10
= λ 2 + λ − 12
= ( λ + 4 )( λ − 3)
⇒ λ 1 = −4 λ2 = 3

141
2)
−λ 1 0
A − IIλ = 0 −λ 1 = −λ [ ( − λ )( − 1 − λ ) − 1]
0 1 −1− λ
[
= −λ λ + λ 2 − 1 ]
3
= −λ 2 − λ + λ
= λ2 + λ3 −λ
= λ3 + λ2 −λ
(
= λ λ 2 + λ −1 )
⇒ λ1 = 0
− 1 ± 1 − 4(1)( − 1)
2 1 5 1 5
λ2 = + , λ3 = −
−1± 5 2 2 2 2
=
2

Ejemplo
Valores propios
Calcular los &
Vectores propios

 3 − 5
det A =  
1 −1
 λ 0  3 − 5
  −  
 0 λ  1 −1

Solución
Calculemos los valores propios
IIλ − A = 0
λ −3 5
= λ 2 + λ − 3λ − 3 + 5 = 0
−1 λ +1
= λ 2 − 2λ + 2 = 0
2 ± 4 − ( 4 )(1)( 2 )
λ 12 =
2
2± 4−8 2± −4 i 4
λ 12 = = λ 12 = = 2±
2 2 2
λ 1 = 1 + i, λ 2 = 1− i

142
  
Av = λ v
OJO
( A − IIλ ) v = 0
3 − λ − 5  x   0 
   =  
 1 − 1 − λ  y   0 
λ 1 = 1+ i
 3 − (1 + i ) −5 0
 

 1 − 1 − ( 1 + i ) 0 

2 −i − 5 0  − R1  2 − i − 5 0 
   
 1 − 2 − i 0 − R ~  0 0 0 
  2  
R1 − ( 2 − i ) R2 → R2
2−i − 5 0
zz = x 2 + y 2
− 2 − i + ( 2 − i )( 2 + i ) 0
z = x + iy
0 0 0
( 2 − i) x − 5 y = 0
5y
x=
( 2 − i)
  5 
v λ 1 =  
2 −i
λ 2 = 1− i
 3 − (1 − i ) −5 0
 

 1 − 1 − ( 1 − i ) 0 

2 + i − 5 0  − R1  2 + i − 5 0 
   
 1 − 2 + i 0 − R ~  0 0 0 
  2  
R1 − ( 2 + i ) R2 → R2
2+i − 5 0
− 2 + i − ( 2 − i )( 2 + i ) 0
0 0 0
( 2 + i) x − 5 y = 0
5y
x=
( 2 + i)
  5 
v λ 2 =  
2 + i

143
TEOREMA
Sea A de tamaño m × n . Entonces las siguientes 12
afirmaciones son equivalentes.

i) A es invertible. 
ii) La única solución al sistema homogéneo Ax = 0 es la solución

trivial ( x = 0) .

 
iii) El sistema Ax = v tiene una única solución.
iv) A es equivalente por renglones a la matriz II(Identidad).
v) A se puede escribir como producto de matrices elementales.
vi) La forma escalonada por renglones de A tiene n-pivotes.
vii) Los renglones (i columna) de A son li.
viii) El determinante de A ≠ 0 .
ix) La nulidad de A es igual con cero ( υ( A ) = 0) .
x) ∈ϑ ( A ) = n .
xi) La transformación lineal T : ℜ n → ℜ n definida por Tx = Ax es un
isomorfismo.
xii) Cero no es un valor propio de A.

///¿T es un isomorfismo?
R. T es una transformación lineal uno a uno
y
sobre
Si T es un isomorfismo existe la transformación inversa\\\

Ejemplo
∞
L = { f ( t )} = ∫ e −st f ( t ) dt = F( s )
0

Transformación de Laplace

f ( t1 ) F( s1 )
f ( t2 ) F( s 2 )
 
Dominio Imagen

f ( t 1 ) ≠ f ( t 2 ) ⇒ F( s1 ) ≠ F( s 2 ) por lo tanto es 1 a 1
t s
1 L 1S
∞
e at
L 1
S−a L −1
{ F( s )} = kte ∫ e −st F( s ) ds
0
−1
L

144
 xiii) A no es singular.

MATRICES SEMEJANTES

Si A es una matriz de n × n se dice que es semejante a una matriz B si


B = cAC

¿Cómo calcular a la matriz C?

Respuesta
i) Calcular los λ .

ii) Calcular los v λ y escribirlos como columnas de la matriz C.
C es de tamaño n × n .

DEF.
A y B son semejantes si
AC=CB

DEF.
B=C-1AC
Multiplicando por la izquierda a la ec. por C.
CB=CC-1AC=IIAC=AC

Ejemplo
Si
2 1   4 − 2  2 − 1
A =  , B =  , C =  
 0 − 1  5 − 3  −1 1 
Demostrar que A y B son semjantes

Solución
Usando la definición AC=AB tenemos
 2 1  2 − 1  4 − 1 − 2 + 1  3 − 1
AC =    =   =  
 0 − 1 − 1 1   0 + 1 0 − 1   1 − 1
Ahora
 2 − 1 4 − 2   8 − 5 − 4 + 3   3 − 1
   =   =   = II
 − 1 1  5 3   − 4 + 5 2 − 3   1 − 1
Ejemplo
Si
2 1 
A =   Calcular su matriz semejante B
 0 − 1

Solución
Encontrar a la matriz C

145
1) A − IIλ = 0 (valores propios)
2−λ 1
= ( 2 − λ )( − 1 − λ ) = 0
0 −1− λ
λ 1 = 2, λ 2 = −1

2)
λ=2
vλ = 2 = ?
( A − IIλ ) v = 0
0 1  x   0 
   =  
 0 − 1 − 2  y   0 
 0 1  x   0 
   =  
 0 0  y   0 
1
0x + y = 0 vλ 2 =  
 0
λ =1
vλ =1 = ?
 2( − 1) 1  x   0 
   =  
 0 0  y   0 
 3 1  x   0 
   =  
 0 0  y   0 
  − 1
3x + y = 0 vλ λ 1 =  
3
 1 − 1 − 1  3 1
C =  , C −1  
0 3  3  0 1
B = C −1 AC =
1 2
 2 1   2 1 − 13 
3
  = 
−1  0 − 1  0 −13 
0 3 

146
  2 23 
=  
 0 −13 
 2 2 3  1 − 1  2 − 2 + 2 
   =  
 0 −13  0 3   0 − 1 
2 0 
=  
 0 − 1
A − IIλ = 0
λ1 ≠ λ 2 ≠ λ 3 ≠  ≠ λ n

Si los λ i son diferentes genera v λ i ; son linealmente independientes.

MULTIPLICIDAD GEOMÉTRICA
DEF.
Sea λ un valor propio de A; entonces la multiplicidad geométrica
de λ es la dimensión del espacio propio correspondiente a λ (que es la
nulidad de la matriz ( A − λ II ) ).

Esto es Multiplicidad geométrica de λ = dimE λ = v ( A − IIλ ) .



TEOREMA
Sea λ un valor propio de la matriz A. Entonces la
multiplicidad geométrica de λ ≤ multiplicidad algebraica de λ .

Ejemplo
Sea
 −1 − 3 − 9 
 
A= 0 5 18 
 0 − 2 − 7
 
Calcular los valores propios y los vectores propios.

Solución
1) IIλ − A = 0
λ +1 3 9
0 λ − 5 − 18 = ( λ + 1) [ ( λ − 5)( λ − 7 ) − ( 2)( − 18) ]
0 2 −7
= ( λ + 1) [ ( λ − 5)( λ + 7 ) + 36]
( ) ( )
= λ + 1 λ 2 + 7λ − 5λ − 35 + 36 = ( λ + 1) λ 2 + 2λ + 1
= λ + 1( λ + 1) = ( λ + 1)
2 3

λ = 1 es de multiplicidad 3
Vectores propios

147
 ( IIλ − A ) v = 0
0 3 9  x   0 
    
 0 − 6 − 18  y  =  0  ⇒ 0 x + 3 y + 9 z = 0
0 2 6  z   0 

3 y = −9 z
y = −3 z
x = ? = cualesquiera
hay que observar que hay 2 variables libres.
 1   0 
   
 − 3 ,  − 3  = E
 1   1 
   
λ =1

•) Valores propios
• Hay multiplicidad λ 1 = λ 2 , λ 3

( A − IIλ ) v3 = 0 
v λ −3 = ?

( A − IIλ ) v1 = 0 ⇒ v1
( A − IIλ ) v2 = v1 ⇒ v2
λ1 0 0 Cuando
 
C −1 AC =  0 λ 2 0 λ1 ≠ λ 2 ≠ λ 3
0 0 λ 3 

↓ Columnas
C = ( v1 , v 2 , v 3 )
  

λ1 1 0
 
C AC =  0 λ 2
−1
0
0 0 λ 3 


Ejemplo
Si λ 1 = 5 = λ 2 = λ 3 , λ 4 = 8
Escribir la forma canónica de Jordan para estos valores propios

Solución
5 1 0 0
 
0 5 1 0
DJ = 
0 0 5 0
 
0 0 0 8
 
MATRICES SIMÉTRICAS

148
Sea
a b
 
b c
a c b

Si tenemos el problema 3 x 2 + 7 y 2 − 2 xy = F( x, y ) le asociaremos una matriz

2

simétrica de la siguiente forma.

 3 − 1 x   x
( x, y )  ( )
  = 3 x 2 − y,− x + 7 y   = 3 x 2 − xy − xy + 7 y 2
 − 1 7  y   y
= 3 x 2 − 2 xy + 7 y 2
 3 − 1
C −1  C = D
 −1 7 
A B
C?
3 − λ −1
det A − IIλ = = ( 3 − λ )( 7 − λ ) − 1
−1 7 − λ
= 21 − 3λ − 7λ + λ 2 − 1
= λ 2 − 10λ + 20 = 0
10 ± 100 − 80 10 ± 20
λ 1, 2 = , λ 1, 2 = , λ 1, 2 = 5 ± 5
2 2

Por teorema La matriz D es igual

5 + 5 0 
D =  

 0 5 − 5 
 0  x 
( x, y )  5 + 5
( ) (
 x
  = x 5 + 5 , y 5 − 5   )
 0 5 − 5  y   y
(
= x2 5 + 5 + y2 5 − 5 ) ( )
∴Esuna elipse

a c b

Si tenemos el problema − x 2 − y 2 + 6 xy = F( x, y )
2

Solución
Le asociamos una matriz simétrica de la siguiente forma
− 1 3  x 
( x, y )   x
  = ( − x + 3 y,3 x − y )  
 3 − 1 y   y
= − x + 3 xy + 3 xy − y 2
2

= − x 2 + 6 xy − y 2

149
  −1 3 
C −1  C = D
 3 − 1
−1− λ 3
det A − IIλ = = ( − 1 − λ )( − 1 − λ ) − 9
3 −1− λ
= 1+ λ + λ + λ 2 − 9
= λ 2 + 2λ − 8
( λ + 4) ( λ − 2)
λ 1 = −4 λ 2 = 2

Por teorema la matriz D es igual

2 0 
D =  
0 − 4 

( x, y ) 
2 0  x   x
  = ( 2 x,−4 y )   = 2 x 2 − 4 y 2 → Hipérbola
0 − 4  y   y
 cosθ senθ 
MATRIZDEROTACIÓN =  
− senθ cosθ 
 cosθ senθ 0  1 0 0 
   
R θ 2 =  − senθ cosθ 0 , R θ x =  0 cosθ senθ 
 0 0 1   0 − senθ cosθ 
 
z
 cosθ 0 senθ   1 
    θ
Rθ y = 0 1 0   0 →
 − senθ 30°
 0 cosθ   0  y

x
Ejercicio
3 x 2 − 6 xy + 3 y 2
¿Qué lugar representa?

Por tener el produco xy ha sufrido una rotación θ = ? .

Solución
 3 − 3 3−λ −3
A =   ⇒ det A − Iλ = = ( 3 − λ )( 3 − λ ) − 9
−3 3  −3 3−λ
= 9 − 6λ + λ 2 − 9
= λ 2 − 6λ
λ − 6λ = 0
2
λ =0 Valores propios
λ ( λ − 6) = 0 λ =6

150
los vectores propios
  3 − 3  x   3 − 3  x 
( A − Iλ ) v = 0 ⇒    =    ⇒
 − 3 3  y   0 0  y 
⇒ 3x − 3 y = 0
x= y
1
⇒  
1
  3 − 6 − 3  x   − 3 − 3  x 
v λ ⇒    =   
 − 3 3 − 6  y   − 3 − 3  y 
− 3x − 3 y = 0
⇒ x = −y
 1
v λ = 6 =  
 − 1
1 1  1  − 1 − 1
C =   ⇒ C −1 =  
1 − 1 − 2  − 1 1 
 12 12 
C −1 =  
 12 −12 

Calculemos Q a partir de C.
*) Los vectores columnas se van a hacer unitarios (ortonormales)
 12 12  1 1 1 
Q ⇒Q  
−1 
 2
1
2 2 1 − 1
0 0
D = C −1 AC =  
0 6
3 x 2 − 6 xy + 3 x 2 = F( x, y )

( x, y ) 
0 0
 ( x, y ) = 6 y 2 = F( x, y )
 0 6
F( x, y ) = 6 ⇒ y 2 = 1, y = ± 1

x
y
y 1

-1

151
 θ ≅ Rθ
1
cosθ =
2
1
θ = cos −1
2
θ = 45°

TEOREMA
La ecuación característica de una matriz simétrica (real) A
tiene solo raíces reales.

TEOREMA
Sean λ 1 y λ 2 valores propios de una matriz simétrica A. Si
 
v1 y v2son vectores propios que corresponden a λ 1 y λ 2
 
respectivamente, entonces v1 y v 2 son ortogonales.

DEF.
Una matriz A de n × n son ortogonalmente diagonalizable ssi A es
una matriz simétrica.

Demostración
A t = CDDt( )
Def
D=CtAC multipliquemos a esta expresión por C por la izquierda
CD=CCtAC
I
CD=AC multipliquemos por Ct a esta expresión por la derecha
CDCt=ACCt
I
t
CDC =A
At=(CDCt)t
At=(Ct)tDtCt
=CDCt OJO Dt=D
=A
∴ A es simétrica
[A=At]

Obtener la matriz ortogonal C que diagonaliza a la matriz simétrica

2 3 
A= 
3 10

1) Calcular los valores propios

152
 2−λ 3
det A − Iλ = = ( 2 − λ )(10 − λ ) − 9 = 0
3 10 − λ
Polinomio característico
20 − 22λ − 10λ + λ 2 − 9 = 0
λ 2 − 12λ + 11 = 0
( λ − 11)( λ − 1)
λ 1 = 11, λ 2 = 1

2) Vectores propios
 
v λ =11 = ( A − Iλ ) v = 0


 − 9 3  x   3 − 1 x   0 
=    =    =  
 3 − 1 y   0 0  y   0 
3x − y = 0 1 
⇒   = v λ =11
3x = y  3
  1 3  x   1 3  x   0 
v λ =1 =    =    =  
 3 9  y   0 0  y   0 
x + 3 y = 0 ⇒ λ = −3 y
  − 3
v λ =1 =  
 1 

3) Gram-Schidt
  
u1 , u 2 , u 3 ← lo que se acaba de construir
 
u1 = v1

 u
v 1 = 1
u1
u 2 = u 2 − ( u 2 ⋅ v1 ) v1
    

 v
v 2 = 2
v2
u 3 = u 3 ⋅ ( u 3 ⋅ v1 ) v1 − ( u 3 ⋅ v 2 ) v 2
       

 v3
v3 = 
v3
 1
v 1 =  
 2
  − 3
v 2 =  
 1 

153
  
v 1 = u1 → ortogonal
1
 
3
u1 =   → ortonormal

10
ortogonal
u 2 = v 2 − ( v 2 ⋅ u1 ) u1
    

  − 3   − 3   1  1 
u 2 =   −   ⋅    0
 1   1   3  3 
  − 3
u 2 =  
 1 
 − 3
 
  1 
u2 =
10
1 −3
 1  1 − 3 a b 
C =  3 10 1 10  =   // A =   \\
 10 10  10  3 1  c d 
1 3
 1  1 3 1  d − b
Ct =  −3 10 1 10  =   A −1 =  
 10 10  10  − 3 1  \\
det A  − c a //
1  1 3
C −1 =  
e = 10  − 3 1 
10 10 ⋅ 10
det = = 10
10 10

DEF.
Una ecuación de la forma ax 2 + 2bxy + cy 2 = d se llama ecuación
cuadrática en x & y sin términos lineales.

La expresión
ax 2 + 2bxy + cy 2 = f ( x, y )
se llama forma cuadrática, y la gráfica de la ecuación reciben el nombre
de secciones cónicas.

Cualquier forma cuadrática

ax 2 + 2bxy + cy 2
se puede expresar como producto matricial.

[ x, y ]    
a b x
b c   y 
 
x t Ax

154
 MATRICES ORTONORMALES

• Si la norma de sis vectores columna o fila es 1.

• Si los vectores fila o columna son li.
• Si Q representa a la matriz ortogonal Qt=Q-1.

Sistema
 cosθ senθ  x   x' 
   =  
 − senθ 1 cosθ  y   y ' 
 
Ax = x1
 −1 
x = A x1
  cosθ − senθ  x ' 
x =   
 senθ cosθ  y ' 

TEOREMA DE LOS EJES PRINCIPALES

Supongamos que tenemos la siguiente ecuación

5 x 2 + 5 y 2 + 3 xy + 8 = 0
¿Cuál es su gráfica?

Ec. de la Recta
y=mx+b
Ec. de la Elipse
( x − h) 2 + ( y − k ) 2 =1
a2 b2 Cónicas
Parábola
y = px 2 − k , ( y − k ) = 4 p( x − h ) 2
Círculo
(x-h)2+(y-k)2=r2

Sesgado al plano (x,y)

Paralelo al plano (x,y)

Para ℜ 2 yPerpendicular al plano (x,y)

x
155
Sea ax2+bxy+cy2=d una ecuación cuadrática en las variables x y y.
Entonces existe un número único θ entre [ 0,2π ) tal que la ecuación
anterior se puede escribir como a’x2+c’y2=d, donde x’ y y’ son los ejes x y y
un ángulo θ en sentido a las manecillas del reloj; los números a’ y b’ son
los valores propios de la matriz.
 a b2 
A =  
 b2 c 
los ejes x’ y y’ se llaman los ejes principales de la gráfica de la ecuación
ax2+bxy+cy2=d

Ejemplo
Identificar la sección cónica cuya ecuación es x2-4xy+3y2=6.

Solución
 1 − 2
A =  
− 2 3 

1) Valores propios A − IIλ = 0

1− λ − 2
= (1 − λ )( 3 − λ ) − 4
− 2 3−λ
= 3 − λ − 3λ + λ 2 − 4
= λ 2 − 4λ − 1 = 0
4 ± 16 + 4 4 ± 2 5
λ 1, 2 = = = 2± 5
2 2
λ1 = 2 + 5 y λ 2 = 2 − 5
(2 + 5 ) x + (2 − 5 ) y
2 2
=6
'2
x '2 y
6
− 6
= 1 → parábola
2+ 5 5 −2

2) Vectores propios ⇒ θ (Ángulo de rotación)


( A − IIλ ) v = 0

(
1 − 2 + 5 −2 )  x   0 
  =  

 − 2 3 − 2 + 5  y (
   0  )
1 − 2 − 5 − 2  x   0 
   =  
 −2 − −  y
 3 2 5    0 

156
  −1 − 5 − 2 0

 −2 ( )
 − 2 R1 + R2 5 → R2

 1 − 5 0  ~

{(
− 2 11+ 5 )
− 2 0}
( )
− 1 + 5 { − 2 1 − 5 0}
(1 + 5 )(1 − 5 ) = −5
= −4 = 4

~ 
(
 − 1+ 5 ) − 2 0

 0 0 0 
( )
x = 1+ 5 = 1+ 5 = 1+ 5
(1 + 5 ) x = −2 y = 0
1 + 5x − 2 y
2y
x=
1+ 5

TEOREMA
 
Sea x t Ax = ax 2 + 2bxy + cy 2 una forma cuadrática y C la matriz
ortogonal que diagonaliza a la matriz A.

Entonces el cambio de variables

 x'  t
 y ' = y = C x
 
y reduce la forma cuadrática a la forma
λ 1 x ' 2 + λ 2 y '2
donde λ 1 y λ 2 son los valores propios.

Describir la cónica cuya ecuación es

2x2+6xy+10y2=11
Solución
Forma cuadrática
2 3 
A =  
 3 10 
λ 1 = 11 1  1 − 3
; C=  
λ 2 =1 10  3 1 
 x' 1  1 3  x 
 y ' = 5  − 3 1  y 
    
11x' +1y '
2 2

157
 11x'2 +1y '2 = 11 ← cónica
÷ 11
1
x '2 + y '2 = 1
11
x 2
y 
2 a =1
 2 + 2  → Elipse
a b  b = 11 = 3.3
 cosθ senθ 
R θ =  
 − senθ cosθ 
1
cosθ = ⇒ θ = 71°
10

y
y’
x’
3.3

TEOREMA ℜ 3
La forma cuadrática
ax2+by2+cz2+2dxy+2exz+2fyz
no tiene términos lineales.

La matriz asociada a esta forma es:

a d e 
 
A = d b f 
e f c
 

La forma cuadrática la obtenemos

( x, y, z ) t A( x, y, z ) = xt Ax
 x'
 y ' = y = Ct x
 
 z ' 

La forma resultante es:

158
λ 1 x '2 + λ 2 y '2 + λ 3 z ' 2

159