MATEMATICA BASICA II

(NOCIONES DE ALGEBRA LINEAL)

MATRICES, SISTEMAS DE
ECUACIONESLINEALES Y DETERMINANTES

MATRICES
Es un arreglo rectangular de nmeros ordenandos en filas y columnas, que
presenta la siguiente estructura:

(

Los a
ij
son los elementos de la matriz;las m-n uplas horizontales son las filas, y
las m-n uplas verticales son las columnas.
El orden de la matriz esta dado por el nmero de filas y columnas (matriz de
orden mxn)

A= [a
ij
]mxn
Donde: i= 1, 2,3,, m
j=1, 2,3,, n
Observacin:
Los elementos de una matriz no necesariamente son nmeros, tambin
pueden ser funciones.
La matriz no tiene valor numrico, no se le puede identificar con un nmero.
Igualdad de matrices
Dos matrices Ay B son iguales si y solo si son idnticas, es decir si son del
mismo orden y sus respectivos elementos son iguales.

Matrices y sistemas de ecuaciones lineales
Dado el siguiente sistema de m ecuaciones lineales
Donde los

son los coeficientes, los

son las variables o incgnitas y los

son los trminos independientes o constantes

Matricialmente se presenta

(

) (

,


Donde:
A: es la matriz de los coeficientes
X: es la matriz de las incgnitas
b: es la matriz de los trminos independientes

Matrices equivalentes
Se dice que una matriz A=[

es equivalente por filas a una matriz

B=[

.
Si B se puede obtener de A por medio de un numero finito de las
llamadasoperaciones elementales por filas.

Operaciones elementales

Se llaman operaciones elementales o transformaciones elementales por filas
sobre una matriz A:
[

]: intercambiar la fila i-sima y la fila j- sima

A X = b
[

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

[

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

Matriz escalonada
Se dice que una matriz se encuentra en su forma escalonada si el nmero de
ceros anteriores a la primera componente distinta de cero de una fila crece fila
por fila.
A los nmeros diferentes de cero que se encuentran solos en una columna se
les llaman elementos distinguidos.

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

Matriz ampliada
Es aquella matriz que se forma con los coeficientes y los trminos
independientes de un sistema de ecuaciones lineales.
Se denota: [A: b]
El siguiente diagrama resulta til para resolver un sistema de ecuaciones
lineales.

Ejemplo: resolver
x
1
- 2x
2
+ x
3
- x
4
- x
5
= -6
2x
1
+ 2x
2
- x
3
- x
5
= -4
4x
1
- 3x
2
+ x
3
- 2x
4
- 3x
5
= -16
3x
1
- 6x
2
+ 3x
3
- 3x
4
- 3x
5
= -18
Solucin:
Inicio
AX= b
[A:b]
el sistema es
incompatible
no existe
solucin
r(A):r(Ab)
sistema
compatible
r : n
existe
infinitas
soluciones
n-r = k
k: numero de
parametros
hallar las
soluciones
fin
existe
solucin
nica


(




,(




,
(




,r(A) = 3 , r(AB) = 3 ,
sus
3x
1
- x
4
-2 x
5
= -10
x
2
= 0
-3 x
3
+ 2x
4
+ x
5
= 8
x
4
= a
x
5
= b

x
2
= 0

; a y b
Ejemplo:
Resolver:
x
1
+ x
2
- x
3
+ x
4
= 0
3x
1
- x
2
+ 2x
3
+ 3x
4
= 7
x
1
+ 2x
2
- 2x
3
- x
4
= -1
3x
3
+ x
4
= 9
Solucin:
(




,(




,
r(A) = r(AB) = 4 = n x
1
= 1 x
2
= 2 x
3
=3 x
4
= 0

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




,
Solucin:
(




,x 0 (




,(




,
(




,

Observacin:
Se dice que un sistema es homogneo cuando los trminos independientes
son ceros, es decir:

= 0
El sistema tiene por lo menos una solucin (llamada solucin trivial)

, por lo cual es consistente o compatible.

Una condicin necesaria y suficiente para que un sistema de ecuaciones
lineales tenga mas de una solucin es que r(A) =r(Ab) = k n , donde n es el
numero de incgnitas, en este caso el sistema posee soluciones no triviales.
Ejemplo
Resolver

CLASES DE MATRICES
Matriz cuadrada
Se presenta cuando el nmero de filas es igual al nmero de columnas, se
denota A
nxn ,

Matriz nula
Es una matriz en la cual todos sus elementos son ceros.
Ejemplo:
0 = (


)

Matriz diagonal
Es una matriz cuadrada en la cual los elementos fuera de la diagonal principal
son ceros. Ejemplo:
(



+
Matriz escalar
Es una matriz diagonal en al cual los elementos de la diagonal principal son
iguales.
Ejemplo:
(



+

Matriz identidad
Es una matriz escalar donde los elementos de la diagonal principal es el 1.
Ejemplo:
(



+
Notacin:

Transpuesta de una matriz
La transpuesta de una matriz A
mxn
es la matriz construida a partir de A
ubicando la i-sima fila de A en la i-sima columna de la matriz transpuesta.
Notacin: A
t

Si A=[

A
t
=[

=
[

Matriz simtrica
Se presenta cuando A= A
t
La matriz debe ser cuadrada, los elementos de la diagonal principal
permanecen fijos al efectuar la transposicin.

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

Matriz nilpotente
Es aquella matriz tal que si existe algn p entonces A
p
= 0( 0 matriz nula)
Se dice que el grado de nilpotencia es p.


Matrizidempotente
Se dice que una matriz cuadrada A es idempotente siA
2
= A.

Matriz involutiva
Se dice que una matriz cuadrada A es involutiva si A
2
= I.

Definicin(Traza de una matriz)
Sea A una matriz cuadrada, la traza de A: tr(A) es la suma de elementos de la
diagonal principal de la matriz A.
tr(A) =

++a
nn

Propiedades
Sean A y B dos matrices y c un escalar tal que con A y B se puedan hacer
operaciones, entonces:
1) tr(A+B) = tr(A) + tr(B)
2) tr(AB) = tr(BA)
3) tr(c A) = ctr(A)
4) tr(A
t
) = tr(A)
5) (A+B)
t
= A
t
+ B
t

6) (c A)
t
= c A
t

7) (AB)
t
= B
t
A
t

8) (A
t
)
t
= A
9) Si A es cuadrada entonces

es simtrica y

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

OPERACIONES CON MATRICES
Dadas las matrices A y B del mismo orden se tiene:
A+B = B +A
k(A+B) =kA+kB ; k es un escalar
A-B = A+ (-B)

Producto de matrices
A=[

B=[

EntoncesAB=C = [

Propiedades

1) A(BC) = (AB)C
2) (A+B)C =AC + BC
3) A(B+C) = AB + AC
4) No siempre: AB = BA (no conmutan)
5) 0.A = 0
6) AB = 0 no implica A= 0 B = 0
7) Si AB=AC no implica B=C

Obtencin de la matriz inversa de una matriz mediante
operacioneselementales:

Se aplica el mtodo de Gauss-Jordn.
Sea: A=[

(A: I)
O: E
(I: B)
Entonces; B=A
-1

Siendo: I la matriz identidad, B es la matriz inversa.
Ejemplo:
A = (



+
Solucin:

(



+(



+
(



+
A
-1
= (



+
Obs: (



+(



+ = (



+

Ejemplo:
Encuentre le matriz inversa de A, si existe.
A = (




,
Solucin:
(




,(




,
tr vrs
Ejemplo:
Halle la inversa de la matriz A de orden n
Donde:

=0 si i=j ;

=1 si ij

Matriz triangular superior
Una matriz cuadrada se llama triangular superior si y solo si

=0 para ij
Ejemplo:
(



+

Matriz triangular inferior
Una matriz cuadrada A=[

es triangular inferior si y solo si

=0 para i<j

Ejemplo:
(




,

APUNTES SOBRE LOS NUMEROS COMPLEJOS
Definicin: El conjunto de los nmeros complejos es el conjunto R
2
de pares
ordenados de nmeros reales, dotado con las operaciones internas de adicin y
multiplicacin, definidas de la siguiente forma:
Adicin:
(a ; b)+(c ; d) = (a+c ; b+d)
Multiplicacin:
(a ; b).(c ; d) = (ac-bd ; ad+bc)
Notacin
( ) { } a; b / a , b = e e
Todo elemento de se denomina nmero complejo.
Definicin de nmero complejo
Un numero complejo es todo par ordenado de nmeros reales (x ; y) que
pertenecen a C.
e = e z z (x;y),x,y
El primer elemento x, se denomina parte real de z y se denota por Re(z)
El segundo elemento y, se denomina parte imaginaria de z y se denota
por Im(z)
Ejemplo:
3 Re( )
(3; 4)
4 Im( )
z
z
z
=
=

=

Propiedades
Sea e
1 2
z ;z
a)
1 2 1 2
Re(z z ) Re(z ) Re(z ) + = +
b)
1 2 1 2
Im(z z ) Im(z ) Im(z ) + = +
c)Re(i z) Im(z) =
d)Im(iz) Re(z) =
Representacin grafica de un numero complejo
Cada numero complejo z = (a ; b), se puede representar por un punto P
de un plano; las partes real a e imaginaria b son las coordenadas
de P en un sistema cartesiano ortogonal cuyos ejes se llaman eje real y
eje imaginario.








El plano usado para representar el conjunto C de los nmeros complejos
se denomina plano complejo (diagrama de Argand).
Como tambin cada punto del plano representa un vector de origen (0 ;
0) y extremo P, la correspondencia anterior nos permite representar a
cada numero complejo z por un vectorOP .

Los nmeros complejos como una extensin de los nmeros reales
Sea un subconjunto de C, formado por los pares ordenados cuya
segunda componente es cero: .
Consideremos la funcin:








Podemos observar que f es inyectiva y suryectiva y por lo tanto biyectiva,
adems f conserva las operaciones de adicin y multiplicacin:
f(a)+f(b) = f(a+b), (a ; 0)+(b ; 0) = (a+b ; 0)
f(a).f(b) = f(ab), (a ; 0).(b ; 0) = (a.b ; 0)
Como existe una funcin biyectivaf : R' que conserva las operaciones
de adicin y multiplicacin, diremos que y R' son isomorfos.Esto
significa que operar con (a,0) lleva a resultados anlogos a los obtenidos
al operar con x, por este motivo podemos escribir:
a (a , 0) a = e
{ } R' 0 =
{ } R' (a,b) / b 0 = e =
f : R'
x (x , 0)

Forma binomica de un nmero complejo

La notacin cartesiana de un numero complejo z como par ordenado
z (a,b) = no es conveniente para operar, por ejemplo, si z (2, 3) = resulta
muy laborioso calcular
5 5
z (2 , 3) = .

La unidad imaginaria
Al nmero complejo (0,1) se le denomina la unidad imaginaria y lo
representamos por i, entonces = i (0,1)
Usando la multiplicacin de complejos y la identificacin de con
{ }
0 :
2
i i i (0,1) (0,1) ( 1,0) 1 = = = =
Entonces z (a,b) (a,0) (0,b) = = + como: (0,b) (b,0) (0,1) = , podemos escribir:
z (a,0) (b,0) (0,1) a bi = + = +
Proposicin
Todo nmero complejo = z (a,b) puede ser representado en forma nica
en la forma z a bi = + , denominada forma binomica de z
Potencias de la unidad imaginaria
1
i i =
5
i i =
9
i i =
2
i 1 =
6
i 1 =
10
i 1 =
3
i i =
7
i i =
11
i i =
4
i 1 =
8
i 1 =
12
i 1 =

De la tabla podemos deducir:
1) + + + =
2 3 4
i i i i 0, entonces
n 2 3 4 n
n 1 n 2 n 3 n 4
i (i i i i ) i (0) . n
i i i i 0
+
+ + + +
+ + + = e
+ + + =

La suma de cuatro potencias enteras consecutivas de la unidad
imaginaria es cero.
2) =
4k
i 1 ,
+
=
4k a a
i i , k es entero.
Corolario
1 2 3 n 1 n 2 n 1 n 2
a a a ...a a a a
i i

=
3)
+
=
n n
(4k a) a
i i , a,kenteros,
+
e n
Definiciones
NmeroReal: a : z (a,0) a a 0i e = = = +
Imaginario Puro: b e
z (0;b) (b;0).(0;1) bi = = =
Complejo nulo: z (0,0) 0 0i 0 = = + =
Opuesto de un complejo: si z (a,b) = , su opuesto es
z ( a , b) a bi = =




Conjugado de un complejo:
Si z x yi = + , se denomina conjugado de z al complejo z definido por:
= z x yi



Im
Z
Re
Z
Im
Z=(a; b)
Re
= (a; b)





La conjugacin nos permite calcular fcilmente el inverso de un complejo
z x yi 0 = + = en forma binomica
2 2 2 2 2 2
1 1 1 x yi
z x yi x yi x yi
x yi 1 x y
i
z
x y x y x y
| || |
= =
| |
+ +
\ .\ .
| |

= = |
|
+ + +
\ .

Complejos iguales:sea e
1 2
z y z
{
=
=
=
1 2
1 2
1 2
Re(z ) Re(z )
z z
Im(z ) Im(z )

Modulo de un nmero complejo
Sea Z a bi = + , el modulo del complejo Z denotado por Z , se define como:
2 2
Z a b , a,b = + e
Ejemplo:
Z = 4 + 3i
2 2
Z 4 3 25 5 = + = =
Propiedadesdel conjugado de un numerocomplejo
1. Z Z ; = e
2.
1 2 1 2
Z Z Z Z =
3.
1 2 1 2
Z .Z Z .Z =
4.
| |
= =
|
\ .
1 1
2
2
2
Z Z
; Z 0
Z
Z

5.
( )
Z Z
Re Z
2
+
=
6.
( )
Z Z
Im Z
2i

=
7. Z Z Z = e

II. Del mdulo de un complejo
1. Z ; | Z| 0 e >
2. Z 0 Z 0 = = (Complejo nulo)
3. | Z
1
. Z
2
| = | Z
1
| | Z
2
|
4. Z Z ; = e
5.
1
1
2
2
2
Z
Z
; Z 0
Z
Z
= =
6. | Z | = | Z | = | Z |
7. | Z |
2
= Z . Z
8. | Z
1
+ Z
2
| s | Z
1
| + | Z
2
|
(Desigualdad triangular)
9. | Z
n
| = | Z |
n
;
{ }
n \ 0 e
Operaciones en forma cartesiana
Adicin:
(a + bi) + (c + di) = (a + c) + (b + d)i
Sustraccin:
(a + bi) - (c + di) = (a - c) + (b - d)i

Multiplicacin:
(a + bi) (c + di) = (ac - bd) + (ad + bc)i
Divisin:
2 2 2 2
a bi (a bi)(c di) ac bd bc ad
i
c di (c di)(c di)
c d c d
+ + +
= = +
+ +
+ +

Potencia:
n
n n n k k
k
k 1
(a bi) C a (bi)

=
+ =

,
la potencia se vuelve laboriosa
Radicacin: + = + + = +
n
n
x yi a bi x yi (a bi) ,
la radicacin se vuelve complicada
Argumento de un nmero complejo no nulo
El argumento de un nmero complejo, es el ngulo que forma el semieje
positivo de abscisas, con la semirrecta que une el origen de
coordenadas con el afijo de z. No se define el argumento del numero
complejo (0 ; 0)








Dado
{ } \ (0 , 0) e z , un argumento de z es cualquier u tal que:
Re(z) Im(z)
cos , sen
z z
u = u =
Podemos definir el conjunto de los argumentos de un nmero complejo z
no nulo y denotarlo por arg z.
Re(z) Im(z)
argz / cos ,sen
z z


= ue u = u =
`

)

Argumento principal de un nmero complejo no nulo
Un nmero complejo
{ } \ (0 , 0) e z , tiene infinitos argumentos si uno de
ellos esu los dems estn expresados por la frmula: 2k , k u + t e
.Para que sea nico, basta con imponer la condicin adicional que
pertenezca a un cierto intervalo semiabierto de longitud 2t tal como
t > [0,2 , < t t , ] , etc.Entonces, de entre los infinitos argumentos de z,
se denomina argumento principal de
{ } \ (0 , 0) e z y se denota Arg z, al
que verifica la condicin0 2 s u < t.
Es decir 0 Arg z 2 s < t, adems
{ }
= + t e arg z Arg z 2k ,k
Nota: En otros pases, el argumento principal de
{ } \ (0 , 0) e z , es el
valor de Arg z, tal que Arg z t < s t
Propiedades
1) arg(z) 2 argz = t
2)
+ t s < t
=

t t s < t

argz , 0 argz
arg( z)
argz , argz 2

3)
1
arg( ) 2 argz
z
= t

Forma polar o trigonomtrica de un nmero complejo
Dado el nmero
{ } z C\ (0,0) e









De la figura:
= u a r cos , = u a r cos
| |
u = ue
|
\ .
b
arctg ,
a
, = +
2 2
r a b ,
r = mdulo de complejo Z
u = argumento principal del complejo Z
Como z a ib = + , entonces:
z r cos ir sen r(cos i sen ) = u+ u = u+ u , es la forma polar o trigonomtrica de
z.
Operaciones en forma polar o trigonomtrica
Sean:
1 1 1 1
z r (cos isen ) = u + u
2 2 2 2
z r (cos i sen ) = u + u
| |
= u +u + u +u
1 2 1 2 1 2 1 2
a) z .z r r cos( ) isen( )
| |
= u u + u u
1 1
1 2 1 2
2 2
z r
b) cos( ) isen( )
z r

| |
= u + u e
n n
1 1 1
1
c)z r cos(n ) isen(n ) ; n Z
b
(a; b)
Afijo de z
a
Re
r = | z |
Im
+
u + t u + t (
= +
(

= e >
1 1
n n
1 1
2k 2k
d) z r cos( ) isen( )
n n
, k 0 , 1, 2 , 3 , ... , (n 1), n ,n 2

Frmula de De Moivre
Se usa para calcular senos y cosenos de ngulos mltiples
u + u = u + u
n
(cos i sen ) cosn i senn
Ejemplo: Si n = 2
u u
u + u = u + u
u u + u u =
u + u
u = u u
u = u u
2
2 2
cos2 sen2
2 2
(cos i sen ) cos2 i sen2
cos sen i(2sen cos )
cos2 i sen2 ,
igualamos parte real y parte imaginaria
entonces cos2 cos sen
y sen2 2sen cos

Identidades notables
Si z cos i sen = u + u
a)
1
1
z cos i sen
z

= = u u
b)
1
z z 2cos

+ = u
c)
1 n n n
(z z ) 2 cos

+ = u
d)

= u + u
= u u
+ = u
n
n
n n
z cos(n ) i sen(n ) y
z cos(n ) i sen(n )
z z 2cos(n )

Ejemplo:
Si n = 6
1 6 6 6
(z z ) 2 cos

+ = u;
1 6 6 4 2
2 4 6
(z z ) z 6z 15z 20
15z 6z z

+ = + + +
+ + +


u u

u
+ = + + +
+ + + = u
1 6 6 6 4 4
2cos(6 ) 2cos(4 )
2 2 6 6
2cos(2 )
(z z ) (z z ) 6(z z )
15(z z ) 20 2 cos

6
1 3 15 5
cos cos6 cos4 cos2
32 16 32 16
u = u + u + u +
Notacin fasorial
Se usa en el anlisis de circuitos con corriente alterna
z r(cos i sen ) z r = u + u = u
Notacin cientfica
Se usa para abreviar la escritura de la forma polar:
z r(cos i sen ) z r cis = u+ u = u
Operaciones:
Sea:
1 1 1
Z r Cis = u ,
2 2 2
Z r Cis = u
Entonces:
( )
1 2 1 2 1 2
Z Z r r Cis = u + u
( )
1 1
1 2
2 2
Z r
Cis
Z r
= u u
Propiedades:
1.
( )
Cis 1 u =
2.
( ) ( ) ( )
1 2 1 2
Cis .Cis Cis u u = u + u

( ) ( )
1 2 1 2
cos isen = u + u + u + u
3.
( )
( )
( )
1
1 2
2
Cis
Cis
Cis
u
= u u
u


( ) ( )
1 2 1 2
cos isen = u u + u u
4.
( )
Cis cos isen u = u u
5.
( ) ( ) ( ) ( )
n
Cis Cis n cos n isen n ; u = u = u + u
ne
6.
( ) ( )
1 2 1 2
Cis Cis 2k , u = u u = u + t k e
Forma exponencial de un nmero complejo
Formula de Euler
i
e cos i sen
u
= u+ u, ue








Como z r(cos i sen ) = u + u

i
z re
u
= (Forma exponencial de z)
Propiedades
1)
i (0)
e 1 =
2)
i
: e 0
u
ue =
3)
i
: e 1
u
ue =
4)
i( 2k ) i
e e , k
u+ t u
= e
5)
1 2
i i
1 2
e e 2k
u u
= u = u + t , ke
6)
i i
: (e ) e
u u
u e =
7)
1 2 1 2
i i i( )
1 2
, : e e e
u u u +u
u u e =
8)
u u
e ue =
i n in
n , : (e ) e
Operaciones en forma exponencial
Sean:
1
i
1 1
z r e
u
= ,
2
i
2 2
z r e
u
=

a)
1 2
i( )
1 2 1 2
z .z r r e
u +u
=

b)
1 2
i ( )
1 1
2 2
z r
e
z r
u u
=

c)
u
= e
1
i (n ) n n
1
1
z r e ; n
d)
u + t
=
=
1
2k
i( )
n n n
1 1
z r e ,
k 0 , 1, 2 , 3 , ... , (n 1)

Ejemplo: Sea Z = 1 i
( ) ( )
2 2
Z r 1 1 , entonces r 2 = = + =


2
4
t
u = t

7
4
t
u =



7
i
4
Z 1 i 2e
t
= =

Raz ensima de la unidad
2k
i ( )
n
n
1 e , k 0,1,2,3,.....,(n 1)
t
= =
Si hacemos
2
i
n
w e
t
= , entonces
2 k
i
k
n
w e
t
= , las n races forman el
conjunto
{ }
{ }

= =
=
k
n
2 3 n 1
G w ,k 0,1,2,3,...,(n 1)
1, w, w , w ,..., w

w se denomina raz ensima de la unidad.De la forma exponencial de las
races ensima de la unidad vemos que estn en el crculo de radio uno
centrado en el origen y estn uniformemente espaciadas sobre el cada
2
n
t

radianes. Cuando n = 2 estas races son 1 , cuando n 3 > las races
1
1
Im
Re
Z = 1 i
El argumento
corresponden a puntos situados en los vrtices de un polgono regular de n
lados, este polgono est inscrito en el circulo de radio uno centrado en el
origen y tiene un vrtice en el punto correspondiente a la raz z 1(k 0) = = ;
adems el eje real es eje de simetra de dicho polgono regular.


Ejemplo: Calcular
6
1

Solucin:
{ }
{ }
k
6
2 3 4 5 i (2 / 6)
6
G w ,k 0,1,2,3,4,5
G 1,w,w ,w ,w ,w / w e
t
= =
= =

{ }
i( /3) i(2 /3) i( ) i(4 /3) i(5 /3)
6
G 1,e ,e ,e ,e ,e
t t t t t
=
6
1 3 1 3 1 3 1 3
G 1, i , i , 1, i , i
2 2 2 2 2 2 2 2


= + +
`

)







Nota:

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

n 1
( 1)
Races cubicas de la unidad
2k
i ( )
3
3
1 e , k 0,1,2
t
= =






Si
1
k 0 R 1 = =
Si
i(2 /3)
2
1 3
k 1 R w e i
2 2
t
= = = = +
Si
2 i(4 /3)
3
1 3
k 2 R w e i
2 2
t
= = = =
Propiedades
a)
3 4 3 3 a a
w 1 , w w , w 1 , w w
+
= = = =
b)
2
1 w w 0 + + =
c)
4 2
w w 1 0 + + =

d)
=
2
w w

La exponencial compleja
Si
z a
z a bi e e (cosb i senb) = + = +
Propiedades
1)
z
z : e 0 e =

2)
e =
z z
z : (e ) e
3)
1 2 1 2
z z z z
1 2
z , z : e .e e
+
e =

4)
z
e 1 z 2k i ; k = = t e

5)
z Re(z)
z : e e e =
6)
z
arg(e ) Im(z) 2k , k = + t e
7)
z 2k i z
e e ,k
+ t
= e
8)
1 2
z z
1 2 1 2
z , z : e e z z 2k i e = = + t
w
i
e 2i w ln2 2k i , k
2
t
= = + t e
Lugar geomtrico de nmeros complejos
Para graficar el lugar geomtrico o identificar geomtricamente los
conjuntos de nmeros complejos z que verifican determinadas
condiciones, se remplazan en las condiciones z x yi = + o segn
convenga
i
z re
u
= .
Ejemplo: Graficar los nmeros complejos z que verifican la condicin:
z r =
Solucin:
2 2 2 2 2
z r x y r x y r = + = + =
Es la ecuacin de una circunferencia centrada en el origen de radio r







Ejemplo: Graficar los nmeros complejos z que verifican la condicin:
0 0
z z r, r 0, z fijo = >
Solucin:
2 2
0 0 0
z z r (x x ) (y y ) r = + =
2 2 2
0 0
(x x ) (y y ) r + =
Es la ecuacin de una circunferencia centrada en
0 0
(x ,y ) de radio r






Ejemplo: Determine la grfica del conjunto
{ }
A i z / iz 1 i 1 = + s
Solucin:
+ s + + s
+ s + s
2 2
iz 1 i 1 i (x iy) 1 i 1
1 y i(x 1) 1 (x 1) (y 1) 1.. (1)
Sea
= = = + +
+ = + +
1
1 1
z i z i (x iy) x i(y 1)
x y x i(y 1)
,
Entonces
{
1
1
x x
y y 1
=
=
, en la relacin (1),
2 2 2 2
1 1 1 1
( x 1) (y 1 1) 1 (x 1) (y 2) 1 + s + + s , es la ecuacin de una
circunferencia de centro ( -1 , 2) y radio 1.

El polinomio complejo
Sea Z C e ,un polinomio definido sobre el conjunto de los nmeros
complejos tiene la forma:
n n 1
n n 1 1 0
P(z) a z a z ......... a z a

= + + + + ,
n
a 0 =

Donde: n N e , es el grado del polinomio,
i
a C e , son los coeficientes
complejos

Teorema fundamental del algebra
Todo polinomio no constante con coeficientes complejos tiene al menos
un cero complejo.
Teorema
Sea
n 1 n
0 1 n 1 n
P(z) a a z ......... a z a z

= + + + + ,
n
a 0 =
,
un polinomio complejo
de grado n 1 > , P(z) tiene n races complejas(contando cada una segn
su multiplicidad). Es decir, existen n nmeros complejos (iguales o
distintos)
1 2 3 n
z ,z ,z ,...,z e , tal que:
n 1 2 3 n
P(z) a (z z )(z z )(z z )....(z z ) =
Teorema
1) Todo polinomio de grado impar con coeficientes reales tiene al menos
una raz real.
2) En los polinomios con coeficientes reales si z a bi = + es una raz del
polinomio, entonces su conjugado z a bi = tambin lo es.
Nota
Todo polinomio de grado n 1 > , con coeficientes reales se puede
factorizar:
a) como un producto de polinomios reales de grados uno y dos.
n 2 m
P(x) (ax b) (cx dx e) = + + +
b) como un producto de polinomios complejos de grado uno.



Matrices con elementos complejos
Los elementos de una matriz pueden ser nmeros complejos Z= a + bi, el
complejo conjugado se define

=a-bi
Respecto a las operaciones tomemos como ejemplo:
A = (


), B = (


)
Luego:
A+B= (


) AB= (


)
2A= (


)

El conjugado de una matriz denotado por se obtiene al tomar el conjugado de
cada uno de los elementos de la matriz A.
La traspuesta conjugada de una matriz A sedenota por A*=
t

Ejemplo:
A = (


)
= (


)
A
*
= (


)
Se dice que la matriz cuadrada E es hermitiana si E = E*
Ejemplo:
E = (


)
= (


)
E
*
= (


) => E = E*

PROPIEDADES
Sean A y B matrices con elementos complejos y z un nmero complejo.
1. (A + B)* = A* + B* transpuesta conjugada de una matriz
2. (zA)* =

traspuesta conjugada de un mltiplo escalar

3. (AB)* = B*A* traspuesta conjugada de un producto
4. (A*)* = A traspuesta conjugada de una traspuesta conjugada

Matriz Ortogonal
Es aquella matriz cuadrada donde se cumple: (A
-1
= A
t
)
Ejemplo:
A = (



+
Es una matriz ortogonal?
A
t
= (



+
(



+(



+
(

,
A
-1
= (

,
A no es ortogonal

Matriz normal:
Una matriz es normal si conmuta con su transpuesta. Las matrices simtricas,
anti simtricas u ortogonales son necesariamente normales.
A.A
t
= A
t
.A
Ejemplo: Hallar todas las matrices de orden 4x4 que sean conmutables con la
matriz A:
A = (








)
Solucin: AB = BA
(








)(








, = (








,(








)
(








) = (








,
Luego:
B = (








)
Ejemplo: Dadas las matrices
A = [a
ij
] = [| |]
12x12
y
B = [b
ij
] = [ i+j ]
3x12
Hallar los elementos de C
69
y C
96
de C = ABA
t
= [c
ij
]

Ejemplo: Sea A = [a
ij
] una matriz triangular superior de orden n tal que a
ij
= 1, si
i j
De A
3
= [b
ij
] hallar el elemento b
ij
si:
a) i = 3 ; j = n
b) i = n ; j = 3
c) i = 3 ; j = 3

DETERMINANTES

El concepto de determinante surge con el problema de solucin de un sistema
de ecuaciones lineales por ejemplo dado el sistema:
ax + by = r
cx + dy = s

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

x =

y =

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

En la forma matricial se tiene:

(


) (

) = (

)

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

det (A) = detA = || = |


| = ad-bc
el sistema tendr solucin si || 0

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

Sea A un matriz cuadrada
:K
nxn
R C

(

,

Cuyas filas son:

A
1
= (a
11
, a
12
,, a
1n
)
.
.

= (a
n1
, a
n2
, ,a
nn
)

La matriz A por filas es:
A = (A
1,
A
2
,,A
i
, , A
n
)entonces el determinante es
|| = det (A
1
, A
2
, , A
i
, , A
n
)

En el determinante se verifica que
1. det(A
1
, A
2
, , A
i
, , A
n
)
2. det(B) = det(A
1
, A
2
, , rA
i
, , A
n
)= r det(A
1
, A
2
, ,A
i
, , A
n
)= r det(A)
Observacin: Si cualquier fila de A se multiplica por r , entonces || = r||
3. det(A
1
, A
2
, , A
i
+ A
j
, , A
n
) = det(A
1
, A
2
, , A
i
, , A
n
) + det(A
1
, A
2
,
,A
j
, , A
n
)
para todo i = 1,2,3,, n
4. det(I
n
) = 1

Definicin
Sea una matriz cuadrada de orden 2x2
A = (

)

El determinante de segundo orden es el nmero definido por:
|| = a
11
. a
22
- a
12
. a
21


Definicin:
Sea una matriz cuadrada de orden 3x3

A = (

+

El determinante de tercer orden es el nmero definido por:
|| = a
11
.a
22 .
a
33
+ a
12
.a
23 .
a
31
+ a
13
.a
21.
a
32
- a
31
.a
22 .
a
13
-a
32
.a
23 .
a
11
- a
21
.a
12 .
a
33

MENORES Y COFACTORES
Sea la siguiente matriz cuadrada de orden nxn

A=
(

Sea M
ij
la submatriz cuadrada de orden n-1 que resulta de eliminar la fila i y la
columna j de la matriz A.
Entonces:
1) |

| se llama menor complementario del elemento a

ij
de A.
2) El cofactor del elemento a
ij
que se simboliza por A
ij
se define por:

Como i+j puede ser par o impar
A
ij
= |

|

Desarrollo de una determinante por cofactores
El determinante de una matriz cuadrada A = [a
ij
]
nxn
es igual a la suma de los
productos de los elementos de cualquier fila o columna por sus respectivos
cofactores.
Para aplicar este desarrollo es necesario elegir una fila o una columna y
efectuar el desarrollo por dicha fila o dicha columna.

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

|| =

)

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

|| =

)

Ejemplo: A = (



+
Si elegimos la 1
ra
fila:
|| =

) =

= 3|


| + 6(-1)|


| + (- 9)|


| = 87

Obs:si elegimos la primera columna
|| =

) =

= 3|


| + 0(-1)|


| + 3|


| = 87

MATRIZ DE COFACTORES
Sea A una matriz cuadrada de orden nxn y A
ij
es el cofactor de a
ij
entonces la
matriz:

Cofact A = (

+

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


Propiedades de la matriz adjunta de A
1) adj (I
n
) = I
n

2) adj (A
t
) = (adj (A))
t

3) adj (A
n
) = (adj (A))
n

4) adj (AB) = adj (B) adj (A)
5) adj (A
-1
) = (adj (A))
-1
=

6) ||= ||

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

TEOREMA
Una matriz A de orden n es no singular si y solo si el determinante no es nulo
(|| 0).

PROPIEDAD:
La matriz A es invertible si y solo si el determinante no es nulo.

TEOREMA:
A (adj A) = det A (I
n
)



COLORARIO:
Si A es una matriz no singular de orden n entonces:

A
-1
= adj(A).

||
= (cofact (A))
t
.

||
; || 0

Ejemplo: Halle la matriz inversa de A:
A = (



+ A
-1
= (



+.

=
(

Observacin:
1. Si una matriz tiene inversa entonces esta es nica.
2. Si B es una matriz inversa de A entonces tambin se puede decir que A es la
matriz inversa de B.
3. No siempre una matriz cuadrada tiene inversa.
4. Se dice que una matriz cuadrada A es singular si y solo si su determinante
es cero.
5. Si una fila o columna de una matriz A se le suma el mltiplo de otra fila o
columna, entonces el valor del determinante no vara.
6. Si los elementos de una fila o columna cualquiera constan de dos trminos,
el determinante puede expresarse como la suma de otros dos
determinantes.
7. El determinante de una matriz triangular superior o inferior es igual al
producto de los elementos de la diagonal principal.
8. det(A + B) det(A) + det(B)
En general el determinante de una matriz triangular superior o inferior es igual
al producto de los elementos de la diagonal principal.
9. det(AB) = det(A)det(B)
En general el determinante de un producto de matrices es igual al producto de
los determinantes de las matrices siempre y cuando las matrices sea
cuadradas del mismo orden.
PROBLEMAS
Calcule el determinante de las siguientes matrices
1.
[

DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
REGLA DE CRAMER
Es un teorema en el lgebra lineal que da solucin a un sistema de ecuaciones
lineales trabajando con los determinantes.
Recibe el nombre en honor a Gabriel Cramer (1704 1752) quien publico un
trabajo dando nociones sobre el mtodo.
Si: AX = b es un sistema de ecuaciones lineales siendo: X = (x
1
, x
2
, , x
n
) el
vector de las incgnitas; b el vector de los trminos independientes y A es la
matriz de los coeficientes, entonces las soluciones del sistema se representan:

x
j
=
(

Donde A
j
es la matriz que resulta al remplazar la J-esima columna de A por el
vector columna b.

Ejemplo: Sea
X = (

, ; A = (

; B = (

,
A
j
=
(

Usando propiedades:
AX = B
A
-1
AX = A
-1
B
I X = A
-1
B
X = A
-1
B
X =

||

X = A
-1
B =

||
=

||
=
(

+
||

=
(

)
||

X
i
=

||

PROBLEMAS
1. Indique si las siguientes proposiciones son verdaderas o falsas, fundamente su
respuesta de manera rigurosa (demostrar).
a) Sea un sistema homogneo de n ecuaciones con n incgnitas, supongamos
que el rango o caracterstica de es entonces un vector no nulo cuyas
componentes sean los adjuntos de una fila de es solucin de
b) Si es una matriz cuadrada de orden y rango menor que entonces

C) Si es una matriz simtrica entonces tambin lo es la 6 puntos
2. Discutir la compatibilidad segn los valores de del sistema de ecuaciones
lineales. Determine la solucin para los casos de compatibilidad.

4 puntos
3. Usando propiedades hallar el determinante de
(



+ 3 puntos
4. Dada la matriz Que relacin deben satisfacer las constantes
Para que el rango de la matriz sea 2,3 y 4?
(

) 4 puntos
5. El sistema tiene solucin por nica solucin

si la matriz de
Cofactores de (



+ . Determine los elementos de la matriz
columna , si el determinante de positivo. 3 puntos


Ejemplo 1:
Resolver utilizando la regla de Cramer el siguiente sistema de ecuaciones
lineales:
x
1
+ 3x
2
+ 3x
3
= -2
2x
1
+ 2x
2
+ 3x
3
= -5
x
1
+ 2x
2
+ 3x
3
= 6
Ejemplo 2:
Sea: (m + 1)x + y + z = 2-m
x+(m + 1)y + z = -2
x + y + (m + 1)z= m
Halle m para que el sistema tenga solucin nica
Solucin:
|| |



| |



|=
|



| |



|

|


|
Para m=0



(

+ (

+

r(A)=1 r(A
a
)=2
Solucin
Para m=
(

+ (

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

Conclusin:
1 Para que tenga solucin nica: m 0 3
2 Solucin: m= 0
3 Ms de una solucin: m = -3

Ejemplo 3:
Realice un anlisis de la compatibilidad del sistema para todos los valores de a
y b si:



Solucin:
Analizando para la existencia de una solucin:
|



| |


| |


| |


|

PROBLEMAS
1. Halle el rango de la matriz A para todos los valores de a y b.
(

)

2. Determine el rango de la matriz, para cualquier valor de t
(

+
3. Halle la inversa de la matriz de orden n donde:
a
ij
=0 , si i=j
a
ij
=1 , si i j
4. Indique si es verdadero (v) o falso (f) (fundamente)
A) Si A y B son matrices cuadradas de orden n tal que AB=A y BA=B
A y B son idempotentes.
B) Si A es una matriz cuadrada de orden n entonces A + A
T
, A
T
A y AA
T
son
matrices simtricas.
C) Si A y B son matrices ortogonales entonces A + B tambin es ortogonal.
D) Si A es nilpotente entonces es invertible.
E) Si

es simtrico entonces A es simtrico.

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



Solucin
Para que el sistema de ecuaciones lineales tenga solucin el determinante de
la matriz de coeficientes debe ser diferente de cero.

t |



| |



|
|



| |



|
|


|

El sistema tiene solucin si y solo si

Si tenemos el sistema


Si tenemos el sistema


Trabajando con la matriz ampliada (dndole una forma escalonada)

|
(

* |

Depende de un parmetro la solucin es

2.



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

= (d
1
,d
2
) A
Axiomas de la adicin:
3(x
1
;y
1
) + (x
2
;y
2
) = ( x
1
+ x
2
+ 1 ; y
1
+ y
2
+ 1) = ( x
2
+ x
1
+1 ; y
2
+ y
1
+ 1)
=(x
2
;y
2
) + ( x
1
; y
1
)
4 (u
1
;u
2
) + (( v
1
;v
2
) + ( w
1
;w
2
)) =(u
1
;u
2
) + ( v
1
+ w
1
+ 1; v
2
+ w
2
+ 1)
=(u
1
+ v
1
+ w
1
+ 2 ; u
2
+ v
2
+ w
2
+ 2)= ((u
1
;u
2
) + ( v
1
;v
2
)) + ( w
1
;w
2
)
5 Sea a = (a
1
;a
2
) el vector nulo tal que:
(u
1
,u
2
) + (a
1
;a
2
) =(u
1
,u
2
) (u
1
+ a
1
+ 1,u
2
+ a
2
+ 1)=(u
1
,u
2
)
a=(-1;-1) vector nulo de A.
6 (u
1
;u
2
) + (b
1;
b
2
)=(-1,-1)
(u
1
+b
1
+ 1; u
2
+ b
2
+ 1)= (-1;-1) (b
1
;b
2
)=(-2-u
1
,-2-u
2
)
Axiomas de la multiplicacin por un escalar:
7c(u+v)=c(u
1
+v
1
+1;u
2
+v
2
+1)=(c+c(u
1
+v
1
+1)-1;c+c(u
2
+v
2
+1)-1)
cu+cv=(c+cu
1
-1;c+cu
2
-1)+(c+cv
1
-1;c+cv
2
-1)
=(2c+cu
1
+cv
1
-1;2c+cu
2
+cv
2
-1)
=(c+c (u
1
+v
1
+1)-1; c+c(u
2
+v
2
+1)-1)
8(c+d) u=cu+du
(c+d+(c+d)u
1
-1;c+d+(c+d)u
2
-1)
cu+du= (c+cu
1
-1;c+cu
2
-1)+(d+du
1
-1;d+du
2
-1)
=(c+d+(c+d)u
1
-1;c+d+(c+d)u
2
-1)
Ejemplo
Dado el conjunto A definido por {

}
Donde

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

{x=(x
1
,x
2
,x
3
,x
4
,x
5,
,x
n-1
,x
n
) ; x=(

) donde 1 i n ; x
i
}, con las
operaciones x+y = (x
1
+y
1
,x
2
+y
2,
,x
n
+y
n
)
x=(x
1
, x
2
,, x
n
)
Observacin
Ejemplo Sea V={} no es un espacio vectorial, si 1+1=2, pero 2 V no se
cumple la ley de la clausura o cerradura en la adicin V no es espacio vectorial
2. El conjunto de matrices de dimensin nxm:
M
nxm
( ) ={ }
con las operaciones: suma de matrices y productos por nmeros reales.
3. El conjunto de todos los polinomios con coeficientes reales en la variable x.
P( )={

}
con las operaciones de suma y producto por nmeros reales
4.El conjunto de todas las funciones reales:
F( )={ } con las operaciones suma de funciones y producto por nmeros
reales.
5. El conjunto de todas las sucesiones de nmeros reales:
S={

}
Ejemplo:
1) Sea V={} satisface los 10 axiomas, es un espacio vectorial, se le conoce
como ESPACIO VECTORIAL TRIVIAL
2) Sea V={ }
(x
1
,y
1
)+(x
2
,y
2
)=(x
1
+x
2
,y
1
+y
2
)
=(x
1
+x
2
;2x
1
+1+2x
2
+1) = (x
1
+x
2
;2(x
1
+x
2
)+2)
No es un espacio vectorial, no cumple con el Axioma de la cerradura.

PROPIEDADES:
Si V es un espacio vectorial, entonces:
1 0.u=0
2 (-1).u=-u u

SUBESPACIOS VECTORIALES
Se llama subespacio vectorial de un espacio vectorial V a cualquier
subconjunto no vacio SV que es un espacio vectorial con las mismas
operaciones definidas sobre V
Si V es un espacio vectorial y SV, S
S es un subespacio vectorial de V { }
{ }

TEOREMA:
Sea U un Subespacio de un espacio Vectorial V, U tiene como elemento al
vector cero de V.



COMBINACIN LINEAL DE VECTORES
Sea V un espacio vectorial, se dice que v V es combinacin lineal de los
vectores {

} V, si existen

tal que:
V=

Ejemplo:
Expresar el vector (4,4,5) como una combinacin lineal de los vectores (1,2,3);
(-1,1,4) y (3,3,2)
Solucin:
(4,4,5)= x(1,2,3) + y(-1,1,4) + z(3,3,2)
x y + 3z= 4
2x + y + 3z = 4
3x + 4y + 2z = 5
(

+ (






+no existen x,y,z , el sistema no tiene
solucin no se puede formar una combinacin lineal.
Ejemplo
Determinar si la matriz (


) es una combinacin lineal de las matrices
{(


) (


) (


)} en el espacio vectorial M
2x2

Solucin:
(


) (


) (


) (


)
Luego






DEPENDENCIA E INDEPENDENCIA LINEAL
Sea V un espacio vectorial, se dice que el conjunto de vectores {

}
es linealmente dependiente si y solo si

que pertenecen a
, con algn

En caso contrario se dice que el conjunto {

} es linealmente
independiente.
Si

entonces los vectores son LI

Observacin:
Para estudiar si un conjunto de vectores {

} es linealmente
dependiente o independiente se plantea la ecuacin

Se estudian las soluciones, si admite alguna solucin no nula el conjunto de
vectores es linealmente dependiente y si solo admite la solucin nula es
linealmente independiente.
Ejemplo
v
1
=(1,0,-1,2) , v
2
=(1,1,0,1) y v
3
=(2,1,-1,1)
Indique sin son linealmente independientes.
Solucin
x(1,0,-1,2) + y(1,1,0,1) + z(2,1,-1,1) = 0
x + y + 2z = 0
y + z = 0
-x z = 0
2x + y + z = 0
(

) (

)
x=0, y=0 , z=0
Son vectores linealmente independientes

PROPIEDADES
1 {} es linealmente dependiente si y solo si
2
3 { } es linealmente dependiente u = v (
4 Si A es L.I. y BA B es linealmente independiente
5 A linealmente dependiente y A B B es linealmente dependiente.
6 A linealmente dependiente v A que es combinacin lineal de A.

OBSERVACIN
1. El conjunto {

} se llama conjunto dependiente o independiente

segn sean los vectores LD LI
2. Se define al conjunto vaci como independiente
3. Si dos de los vectores {

} son iguales entonces los vectores son

dependientes
4. Dos vectores

son dependientes si y solo s uno de ellos es mltiplo

escalar del otro.
5. Todo vector no nulo de un espacio vectorial constituye un conjunto LI
6. El vector nulo de cualquier espacio vectorial constituye un conjunto LD
7. Un conjunto finito y no vacio de vectores es LD si y solo si algn vector es
combinacin lineal de los dems
8. Un conjunto finito y ordenado de vectores al que no pertenece el vector nulo
es LD si y solo si algn vector es combinacin lineal de los precedentes
DEFINICION
Los elementos del conjunto {

} si son linealmente
independientes determinan una base.
Es decir el conjunto es una base

Ejemplo:
Indique si el conjunto de vectores {

} es LI
SOLUCION
t t st

) (

)

Es un conjunto L.I.

Ejemplo:
Sea V=

, Luego Es un subespacio?
W1= {

}
Solucin:
El nico punto que satisface es (0, 0, 0) W
1
es un subespacio de

Ejemplo:
W
2
={ }
Solucin:
Con un contraejemplo:
ue W
2

Para =1
(1) (3 , 2 , 0) (4) + 3 (0) 0 (F)
W
2
no es un subespacio

Lema:
Si V es un espacio vectorial y A ={v
1
, v
2
, , v
n
} est contenido en V,
entonces:
L(A) ={ ov

=
, o
i
e K} es un subespacio vectorial de V que se llama
subespacio generado por A. El conjunto A se llama Sistema de Generadores
de L(A).
Ejemplo:
Si V = R
3
y A ={v
1
= (1,0,1) , v
2
= (1,1,1)}, entonces:
L(A) ={v =ov
1
+|v
2
; o,|e R}={v = (o+|,|,o|) ; o,|e R}
Las ecuaciones:
X =o+|
Y =|
Z =o|
Se llaman ecuaciones paramtricas de L(A)

Proposicin:
Sea V un espacio vectorial y {v
1
, v
2
, , v
n
}c V, si v
m
es una combinacin
lineal de {v
1
, v
2
, , v
m-1
} entonces L({v
1
, v
2
, , v
m
}) = L({v
1
, v
2
, , v
m-1
})

BASE DE UN ESPACIO VECTORIAL
Definicion de base de un espacio vectorial
Un conjunto finito de vectores {

} recibe el nombre de base de un

espacio vectorial V si el conjunto genera al espacio V y dicho conjunto es
linealmente independiente.
Ejemplo:
Halle una base del sistema:
3x
1
+ x
2
8x
3
+ 2x
4
+ x
5
= 0
2x
1
2x
2
3x
3
7x
4
+ 2x
5
= 0
x
1
+ 11x
2
12x
3
+ 34x
4
5x
5
= 0
x
1
5x
2
+ 2x
3
16x
4
+ 3x
5
= 0
Solucin:

3 1 -8 2 1 0
2 -2 -3 -7 2 0
1 11 -12 34 -5 0
1 -5 2 16 3 0

8 0 -19 -3 4 0
0 -8 7 -25 4 0
0 0 0 0 0 0
0 0 0 0 0 0




8x
1
19x
3
3x
4
+ 4x
5
= 0
8x
2
7x
3
+ 25x
4
4x
5
= 0

Sea: x
3
= a x
1
=

x
4
= b x
2
=

x
5
= c
(x
1
, x
2
, x
3
, x
4
, x
5
) = (

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







Definicin
Se dice que un espacio vectorial V tiene dimensin finita n o es n-dimensional
denotado: dimV = n, si existen vectores linealmente independientes e
1
, e
2
, ,
e
n
que generan a V , el conjunto {e
1
, e
2
, , e
n
} se llama base de V y tiene
como dimensin n.
OBSERVACIONES
1. El origen es un subespacio de

, la dimension de este subespacio es cero

2. Los subespacios de una dimensin de

son rectas que pasan por el

origen.
3. Los subespacios de dos dimensiones de

son planos que pasan por el

origen.
Definicin.- Si un espacio vectorial V tiene una base que consta de n vectores
entonces la dimensin de V es n, que se denota por dim(V).
PROBLEMAS RESUELTOS
1. Para qu valor de a o valores el conjunto:
{(


),(


),(


)} es linealmente dependiente y no forma una
base.

Solucin:
o(


) + |(


) + (


)=(


)
ou + |v + w = 0
Es L.I. si o=|==0
|a= 0
oa + | + = 0
o + |a + a = 0
(







+ (






+ , a = 0
Para a=1:
(






+ (






+
o + = 0 o= , |= 0
Para a = -1:
(






+
o - = 0 o= , |= 0
Para a e{ -1, 0,1} es un conjunto L.D.

2. Sean los vectores: (1+a,1,1,1) ; (1,1+a,1,1) ; (1,1,1+a,1) ; (1,1,1,1+a)
Determine segn los valores del parmetro a, la dimensin y una base del
subespacio que generan.

Solucin:
x(1+a,1,1,1) + y(1,1+a,1,1) + z(1,1,1+a,1) + w(1,1,1,1+a) = 0
x(1+a) + y + z + w = 0
x + y(1+a) + z + w = 0
x + y + z(1+a) + w = 0
x + y + z + w(1+a) = 0

, a = -4 , a = 0


x= y = z = w = 0
Para a = -4 a = 0 {(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1)} es una base, dim=4. Es
la base cannica usual.

3. Determine un vector v de R
3
sabiendo que:
- La suma de sus coordenadas es 3.
- v es combinacin lineal de (2, 2,2) y (-1, 1,0)
- Los vectores (1, 0,1), (0, 1,0) y v son linealmente dependientes.
Solucin:
Sea v = (a, b, c) eR
3

a + b + c = 3
x(2,2,2) + y(-1,1,0) = (a,b,c)
o(1, 0,1) + |(0,1,0) + (a,b,c) = (0,0,0)
1+a 1 1 1
1 1+a 1 1
1 1 1+a 1
1 1 1 1+a

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

2x y = a
2x + y = b
2x = c
x= 1/2 , c = 1 , a + b = 2
Luego: o(1,0,1) + |(0,1,0) = (a,b,c)
o
1
= a |
1
= b
o
1
= c = 1 = a b = 1
v= (1,1,1)
4. Sea F un subespacio vectorial de R
3
formado por los vectores v = (x, y, z)
tales que x 2y + 4z = 0. Halle una base {a, b, c}e R
3
tal que a, be F.
Solucin:
F ={(x,y,z) / (x,y,z) e R
3
. x -2y + 4z = 0}
(2y 4z,y,z) = y(2,1,0) + z(-4,0,1)
{(2,1,0) , (-4,0,1)}
o(2,1,0) + |(-4,0,1) = 0
Es una base: {(2, 1,0), (-4, 0,1)}del subespacio vectorial F de

Determina un plano que pasa por el origen y cuya ecuacin est dado por

5. Sean S y T subespacios de R
4
definidos por S ={(x , y, z , t) / x + y + z + t =
0, 2x y + 2z t = 0, 4x + y + 4z + t = 0}
T ={(x , y , z , t) / x = a + b + 2c, y = b + c, z = -a + b, t = 3b +3c}
Obtener una base y la dimensin de T + S.
Solucin:
En S: (x, y , z , t)
x + y + z + t = 0
2x y + 2z t = 0
4x + y + 4z + t = 0



x + z = 0
y + t = 0
1 1 1 1 0
2 -1 2 -1 0
4 1 4 1 0

1 0 1 0 0
0 1 0 1 0
0 0 0 0 0

(x , -t , -x , t) = x(1,0,-1,0) + t(0,-1,0,1)
{(1,0,-1,0) , (0,-1,0,1)}

En T:
(a+b+2c,b+c,-a+b,3b+3c) = a(1,0,-1,0) + b(1,1,1,3) + c(2,1,0,3)
{(1,0,-1,0) , (1,1,1,3) , (2,1,0,3)}
S + T:





{(1,0,0,2) , (0,1,0,-1) , (0,0,1,2)}
TEOREMA
Sean U y W dos subespacios de dimensin finita de un espacio vectorial V
entonces dim (U+W)= dim (U) + dim (W) dim (UW)

SUMA DIRECTA
La suma de V
1
y V
2
subespacios de V se llama suma directa si V
1
V
2
= 0, en
este caso se dice que dicha suma es directa y se denota V
1
V
2
, tanto V
1
como
V
2
se llaman sumandos directos.
Ejemplo:
- En R
3
sea U el plano xy y W el eje z, luego:
U ={(a, b, 0) / a, be R}
W ={(0, 0, c) / c e R}
Verificar si U y W determinan una suma directa
SOLUCION
Cualquier vector (a, b, c) e R
3
se puede escribir como la suma de un vector
u y un vector w, es decir:
(a, b, c) = (a,b,0) + (0,0,c)

En consecuencia R
3
es la suma directa de U y W:
1 0 -1 0
0 -1 0 1
1 0 -1 0
1 1 1 3
2 1 0 3

1 0 0 2
0 1 0 -1
0 0 1 2
0 0 0 0
0 0 0 0

R
3
= U W
Ejemplo

se puede expresar como una suma directa de dos rectas arbitrarias, pero
distintas que pasan por el origen.
SOLUCION
Consideramos dos rectas arbitrarias que pasan por origen , dichas rectas son
subespacios de

{ }y

{ }
Sea un vector de

donde


Despejando obtenemos ;
, R

Por otro lado, si

, entonces y
Lo cual implica que y

{} ,

COORDENADAS
Para indicar que [v
1
,v
2
, ,v
n
] es una base del espacio vectorial definido por (V,
+, K, . ) se utiliza la notacin [v], es decir cada vector v se puede expresar de
modo nico como la combinacin lineal de la base, dado que los vectores son
linealmente independientes, es decir si x e V siendo x
1
, x
2
, ,x
n
escalares
entonces:

Respecto a la base dada el vector x e V queda caracterizado por los
coeficientes de la combinacin lineal.
Ejemplo: Determine las coordenadas de respecto de la base
[] { }
Solucion
, resolviendo , luego
[]
(

)
las coordenadas de x relativas a la base dada son 3 y -5
PROBLEMAS RESUELTOS
1. En el espacio P
2
de los polinomios de grado 3, verifique si los siguientes
polinomios son linealmente independientes o linealmente dependientes
P
(X)
=x
3
-3x
2
-5x+1, Q
(X)
=-x
3
-x
2
+5x+2, R
(X)
=-x
3
-7x
2
+4x
SOLUCION
Formamos una combinacin lineal e igualamos a cero.
aP
(X)
+bQ
(X)
+cR
(X)
=0x
3
+0x
2
+0x+0a(x
3
-3x
2
-5x+1)+b(-x
3
-x
2
+5x+2)+c(-x
3
-
7x
2
+4x)=0x
3
+0x
2
+0x+0(a-b-c)x
3
+(-3a-b-7c)x
2
+(-5a+5b+4c)x+(a+2b)=
0x
3
+0x
2
+0x+0
Comparando:
a-b-c=0 -3a-b-7c=0
-5a+5b+4c=0
a+2b+0c=0
Resolvemos con la matriz ampliada:
|
|
|
|
|
.
|

\
|

0 0 2 1
0 4 5 5
0 7 1 3
0 1 1 1

|
|
|
|
|
.
|

\
|
0 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

Como r(A)=r(Ab)=n=3 el sistema es compatible, solucin nica.
a=b=c=0, e deduce que los polinomios P
(X)
, Q
(X)
y R
(X)
forman un conjunto
linealmente independiente.
2. Determine un base tal que en R
2
un vector e encuentre en la recta L={x-
y+z=0, 2x-z=0} y otros dos en el plano x+y+z=0

SOLUCION
Un vector de la base se encuentra en la recta L={x-y+z=0, 2x-z=0}
x-y+z=0 y 2x-z=0 x=t, y=3t y z=2t donde t es un parmetro.
entonces la recta est dada por L={(t;3t;2t)} (t;3t;2t)= t(1;3;2); entonces
(1;3;2) es vector contenido en L.
Dos vectores de la base se encuentran en P: x+y+z=0, si x=s y y=t
P:{(s;t;-s-t)} P:{s(1;0;-1)+t(0;1;-1)}
Solo queda demostrar que el conjunto B= {(1; 3; 2), (1;0;-1),(0;1;-1)} es
linealmente independiente.
a(1;3;2)+b(1;0;-1)+c(0;1;-1)=(0;0;0) (a+b;3a+c;2a-b-c)=(0;0;0)
Comparando
a+b=0; 3a+c=0; 2a-b-c=0, resolvemos con la matriz ampliada:
|
|
|
.
|

\
|
0 1 1 2
0 1 0 3
0 0 1 1

|
|
|
.
|

\
|
0 1 0 0
0 0 1 0
0 0 0 1
, comor(A)=r(Ab)=n=3el sistema es
compatible, solucin nica.
a=0, b=0 y c=0
La base es B={(1;3;2),(1;0;-1),(0;1;-1)}
3. Dado el conjunto de matrices B, indique si determinan una base.
i) B={
|
|
.
|

\
|
0 0
0 1
;
|
|
.
|

\
|
0 0
1 1
;
|
|
.
|

\
|
0 1
1 1
;
|
|
.
|

\
|
1 0
0 0
} 2i) B={
|
|
.
|

\
|
1 0
0 1
;
|
|
.
|

\
|
0 1
1 1
;
|
|
.
|

\
|
0 1
0 1
;
|
|
.
|

\
|
1 0
1 1
}
SOLUCION
Para saber si B determina una base se debe demostrar
a) Si el conjunto es LI
b) Si el conjunto genera A
2x2





Demostracin de a)
a
|
|
.
|

\
|
0 0
0 1
+b
|
|
.
|

\
|
0 0
1 1
+c
|
|
.
|

\
|
0 1
1 1
+d
|
|
.
|

\
|
1 0
0 0
=
|
|
.
|

\
|
0 0
0 0

|
|
.
|

\
| + + +
d c
c b c b a
=
|
|
.
|

\
|
0 0
0 0
, por comparacin:
a+b+c=0; b+c=0; c=0 y d=0
Resolviendo: a=b=c=d=0 El conjunto es linealmente independiente.
Demostracin de b)
a
|
|
.
|

\
|
0 0
0 1
+b
|
|
.
|

\
|
0 0
1 1
+c
|
|
.
|

\
|
0 1
1 1
+d
|
|
.
|

\
|
1 0
0 0
=
|
|
.
|

\
|
q p
n m

|
|
.
|

\
| + + +
d c
c b c b a
=
|
|
.
|

\
|
q p
n m
; por comparacin:
a+b+c=m; b+c=n; c=p y d=q, resolviendo con la matriz ampliada:
|
|
|
|
|
.
|

\
|
q
p
n
m
1 0 0 0
0 1 0 0
0 1 1 0
0 1 1 1

|
|
|
|
|
.
|

\
|

q
p
p n
n m
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
, comor(A)=r(Ab)=n=4el sistema es
compatible, solucin nica.
El conjunto si genera a A
2x2

El conjunto si es una base.
2i) B={
|
|
.
|

\
|
1 0
0 1
;
|
|
.
|

\
|
0 1
1 1
;
|
|
.
|

\
|
0 1
0 1
;
|
|
.
|

\
|
1 0
1 1
}, utilizando un procedimiento anlogo al
anterior.
Demostracin de a)
a
|
|
.
|

\
|
0 0
0 1
+b
|
|
.
|

\
|
0 0
1 1
+c
|
|
.
|

\
|
0 1
1 1
+d
|
|
.
|

\
|
1 0
0 0
=
|
|
.
|

\
|
0 0
0 0

|
|
.
|

\
|
+ +
+ + +
d a c b
d b d c b a
=
|
|
.
|

\
|
0 0
0 0
, por comparacin:
a-b+c+d=0; -b+d=0; b+c=0 y a+d=0
Resolviendo: a=b=c=d=0 El conjunto es linealmente independiente.
Demostracin de b)
a
|
|
.
|

\
|
0 0
0 1
+b
|
|
.
|

\
|
0 0
1 1
+c
|
|
.
|

\
|
0 1
1 1
+d
|
|
.
|

\
|
1 0
0 0
=
|
|
.
|

\
|
q p
n m

|
|
.
|

\
|
+ +
+ + +
d a c b
d b d c b a
=
|
|
.
|

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

\
|

q
p
n
m
1 0 0 1
0 1 1 0
1 0 1 0
1 1 1 1

|
|
|
|
|
.
|

\
|
+ + +
+ +
+ +
+
2 / 2 / 2 / 1 0 0 0
2 / 2 / 2 / 0 1 0 0
2 / 2 / 2 / 0 0 1 0
2 / 2 / 2 / 0 0 0 1
q p n m
q p n m
q p m
q p n m
comor(A)=r(Ab)=n=4
el sistema es compatible, solucin nica.
El conjunto si genera a A
2x2

El conjunto si es una base.
4. A) Extender el conjunto S={(1;1;-1;1),(1;1;0;1),(1;2;1;1)} para que formen una
base de R
4

B) si V es un espacio vectorial de dimensin 1. Cmo son sus bases?
SOLUCION
A) La base pedida ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(m;n;p;q)}
Primero demostraremos que el conjunto S es LI
a(1;1;-1;1)+b(1;1;0;1)+c(1;2;1;1)+d(m;n;p;q)=(0;0;0;0)
(a+b+c+md;a+b+2c+nd;-a+c+pd;a+b+c+qd)=(0;0;0;0), por comparacin
a+b+c+md=0; a+b+2c+nd=0; -a+c+pd=0 y a+b+c+qd=0; resolviendo con la
matriz ampliada
|
|
|
|
|
.
|

\
|

0 1 1 1
0 1 0 1
0 2 1 1
0 1 1 1
q
p
n
m

|
|
|
|
|
.
|

\
|
+
+
+
+
0 0 0 0
0 1 0 0
0 2 3 0 1 0
0 0 0 1
q m
n m
p n m
p n m


Pero para que tenga la forma que nos conviene hacemos:
-m+n-p=0; -3m-2n+p=0; -m+n=0 y m+q=1, resolviendo con la matriz ampliada
|
|
|
|
|
.
|

\
|

0 1 0 0 1
0 0 0 1 1
0 0 1 2 3
0 0 1 1 1

|
|
|
|
|
.
|

\
|
1 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
, luego m=n=p=0 y q=1
Rpta: La base ser S={(1;1;-1;1),(1;1;0;1),(1;2;1;1);(0;0;0;1)}
B) Se sabe que la dimensin de una base viene dado por la cantidad de
elementos de la base.
Si dim=1 La base solo tiene un elemento. Todas las bases del espacio
vectorial deben ser equivalentes( es decir, multiplicados por un escalar)
Rpta: Las bases son conjuntos cuyos nicos elementos resulta de la
multiplicacin escalar del elemento de otra base.
5. Sean los subespacios del espacio vectorial de las matrices cuadradas de
orden 2
U={
|
|
.
|

\
|
t z
y x
tal que x-y+z-t=0}; V={
|
|
.
|

\
|
t z
y x
, tal que x=, y=-, z=, t=-}; W{
|
|
.
|

\
|
1 0
0 1
;
|
|
.
|

\
|
1 1
1 1
}
SOLUCION
En el conjunto U notamos: t=x-y+z, reemplazamos U={
|
|
.
|

\
|
+ z y x z
y x
}
separamos segn nos convenga:
|
|
.
|

\
|
+ z y x z
y x
=x
|
|
.
|

\
|
1 0
0 1
+y
|
|
.
|

\
|
1 0
1 0
+z
|
|
.
|

\
|
1 1
0 0

Una base de U es {
|
|
.
|

\
|
1 0
0 1
;
|
|
.
|

\
|
1 0
1 0
;
|
|
.
|

\
|
1 1
0 0
}; dim(U)= 3
En el conjunto V notamos: v={
|
|
.
|

\
|

} separamos segn nos convenga:
|
|
.
|

\
|

=
|
|
.
|

\
|
0 0
1 1
+
|
|
.
|

\
|
1 1
0 0

Una base de V es {
|
|
.
|

\
|
0 0
1 1
;
|
|
.
|

\
|
1 1
0 0
}; dim(V)= 2

En el conjunto W se debe verificar que sus elementos son linealmente
independientes
a
|
|
.
|

\
|
1 0
0 1
+b
|
|
.
|

\
|
1 1
1 1
=
|
|
.
|

\
|
0 0
0 0

|
|
.
|

\
|
+
+
b a b
b b a
=
|
|
.
|

\
|
0 0
0 0

Comparando: a+b=0; b=0 y a+b=0; resolviendo: a=b=0
Verifiquemos si genera a A
2x2
:
a
|
|
.
|

\
|
1 0
0 1
+b
|
|
.
|

\
|
1 1
1 1
=
|
|
.
|

\
|
q p
n m

|
|
.
|

\
|
+
+
b a b
b b a
=
|
|
.
|

\
|
q p
n m

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

Resolviendo con la matriz ampliada:
(
(
(
(

q
p
n
m
1 1
1 0
1 0
1 1

(
(
(
(

n q m
n p
n
n m
2 / ) ( 0 0
0 0
1 0
0 1
; luego r(A)r(Ab); el sistema es
incompatible
el conjunto W no es una base de A
2x2

6. Dados los subespacios vectoriales de R
3
, s={(a;2a;a+b) tal que a y b R},
T={(x;y;z) tal que x=0, y=0}. Calcular una base y dimensin de ST, S+T
SOLUCION
ParaST: (a;2a;a+b)=(0;0;z), resolviendo a=0 y b=z ambos pertenecen a
los reales
ST={(0;0;z)}, notamos
(0;0;z)=z(0;0;1)
Una base de ST es {(0;0;1)}, entonces dim(ST)= 1
Para S+T
S+T={(a;2a;a+b+z)} pero notamos:
(a;2a;a+b+z)=a(1:2:1)+(b+z)(0;0;1), entonces dim(S+T)=2

7.-Indique si los siguientes subconjuntos son espacios vectoriales: S={(x;y)
tal que X0 y y0} de R
2
; T={(x;y)tal que e
x
+y=0}; W={(x;y;z) tal que
x
2
+y
2
+z=0}
SOL:
Para que S sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a S.
u=(u
1
;u
2
) y v=(v
1
;v
2
) u
1
;u
2
;v
1
;v
2
0u
1
+v
1
0 y u
2
+v
2
0
u+v=(u
1
+v
1
;u
2
+v
2
) pertenece a S
Sea k un escalar cualquiera ku=k(u
1
;u
2
)=(ku
1
;ku
2
); pero si k0 ku
1
0
yku
2
0
ku no pertenece a S
S no es un subespacio vectorial.

Para que T sea un subespacio vectorial debe ser cerrada sobre la suma y la
multiplicacin escalar. Sean u y v que pertenecen a T.
u=(u;e
u
) y v=(v;e
v
)
u+v=(u+v;e
u
+e
v
), pero este vector no pertenece a T
T no es un subespacio vectorial.
Para que W sea un subespacio vectorial debe ser cerrada sobre la suma y
la multiplicacin escalar. Sean u y v que pertenecen a W.
u=(u
1
;u
2
;-u
1
2
-u
2
2
) y v=(v
1
;v
2
;-v
1
2
-v
2
2
)
u+v=(u
1
+v
1
;u
2
+v
2
;-u
1
2
-u
2
2
-v
1
2
-v
2
2
), pero este vector no pertenece a W
W no es un subespacio vectorial.
8. Sea A=
|
|
|
.
|

\
|
5 1 0
0 5 1
0 0 5
, para qu valores de X existe un escalar a tal que
AX=aX. Donde X es una matriz columna.
SOLUCION
AX=aX AX=aIX donde I es la matriz identidad
(A-aI)X=0
A-aI=
|
|
|
.
|

\
|

a
a
a
5 1 0
0 5 1
0 0 5
, formando la mtriz ampliada

|
|
|
.
|

\
|

0 5 1 0
0 0 5 1
0 0 0 5
a
a
a

|
|
|
.
|

\
|

0 5 1 0
0 0 5 1
0 0 0 1
a
a ;
si a5

|
|
|
.
|

\
|
0 1 0 0
0 0 1 0
0 0 0 1
, esto genera una solucin trivial.

Si a=5

|
|
|
.
|

\
|
0 0 1 0
0 0 0 1
0 0 0 1
, este sistema tiene infinitas soluciones.
X
|
|
|
.
|

\
|
m
0
0
si a=5; X=
|
|
|
.
|

\
|
0
0
0
si a5
9. A) Determine una base y la dimensin para el conjunto W definido por las
matrices simtricas de orden 2.
B) Averiguar si la matriz A=
|
|
|
.
|

\
|

1
1
1
c b
c a
b a
es no singular.
SOL:
A) Sea W={
|
|
.
|

\
|
b c
c a
M
2x2
tal que a,b,c R}; separamos la matriz
convenientemente
|
|
.
|

\
|
b c
c a
=a
|
|
.
|

\
|
0 0
0 1
+b
|
|
.
|

\
|
1 0
0 0
+c
|
|
.
|

\
|
0 1
1 0

Adems se prueba que {
|
|
.
|

\
|
0 0
0 1
;
|
|
.
|

\
|
1 0
0 0
;
|
|
.
|

\
|
0 1
1 0
} son LI
una base de W es {
|
|
.
|

\
|
0 0
0 1
;
|
|
.
|

\
|
1 0
0 0
;
|
|
.
|

\
|
0 1
1 0
}; dim(W)= 3
B) A es singular si det(A)=0
Aplicando menores y cofactores a la f
1
Det(A)=1(1+c
2
)-a(-a+bc)+b(ac+b)=1+a
2
+b
2
+c
2
y esta expresin obviamente
es mayor que 1
A es no singular.
10. Resolver el sistema X
T
B=X
T
; donde B=
|
|
|
.
|

\
|
4 / 3 0 4 / 1
3 / 1 3 / 1 3 / 1
2 / 1 2 / 1 0
.
SOLUCION
(X
T
B)
T
= (X
T
)
T

BTX=X (B
T
-I)X=0
B
T
-I=
|
|
|
.
|

\
|

4 / 1 3 / 1 2 / 1
0 3 / 2 2 / 1
4 / 1 3 / 1 1
, formando la matriz ampliada
|
|
|
.
|

\
|

0 4 / 1 3 / 1 2 / 1
0 0 3 / 2 2 / 1
0 4 / 1 3 / 1 1

|
|
|
.
|

\
|

0 0 0 0
0 4 / 1 1 0
0 0 3 / 4 1
resolviendo el sistema.
X
1
=(4/3)t; x
2
=t y x
3
=4t
X=
|
|
|
.
|

\
|
t
t
t
4
) 3 / 4 (
, donde t es un parmetro lo cual no indica que hay infinitas
soluciones.
11.-Dados los subespacios vectoriales en R
3
. U={(x;y;z) R
3
tal que x+y=0}
y
W={(x;y;z)R
3
tal que y-z=0}.Determina una base y dimensin de UW,
UW, U+W.


SOLUCION
Sea u U u=(x;-x;z)=x(1;-1;0)+z(0;0;1) Una base de U es {(1;-
1;0);(0;0;1)}, dim(U)= 2
Sea w W w=(x;y;y)=x(1;0;0)+y(0;1;1) Una base de W es
{(1;0;0);(0;1;1)}; dim(W)=2
i) UW :(x;-x;z)= (x;y;y) x=-y=y x=0 (0;0;0)
Una base (UW) es {(0;0;0)}; entonces dim(UW)=0
ii) UW: (x;-x;z) y (x;y;y); sea a=(3;-3;1) UW y b=(-3;1;1) UW
a+b=(0;-2;2) no pertenece a UW
UW no es un espacio vectorial.
no tiene base.
iii)U+W: a U y b W
m(1;-1;0)+n(0;0;1)+p(1;0;0)+q(0;1;1)=0

|
|
|
.
|

\
|

0 1 0 1 0
0 1 0 0 1
0 0 1 0 1

|
|
|
.
|

\
|
0 0 1 0 0
0 0 0 1 0
0 1 1 0 1
el sistema presenta solucin nica ,
entonces las vectores son LI
Una base de UW es {(1;-1;0);(0;0;1);(0;0;1);(0;1;1)}. Dim(UW)=4
12.- En R
4
sean los vectores u=(1;0;-1;2); v=(;-1;0;1) y w=(0;;-1;1). Para
que valores de el conjunto {u;v;w} es LD.
SOLUCION
Analizamos la independencia o dependencia lineal.
a.u+b.v+c.w=0 a(1;0;-1;2)+b(;-1;0;1)+c(0;;-1;1)=0; formando la matriz
ampliada.
|
|
|
|
|
.
|

\
|


0 1 1 2
0 1 0 1
0 1 0
0 0 1

|
|
|
|
|
.
|

\
|

0 0 0 0
0 1 0 0
0 1 1 0
0 0 1 1

; si analizamos =1
R(A)=2<n=3; entonces presenta infinitas soluciones para =1. LD
13. Sean los subespacios S={(x;y;t;z) R
4
tal que x+y=0 y t=z} y
T={(x;y;t;z) R
4
tal que x=ay-at y z=-ay+at}. Determine las bases y la
dimensin se S; T; ST; ST. Hallar a para que S+T tenga dimensin 3 y
con a determine una base para ST

SOLUCION
Sea s=(x;y;t;z)=(x;x;z;z)= x(1;1;0;0)+(0;0;1;1)
Una base de S es {(1;1;0;0);(0;0;1;1)}, dim(S)=2
Sea t=(x;y;t;z)=(ay-at;y;-ay+at;t)=y(a;1;-a;0)+t(-a;0;a;1)
Una base de T es {(a;1;-a;0);(-a;0;a;1)}, dim(T)=2
ST: (x;x;z;z)= (ay-at;y;-ay+at;t)
resolviendo x=y=-z (x;x;-x;-x)=x(1;1;-1;-1)
Una base de ST es {(1;1;-1;-1)} dim(ST)=1
ST: {(x;x;z;z) o (ay-at;y;-ay+at;t)} si a=(2;2;1;1) STy b=(a+2;4;1-a;19)
ST
a+b=(a+2;4;1-2;2), pero este vector no pertenece a STST no es
espacio vectorial.
dim(S+T)= dim(S) +dim(T)-dim(ST) dim(S+T)= 3
S+T: m(1;1;0;0)+n(0;0;1;1)+p(a;1;-a:0)+ q(-a;0;a;1), se construye la matriz
ampliada.
|
|
|
|
|
.
|

\
|

0 1 0 1 0
0 1 0
0 0 1 0 1
0 0 1
a a
a a
; por lo menos uno debe ser dependiente
det(A)=0
Det(A)=
1 0 1
1
0 1 0
a a -
1 0 1
1
0
a a
a a

=-(1-a)-a(1-a)-a
2
=-1+2a=0

a=1/2
Problemas Resueltos
1. En el espacio

de los polinomios de grado 3, verifique si los siguientes polinomios son

linealmente independientes o linealmente dependientes

Planteamos la combinacin lineal

Igualando coeficientes

Llevando a una matriz.
(

) (

)
Dando forma escalonada a la matriz se obtiene que:

Se cumple que son Linealmente Independientes.
2. Determine una base tal que en

un vector se encuentre en la recta L =

{ } y otros dos en el plano
Elegimos un vector (x,y,z)
{}

{ }
Una base ser { }
3. Dado el conjunto de matrices B, indique si determinan una base
i) B = {(


) (


) (


) (


)}
Para ser bases deben ser L.I.
(


)

(


)

(


)

(


)

(


)

2i) B= {(


) (


) (


) (


)}
(


)

(


)

(


)

(


)

(


)

Llevando a una matriz
(

) (

)
Dando forma escalonada a la matriz se obtiene que:

4. A) Extender el conjunto S={ } para que formen una
base de

{ }

5. Sean los subespacios del espacio vectorial de las matrices cuadradas de orden 2
U={(


) }
V={(


) }
W={(


) (


)} .Calcular la base y dimensin de U,V ,W ,UW,U+W
Solucin

(


) (


) (


)
{(


) (


) (


)}

(


) (


)
{(


) (


)}

{(


) (


)}

(


)

(


)

(


)

(


)

(


)

(


)

{(


)}

(


) (


) (


) (


) (


) (


)
(


)
{(


) (


) (


) (


)}

6. Dados los subespacios vectoriales de

S={ } , T {

}
Determine una base y la dimensin de
Solucin
{ }
{}

{}

(



+ (



+
{ }

7. Indique si los siguientes conjuntos son subespacios vectoriales
S={

} de

; T={

} de

,
W {

} de

-
{

}
(

8. Sea A =(



+ para que valores de X existe un escalar a tal que AX=Ax donde X es
una matriz columna.
(

+

(



+ (

+ (

+
(

+ (

+








{(

+ }
9. A) Determine una base y la dimensin para el conjunto W, definido por las matrices
Simtricas de orden 2.
{ (


) }
(


) (


) (


)
(


) (


) (


) (


)

{(


) (


) (


)}

B) Averige si la matriz A= [



] es no singular
|| |



| |


| |


| |


|
||

||

||

||
11. Dados los subespacios vectoriales de

} {

}
Determine una base y dimensin de , Es

?

{ }

{ }

(

, (

,
{ }

{}


12. En

sean los vectores

Para que valores de el conjunto { } es LD
Para que U,V,W sean LD deben formar una combinacin lineal y tener una solucin no
trivial.






Llevando a una matriz.
(

)
Llevando a la forma de la matriz escalonada.
(

)

(

) (

)

13. Sean los subespacios
{

}
{

}
Determine una base y la dimensin de
Hallar tenga dimensin 3 y con a determine una base para .

{ }


{ }

Llevando a una matriz y a continuacin dndole forma escalonada
(

) (

{ }


PRODUCTO INTERNO

Sea V un espacio vectorial, un producto interno o producto escalar sobre V es una
aplicacin donde se verifica:
1.
2.
3.

Un espacio vectorial necesita de una mtrica, el producto interno garantiza una mtrica en
un espacio vectorial, el smbolo se lee producto interno entre los vectores x e y.
Todo producto interno de un espacio vectorial real asigna a cada par de vectores un nico
escalar real.
Ejemplo: Se define sobre

Donde x = (

); y = (

)
Indique si es un producto interno.
Solucin: Para que sea un producto interno se deben cumplir los axiomas:
i)

Se cumple:
ii)

iii)

iv)

v)

es un producto interno
Ejemplo
Indique si la expresin sobre

es un producto interno , donde

es un vector de

Ejemplo
Indique si la siguiente relacin es un producto interno en

, donde

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

ESPACIO EUCLIDIANO (o Euclideo)
Es todo espacio vectorial real con producto interno, la adjuncin de un producto
interno permite establecer una mtrica en l, los conceptos de distancia, mdulo de un
vector, ngulo de dos vectores y ortogonalidad son nociones que dependen de un producto
interno.

Ejemplo: Sea

(


)
La funcin

PRUEBA:
1.

Entonces:

(


)

(


)

2.

3.

4.

(


) (

NORMA DE UN VECTOR
La norma de un vector v que pertenece a un espacio vectorial V se define:
||
OBSERVACION
PRODUCTOS INTERNOS USUALES
1. En el espacio vectorial de las funciones continuas sobre un intervalo
acotado por a y b:

2. En el espacio vectorial de las matrices de orden

3. En el espacio vectorial

4. En el espacio vectorial

5. En el espacio vectorial de los polinomios de grado

PROPIEDAD
. Sea se verifica que:
|| ||||
ANGULO ENTRE VECTORES
Sea V un espacio vectorial, sean u y v vectores de dicho espacio, existe un nico que
pertenece [ ] tal que:
s

||||

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

PROPIEDADES
.
.
. ||
.
. | |
.

OBSERVACION
. En todo espacio con producto interno, el producto interno de cualquier vector y el vector
nulo es
. Si son dos vectores ortogonales en un espacio euclideo V entonces la norma de

ORTOGONALIDAD
Sea V un espacio con producto interno, sean u y v vectores del espacio vectorial V,
se dice que u y v son ortogonales si el producto interno de estos vectores es cero

Dos vectores son ortogonales su producto interno es nulo o cero

Ejemplo:
Sean las funciones reales continuas

definidas en el intervalo
[ ], dichas funciones son ortogonales:

CONJUNTO ORTOGONAL DE VECTORES
Un conjunto de vectores {

} en un espacio vectorial con producto interno es

ortogonal si y solo si dos vectores cualesquiera distintos son ortogonales:
{

PROPOSICION
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es L I
Ejemplo: { (

) (

)} es un conjunto ortogonal
(

*
(

* (

*
(

*
Es un conjunto ortogonal
DEFINICION.- Se dice que un conjunto es ortonormal si es ortogonal y cada vector
es unitario (la norma de cada vector es la unidad).
DEFINICION.-Si una base es un conjunto ortogonal, se dice que es una base
ortogonal. Si una base es un conjunto ortonormal se dice que es una base
ortonormal.
TEOREMA
Sea {

} una base ortonormal de un espacio vectorial

Sea un vector,
dicho vector se puede expresar como una combinacin lineal de los vectores de la
base de la manera siguiente:

Ejemplo:
{ (

* (

*}
Solucin:
(

* (

*
(

* (

*
(

* (

*
DEFINICIN.- La proyeccin de un vector sobre un vector distinto de (vector nulo) se
denota:

PROCESO DE ORTOGONALIZACION DE GRAM-SCHMIDT
Sea {

} una base del espacio vectorial , el conjunto de vectores {

}
definido de la siguiente manera es ortogonal:
Para tener una base ortonormal, se normaliza cada uno de los vectores

Ejemplo:
Dado el conjunto { } es L.I. en

los vectores forman una

base para el subespacio de 3 dimensiones de

. Construir una base ortonormal.

Solucin:
Sean

Aplicando GRAM-SCHMIDT
Sea {

} un conjunto ortogonal

{ } Conjunto ortogonal

{(

* (

}
PROYECCIONES SOBRE SUBESPACIOS
. Sea un espacio euclideo y sea un subespacio vectorial de .
. Se llaman ortogonal

al conjunto de todos los vectores de ortogonales a

cualquiera de .

{ }
. Sea un espacio euclideo y un subespacio vectorial de dimensin finita, entonces todo
vector se puede expresar de forma nica como

donde

. Al vector

s Pry rtg y s t

.
. El vector

s Cpt v sbr pry rtg

TEOREMA DE LA MEJOR APROXIMACIN
Sea un espacio vectorial euclideo y un subespacio vectorial de dimensin finita dado
se cumple:

OBSERVACION
Las series de FOURIER { s s s s s s} es un conjunto
ortogonal con respecto al producto usual definido en [ ]
Ejemplo:
Considere el vector

sea un subespacio de

que consta de todos los

vectores Descomponer en la suma de un vector que se encuentra en y un
vector ortogonal a
Solucin:
Se necesita una base ortonormal a , cualquier vector de se puede expresar como

Sea el conjunto { } una base
Sea {

} una base ortonormal

* (

Luego:

Ejemplo: Sea

Si es un producto interno, ortonormalice por GRAM-SCHMIDT
{ }
Solucin: Verificando que la expresin es un producto interno
i)

ii)

iii)

iv)

Sea

Sea

| |

| |

)
|(

)|

*


(

{ (

}













PRODUCTO INTERNO
Sea V un espacio vectorial, un producto interno o producto escalar sobre V es
una aplicacin <,>:V. V C que verifica:
1. <au + bv, w>= a<u, w> + b<v, w>
2. <u, v>=<v, u>
3. <u, u>>0, u e V, <u, u>= 0 u = 0
Un espacio vectorial necesita de una mtrica, el producto interno, llamado
tambin producto escalar, garantiza una mtrica en un espacio vectorial.
El smbolo se lee producto interno entre los vectores x e y. Para que
la aplicacin se llame producto interno, entonces deber cumplir los siguientes
axiomas:
i.
ii.
iii.
iv.

Todo producto interno en un espacio vectorial real asigna a cada par de
vectores un nico escalar real.

ESPACIO EUCLIDIANO
Es todo espacio vectorial real con producto interno, la adjuncin de un producto
interno permite establecer una mtrica en l, los conceptos de: distancia,
mdulo de un vector, ortogonalidad y ngulo entre dos vectores; son nociones
que dependen de un producto interno que se establezca en un espacio
vectorial.
Ejemplo:
Se define sobre
2
:

Donde:

Indique si es un producto interno.

Solucin:
Para que se llamado producto interno, entonces deber cumplir los 4
axiomas.
i)
.

ii)
.

iii)
.

iv)
.

Ejemplo:
En (

) se define:

Donde: (

, (

, Indique si es un producto interno.

Solucin:
i)

,

ii)

iii)

iv)

PROPIEDAD
En todo espacio con producto interno, el producto interno de cualquier vector y
el vector nulo es cero.

Definicin
La norma de todo vector v que pertenece a V es un nmero real no negativo:
||
En el espacio Euclidiano R
n
representa la longitud del segmento de extremo O
y

en general la distancia entre dos puntos P y Q.

ORTOGONALIDAD
Sea un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales s y slo s su producto interno es nulo.
ORTOGONALIDAD
Sea (V, +, R, .) un espacio vectorial con producto interno, se dice que dos
vectores son ortogonales s y slo s su producto interno es nulo.
Ejemplo:
Sea el conjunto de funciones reales continuas sobre el intervalo []

Es una funcin definida en dicho espacio. Indique si los polinomios

son
ortogonales.
Solucin:
Realicemos el producto interno:

Como vemos, el producto interno si es nulo, por lo tanto si son ortogonales.

PROPIEDADES
1.- Desigualdad de Schawrs
En todo espacio vectorial euclidiano se cumple que el valor absoluto del
producto interno es menor o igual que el producto d los mdulos de dichos
vectores.
| | ||||
2.- Desigualdad triangular
En todo espacio con producto interno, el modulo de la suma de dos vectores
cualquiera es menor o igual que la suma de sus mdulos.
| | || ||
3.- ngulo entre dos vectores
Sean x e y dos vectores no nulos en un espacio con producto interno. De la
desigualad de Schawrs:
| | ||||
|||| ||||


||||

Para


||||

||||

CONJUNTO ORTOGONAL DE VECTORES
Un conjunto de vectores {

} en un espacio vectorial con producto interno

es ortogonal s y slo s dos vectores cualesquiera y distintos son ortogonales.
Es decir si

Proposicin:
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es
linealmente independiente.
Demostracin:
Sea {

} un conjunto ortogonal tal que

y sea la
combinacin lineal:

Entonces para cada consideramos:

Luego

Como

, la sumatoria se reduce a un nico termino que se

obtiene si es decir

siendo

entonces

lo que
indica que

Finalmente decimos que {

} es L.I.

Definicin:
Un conjunto de vectores en un espacio vectorial V se dice que es un conjunto
ortogonal si cada par de vectores es ortogonal.
Se dice que es un conjunto ortonormal si es ortogonal y cada vector es unitario.
Ejemplo:
Un conjunto ortonormal es: { (

} debido a que:
- (

son vectores unitarios

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

TEOREMA:
Un conjunto ortogonal de vectores diferentes del vector nulo en un espacio
vectorial V es L.I. en consecuencia determinan una base.



DEFINICIN
Una base que es un conjunto ortogonal se dice que es una base ortogonal. Una
base que es un conjunto ortonormal, se dice que es una base ortonormal.
Observacin
Hay muchas bases para un espacio vectorial, la base que se utilice depende
del problema en consideracin, se recomienda utilizar la base ms
conveniente, a menudo la base ms adecuada es un conjunto ortogonal o un
conjunto ortonormal.

ALGUNAS APLICACIONES DEL PRODUCTO INTERNO PARA

Ejemplos
01) Una recta que pasa por

y en la direccin es un conjunto
{

}
Si

es un punto arbitrario de y es un vector ortogonal a tal que

Entonces

Es decir la ecuacin cartesiana de es:
Si

Donde: {

}

02) DISTANCIA DE UN PUNTO A UNA RECTA
La distancia de un punto

a la recta {

}
, es la longitud del segmento

, donde











| |, vemos que , con
O sea de donde
, siendo
En la ecuacin cartesiana reemplazando

|

| |

03) REA DEL TRINGULO







h es la distancia desde el punto final del
radio vector a la recta / { } {

} donde


| |

| |
||

Dado que rea =

|| , se tendr:
rea del triangulo=

| |

04) FUNCIONES TRIGONOMTRICAS


Por la ley de cosenos










| |

||

||

||||
Pero | |

||

||

Adems vemos que
Luego:


||||
|| ||
s (

)

||||



||||


TEOREMA
Sea {

} una base ortonormal, sea un vector en , el vector se

puede expresar como una C.L de los vectores de las base de la manera
siguiente:

Es decir

Ejemplo:
Dado el vector se puede trabajar como C.L de los vectores:

), que determinan una base

ortonormal donde:

.
(

) (

)

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

se
define:

PROCESO DE ORTOGONALIZACIN DE GRAM-SCHIMDT
Sea {

}una base para el espacio vectorial , el conjunto de vectores

{

}definido de la manera siguiente es ortogonal (

) Para
Obtener una base ortonormal de , se normaliza cada uno de los vectores

es decir:

Ejemplo:
El conjunto { } es L.I en

, los vectores forman una

base para el subespacio de 3 dimensiones de

. Construya una base

ortonormal para
Solucin:
Sean

, aplicando Gram-Schmidt
para construir un conjunto ortogonal.
Sea:

El conjunto ortogonal { } es una base ortogonal
para .
{(

) (

) (

)} es una base ortonormal de .

LEMA:
Un conjunto ortonormal{

} es L.I y cualquier vector "" que pertenece a

, es tal que el vector

es ortogonal
a cada uno de los

.

OBSERVACION
Las bases ortonormales desempean un papel importante en las espacios con
producto interno, en el lema anterior se muestra que siempre existe una base
ortonormal.
Ejemplo
Se define el producto interno

ortonormalice por
Gram-Schmidt la base { }
Para

Solucin
Sea

Hacemos

(


)

(


)
(


)

La base ortonormal es { }

TEOREMA
Sea {

} una base arbitraria con producto interno entonces existe una

base ortonormal {

} de talque la matriz de transicin de {

} {

} es
triangular para . Se cumple:

Prueba:
Consideremos

entonces {

} es ortonormal, luego consideramos

un

es ortogonal a

, entonces {

}
es ortogonal.
Por el lema

es ortogonal a

, entonces {

} es un conjunto ortogonal.

, tal que

, nuevamente por el lema

es ortogonal, en general al obtener {

} consideramos los siguiente:

se puede observar
que

, {

} es ortonormal que forma una

base de .

Ejemplo:
Sea {

} una base de

, encuentre una
base
Ortonormal utilizando el proceso de ortogonalizacin de Gram Schmidt.
Solucin:
Sea

)
Hacemos:

) (

), luego

) (

) ,

)

La base ortonormal es {

)}.

PROYECCIN DE UN VECTOR SOBRE UN SUBESPACIO
Sea un subespacio de

, sea {

} una base ortonormal para . Si

es un vector en

, la proyeccin de sobre , denotada

se
define como:

TEOREMA:
Sea un subespacio de

, cada vector en

se puede expresar de forma

nica de la siguiente manera:

Donde se encuentra en W y

es ortogonal a W, los vectores

son:

Ejemplo:
Considere el vector en

, sea el subespacio de

que consta de
todos los vectores . Descomponga en la suma de un vector que se
encuentra en y un vector ortogonal a .
Solucin:
Se requiere una base ortonormal para , cualquier vector de se pueda
expresar de la siguiente manera: .
El conjunto { } genera a W, es L.I formara una base para .Los
vectores y son ortogonales, busquemos una base ortonormal
{

}
Para donde

),

) (

, luego se obtiene tiene

lo pedido:


Ejemplo:
Dado los vectores: . Determine un
vector de

que es la proyeccin ortogonal de sobre el plano generado por

Solucin
(


) (


)
Sea { } donde

, H es
ortogonal.

)
Otro mtodo:
Sea vectores que pertenecen a H entonces

*

OBS:
Sea una espacio euclideo y un subespacio vectorial de . Se llama
ortogonal de en al conjunto de todos los vectores de ortogonales a
cualquier vector de

{ }

PROPIEDADES:
1) Si es ortogonal a todos lo elementos de una base de , entonces

2) Si

.
COMPLEMENTO ORTOGONAL
Sea un subespacio de un espacio vectorial , cuando los elementos de un
subespacio vectorial son ortogonales a , se dice que dicho subespacio es un
complemento ortogonal .Se denota como

y se denomina complemento
ortogonal porque la suma de las dimensiones de

es igual a la dimensin
del espacio vectorial .
Ejemplo
Dado el subespacio vectorial {(


) } su complemento
ortogonal con respecto al producto interno

, en el espacio
vectorial de las matrices cuadradas de orden dos es igual al subespacio cuyos
vectores son ortogonales a cualquier base de , entonces tomando una base
arbitraria {(


) (


)} y aplicando las condiciones de ortogonalidad
con un vector genrico del espacio vectorial, tenemos
(


) (


) (


)
(


) (


) (


*
Tendremos el complemento ortogonal

{(


* }
OBSERVACION
En un espacio vectorial lineal complejo, un producto interno es un nmero
complejo que satisface los mismos axiomas que los del producto interno real
excepto el de la simetra que se reemplaza por la relacin

(simetra hermitiana)
Ejemplo
Sea el espacio vectorial de las matrices cuadradas de orden dos con
elementos complejos y el producto interno definido por

Calcular la distancia entre los vectores (


) (


)
Solucin
Sea (


) (


) (


)
Luego (


) (


) (


)

Ejemplo
Dados los vectores (


) (


) , se define el
producto interno

.Determine el ngulo entre dichos vectores

Solucin
((



+(


)) (



+


Tambin:
((



+(


)) (



+
((



+(


))
(



+
(

TEOREMA DE LA MEJOR APROXIMACIN
El teorema de la mejor aproximacin resuelve el problema de la mnima
distancia de un punto a un subespacio vectorial. Dado un subespacio vectorial

y un vector

, se debe minimizar la distancia de a un vector

genrico ; { }se debe obtener un vector donde s
alcanza un mnimo.
Sea un espacio vectorial euclideo y un subespacio vectorial de
dimensin finita. Dado Se cumple:

EJEMPLOS
1. Para el espacio vectorial con producto interno

de las
funciones continuas en un intervalo [] .Determine el polinomio de grado
menor o igual que dos ms prximo a la funcin s
2.
Encuentre la mejor aproximacin para s en el intervalo []
PROBLEMA 1
Ses f (u, v)6x
1
y
1
4(x
1
y
2
+ x
2
y
1
) + 7x
2
y
2
; con un u(x
1
,x
2
), v(y
1
,y
2
)
Es un f (u, v) un producto interno?, de ser un producto interno determine la
norma de (1,2).
SOLUCION
- Para que f (u, v) sea un producto interno debe satisfacer las
condiciones.

1. <(x
1
,x
2
)+(y
1
,y
2
);(z
1
,z
2
)> = < (x
1
+ y
1
,x
2
+ y
2
);(z
1
,z
2
)
>

= 6(x
1
+ y
1
)z
1
4[(x
1
+ y1)z
2
+ (x
2
+ y
2
)z
1
] + 7z
2
(x
2
+ y
2
)
(1)
Tambin:
<x,z> + <y,z> = (6x
1
z
1
4(x
1
z
2
+ x
2
z
1
) + 7x
2
z
2
) + (6y
1
z
1
4(y
1
z
2
+
y
2
z
1
) + 7y
2
z
2
) ..(2)
De (1) y (2)
<x,z> + <y,z>
2. = 6x
1
y
1
4(x
1
y
2
+ x
2
y
1
)+ 7x
2
y
2
(3)
= 6y
1
x
1
4(y
1
x
2
+ y
2
x
1
)+ 7 y
2
x
2
.(4)
De (3) y (4) por definicin =

3. = 6x
2
1
4(x
1
x
2
+ x
2
x
1
)+ 7x
2
2

= 6x
2
1
8x
1
x
2
+ 7x
2

= (2x
1
2x
2
)
2
+ 2x
2
1
+ 3x
2
2
0
= 0 u = 0
f (u, v)6x
1
y
1
4(x
1
y
2
+ x
2
y
1
)+ 7x
2
y
2
; es un producto interno.
La norma de u =


PROBLEMA 2
Sea el espacio vectorial

sobre R , se define el subespacio

vectorial
W = {(x, y, t, z) / x + y t + z = 0} y el vector v = { 1, -1, 2, 3}
a) Construir una base ortogonal H para W
b)Exprese v como una Combinacin Lineal de H y

SOLUCIN
a) (x,y,t,z) Si t = x + y + z ( x , y , x + y + z , z) = x( 1,0,1,0) +
y(0,1,1,0) + z(0,0,1,1)
{ ( 1,0,1,0) ; (0,1,1,0) ; (0,0,1,1) } el conjunto LI y por lo tanto una
base del subespacio W
Si consideramos V1 = ( 1,0,1,0) , V2 = (0,1,1,0) y V3 = (0,0,1,1)

V1 = (1, 0, 1,0)

V2 -

= (0,1,1,0) -

(0,1,1,0) -

.( 1,0,1,0) = (0,1,1,0) -

(1,0,1,0)

(-

, 1,

,0)

V3 -

= (0, 0, 1,1) -

(1, 0, 1,0) -

(-

, 1,

,0)

= (0, 0, 1,1) -

(1, 0, 1,0) -

(-

, 1,

,0) = (-

, 0,

,1) -

(-

, 1,

,0)

= (-

,-

,1)
Entonces la base ortogonal H para W es
H = { (1,0,1,0) ; (-

, 1,

,0) ; (-

,-

,1) }

b) Sea tal que

(

*
(

*

(



+ (



+


Se obtiene { }
Luego

)

Resoviendo tendremos

PROBLEMA 3
En R
3
se define el producto interno x
1
y
1
+ 3x
2
y
2
+ 5x
3
y
3
con un x(x
1
,
x2,x3) y y(y
1
,y
2
,y
3
)
Mediante el proceso de Gram-Schmidt transformar la base
{ } en una base ortonormal.
SOLUCION
- Sea v
1
=(1,1,1); v
2
=(1,0,0); v
3
=(1,-1,0) aplicando Gram-Schmidt para
construir un conjunto ortonormal {u
1
,u
2
,u
3
} a partir de los vectores
indicados.
Sea:
u
1
=v
1
= (1,1,1)
u
2
=

||
=

(1,1,1)=(

)
u
3
=(1,-1,0)

|(

||
(1,1,1)
u
3
=(1,-1,0)

)+

(1,1,1)=(0,

)
{(1,1,1), (

), (0,

)} Es un conjunto ortogonal

= 0

=-

= 0

= 0
Luego:
|

3
|

La base ortonormal
{(

), (

), (0,

)}

PROBLEMA 4

Sea el espacio euclideo de las funciones continas en <-1,1> (intervalo),
definido el producto interno

dt, para que valor de los

vectores

, son ortogonales.
SOLUCION

dt =

dt
=

dt

Si x e y son ortogonales:




PROBLEMA 5
Sean U
1
,U
2
,U
3,
los siguientes subespacios de R
3

U
1
{(a,b,c)/a+b+c0}

U
2
{(a,b,c)/ac}
U
3
{(0,0,c)/c R
3
}
Probar que R
3
U
1
+U
2
U
2
+U
3
U
1
+U
3
e indicar en qu caso la suma es directa.
SOLUCION
- En U
1
a + b + c = o a = -b c
(a,b,c ) = (-b -c,b,c) = b(-1,1,0) + c(-1,0,1)
{(-1,1,0); (-1,0,1)}
Luego (-1,1,0) + (-1,0,1) = (0,0,0)
; es un conjunto LI entonces es una base de U
1
- En U
2
a = c
(a,b,c ) =(a,b,a)= a(1,0,1) + b(0,1,0)
{(1,0,1) ;(0,1,0)}
Luego (1,0,1) + (0,1,0)= (0,0,0)
; es un conjunto LI entonces es una base de U
2

- En U
3

(0,0,c ) = c(0,0,1)
{(0,0,1) } ; es una base de U
3
- En U
1
+U
2

U
1
U
2
V U
1
V U
2
V
V= m(-1,1,0) + n(-1,0,1)= p(1,0,1) + q(0,1,0)= (a,b,c )
-m-n=p; m=q; n=p q=m= -2p
V=(a,b,c)= (p, -2p, p) = p(1,-2,1)
U
1
U
2
={(1,-2,1)} ; (NO HAY SUMA DIRECTA DE U
1
U
2
)

(




, (




, (




,
{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U
1
+U
2
)
- En U
2
+U
3

U
2
U
3
V U
2
V U
3
V
V= k(1,0,1) + g(0,1,0)= f(0,0,1)= (a,b,c )
K=0 ; g=0 ; k=f=0 k=g=f=0
V=(a,b,c)=(0,0,0)
U
2
U
3
= 0; (SI HAY SUMA DIRECTA DE U
2
U
3
)
(



+ (



+ {(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U
2
+U
3
)
- En U
1
+U
3

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

(



+ (



+ (



+ (



+

{(1,0,0),(0,1,0),(0,0,1)} ; es una base de (U
1
+U
3
)
Luego del desarrollo comprobamos que se cumple que R
3
U
1
+U
2

U
2
+U
3
U
1
+U
3




PROBLEMA 6

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

Determine un plano P talque IR
3
= L P

SOLUCION

(x,y,z) pertenece a L y P
Dado que P es un plano tiene dimensin 2
(x,y,z) = (1,-1,2) = (a,b,c) + (m,n,p) Si L y P hacen una suma directa
entonces (x,y,z) = 0
1 = a + m (a,b,c) ; (1-a ; -1-b ; 2 - c)
-1 = b + n
2 = c + p

Entonces el Plano P de dimensin 2 tiene como base a:
{ (a,b,c) ; (1-a ; -1-b ; 2 - c) }





PROBLEMA 7
Si V
1
,V
2
,V
3
son LI del espacio ( V, +,k, . ).Investigar la DL o IL de:
i) {V
1
+aV
2
+bV
3
,V
2
+cV
3
,V
3
}
ii) { V
1
,V
2
+aV
3
, V
3
+bV
2
}

SOLUCION
Como sabemos que V
1
,V
2
,V
3
es LI
i) (V
1
+aV
2
+bV
3
)+ (V
2
+cV
3
) + (V
3
)0

V
1
() + V
2
(a+)+ V
3
(b++c)=0
=0
a+=0 Por lo tanto es IL
b++c=0
ii) (V
1
)+ (V
2
+aV
3
) + (V
3
+bV
2
)0

V
1
+ V
2
( b + V
3
(a +) = 0

= 0

b = 0 Por lo tanto es IL

a + = 0


PROBLEMA 8

Determine una base para el subespacio
U = { A = (

4x4
/ tr(A) = 0 ;

- 2

= 0 }

SOLUCION

(

,=

(




, +

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,+

(




,


Entonces una base para el subespacio es:

{(




, (




, (




, (




,
(




, (




, (




, (




,
(




, (




, (




, (




,
(




, (




,}






PROBLEMA 9
Los polinomios 1; x-1; x
2
-3x+1; forman una base de P
2
, de ser cierto, exprese
el polinomio 2x
2
-5x+6 como una C.L. de los vectores de dicho base?
SOLUCION
- Verificar si es una base {1; x-1; x
2
-3x+1}
(x
2
-3x+1)0
x
2
+ x( )+( )=0
=0
=0 Luego es un conjunto LI entonces es una
base de P
2
=0
Como es una base expresar el polinomio 2x
2
-5x+6 como una C.L. de los
vectores de dicha base.
2x
2
-5x+6 = a(1)+b( x-1)+ c( x
2
-3x+1)
2x
2
-5x+6 = (c)x
2
+(b-3c)x+(a-b+c)
a-b+c =6
b-3c =-5
c=2
(



+ (



+ (



+
a=5, b=1, c=2 2x
2
-5x+6 = 5(1)+1( x-1)+ 2( x
2
-3x+1)
PROBLEMA 10
Indique si las siguientes proposiciones son V o F (fundamente)
a) Un conjunto de vectores que contenga 2 vectores iguales es LI
b) Cualquier conjunto de vectores al que pertenece el vector nulo es LD
c) Cualquier conjunto S de vectores LD contiene un subconjunto que es
LI
d) Es LI el conjunto {

}
e) Es W1 = { (x,y,z) / 3y 2z = 0 } un subespacio vectorial
f) Es W2 = { (A V /

} un subespacio vectorial

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

a + a + x = 0
b + b + y = 0 Si = = 0 Necesariamente = 0
c + c + z = 0
d +d + t = 0 Entonces es V

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

0 + a + x = 0
0 + b + y = 0 Si = = 0 No necesariamente = 0
0 + c + z = 0 Entonces es LD
0 +d + t = 0 Por lo tanto es V

c) Es V porque en un conjunto LD siempre hay un coeficiente diferente
que cero y los restantes son ceros por lo cual estos coeficientes
restantes forman un conjunto LI.


d)

= 0
Si = = = 0 , Necesariamente = 0 Por lo tanto es LI
Entonces es V
e) (x,y,

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

)
Tiene una base {(1,0,0) ; (0,1,

) }
(1,0,0) + (0,1,

) = 0 = = 0 es LI
Por lo tanto es un subespacio vectorial.

f) (

+=

(



+

(



+

(



+ (



+ (



+ (



+
Tiene base:
{(



+ (



+ (



+ (



+ (



+ (



+}
Y es LI Por lo tanto es un subespacio vectorial.
PROBLEMAS PROPUESTOS
1. Exprese en funcion de

Sabiendo que { }

2. Dadas las matrices (


) y (


), indique si las
siguientes expresiones corresponden a un producto interno

3. Considere en

el producto interno de

como la relacion dada por

,
luego mediante el proceso de Gram-Schmidt transformar la base
{ } en una base ortonormal.
4. Calcule el ngulo que forman los vectores (



+
(



+ con el producto interno usual de matrices
5. Sean

dos vectores, indique si las siguientes

expresiones corresponden a un producto interno (en R o en C )
a)

b)

c)

6. Determine el complemento ortogonal de los siguientes subespacios
a)

{ } para el
producto interno usual
b)

{ } para el producto interno definido por

c)

} para el producto interno

TRANSFORMACIONES LINEALES
TRANSFORMACION LINEAL ENTRE DOS ESPACIOSVECTORIALES
SOBRE UN MISMO CUERPO
Sean dos espacios vectoriales sobre un mismo cuerpo
.La funcin : es una transformacin lineal u homomorfismo si y solo
si:
1) La imagen de la suma de dos vectores cualesquiera de es igual a la suma
de sus imgenes en es decir:

2) La imagen del producto de cualquier escalar por todo vector de es igual al
producto del escalar por la imagen de dicho vector:

Ejemplo:
Sean los espacios vectoriales

. La funcin:

definida por

indique si es una transformacin

lineal.
Solucin
1)[

2) (

Se comprueba las dos condiciones por los tanto si una transformacin lineal.
Observacin: Una aplicacin, funcin o transformacin lineal es un conjunto de
operaciones que se realizan sobre un elemento de un subespacio vectorial,
para transformarlo en un elemento de otro subespacio, en las transformaciones
lineales se preservan las operaciones de suma de vectores y producto de un
escalar por un vector. El termino funcin lineal es usado incorrectamente en el
anlisis matemtico y en la geometra para designar una recta o en general una
variedad lineal.
Ejemplo:
Supongamos que

es una transformacin lineal que verifica

Halle la imagen de
Solucin:
( ) () ()




PROPIEDADES DE LAS TRANSFORMACIONES LINEALES
Sea : una transformacin lineal, denotemos mediante

a los
vectores nulos en respectivamente.
1) La imagen del vector nulo del primer espacio por toda transformacin lineal
es el vector nulo del segundo espacio.

2) La imagen del opuesto de todo vector del primer espacio es igual al opuesto
de su imagen.
()

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

se lee nucleo de , por

definicin

}. El nucleo de toda transformacin lineal es

la preimagen del vector nulo del segundo espacio.

Ejemplo
Sean los espacios vectoriales

la funcin

definida por:

. Determine el nucleo de
Solucin
1) [ ] [ ] (


) (


)
(


)
( ) (


) (


)
Si cumple las dos condiciones es una T.L
Hallando su ncleo:

(


)
(

{ }
Hallando su imagen:

} (


)

* (


)

Esta dado por (

), La matriz (


) es un sistema de generadores de

, constituye una base de dimensin 1.

TRANSFORMACIONES LINEALES

TRANSFORMACION LINEAL ENTRE DOS ESPACIOS VECTORIALES SOBRE UN
MISMOCUERPO
Sean y dos espacios vectoriales sobre un mismo cuerpo
La funcin es una transformacin lineal u Homomorfismo si y slo si:
i) La imagen de la suma de dos vectores cualquiera de V es igual a la suma de sus
imgenes en W, es decir

.
ii) La imagen del producto de cualquier escalar por todo vector de V es igual al
producto del escalar por la imagen de dicho vector.

Ejemplo 1:
Sean los espacios vectoriales (

la funcin

definida por

. Indique si es una transformacin lineal.

Solucin:
i) [

ii)

Ejemplo 2:
Supongamos que

es una transformacin lineal que verifica

halle la imagen de

Solucin:
( ) ( ) ( )

Ejemplo3:
Determine una transformacin lineal o aplicacin lineal generado por

, si las
imgenes estn dadas por
Solucin
Sea

Luego
Ejemplo 4:








Sea una transformacin lineal, denotemos mediante

a los vectores nulos

en V y W respectivamente.
I) del vector nulo del primer espacio por toda transformacin lineal
es el vector nulo del segundo espacio.

II) La imagen del opuesto de todo vector del primer espacio es igual al opuesto de
su imagen.


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

V W




El smbolo se lee ncleo de por definicin {

}
El ncleo de toda transformacin lineal es la preimagen del vector nulo del segundo
espacio.

Ejemplo:
Sean los espacios vectoriales (

La funcin

definida
por

es una transformacin lineal. Determine el ncleo

de
Solucin:
{

{ },el ncleo de f es el conjunto de

todos los mltiplos escalares del vector
Ejemplo
Sea la transformacin lineal

IMAGEN DE UNA TRANSFORMACIN LINEAL:
La imagen de una T.L. es el conjunto imagen del dominio, es decir, es la totalidad
de las imgenes de los vectores del primer espacio. El smbolo se lee imagen de f.
{ }
Tambin se sabe que

en consecuencia

lo que significa que ,

PROPIEDAD
La imagen de toda T.L. entre dos espacios vectoriales es un subespacio del codominio.
Ejemplo:
Sea

definida por (


)
Indique si es una T.L., halle su ncleo e imagen
Solucin:
[ ] [ ] (


)
(


) (


)
Tambin:
( ) (


) (


)
Es una Transformacin lineal
Hallando su ncleo:
{

(


) (

{ }( el ncleo de es el conjunto de los pares ordenados de
componentes opuestos )
La imagen se puede definir tambin por {
}
La imagen:
{

}
(


)

* (


)

(


)
La matriz (


) es un sistema de generadores de la , constituye una base de
dimensin 1.
TEOREMA:
Sea V un espacio vectorial de dimensin finita, entonces la dimensin de est dada por:

Observacin
Sea f una transformacin lineal, entonces el rango de f se define como la dimensin de su
b ,imagen y la nulidad de f se define como la dimensin de su ncleo, es decir:
(

)
(

)

Ejemplos
Determine el ncleo, la imagen y las dimensiones de ambos en la siguiente transformacin
lineal

definida por

Solucin
Determinamos el ncleo de la transformacin lineal:

resolviendo este sistema de ecuaciones tenemos

, luego el ncleo esta

dado por t(0,1,-1) , es decir los mltiplos escalares del vector , se obtiene una
base { } cuya dimensin es uno.
Determinamos la imagen, sea entonces

Luego formando la combinacin lineal

Luego (



+ (



+ (



+ , la imagen de es generada por { }
Cuya dimensin es dos.
Ejemplo
Sea la transformacin lineal

; determine el ncleo y la imagen e indique una base y la dimensin

Solucin
Determinando el ncleo

Se tiene el siguiente sistema de ecuaciones lineales

entonces

, se obtiene

tal que , cuya base {} es de

dimensin cero.
Calculando la imagen

Donde

, llevando a la forma matricial

(


) (


) (


) , luego la imagen es generada por los
vectores que forman la base { } de dimensin dos.

MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL
Supongamos que {

} es una base de un espacio vectorial sobre un cuerpo y

para supongamos que

, entonces el vector
coordenadode relativo a {

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

especifique lo contrario, est dado por:
[]

,

REPRESENTACIN MATRICIAL DE UN OPERADOR LINEAL
Sea T un operador lineal en un espacio vectorial V sobre un cuerpo K supongamos que
{

} es una base de V y por tanto se puede expresar una combinacin lineal de

los vectores de la base, es decir:

DEFINICION.-La transpuesta de la matriz de los coeficientes de la representacin anterior
denotada por []

se llama representacin matricial de T relativa a la base {

} .
[]

,
Ejemplo 1:
Sea el espacio vectorial de todos los polinomios en T sobre R de y el
operador derivacin definido por (

, sea la base {

[]

(




,
Ejemplo 2:
Sea T el operador lineal sobre

definido por

. Calculamos la
matriz de T en la base {

}
Solucin
Tenemos:

[]

(


)
TEOREMA
Sea {

} una base de V y sea T un operador lineal cualquiera sobre V entonces

se cumple que:
[]

[]

Es decir si multiplicamos el vector coordenado de v por la representacin matricial de T se
obtiene el vector coordenado de

Ejemplo 3:
Sea el operador lineal

definido por

y sea
, siendo la base {

[]

)
[

)
[]

[]

(


) (

) (

) [

TEOREMA
Sea {

} una base de V sobre un cuerpo K y sea A el lgebra de las matrices

cuadradas de orden entonces la aplicacin: [] es un isomorfismo de un espacio
vectorial

sobre A es decir que la aplicacin es de 1 a 1 y sobre, para cualquier

y para cualquier
[ ]

[]

[]

[]

[]

TEOREMA
Para operadores cualesquiera

, se tiene:[]

[]

[]

Ejemplo
Sea supongamos que {

} es una base de V, T y S son operadores sobre V

tales que:

[]

* []

[ ]

* (

* (

*
[]

[]

Tambin para

[]

* (

* []

CAMBIO DE BASE
Definicin.- Sea {

} una base de V y sea {

} otra base, supongamos

que:

La traspuesta P de la matriz de los coeficientes se llama matriz de transicin de la base
antigua o primitiva {

} {

}. ( )
(

,
Como los vectores

son linealmente independientes, la matriz P es invertible, su

inversa

es la matriz de transicin de la nueva base a la base antigua.

Ejemplo
Sean las bases {

} y {

} luego

(


)

(


)
(


) (


) (


)
TEOREMA
Sea P la matriz de transicin de una base {

} a una base{

} en un espacio vectorial V
entonces se cumple que:
[]

[]

Es decir:
[]

[]

TEOREMA
Sea P la matriz de transicin de una base {

} a una base {

} en un espacio V entonces
operador lineal T sobre V se cumple que:
[]

[]

SIMILARIDAD
Supongamos que A y B son matrices cuadradas para los cuales existe una matriz invertible
P tal que:

entonces se dice que B es similar a o que se obtiene de A por una

transformacin de similaridad. La similaridad de matrices es una relacin de equivalencia.
TEOREMA
Dos matrices A y B representan el mismo operador lineal T si y solo si son similares la una
a la otra. Todos los representantes matriciales del operador lineal T forman una clase de
equivalencia de matrices similares.
Ejemplo
Sea T el operador lineal sobre

definido por

y

, por el
teorema el operador lineal existe y es nico, hallar

en particular

.
Solucin
Sea un vector tal que se forma la combinacin lineal:

Expresando

como una combinacin lineal de

, tenemos

Para el caso particular de

se tiene

VALORES Y VECTORES PROPIOS
En los diversos campos de la ingeniera y las matemticas surge el problema de
calcular los valores escalares y los vectores tales que para la matriz
cuadrada se cumple
Algunos de estos de aplicacin son:
Ecuaciones diferenciales, Estabilidad de sistemas lineales, Sistemas elctricos,
Polos y ceros de transferencia, diagonalizacion de matrices, etc.
Podemos averiguar si el problema planteado en (1) tiene solucin si tenemos
, el problema se transforma en un sistema lineal homogneo
, el cual tiene solucin para , cuando t , es justamente lo
que no nos interesa .El numero se dice que es el valor propio de la matriz
cuadrada si y solo si t 3) esta es la ecuacin caracterstica de la
matriz .El polinomio que surge de la ecuacin (3) resulta un polinomio en
ponencias de , la expresin t se le llama polinomio
caracterstico de la matriz .El polinomio caracterstico de una matriz de
dimensin es de grado , por lo que se tiene valores propios que
satisfacen la ecuacin (3) .

VALOR PROPIO
Sea un operador lineal sobre un espacio vectorial sobre un cuerpo Un
escalar se llama valor propio de si existe un vector diferente de cero,

T vtr qu stsf st r s vtr prp T prtt vr
propio
Observacin: Las transformaciones lineales del espacio como la rotacin, la reflexin, el
ensanchamiento o cualquier combinacin de las anteriores pueden interpretarse mediante
el efecto que producen en los vectores .De forma geomtrica los vectores se visualizan
como flechas de cierta longitud apuntado en una direccin y sentido determinado. Los
vectorespropios de las transformaciones lineales son vectores que no se ven afectados por
la transformacin.
Ejemplo: Sea un valor propio de un operador . Sea

el conjunto de todos los

vectores propios de pertenecientes al valor propio (llamado el espacio propio de )
Demostrar que

es un subespacio de .
Demostracin
Sean

; es decir . Entonces para todo escalar

, , luego es un
vector propio perteneciente a es decir

es un subespacio de .

TEOREMA
Sea un operador lineal sobre un espacio vectorial , entonces es un valor
propio de si y solo si es singular, el espacio propio de es entonces el ncleo de

TEOREMA
Vectores propios diferentes de cero pertenecientes a valores propios diferentes son
linealmente independientes.
POLINOMIO CARACTERISTICO
Sea una matriz cuadrada A sobre un cuerpo K
(

,
La matriz

se llama matriz caracterstica, el determinante

se
llama ecuacin caracterstica, el polinomio caracterstico es de la forma:

Ejemplo
Sea la matriz (


)
i) Hallar los valores propios de A y los correspondientes vectores propios
2i) Hallar una matriz inversible tal que

sea diagonal
Solucin:
Ejemplo: El polinomio caracterstico de la matriz A es:
(



+
|



|

Es un polinomio caracterstico, polinomio Mnico de tercer grado.
El polinomio caracterstico de una matriz de dimensin es de grado , por lo cual
tendr posibles valores propios.
Si es un valor propio de y si X es el vector no nulo tal que se dice vector
propio de correspondiente al valor propio de .
OBSERVACION: tb utvr vr rtrst g vr
Ejemplo
Dada la matriz (



+ determine el polinomio caracterstico y los valores
propios de
Solucin
|(



+ (



+| |



|
Entonces los valores propios son
POLINOMIO DE MATRICES Y OPERADORES LINEALES
Sea un polinomio

, si A es una matriz cuadrada,

entonces definimos:

Se dice que A es una raz o un cero del polinomio si
TEOREMA
Sean dos polinomios sobre un cuerpo y sea A una matriz cuadrada de orden ,
sobre , entonces:
i)

ii)

iii)

OBSERVACION
1. Los vectores propios de las transformaciones lineales son vectores que no se ven
afectados por la transformacin.
2. El valor propio de un vector propio es el factor de escala por el que ha sido
multiplicado.
3. Un espacio propio es un espacio formado por todos los vectores propios del mismo
valor propio, adems del vector nulo que no es un vector propio.
4. La multiplicidad geomtrica de un valor propio es la dimensin del espacio propio
asociado.
Ejemplo: Hallar los vectores propios de la matriz (


)
SOLUCION:


(


)
Hallando los valores propios:
|


|

Para

|


| |

Vector propio: (

) (

) (

)
Para

|


| |

) (

) (

)

TEOREMA DE CAYLEY-HAMILTON
Toda matriz es un cero de su polinomio caracterstico.
Ejemplo: (


)

(


)

(


) (


) (


) (


) (


) (


)
TEOREMA
Si A es una matriz cuadrada de orden n y es un valor propio de es una raz del
polinomio caracterstico.
MULTIPLICIDAD ALGEBRAICA
La multiplicidad algebraica de un valor propio como cero del polinomio caracterstico.
Ejemplo: Si los valores propios de una matriz son significan que la
multiplicidad algebraica del valor propio4 es 2, la de 3 es 3, la de 2 es 2, la de 1 es 1.

DIAGONALIZACION
Sea un operador lineal sobre un espacio vectorial con dimensin finita
entonces T es un operador lineal que se puede representar por una matriz diagonal.

(

Si y solo si existe una base {

}de V tal que:

Es decir los vectores {

}son vectores propios de T perteneciente a los valores

propios

OBSERVACION
Qu es diagonalizar?
Es determinar un sistema de referencia conveniente donde se tenga una simplicidad para
los clculos.
Para estudiar una matriz, suele ser conveniente expresarla de la forma ms sencilla
posible. Para estudiar una matriz suele ser conveniente expresarla lo ms sencilla posible ,
diagonalizar una matriz es precisamente escribirla de manera simple encontrando una
matriz invertible y una diagonal ( si es posible) tal que

, la matriz se
denomina matriz de paso .
MATRIZ DIAGONALIZABLE
Una matriz es diagonalizable si existe una matriz diagonal tal que
. Si es una matriz diagonal entonces los valores propios son sus
componentes en la diagonal .Si es semejante a entonces tienen los mismos valores
propios , entonces si es diagonalizable , es semejante a una matriz diagonal.
:

FORMAS CUADRATICAS O CUADRICAS
Se llama forma cuadrtica a un polinomio homogneo de grado 2. Una forma cuadrtica P
tiene la siguiente expresin matricial:

Donde X es una matriz columna de orden , A es una matriz cuadrada de orden
OBSERVACION
Dadas las matrices se presenta una forma cuadrtica

Ejemplo:

(


) (

Ejemplo:

)
Ejemplo:

DIAGONALIZACION DE FORMAS CUADRTICAS
Una forma cuadrtica P se dice que se encuentra en su forma diagonal si en ella no aparece
ningn trmino mixto:

Donde A es la matriz diagonal:
(

,
DEFINICION.- Se dice que una forma cuadrtica

es diagonalizable si existe
una matriz no singular B, tal que al hacer la transformacin resulta:

Es una forma diagonal en las nuevas variables

. Se dice que B diagonaliza

a la matriz A, esta matriz B siempre existe, para ello A es una matriz simtrica, B es una
matriz no singular.
En muchos casos los elementos de la matriz diagonal en la diagonal principal son los
valores propios de A.
Ejemplo: Diagonalizar la forma cuadrtica, considere

(


) , considere (


)
Solucin:


(


) (

)
(


)

(

) (


) (

(


) (


) (


) (

(


) (


) (

(


)

OBS:
(


)
t t (


)

NOTA.- En el ejemplo la forma cuadrtica diagonalizable es:

Hemos hablado de la transformacin , la cual se interpreta como una rotacin de
coordenadas.
DIAGONALIZACION ORTOGONAL DE FORMAS CUADRTRICAS
Dada una forma cuadrtica

, es posible hallar una matriz P ortogonal

que diagonalice ortogonalmente a la matriz A, para ello se debe tener en

cuenta que:
1. Hallar los valores propios y vectores propios de la matriz A linealmente
independientes.
2. Los vectores

forman una base ortonormal para lo cual se utiliza el

proceso de GRAM-SCHMIDT, es decir, hacer:
a.

b.

]
Calculamos los vectores

que son ortogonales entre si, y son ortogonales a los

vectores {

} , formamos la matriz P de modo que cada uno de los

vectores

son vectores columna de la matriz P.

3. Se tiene la forma diagonalizable:

Donde D es una matriz diagonal formada por valores propios de A.

Ejemplo: Diagonalizar ortogonalmente la forma cuadrtica

Solucin:

(




,
| | |




|
|



| |



|


Los valores propios son:

Para

|




| |




|

Para

|




| |




|

Para

Para

* (

]

* (

* (

*
(

* (

*+

* (

* (

*
(

* (

*
(

* (

*+

*

[

Luego:

(




,
(

(




,

(




,(

Forma diagonalizada
NOTAS COMPLEMENTARIAS
Superficies
Definicin.
Dada la ecuacin en las variables ; la grfica de esta ecuacin
en el espacio tridimensional (

) es el conjunto de todos los puntos cuyas

coordenadas satisfacen la ecuacin; a dicha grafica se denomina superficie.

Ejemplo.
El plano, la esfera, etc.

Nota.
Existen ecuaciones tales como

a)

b)

, punto.

Que no representan a una superficie (a estos casos se denomina degenerado).

Esfera.
Definicin.
Una esfera es el conjunto de todos los puntos del espacio que equidistan de un punto
fijo llamado centro. La distancia de cualquier punto al centro es llamado radio.
Sea cualquier punto de la esfera

y radio , luego la
distancia
;

Si el centro es el origen, entonces la esfera es

.


La ecuacin es de la forma

Discusin y grfica de la ecuacin de una superficie.
De manera similar a la discusin que se efecta antes de trazar la grfica de una
curva plana, en el caso de las superficies es tambin ventajoso discutir previamente
su ecuacin antes de construirla. Para discutir la ecuacin de una
superficie se siguen los siguientes pasos:

I) INTERSECCIONES CON LOS EJES COORDENADOS.
Son las intersecciones de la superficie con cada uno de los ejes coordenados.

i) Con el eje . Se reemplaza en la ecuacin de la superficie y
se analiza la ecuacin resultante.
ii) Con el eje . Se reemplaza en la ecuacin de la superficie y
se analiza la ecuacin resultante.
iii) Con el eje . Se reemplaza en la ecuacin de la superficie y
se analiza la ecuacin resultante.


II) TRAZAS SOBRE LOS PLANOS COORDENADOS.
La traza de una superficie sobre un plano coordenado es la interseccin de la
superficie y el plano coordenado.

i) Con el plano . Se reemplaza en la ecuacin de la superficie.
ii) Con el plano . Se reemplaza en la ecuacin de la superficie.
iii) Con el plano . Se reemplaza en la ecuacin de la superficie.


III) SECCIONES TRANSVERSALES O SECCIONES PARALELAS A
LOSPLANOS COORDENADOS.
Son las intersecciones de la superficie con planos paralelos a los planos
coordenados.

i) Al plano . Se reemplaza en la ecuacin de la superficie.
ii) Al plano . Se reemplaza en la ecuacin de la superficie.
iii) Al plano . Se reemplaza en la ecuacin de la superficie.


IV) EXTENSION DE LA SUPERFICIE:
Se entiende por extensin de la superficie a los valores reales que toman las
variables en la ecuacin.
El paso anterior facilita la determinacin de la extensin; por ejemplo, si al
estudiar las secciones paralelas al plano se determina que hay interseccin
con los planos cuando [ ]. Esto indica que en la superficie
varia entre y , es decir [ ].

V) SIMETRIAS CON RESPECTO A LOS PLANOS COORDENADOS,
ALOS EJES COORDENADOS Y AL ORIGEN:
Previamente, se dice que dos puntos y son simtricos con respecto a un
plano si el plano es perpendicular al segmento que los une en su punto medio.
Por otro lado, se dice que una superficie es simtrica con respecto al plano ,
si el simtrico de cada punto de la superficie, respecto al plano , es tambin
un punto de la superficie.

Si es un punto del espacio, entonces:

a) El simtrico de con respecto al plano es .
b) El simtrico de con respecto al plano es .
c) El simtrico de con respecto al plano es .
Considerando que el lector est familiarizado a las simetras con respecto a una recta y
a un punto se sigue:

d) El simtrico de con respecto al eje es .
e) El simtrico de con respecto al eje es .
f) El simtrico de con respecto al eje es .
g) El simtrico de con respecto al origen es .

Se dice que una superficie es simtrica con respecto a una recta si el simtrico da
cada punto, respecto a la recta , es tambin un punto de la superficie.

Se dice que una superficie es simtrica con respecto a una recta si el simtrico de
cada punto, respecto a la recta , es tambin un punto de la superficie.

De las consideraciones anteriores, se deduce fcilmente la siguiente tabla:

Si la ecuacin de la superficie no se
altera cuando se reemplaza:
La superficie es simtrica con
respecto al:
por
por
por
por por
por por
por por
por , por por
plano
plano
plano
eje
eje
eje
origen


VI) CONSTRUCCION DE LA SUPERFICIE (GRFICA)
Con la ayuda de los pasos anteriores se construye la grfica de una superficie.

Ejemplo 1.
Discutir y graficar la ecuacin

.

Solucin.
I. INTERSECCION CON LOS EJES.
i) Con el eje .
Haciendo en la ecuacin se obtiene

.
La superficie intercepta al eje en el origen de coordenadas.
Al estudiar las otras intersecciones se comprueba que el origen es el nico
punto de interseccin.

II. TRAZAS SOBRE LOS PLANOS COORDENADOS.
i) Sobre el plano .
Haciendo se obtiene

. Esta ecuacin, en el plano

, representa al origen de coordenadas.

ii) Sobre el plano .
Haciendo se obtiene

. Esta ecuacin, en el plano

, representa a una parbola.

iii) Sobre el plano .
Haciendo se obtiene la parbola

.

III. SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.
i) Al plano .
Haciendo en la ecuacin de la superficie se obtiene

.
Se observa que hay interseccin solamente cuando (si es un
punto, si es una elipse)

ii) Al plano .
Haciendo en la ecuacin de la superficie se obtiene

.
Esta ecuacin representa a una parbola .

iii) Al plano .
Haciendo en la ecuacin se tiene

.
Esta ecuacin representa a una parbola .

IV. EXTENSION.
De III (iii) se obtiene .
De III (ii) se obtiene .
De III (i) se obtiene [ .

V. SIMETRIAS.
La superficie es simtrica con respecto al plano , al plano y al eje .

VI. GRFICA.
La grfica de esta
ecuacin se denomina
paraboloide elptico.



Ejemplo 2.
Discutir y graficar la superficie cuya ecuacin es

.

Solucin
I. INTERSECCION CON LOS EJES.
i) Con el eje .
Haciendo en la ecuacin se obtiene , esto significa que
todo punto del eje satisface la ecuacin de la superficie, es decir, la
interseccin de la superficie con el eje es el eje .

ii) Con el eje .
Haciendo

.
Las intersecciones son los puntos

.

iii) Con el eje .
Haciendo .
La interseccin es el origen de coordenadas.

II. TRAZAS SOBRE LOS PLANOS COORDENADOS.
i) Sobre el plano .
Las trazas son las rectas: (eje ) (paralelo al eje )

ii) Sobre el plano .
La traza es la recta: (eje ).

iii) Sobre el plano .
La traza es la parbola

.

III. SECCIONES TRANSVERSALES A LOS PLANOS COORDENADOS.
i) Al plano .
Haciendo

.
Existe interseccin (Para es una recta, para son dos
rectas paralelas)

ii) Al plano .
Haciendo en la ecuacin de la superficie se obtiene

,
es una recta .

iii) Al plano .
Haciendo en la ecuacin se tiene

, es una
parbola .

IV. EXTENSION
(De III iii)
(De III ii)
] (De III i)

V. SIMETRIAS
Existe simetra con respecto al plano .

VI. GRFICA
La grfica de esta ecuacin se denomina cilindro parablico.


Superficies cuadrticas
Una superficie cudrica o simplemente cudrica o cuadrtica es la grfica de una ecuacin
de segundo grado en las variables .

Algunas superficies cilndricas o superficies de revolucin son ejemplo de cudricas. En
esta seccin se dar algunas formas estndar de las superficies cudricas cuyas ecuaciones
estn en su forma ms simple.

Considerando que el alumno est en condiciones de discutir la ecuacin de una superficie,
nos limitaremos a describir algunas propiedades de estas superficies.

Elipsoide.
Su ecuacin es de la forma:

Donde, y son nmeros positivos.
[ ]
[ ]
[ ]

Si

, es una esfera.
Si

(o

, o

) es un elipsoide de revolucin o esferoide.

Un esferoide cuyo tercer nmero es mayor que los dos nmeros iguales, se llama
esferoide alargado (la elipse que la genera gira alrededor de su eje mayor). Si el
tercer nmero es menor que los dos nmeros iguales, se llama esferoide achatado (la
elipse que la genera gira alrededor de su eje menor).

Las secciones transversales a los planos coordenados son elipses o circunferencias.
(en los planos , , , se reduce a un punto).
Esta superficie es simtrica con respecto a uno de los planos coordenados, simtrica
con respecto a cada uno de los ejes coordenados y simtrica con respecto al origen.
La grfica se muestra arriba.

El origen es el centro del elipsoide. Si el centro del elipsoide es el punto

, su ecuacin es de la forma

Hiperboloide elptico (o circular) de una hoja.
Su ecuacin es de la forma:

)
En la figura de abajo se muestra la grfica de

A continuacin se describe algunas propiedades de esta superficie.
] [
] [


Si

, es una superficie de revolucin (hiperboloide circular de una hoja)

Si

, es el hiperboloide elptico de una hoja.

Las secciones transversales al plano son elipses o circunferencias segn si

Las secciones transversales al plano o el plano son hiprbolas. (En los planos
, son dos rectas que se cortan).

Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.

El centro de esta superficie es el origen de coordenadas. Si su centro es

,
su ecuacin es de la forma:

Hiperboloide elptico (o circular) de dos hojas.
Su ecuacin es de la forma:

)
Donde, y son nmeros positivos.

En la figura de abajo se muestra la grfica de

En lo que sigue, se describe algunas propiedades de esta superficie.

] [


Si

, es una superficie de revolucin (hiperboloide circular de dos hojas).

Si

, es el hiperboloide elptico de dos hojas.

Las secciones transversales al plano son circunferencias o elipses segn si

. (En el plano , es un punto).

Esta superficie es simtrica con respecto a los ejes coordenados, a los planos
coordenados y al origen.
El centro de esta superficie es el origen de coordenadas. Si su centro es

,
su ecuacin es de la forma:

Observacin
Las tres superficies cudricas (elipsoide, hiperboloide de una hoja e hiperboloide de
dos hojas) tambin se denominan cudricas centrales. En general cualquier ecuacin
de la forma:

Donde, y son positivos, representa a una cudrica central con centro en

.

Si los tres signos son positivos: elipsoide.
Si dos signos son positivos y uno es negativo: hiperboloide de una hoja.
Si dos signos son negativos y uno es positivo: hiperboloide de dos hojas.
Si los tres signos son negativos: es el conjunto vaco.

Paraboloide elptico (o circular)
Su ecuacin es de la forma

)
Donde, y son nmeros positivos y .

En la figura de abajo se muestra la grfica de

Con , (si el paraboloide se extiende hacia la parte negativa del eje ). Las
propiedades de esta superficie son:


]
(si , ])

Si

, es una superficie de revolucin (paraboloide circular).

Si

, es el paraboloide elptico.

Las secciones transversales al plano son circunferencias o elipses segn si

. (En el plano , la traza es un punto).

Esta superficie es simtrica con respecto al eje , al plano y al plano .
El vrtice de esta superficie es el origen de coordenadas. Si el vrtice es

, su ecuacin es de la forma:

En los otros casos, la ecuacin es de la forma:

Paraboloide hiperblico.
Su ecuacin es de la forma

)
Donde, y son nmeros positivos y .

En la figura de abajo se muestra la grfica de

Con .

Las propiedades de esta superficie son:




Las secciones transversales al plano son hiprbolas (En el plano son dos
rectas que se cortan). Las secciones transversales al plano y al plano son
parbolas.
Esta superficie es simtrica con respecto al eje , al plano y al plano .
El origen de coordenadas es el punto de silla (de montar) de esta superficie. Si el
punto de silla es

, su ecuacin es de la forma:

En los otros casos, la ecuacin es de la forma:

Cono elptico (o circular)
Su ecuacin es de la forma:

)
Donde, y son nmeros positivos.
En la figura de abajo se muestra la grfica de la superficie

Esta superficie tiene las siguientes propiedades:




Si

, es una superficie de revolucin (cono circular).

Si

es el cono elptico.

Las secciones transversales al plano son circunferencias o elipses segn si

, o

. (En el plano la traza es el origen de coordenadas).

Las secciones transversales al plano y al plano son hiprbolas (En los planos
y son dos rectas que se cortan).

Esta superficie es simtrica con respecto: a los ejes coordenados, a los planos
coordenados y al origen.
El origen de coordenadas es el vrtice de esta superficie. Si el vrtice es

, la ecuacin es de la forma:

En los otros casos, la ecuacin es de la forma:

SISTEMA DE ECUACIONES
DIFERENCIALESLINEALES DE PRIMER ORDEN


Sea el sistema:

Se trata de un sistema de n ecuaciones de

orden, se le conoce como sistema de

orden.

Se denomina sistema lineal, los coeficientes

se supone son continuas en un

intervalo comn .
Cuando

; se dice que el sistema lineal es homogneo.

Matricialmente se tienen:

, (

,(

,(

,

Es homogneo si

EJEMPLO

(



+ (

Un vector solucin en un intervalo es cualquier matriz columna
(

,

Cuyos elementos son funciones diferenciales que satisfacen el sistema.
Un vector solucin equivale a n ecuaciones escalares:

Y tienen la interpretacin de un conjunto de ecuaciones paramtricas en el espacio.
METODO MATRICIAL PARA SISTEMAS DE PRIMER ORDEN CON
COEFICIENTESCONSTANTES
Sea el sistema homogneo

Donde los coeficientes

son constantes
El vector solucin est dado por {

}
Para

constantes

Dividiendo por

se obtiene

El sistema de ecuaciones lineales con incgnitas

es homogneo .Por
consiguiente tiene una solucin no nula si y solo si se anula el determinante, es decir

|

|

El polinomio caracterstico asociado con el sistema de primer orden, las races de la
ecuacin polinomica , se llaman valores propios .Cada raz determina un
conjunto de nmeros

y por lo tanto es una solucin del sistema de

ecuaciones diferenciales.
Dos soluciones correspondientes a dos valores diferentes

son linealmente
independientes, entonces para todas las races distintas existirn soluciones LI,
entonces la solucin del sistema homogneo ser la combinacin lineal de estas
soluciones LI.
Ejemplo

PROBLEMA DE VALOR INICIAL
Sea

un punto en un intervalo dondex que depende de

,y (

,
El problema consiste en resolver

sujeto a

, es un
problema de valor inicial en el intervalo.

PRINCIPIO DE SUPERPOSICION
Sean

un conjunto de vectores solucin de un sistema homogneo en

un intervalo entonces la combinacin lineal:

En las que los

son constantes arbitrarias, tambin es una

solucin en el intervalo.

TEOREMA.- Criterio para las soluciones linealmente independientes.
Sean:

,

n vectores, solucin del sistema homogneo en un intervalo el conjunto de vectores
solucin e L.I. en si y solo si el WRONSKIANO es diferente de cero

]

SISTEMA LINEAL HOMOGENEO CON COEFICIENTES CONSTANTES
Si una matriz A tiene n valores propios reales y distintos

siempre es
posible determinar un conjunto de n vectores propios L.I.

, donde:

Que es un conjunto solucin.
La solucin general queda expresada por:

Ejemplo: Resolver

(


)

Solucin:
Busquemos los valores y vectores propios de la matriz de los coeficientes:
(


)

|


|

Para

|


| |


| |

| |

)
Para

|


| |


| |

| |

VALORES PROPIOS REPETIDOS
Cuando los valores propios de una matriz A de orden no necesariamente son
diferentes como por ejemplo en el sistema:

(


)
|


|

Es una raz de multiplicidad algebraica 2, se obtiene el vector propio de modo que:

) (

Observacin:
En general si m es un entero positivo y

es un factor de la ecuacin caracterstica,

mientras que

no lo es, entonces se dice que

es un valor propio de
multiplicidad m.

Ejemplo: Resolver

(



+
Solucin:
|



|

Para

|



| |



| |

| |

Para

|



| |



| |

| |

FORMA CANONICA DE JORDAN
Sea una matriz cuadrada de orden dicha matriz tiene valores propios L.I.

La matriz diagonal D:

DEFINICION.- Sea , se dice que la matriz es un bloque de Jordnsi es de la forma:


(

es una matriz cuadrada de orden k con en la diagonal, cifras 1 como se indica y
cifras 0 en el resto.
Ejemplo: Sean las matrices de orden 1, 2, 3, 4 respectivamente (son formas canoncas de
Jordn)
(


) (



+ (




,
DEFINICION.- Una matriz de Jordn

(

Donde cada

es un bloque de Jordan
Ejemplo: Matrices de orden (


* .
Matrices de Jordn de orden 3 x 3:
(



+ (



+ (



+ (



+
TEOREMA:Sea A una matriz de orden una matriz C invertible de orden n tal que

donde J es una matriz de Jordan cuyos elementos en la diagonal son los

valores propios de A, la matriz de Jordan J es nica salvo por el orden en el que aparecen
los bloques. Esta matriz se llama forma cannica de Jordn.
Ejemplo: Si A es semejante a la matriz de Jordn.
(

Tambien lo es la matriz
(

OBSERVACIONES
1. Cmo saber si es un vector propio de A?
Calcule el vector
es vector propio si y solo si es multiplo escalar de , esto se puede hacer
formando la matriz ampliada y reduciendo a una forma escalonada, es el
vector propio si el sistema es consistente.
2. Cmo saber si es una valor propio de A?
Formar y reducir el sistema [ ] [] es un valor propio si y solo si el
sistema tiene al menos una variable libre.
3. Cmo determinar la multiplicidad algebraica de un valor propio de A?
- Calcule el polinomio caracterstico de A
t
- Aplique divisin repetidamente para determinar cuantas veces divida al
polinomio caracterstico.
4. Cmo determinar la multiplicidad geomtrica de un valor propio de A?
Formar y reducir el sistema [ ] [] , el numero de variables libre es la
dimensin o multiplicidad geomtrica del valor propio.

TEOREMA

TEOREMA
Si los vectores

son vectores propios diferentes entonces {

} es L.I.
Ejemplos
1. Diagonalizar la matriz (


)
Solucin:
Calculamos los valores y vectores propios de la matriz A.
|


|

|


| |


| |


| |

| |

)

|


| |


| |


| |

| |

)
(


)
Determinando

|


| |


|

(


*

(


* (


) (


) (


)

2. Diagonalizar para obtener la ecuacin cannica de la siguiente cnica:

Solucin: Expresar la ecuacin en su forma matricial

(


) (

)

(

)
Hallamos los valores y vectores propios de la matriz
(


)
|


|

Ortonormalizacin:La matriz (


)
Planeando una rotacin:
(

) (


)(

Reemplazando en

(


)

) (

Si:

OBS:

3. Hallar la ecuacin cannica de la siguiente cudrica o cuadrtica:

Solucin: Expresin matricial

(



+(

) (

)
Hallamos los valores y vectores propios:
|



|
Para

|



| |



| |

| |

+

Para

|



| |



| |



| |

| |

+

Para

|



| |



| |

| |

|

(

) (



,(

+
Luego:

(



+(

+ ( )

) (

()

*
Reemplazando por traslacin:

Sea

Paraboloide hiperblico

MATRIZ EXPONENCIAL
Es una funcin definida sobre las matrices cuadradas, se parece a la funcin exponencial.
Sea X una matriz cuadrada de orden n de nmeros reales o complejos, la exponencial de x
denotada por

es decir

PROPIEDADES
Sean X e Y dos matrices cuadradas de orden n, a y b son reales o complejos, donde es la
matriz nula e .
1.

t
2. p p

3. p
4.

5. t

6. p

7.

8.

9. |

10.
:

Luego A tiene alguna potencia nula

, A es nilpotente de orden k.
Ejemplo: (



+

(



+

(



+
Las matrices de potencias superiores a 3 son nulas.
Luego:

(



+
(



+ (



+

(



+

(



+

(



+
(



+
MATRICES DIAGONALES Y DIAGONALIZABLES
Si una matriz A es diagonal
(

,
Una matriz M diagonalizable entonces

donde D es la matriz diagonal y es una

matriz no singular, P puede elegirse como una matriz unitaria, la exponencial de matrices
diagonalizables se puede reducir a:

EXPONENCIAL Y FORMA DE JORDAN:
- Matrices que admiten formas de Jordn
Las matrices cuadradas reales o complejas pueden ser interpretadas como expresiones en
una base dada de una aplicacin lineal, mediante este hecho se puede expresar con mayor
comodidad la exponencial de una matriz.
Si A representa a la matriz de cierta aplicacin lineal entonces la exponencial puede
obtenerse a partir de la forma cannica de Jordn, es decir:

Entonces la expresin anterior representa la descomposicin de Jordn de una matriz A ,
calcular

, la exponencial de una matriz de Jordan se tiene:

(

Si tenemos una matriz diagonal de bloque como la de Jordn, sus potencias resultan ser
una matriz diagonal de bloque, donde cada bloque es la potencia del correspondiente
bloque.
Ejemplo:
1. Sea la matriz (



+ , el polinomio caracterstico de dicha matriz es:

El polinomio mnimo coincide con
Los valores propios
Se puede establecer la forma de Jordn y una matriz de paso P.

(



+ (



+

(



+(

+(



+

2. Resolver:

Con

Solucin:
(

* (


) (

*
Para (


)
Buscando sus valores y vectores propios se obtiene:

)
Entonces:
(


)

(


) (

*
(


)

)
Luego:

(


) (

) (


)

*(