Vous êtes sur la page 1sur 140

UNIVERSIDAD DE COSTA RICA

SEDE INTERUNIVERSITARIA DE ALAJUELA

ESCUELA DE INGENIERIA

ALGEBRA LINEAL
MA 1004

PROFESOR
LIC. ENRIQUE VLCHEZ QUESADA
Contenido
MATRICES Y DETERMINANTES ........................................................................................................ 4
Matriz .................................................................................................................................................... 4
Suma de matrices ......................................................................................................................... 6
Tipos de matrices.......................................................................................................................... 7
Producto de matrices ................................................................................................................... 9
Matriz reducida por filas o escalonada ................................................................................. 13
Determinantes .................................................................................................................................. 20
Sistema de ecuaciones.............................................................................................................. 28
Mtodo de eliminacin de Jorda-Gauss ............................................................................... 30
Combinacin lineal ..................................................................................................................... 36
Dependencia e independencia lineal ..................................................................................... 37
PRCTICA PARA EXAMEN: Matrices y determinantes................................................................. 39
Ejercicios....................................................................................................................................... 39
Solucin......................................................................................................................................... 44
ESPACIO EUCLDEO .................................................................................................................. 57
Conceptos bsicos ......................................................................................................................... 57
Vector geomtrico o anclado ....................................................................................................... 59
Interpretaciones geomtricas de la suma, sesta y ley externa ...................................... 60
Vectores paralelos, producto escalar y mdulo de un vector ............................................ 61
ngulo entre dos vectores y proyeccin ortogonal .............................................................. 65
Cosenos directores ........................................................................................................................ 67
Producto vectorial .......................................................................................................................... 68
Producto Mixto ................................................................................................................................ 70
Aplicaciones a la Geometra Analtica ...................................................................................... 71
Rectas y planos ............................................................................................................................... 74
Rectas en .............................................................................................................................. 74
Planos en ............................................................................................................................... 80
PRCTICA PARA EXAMEN: Espacio Eucldeo ...................................................................... 88
Ejercicios....................................................................................................................................... 88
Solucin......................................................................................................................................... 92
ESPACIOS VECTORIALES ................................................................................................................ 94
Subespacios vectoriales ............................................................................................................... 97
Bases y dimensiones ................................................................................................................... 101

2
ORTOGONALIDAD Y PROYECCIONES ....................................................................................... 104
Conjuntos ortogonales ................................................................................................................ 104
Proyeccin ortogonal sobre un subespacio ......................................................................... 108
Construccin de bases ortonormales ..................................................................................... 109
Mtodo de Gram-Schmidt ....................................................................................................... 109
TRANSFORMACIONES LINEALES ................................................................................................ 114
Ncleo e imagen de una transformacin lineal .................................................................... 115
Matriz de una transformacin lineal ........................................................................................ 118
Matrices de cambio de base o de pasaje................................................................................ 119
Composicin de una transformacin lineal ....................................................................... 120
Inyectividad y sobreyectividad .............................................................................................. 121
Transformaciones lineales invertibles ................................................................................ 121
VALORES Y VECTORES PROPIOS............................................................................................... 122
Diagonalizacin de matrices ...................................................................................................... 125
Diagonalizacin de matrices simtricas ............................................................................. 126
Matrices ortogonalmente diagonalizable ........................................................................... 131
Valores y vectores propios de operadores ........................................................................ 132
Diagonalizacin de formas cuadrticas.................................................................................. 134
Rotacin de cnicas y superficies cuadrticas ................................................................ 135
REFERENCIAS BIBLIOGRFICAS ................................................................................................. 140

3
MATRICES Y DETERMINANTES

Matriz


Denotamos con el conjunto definido por: = {1,2,3 , }. Se llama

matriz de tamao (o de orden ) a toda la funcin de en .

Ejemplo
2 3
{1,2} {1,2,3}

(1,1) 2 (2,1) 3
(1,2) (2,2) 0

(1,3) 12 (2,3) 0

En tal caso es una matriz de tamao 23.

Se acostumbra denotar la matriz como = ( ). El elemento se

llama entrada () de. Para fijo ( fijo) al conjunto de elementos se le llama

fila -sima de (columna -sima).

Si = , se llama matriz cuadrada de tamao . Para una matriz

cuadrada , los elementos (1 ) constituyen la llamada diagonal


principal de la matriz.

El conjunto de todas las matrices de tamao con entradas en se

denotan por . Si = entonces se escribe .

Conviene escribir la matriz () en la forma:

4
11 12 1
21 2
= ( 21 )

1 2

2 1
En el ejemplo anterior: = ( 2)
3 0 0

En una matriz cuadrada, es observable:

11 12 1
21 2
= ( 21 )

1 2

Ejemplo.
3 3
{1,2,3} {1,2,3}

(1,1) 0 (2,1) 4 (3,1) 34


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

0 1 2
=( 4 )
3 6 8
4 33

La diagonal principal est contenida por las entradas 0, 8.

Definicin: Sean , (), se dice que son iguales y se escribe

= , sii = ( ) , = ( ) ; = (, ) .

5
Ejemplo. Determine los valores de ""que hacen a las matrices iguales si:
2 2 4 1
= ( + 1 + 2) ; = ( ) 2 ).
1 3 1 + 2
+1=2 =1
= { +2=3 =1
2
+ 2 = 4 1 = 3 = 1
Luego = = 1

Definicin (Traza): Sea (), la traza de es el nmero real denotado


y definido por:

= , = ( )
=1
Es decir es la suma de los elementos de la diagonal principal.

Suma de matrices

Definicin: Sean = ( ) , = ( ) (), la suma de es

la matriz denotada + (), definida por:

+ = ( ), es tal que= + (, ) .

Ley externa: Si = ( ) () , se define


()como la matriz = ( ) con = (, ) .
A ""se le llama escalar.

1 3 4
Ejemplo. Si = ( ) = (2 3 0) halle:
5 7 8 1 4 6
a. +

b. 2

6
Solucin

+ = (1 + 2 3 + (3) 4 + 0) + = (1 + 2 0 4)
5+1 7 + 4 8 + 6 6 3 14

1 3 4
2 = 2 ( ) + (1) (2 3 0)
5 7 8 1 4 6
21 23 24
2 = ( ) + (2 3 0)
2 5 2 7 28 1 4 6

2 = (2 2 9 8)
9 18 10

Definicin (Matriz transpuesta): Sea = ( ) (), la matriz transpuesta

de denotada = ( ) ()se define por:

= (, ) .

1 7
1 4 6
Ejemplo. = ( ) =( 4 9)
7 9 2
6 2

Tipos de matrices

1. Matriz fila: Se dice que es una matriz fila sii 1 (). En dicho caso,

= (1 )es de la forma: (11 12 1 )

2. Matriz columna: Se dice que es una matriz columna sii 1 ().

En dicho caso, = (1 )es de la forma:


11
21
( )
1

7
3. Matriz diagonal: Sea (), = ( )se llama matriz diagonal sii

= 0 . Al conjunto de matrices diagonales de orden se le


denota como (), ejemplo:
1 0 0 0
= (0 1 0 0)
0 0 3 0
0 0 0 0

Un ejemplo muy particular de una matriz diagonal corresponde a la



matriz = ( ) ()donde = 0 (, ) , a esta

matriz se le llama matriz nula y se le denota como 0.

4. Matriz triangular: Es la matriz = ( ) (). Esta puede ser:


1 4 1
a. Matriz triangular superior: = 0 > , ejemplo:(0 2 1)
0 0 5

1 0 0
b. Matriz triangular inferior: = 0 < , ejemplo:(4 2 0)
1 1 5

Toda matriz diagonal, es triangular superior e inferior simultneamente.


Al conjunto de matrices triangulares superiores se le denota como ()y

al conjunto de matrices triangulares inferiores se le denota ().

5. Matriz simtrica: Sea ()se dice que es una matriz simtrica sii

= , ejemplo:
1 6 8 1 6 8

=( 6 2 0 ) =( 6 2 0 )=
8 0 3 8 0 3

6. Matriz asimtrica: Sea = ( ) () es una matriz asimtrica sii



= ejemplo:

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

7. Matriz escalar: Sea = ( )una matriz diagonal, (), es una

matriz escalar sii = , fijo.


0 0
(0 0)

0 0

Si en particular = 1, se llama a la matriz, matriz identidad de orden

y se denota .
1 0 0
Matriz 3 = (0 1 0)
0 0 1

Producto de matrices

Definicin: Sean = ( ) () = ( ) (), el


producto de y es la matrizde ()denotada . = ( )con:

= (, ) .
=1

1 3 4 7
Ejemplo 1. Determine . , siendo =( 2 5 1 3) =
1 1 0 2
1 5
(6 2)
1 1
2 3

9
((1. 1) + (3.6) + (4.1) + (7.2)) ((1.5) + (3.2) + (4. 1) + (7. 3))
= (((2. 1) + (5.6) + (1.1) + (3.2)) ((2.5) + (5.2) + (1. 1) + (3. 3)))
((1. 1) + (1.6) + (0.1) + (2.2)) ((1.5) + (1.2) + (0. 1) + (2. 3))
37 24
. = ( 33 12 )
3 3

3 1 6
1 5 3
Ejemplo 2. Determine . , siendo = ( ) = (2 1 1 )
2 1 1
1 1 4

(3) + (10) + (3) (1) + (5) + (3) (6) + (5) + (12)


=( )
(6) + (2) + (1) (2) + (1) + (1) (12) + (1) + (4)

10 7 23
. = ( )
5 2 9

Ejemplo 3. Halle la entrada 34 del producto:


1 6 4 3 6 1 35 6 7
( 2 1 0 4 ) . (1 3 21 2 2)
1 3 6 2 6 1 50 3 2
3 3 1 9 1 3 4 6 8 3

34 = 4=1 3 4 = 31 14 + 32 24 + 33 34 + 34 44 Por definicin

= 5 3 12
= 20

Teorema: Sean , , (), entonces:

1. + 0 = 0 + = (Elemento neutro)

2. + = + (Conmutatividad de la suma)

3. ( + ) + = + ( + )(Asociatividad de la suma)

4. ( + ) = +

10
Teorema: Sean , , (), entonces:

1. . = . = (Elemento neutro)

2. 0. = 0,0

3. Si (), (), ()entonces:. (. ) =

(. ). (Asociatividad del producto)


4. Si (), , ()entonces:

. ( + ) = . + . (Distributividad del producto respecto a la suma)


5. Si (), , ()entonces:

( + ). = . + .
6. Si (), (), :

(. ) = (). = . ()(El producto de matrices no es conmutativo)

Teorema: Sean (), ()entonces:

1. ( ) =

2. (. ) = .

3. Si tienen igual orden entonces: ( + ) = .

4. Si , () =

5. (1 ) = ( )1

1
1 1 2 3 2 3
Ejemplo. Si = ( ), = ( ) = (1), halle:
0 1 0 1 0 3
0
a. (. )

b. Una matriz tal que 2 + + = 0

Solucin
a. (. ) ( ). .
1 1 1 0
= (1) (1 1 0)13 = (1 1 0)
0 31 0 0 0

11
1 1 2 3 2 3
b. 2 + + = 0 2. ( )+( )+ =0
0 1 0 1 0 3
5 0 1 5 0 1
( ) + = 0 = ( )
1 2 3 1 2 3
5 0 1
=( )
1 2 3

Definicin (Potencia de una matriz): Sea () ()entonces:

1. Si 0, 0 =

2. = 1 . = . 1

Ejemplo. 3 = 2 . = (. ). = . (. ) = . 2

Nota
Matriz idempotente sii 2 =

Matriz involutivasii 2 =

Matriz nilpotente sii existe , = 0

Matriz peridica sii existe , = y en dicho caso se dice que es de


periodo

1 3 5
Ejemplo 1. Probar que = ( 1 3 5)es idempotente.
1 3 5
Solucin
Para que sea idempotente se tiene que probar que 2 =
1 3 5 1 3 5 1 3 5
2
= . = ( 1 3 5) . ( 1 3 5) = ( 1 3 5)
1 3 5 1 3 5 1 3 5

1 3 5
Ejemplo 2. = ( 1 3 5), probar quea3 = 53
1 3 5
Solucin

12
3 = 2 . , donde:
0 1 0 0 1 0 0 0 1
2
= . = (0 0 1) . (0 0 1) = (5 0 0)
5 0 0 5 0 0 0 5 0
0 0 1 0 1 0 5 0 0 1 0 0
3
= (5 0 0) . (0 0 1) = (0 5 0) = 5 (0 1 0)
0 5 0 5 0 0 0 0 5 0 0 1

Para calcular el ejemplo anterior con software, se utiliza los comandos:


MatrixPower[A,3]==5IdentityMatrix[3]
Donde A es la matriz, 3 es el nmero al que se eleva.

Matriz reducida por filas o escalonada

Para reducir una matriz se emplea las siguientes operaciones elementales


sobre las filas:
1. Intercambio de la fila "" con la fila "",se denota

2. El producto de los elementos de la fila ""por un escalar 0, se denota


3. La suma de los elementos de la fila ""con los correspondientes de la fila

"",multiplicados estos ltimos por 0,se denota + (solo se


modifica la fila "")

Ejemplo.
1 4 6 13 1 3 4
=( 2 5 3) ( 2 5 3) =
1 3 4 1 4 6
1 4 6 32 1 4 6
=( 2 5 3) (6 15 9) =
1 3 4 1 3 4
1 4 6 31+3 1 4 6
=( 2 5 3) (2 5 3)=
1 3 4 4 15 22
13
Definicin: Se dice que una matriz , () es reducida por filas, si:
1. La primera entrada no nula de cada fila si existe es 1
2. El primer 1 de cada fila si existe debe estar en una columna cuyas restantes
entradas son nulas
3. El primer 1 de cada fila si existe, est a la derecha del primer 1 de la fila
anterior que lo posee
4. Las filas cuyas entradas son todas nulas, si existen deben estar por debajo de
las filas de entradas no nulas.

Ejemplo.
1 0 0 0
A = (0 1 0 0), por lo tanto A es una matriz reducida por filas.
0 0 1 2
0 0 0 0
0 0 1 0 0 3
A = (0 0 0 1 2 0 ), por el 2, A no es una matriz reducida por filas.
0 0 0 0 1 1
0 0 0 0 0 0

Al efectuar una operacin e de fila a una matrizA, aplicamos un tipo especial

de criterio de asociacin, que asocia una matriz A a otra matriz (A) ambas de igual
orden.

Definicin: Sean , (). Se dice que es equivalente por filas a si

se obtiene de al aplicarle una sucesin finita de operaciones de fila a .

Ejemplo.
1 4 6 13 1 3 4
=( 2 5 3) ( 2 5 3) =
1 3 4 1 4 6
1 4 6 32 1 4 6
=( 2 5 3) (6 15 9) =
1 3 4 1 3 4

14
1 4 6 31+3 1 4 6
=( 2 5 3) (2 5 3)=
1 3 4 4 15 22

Para realizar operaciones elementales de fila con software, se utiliza los


comandos:
IntercambiaFila[, 2,4] para intercambiar filas
MultiFila[, 2,3] para multiplicar, (matriz, escalar, fila)
SumaFila[, 3/2,2,1] para hacer sumatorias (matriz, escalar, fila 2 + fila 1)

Teorema: Toda matriz, ()es equivalente por filas a una matriz


escalonada.

Ejemplo. Halle una matriz escalonada equivalente a:


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

Solucin
Se aplica operaciones elementales de fila
1 1 1 1 1 1 1 1
13
(0 0 4 2) 23 (0 3 2 1)
0 3 2 1 0 0 4 2
0 6 8 4 0 6 8 4
1 1 1 1 1 0 5/3 4/3
1/32 +
1 2/3 1/3) 2 1 (0 1 2/3 1/3
(0 )
0 0 4 2 0 0 4 2
0 6 8 4 0 6 8 4
1 0 5/3 4/3 1 0 5/3 4/3
62 +4 1/4
1 2/3 1/3) 3 (0 1 2/3 1/3)
(0
0 0 4 2 0 0 1 1/2
0 0 4 2 0 0 4 2

15
5/33 + 1 1 0 0 1/2
2/33 + 2 (0 1 0 0 )=
43 + 4 0 0 1 1/2
0 0 0 0
Se observa que es una matriz escalonada equivalente a

Para calcular el ejemplo anterior con software, se utiliza el comando:


RowReduceComplete[]
Donde es la matriz

Definicin: Si es una operacin elemental de fila se llama a ()matriz elemental


de fila.

Teorema: Sea (); una operacin elemental de fila, = ()

entonces: () = .

Definicin (Rango de una matriz): Sean ()se llama rango de y se

denota ()al nmero de filas no nulas de la matriz en su forma escalonada

equivalente a .

Ejemplo. Halle el ()
1 0 2 2 1 0 2 2
= (2 1 5 1) (0 1 1 3) () = 2
1 1 3 1 0 0 0 0
0 1 1 3 0 0 0 0

Para calcular el ejemplo anterior con software, se utiliza el comando:


1 0 2 2

Matriz inversa de unaMatrixRank [(2 1 5 1)]


matriz cuadrada
1 1 3 1
Definicin: Sean ()se llama 0 1 invertible
matriz 1 3regular o no singular sii

()tal que . = . = . Donde a se le denota por 1 .

16
Teorema: . = . =

Definicin: Sean (), es invertible y entonces:

= (1 ) = ( )1
Teorema: Si es invertible, entonces 1 es nica

Teorema: Sea , (), si son invertibles entonces . es invertible

y (. )1 = 1 . 1

Teorema: Sea (), es invertible () =


Teorema: Sea (), () = ( )

Teorema: Sea (), es invertible es equivalente por filas a . Lo

cual garantiza que si es invertible al aplicarle una sucesin finita de operaciones

elementales de fila se obtiene . Si esto no ocurre entoncesno es invertible o


singular.

Corolario: Sea (),si al aplicar una sucesin finita de operaciones

elementales de fila a no se obtiene entonces es singular.

Teorema de Jordan-Gauss: Si (),es una matriz invertible y la matriz (

) es equivalente a ( ) entonces = 1

0 2 3
1
Ejemplo 1. Halle si es posible , donde: = (2 1 1)
3 1 1

Solucin

17
12 2 1 1 0 1 0
( 0 2 3 1 0 0)
3 1 1 0 0 1
1/21 1 12 12 0 12 0

31 +3 (0 2 3 1 0 0)
3 12 12 0 32 1
1/22
1 0 14 14 12 0
1/22 +1
(0 1 32 12 0 0)
1/22 +3 0 0 1 4 14 32 1

43
1 0 0 0 1 1
1/43 +1
(0 1 0 1 9 6)
3/23 +2 0 0 1 1 6 4

0 1 1
1 = (1 9 6), 1 . = . 1 = 3
1 6 4

Para calcular el ejemplo anterior con software, se utiliza los comandos:

0 2 3
MatrixForm [Inverse [(2 1 1)]]
3 1 1
0 2 3
InversaSP [(2 1 1)]
3 1 1

1 1 2 1
0 2 0 0
Ejemplo 2. Halle si es posible 1 , donde: = ( )
1 1 1 2
0 3 2 1

Solucin
1 1 2 1 1 0 0 0
0 2 0 0 0 1 0 0
( )
1 2 1 2 0 0 1 0
0 3 2 1 0 0 0 1

18
1 1 2 1 1 0 0 0
1 +3 0 2 0 0 0 1 0 0
( )
0 1 1 3 1 1 1 0
0 3 2 1 0 0 0 1
1 1 2 1 1 0 0 0
23 0 1 1 3 1 1 1 0
( )
0 2 0 0 0 1 0 0
0 3 2 1 0 0 0 1

2 +1 1 0 3 4 2 0 1 0

0 1 1 3 1 0 1 0
22 +3
( )
32 +4
0 0 2 6 2 1 2 0
0 0 5 10 3 0 3 1

1 0 3 4 2 0 1 0
0 1 1 3 1 0 1 0
1/23 ( )
0 0 1 3 1 12 1 0
0 0 5 10 3 0 3 1

33 +1 1 0 0 5 1 32 2 0

0 1 0 0 0 12 0 0
3 +2
( )
53 +4
0 0 1 3 1 12 1 0
0 0 0 5 2 52 2 1

1/54 1 0 0 0 1 1 0 1

54 +2 0 1 0 0 0 12 0 0
( )
0 0 1 0 15 1 15 35
34 +3
0 0 0 1 25 12 25 15

1 1 0 1
0
1 2 0 0
1 =( )
15 1 15 35
25 12 25 15

19
1 2 1
1
Ejemplo 3. Halle si es posible , donde: = ( 0 1 0)
1 2 1
Solucin
1 2 1 1 0 0 1+3 1 2 11 0 0
( 0 1 0 0 1 0) (0 1 00 1 0)
1 2 10 0 1 0 0 01 0 1

Por el corolario anterior la matriz es singular.

Determinantes

Sea 1(), = ()entonces se define el determinante de,

denotado ||como =

Definicin (submatriz): Sea (), = ()se llama submatriz de , a la

matriz obtenida de al suprimirle una o ms filas y/o una o ms columnas.

Definicin (cofactor): Sea = ( ) (), el cofactor de la entrada se

define como:
= (1)+

Donde es la submatriz de de tamao ( 1)( 1) obtenida al suprimirle la

fila i-sima y la entrada j-sima de .

Definicin (determinante de una matriz de orden nxn): Sea = ( ) (),

entonces:

= ( )
=1

20
Y se dice que el determinante de se ha desarrollado por los elementos de la j-
sima columna.

Teorema:
11
12
1. Sea 2(), = (
21 22 ), entonces = 11 22 12 21
11 12 13
2. Sea 3(), , = (21 22 23 ), entonces
31 23 33
22 23 21 23 21 22
= 11 | | |
12 | + |
13 |
23 33 31 33 31 32
3. Es una consecuencia inmediata de la definicin de determinante 3x3,
desarrollado por los elementos de la primera fila.

2 3 2 4
7 4 3 10
Ejemplo 1.Verifique que:| | = 286
3 2 3 4
2 4 0 5

Solucin
2 3 2 4
7 4 10 2 3 4
7 4 3 10
= | | = 2 | 3 2 4 | +3 | 3 2 4|
3 2 3 4
2 4 5 2 4 5
2 4 0 5
2 3 4
+3 | 7 4 10|
2 4 5

Donde:
7 4 10
2 4 3 4 3 2
a. | 3 2 4 | = 7 | | 4| | + 10 | |
4 5 2 5 2 4
2 4 5
= 7. (6) 4. (23) + 10. (16) = 26
2 3 4
2 4 3 4 3 2
b. | 3 2 4| = 2 | | 3| | + 4| |
4 5 2 5 2 4
2 4 5
21
= 2. (6) 3. (23) + 4. (16) = 17

2 3 4
4 10 7 10 7 4
c. | 7 4 10| = 2 | | 3| | + 4| |
4 5 2 5 2 4
2 4 5
= 2. (20) 3. (55) + 4. (36) = 61

= 2. (26) + 3. (17) + 3. (61) = 286

Ejemplo 2. Sin calcular 1 , pruebe que para cualquier valor de la matriz =


1 1
( 1 ) es invertible
2 2 1

Solucin
1 1
1 1
| 1 | = 0 1| | | | + (1) | |=0
2 1 2 1 2 2
2 2 1

(1 22 ) ( 2) (22 2) = 0 2 + 1 = 0 < 0
=

3 2
Ejemplo 3 .Halle el o los valores de para los cuales: |0 99 | = 60
0 0 1
Solucin
99
60 = 3 | | 60 = 3(( 1))
0 1
20 = 2
2 20 = 0
( 5)( + 4) = 0

22
= 5 = 4

Para calcular determinantes con software, se utiliza el comando:

Det[()]

Teorema propiedades de determinantes:

Sea = ( ) () triangular superior o inferior, entonces:


=
=1

Si una fila o columna de est construida por entradas nulas entonces


= 0
Si se multiplica por, 0, todos los elementos de una fila (columna) de una

matriz cuadrada, su determinante queda multiplicada por . De lo anterior

(), , 0; () = .
Si se intercambian dos filas (o columnas) en una matriz cuadrada, su
determinante cambia de signo.
El valor de un determinante no vara si sumamos a una fila (columna) de una
matriz cuadrada un mltiplo de otra.
Si dos filas (columnas) de una matriz cuadrada son iguales, entonces su
determinante es igual a cero.
+ +
Sea 2(), = ( ), entonces:


|| = | | + | | , y se le llama propiedad de linealidad de un

determinante. Esta propiedad es generalizable a matrices de orden , >

2.

Estas propiedades pueden resultar tiles para evaluar determinantes de orden alto.

23
Ejemplo 1. Halle el determinante de la matriz:
1 2 3 2 2
2 1 1 3 2
= 1 1 2 1 1
1 4 3 2 5
(3 2 2 2 2)

Solucin
1 2 3 2 2
2 1 1 3 2
|| = 1 1 2 1 1
1 4 3 2 5
(3 2 2 2 2)

21 + 2 1 2 3 2 2
1 + 3 |0 3 5 7 6
1 + 2 |0 3 1 3 3 ||
0 2 6 0 3
31 + 5
0 4 7 8 4

1 2 3 2 2
2 + 3 0 3 5 7 6
|
2/32 + 4 0 0 4 4 3|
| |
4/32 + 5 0 0 283 143 1
0 0 13 43 4

1 2 3 2 2
0 3 5 7 6
7/33 + 4 |
0 0 4 4 3 |
1/123 + 5 | |
0 0 0 143 6
0 0 0 53 174

1 2 3 2 2
0 3 5 7 6
|
5/144 + 5 |0 0 4 4 3 |
|
0 0 0 143 6
0 0 0 0 5928

24
14 59
= 1.3.4. . = 118, por ser una matriz triangular.
3 28

Teorema: Sean , (),entonces: det(. ) = det() . det().

Teorema: Sea (), es invertible entonces: det() 0

Teorema: Sea ( ), es invertible entonces: Vm, m ; det( ) =

(detA) .

Teorema: Sea (), entonces: det() = det( ).

Ejemplo 1. Pruebe que:


0 2 + 2 ab ac
| 0 | = 2 | ab + 2
2
bc | =42 2 2 .
0 ac bc 2 + 2

Solucin

0 02
| 0 | = 2 | 0 | =42 2 2
0 0

0 0 0 0
2 2 2
| 0 | | 0 | = 4 |( 0 ) . ( 0 )|
0 0 0 0
= 42 2 2

2 + 2 ab ac
| ab + 2
2
bc | = 42 2 2
ac bc 2 + 2

25
Ejemplo 2. Pruebe que es involutiva:

Solucin
Para que sea involutiva el|det | = 1

2 =
det2 = det
(det)2 = 1
|det | = 1

Definicin: Sean = ( ) (), = ( ) (), tal que: ( ) =

(). Se llama matriz adjunta de y se denota , a la matriz


Teorema: Sean (),entonces: . = . = det() ,

Corolario: Sean (),invertible entonces: 1 = det()1 ,

Ejemplo 1.Determine A1 mediante el teorema anterior


3 2 1
= (5 6 2)
1 0 3

Solucin
6 2 5 2 5 6
det() = 3 | | + 2 | | + 1 | |
0 3 1 3 1 0
3. (18) + 2. (17) + (6) = 94 0
s tiene inversa.

Ahora
6 2
11 = (1)2 | | = 18
0 3

26
5 2
12 = (1)3 | | = 17
1 3
5 6
13 = (1)4 | | = 6
1 0

2 1
21 = (1)3 | | = 6
0 3
3 1
22 = (1)4 | | = 10
1 3
3 2
23 = (1)5 | | = 2
1 0

2 1
31 = (1)4 | | = 10
6 2
3 1
32 = (1)5 | | = 1
5 2
3 2
33 = (1)6 | | = 28
5 6
18 6 10

= ( 17 10 1 )
6 2 28

Por el teorema anterior:


1
1 = .
det()

1
1 18 6 10
= ( 17 10 1 )
94
6 2 28

Para calcular la matriz adjunta y la matriz inversa con software, se utiliza el


comando:

InversaAdjunta[]
Donde es la matriz.

27
Ejemplo 2. Para qu valores de , la siguiente matriz no es invertible?
1 +1
| 1 2 3 | =
2 +3 +7

2 3 1 3
det() = | | ( 1) | |
+3 +7 2 +7
1 2
+ ( + 1) | |
2 +3
0 = [2( + 7) 3( + 3)] ( 1)[ + 7 3(2 )]
+ ( + 1)[ + 3 2(2 )]

0 = (2 + 14 3 9) ( 1)( + 7 6 + 3)
+ ( + 1)( + 3 4 + 2)

0 = ( + 5) ( 1)(4 + 1) + ( + 1)(3 1)

0 = 2 5 (4 2 + 4 1) + 3 2 + 3 1
0 = 0 =
Por un teorema no es invertible, ()

Definicin: Sean ().Se llama menor de al determinante de una

submatriz cuadrada de .

Sistema de ecuaciones

Definicin: Una ecuacin lineal con incgnitas es una ecuacin del tipo 1 1 +

2 2 + + = , donde () {0} , 1 , y
1 , las incgnitas de la ecuacin. Una solucin para una ecuacin de este tipo
es aquella n-tripla (1 ) que la satisface.

28
Ejemplo. 3 + 2 5 = 0, es una ecuacin lineal con tres incgnitas, por otra
parte:
3 + 2 5 = 0
5 3
=
2
5 3
= {(, , ) /, }
2

En toda ecuacin lineal con incgnitas, se dice que posee 1grados de


libertad o parmetros, esto significa que una solucin se puede determinar
escogiendo libremente el valor de 1 de las incgnitas y el valor de la restante
queda determinada por ellos.

Definicin: Se dice que una o ms ecuaciones lineales con incgnitas son


equivalentes si tiene el mismo conjunto solucin.

Ejemplo. Pruebe que las ecuaciones 2 + = 5 4 + 2 2 = 10,


son equivalentes.

Solucin
2 + = 5 = 5 + 2
10 + 2 4
4 + 2 2 = 10 = = 5 + 2
2
= {(, 5 + 2, )/, }, es el conjunto solucin para ambos.

Definicin: Un sistema de ecuaciones lineales con incgnitas, es aquel de la


forma:
11 1 + 12 2 + +1 = 1
+ 22 2 + +2 = 2
{ 21 1

1 1 + 2 2 + + =

29
Donde , (, ) , 1
,constantes.

Una n-tripla de nmeros reales (1 ), es una solucin del sistema si es


solucin simultnea de las ecuaciones del sistema. Todo sistema de

ecuaciones lineales con incgnitas, se puede escribir de manera compacta


utilizando matrices, se observa que si:
11 12 1 1
1
21 22 2
=( ) X= ( ) B= ( 2 )


1 2

El sistema se puede escribir de la forma:. = . Si todos los nmeros

1 , 2 son iguales a cero es decir = 0, el sistema se llama homogneo.

2 + 3 + 5 = 5
Ejemplo. El sistema { = 0, es un sistema de ecuaciones
2 + 3 + 16 = 1
lineales de tres incgnitas.

2 3 5 5
Si = (1 1 0 ) , = () , = (0), entonces el sistema escrito en
2 3 16 1
forma matricial corresponde a . = y es un sistema no homogneo.

Mtodo de eliminacin de Jorda-Gauss

Consiste en obtener un nuevo sistema de ecuaciones equivalentes al original,


pero ms sencillo de resolver. Se sustenta tericamente en el siguiente teorema.

30
Teorema: Sea , ()y, ` 1(), si las matrices

aumentadas ( )y( `)son equivalentes por filas entonces los sistemas de

ecuaciones lineales . = . = `son equivalentes.

Ejemplo 1. Resuelva el siguiente sistema de ecuaciones


2 + = 0
+ 3 + 2 = 0
lineales.{
2 + 5 2 + 6 = 0
3 + + 3 = 0

Solucin
En este caso la matriz aumentada del sistema corresponde a:

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

Se efectan operaciones elementales de fila para obtener una matriz


escalonada en el extremo izquierdo.

1 2 1 1 0
1 + 2 0 1 0 1 0
21 + 3 (0 )
9 4 8 0
31 + 4 0 7 4 6 0

22 + 1 1 0 1 1 0
0 1 0 1 0
(
92 + 3 0 )
0 4 1 0
72 + 4 0 0 4 1 0

3 + 1 1 0 1 34 0
0 1 0 1 0
1/43 0( )
0 1 14 0
43 + 4 0 0 0 0 0

31
Por el teorema el sistema es:

+ 34 = 0 = 34
+ = 0 =
+ 4 = 0 = 4

= {( 34 , , 4 , ) / }

Un aspecto destacable es que todo sistema de ecuaciones lineales con


incgnitas homogneo tiene al menos una solucin que corresponde a (0,0, 0) y
se le llama solucin trivial.

Ejemplo 2. Resuelva el siguiente sistema de ecuaciones


+ 2 + 3 = 1
lineales.{ 2 + 2 + 2 + 6 = 2
3 + 2 4 3 9 = 3

Solucin

Para resolver este ejemplo con software, se aplica las operaciones elementales
de fila para reducir la matriz, de la siguiente manera:
1 1 2 1 3 1
= (2 1 2 2 6 2) ;
3 2 4 3 9 3

SumaFila[A, 2,1,2] 1 1 2 1 3 1
= (0 3 6 0 0 0)
SumaFila[%, 3,1,3]
0 1 2 6 18 0

MultiFIla[%, 1/3,2] 1 0 0 1 3 1
SumaFila[%, 1,2,1] = (0 1 2 0 0 0)
SumaFila[%, 1,2,3] 0 0 0 6 18 0

MultiFIla[%, 1/3,2] 1 0 0 1 3 1
SumaFila[%, 1,2,1] = (0 1 2 0 0 0)
SumaFila[%, 1,2,3] 0 0 0 6 18 0

MultiFIla[%, 1/6,3] 1 0 0 0 0 1
= (0 1 2 0 0 0)
SumaFila[%, 1,3,1]
0 0 0 1 3 0
32
=1
Por el teorema anterior, el sistema es: { 2 = 0
+ 3 = 0
= {(1,2, , 3, ) / , }

Ejemplo 3. Resuelva el siguiente sistema de ecuaciones


2 + + = 2
lineales.{ 4 + + 2 = 1
10 + 2 + 5 = 7

Solucin
La matriz aumentada asociada al sistema de ecuaciones, corresponde a:

2 1 1 2
( 4 1 2 1)
10 2 5 7

1/21 1 12 12 1
41 + 2 (0 1 0 3)
101 + 3 0 3 0 3

1/21 + 2 1 0 12 12
2 (0 1 0 3 )
32 + 3 0 0 0 6

+ 2 = 12
Por el teorema anterior, el sistema es: { =3
0 = 6
= porque 0 6

Definicin: Si un sistema de ecuaciones lineales con incgnitas, tiene solucin


vaca, se dice que es inconsistente o incompatible.

33
Definicin: Dado un sistema de ecuaciones lineales con incgnitas, si:

1. < , se dice que el sistema es subdeterminado

2. > , se dice que el sistema es sobredeterminado

3. = ,se dice que el sistema es cuadrado

Teorema: Dado un sistema de ecuaciones lineales homogneo subdeterminado


existe una solucin trivial, es decir tiene infinidad de soluciones.

Teorema: Dado un sistema cuadrado, . = , con (), posee solucin

nica sii es invertible.

Teorema (Regle de Cramer): Si la matriz de coeficientes del sistema de ecuaciones


lineales:
11 1 + 12 2 + +1 = 1
+ 22 2 + +2 = 2
{ 21 1

1 1 + 2 2 + + =

Es tal que det() 0 y si B = (b1 , 2 , ) entonces el sistema tiene

una solucin nica (1 , 2 , ) donde:

det( : )
= , 1
det()

Con det( : ), el determinante de la matriz que se obtiene de al sustituir

la columna i-sima por las componentes de .

Ejemplo 1. Utilice el Teorema de Cramer para resolver:


3 + 2 + = 1
{ 2 + = 0
+ 3 = 2

34
Solucin
3 2 1
Hallar el detA = |1 2 1|
1 1 3

2 1 1 1 1 2
3| | 2| | + 1| |
1 3 1 3 1 1
3.5 + (2. 4) + 1.3
26 0

El sistema tiene solucin nica y viene dada por:

2 1
| 2 1 | 1 1 1 2
2 | |+| |
= 1 3 = 2 3 2 1 = 2. 5 3 = 1
26 26 26 2

3 1
|1 1 | 1 1 3 1
| || |
= 1 3 = 2 3 1 2 =55=0
26 26 26

3 2
|1 2 | 2 1 3 1
| | 2| |
= 1 1 = 1 2 1 2 = 3 10 = 1
26 26 26 2

= {(12 , 0, 12)}

Ejemplo 2. Determine los valores de tales que el sistema tenga solucin


nica.
3 = 3
{2 + = 2
+ 2 + = 1

35
Solucin
1 0 3
= |2 1|
1 2

1 2
| | 3| |
2 1 2
( 2 + 2) 3(4 )
2 + 2 12 + 3
( + 5)( 2)
= 5 = 2

{5,2 }
Porque para que el sistema tenga solucin nica el detA 0

Combinacin lineal

Consideremos un sistema de ecuaciones lineales . = , expresado en

forma columnar; 1 1 + 2 2 + + = , con ()tal que

= ( 1 2 ), entonces se dice que es combinacin lineal de los vectores


columna 1 2 , para cualquier solucin del sistema.

1 2 3 1
Ejemplo. Se tiene (2 1
4 ) . ( ) = ( 13 )
0 5 10 15

A partir de este se obtiene otro sistema equivalente a:


= 5
1 0 1 5
2 = 3
(0 1 2 3) { = 5+
0 0 0 0 = 3 + 2

36
1 1 2 3
Como ( 13 ) = (5 + ) (2) + (3 + 2) ( 1 ) + ( 4 ), se dice que
15 0 5 10

(1,13,15) es combinacin lineal de (1,2,0), (2,1,5), (3, 4, 10).

Sea1 , 2 , se llama combinacin lineal de los vectores

1 , 2 a cualquier vector de la forma = 1 1 + 2 2 +


con , 1 . Al conjunto de todas las combinaciones lineales se le
representa como:

{1 } = { }
=1

Ejemplo. El vector = (10,4), la combinacin lineal de los vectores =


(1,5),
= (4,2), dado que:

10 1 4 + 4 = 10
( ) = ( )+( ) {
4 5 2 5 + 2 = 4

5 204 = 50
{ 18 = 54 = 3 = 22
5 + 2 = 4

Dependencia e independencia lineal

Los vectores 1 , 2 , son:

1. Linealmente independiente (li): si ningn vector es combinacin lineal de

los dems, lo que significa que el sistema 1 1 + 2 2 + + = 0, o


sea tiene solucin nica.
2. Linealmente dependiente (ld): si algn vector es combinacin lineal de los
otros, esto es el sistema homogneo 1 1 + 2 2 + + 0.

37
Ejemplo. Demuestre que los vectores 1 = (1,3,2), 2 = (3,0,1), 3 =

(1,2,0)son li.

Solucin

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

1 3 1
3 1 1 1
|3 0 2| 2 | | 1| | 12 5 17 0
0 2 3 2
2 1 0
Son li.

38
PRCTICA PARA EXAMEN: Matrices y determinantes

Ejercicios

1. Determine para qu valor o valores de los siguientes vectores son linealmente


dependientes: (1 1 ), (2, + 1, + 1, 2), ( 1, , 1, ).

2. Considere los vectores = (1,1, ), = (1, 2, 2), = (2, + 1, 2 )


a. Determine para qu valores de los vectores , , son linealmente
dependientes.
b. Para los casos en que sean linealmente dependientes escriba como
combinacin lineal de y .

3. Sea = {(1, , 0) , (1, 1,3) , (1,0, ) } 3 Para qu valores de los


tres vectores de son linealmente independientes?, para qu valores de
podemos encontrar a lo sumo dos vectores linealmente independientes en ?

1 1 5
4. Considere la matriz = (2 2 )
3 4 1

a. Para qu valor o valores de se tiene que es invertible?


b. Para qu valor o valores de , la tercera columna de se puede
escribir como combinacin lineal de las otras dos columnas de ?
c. Para el caso o casos en que es posible, escriba la tercera columna de
como combinacin lineal de las otras dos columnas de .

1 1 3
5. Sea = (2 2 2).
4 1
a. Determine para qu valor o valores de se tiene que el vector que
corresponde a la segunda columna de , es combinacin lineal de los
vectores que corresponden a las otras dos columnas de .

39
b. Determine el rango de para el caso = 7.
c. Si = 1, utilice la regla de Cramer para resolver el sistema . = ,
1

donde: = ( ) = ( 2 )
1

1 1
6. Sea = (2 3 0 ) .Denotamos con , , a los vectores que
3 1
corresponden a la primera, segunda y tercera columna de respectivamente.
a. Para qu valor o valores de se tiene que es combinacin lineal de
y ?
b. Para qu valor o valores de la matriz tiene inversa?
c. Determine el rango de segn los diferentes valores de .

7. Sean y matrices cuadradas de orden tres, tales que || = 4 y = 2.


Utilice las propiedades del determinante para calcular |() |.


1 3 1 17
8. Considere el sistema de ecuaciones lineales: ( )( ) = ( )
3 7 9

a. Determine para qu valores de y el vector ( 8 ) es solucin del
+7
sistema.
b. En el sistema de ecuaciones dado, sustituya por el valor que encontr
en la parte a y determine el conjunto solucin del sistema.

1 1 1
9. Si = (1 1 2 1 ) para qu valores de la matriz tiene rango 1?,
1 1 1 2
para qu valores de tiene rango 2?, para qu valores de tiene rango
3?

10. Dado el sistema de ecuaciones lineales:

40
Px1 + 22 + 33 = 2
{Px1 + Px2 + ( + 1)3 =
Px1 + Px2 + (2 2)3 = 2 2

Determine para qu valor o valores de el sistema:


a. Tiene infinitas soluciones.
b. Tiene solucin nica.
c. No tiene solucin.

11. Se dan las matrices cuadradas, del mismo orden, , , y con y


invertibles, tales que ( ) + = (donde es la matriz identidad).
a. Use las operaciones con matrices y sus propiedades para despejar
en trminos de las matrices , , y (no use sistemas de ecuaciones).
1 2 2 3
b. Segn lo que obtuvo en a, determine si: = ( ), = ( )
1 3 1 2
1 2
=( )
3 4

12. Sin calcular 1 , pruebe que para cualquier valor de p matriz =


1 1
( 1 ) A es invertible.
2 2 1

13. Sean y matrices de orden tres con det() = 3 y det() = 5, si = 1


calcule det(3 ).


14. Dado que | | = 3 utilice las propiedades del determinante para

calcular:
3 3 3
a. | |
3 3 3
+ 2 + 2 + 2
b. |3 3 3 3 3 3|

41
15. Determine el conjunto solucin del siguiente sistema de ecuaciones lineales:

+ 2 3 = 4
{ 2 + 4 = 12
8 + 17 = 36

16. La siguiente matriz aumentada de un sistema de ecuaciones lineales contiene


dos parmetros y :

0 2
(0 4 2 )
0 0 2 2

Determine para qu valor o valores de a y de b el sistema tiene solucin


nica, infinitas soluciones o solucin vaca.

17. Utilice lgebra de matrices (no use sistemas de ecuaciones) para determinar
la matriz que satisface: ( + ) =
2 1 1 1
2 5
=( ) , = (1 2) = (1 0)
3 7
1 0 0 1

18. Dado el sistema de ecuaciones lineales con cuatro incgnitas:


+ + pz + pw = 1
{ + py + + =
px + + + = 1

a. Determine para qu valor o valores de el sistema:


No tiene solucin.
Tiene solucin nica.
Tiene infinitas soluciones. En este caso indique el nmero de
parmetros de la solucin segn los valores de :

b. Determine el conjunto solucin del sistema para el caso en que tiene


infinitas soluciones dependiendo de un parmetro.

42
19. La siguiente es la matriz aumentada de un sistema de ecuaciones lineales:
1 2 1 1
(2 1 1 )
1 7 4

a. Determine el valor de de manera que el vector (1,2, ) es solucin


del sistema.
b. Determine el conjunto solucin del sistema para el valor de hallado
en a.


20. Sea | | = 3

a. Utilizando las propiedades del determinante calcule:


3 3 3
| 2 2 2 |
2 2 2

b. Use la regla de Cramer para resolver el sistema:


ax + by + cz = 2
{bx + cy + az = 2
cx + ay + bz = 2

43
Solucin

Ejercicio 1.
1 2 1 0
+1 0
( )
1 +1 1 0
2 0
1 2 1 0
1 + 2 0 1 2 2 0
( + 0 1 0 0)
1 3
1 + 4 0 2 2 2 2 0
2 2 1
22 + 1 1 0 0
1
1 2 2
( 1 ) 0 1 0
1 2 1
(1 )2 + 3 0 0 2 2 0
((2 2)2 + 4 0 0 2 2 0)
2 2 1
3 + 1 1 0 0 0
1
2 2
3 + 2 0 1 0 0
( 0 2 ) 1
1
0 0 1 0
(2 ) 3
( 2 2 3 + 4 0 0 0 0)
: 0, 1 2

Ejercicio 2.
1 1 2
a. |1 2 + 1| = 0
2 2
2 +1 1 +1 1 2
| | 1 | | + 2 | |=0
2 2 2 2
[ 2 ( 2) (2 2)] + [ 2 ( 2 + )] + [2(2 ( 2 2k))]
3 2 2 + 2 + 2 + 2 2 + 2 4 2 2 + 4 = 0
3 4 2 + 5 2 = 0
( 1)( 2 3 + 2) = 1 2

: = 1 2,

44
b. = 1 2
1 1 2 1 1 2 1 1 2 1 0 3
(0 0 0 ) (0 1 1) (0 1 1) (0 1 1)
0 1 1 0 0 0 0 0 0 0 0 0
=3=1
2 1 1
: ( + 1) = 3 (1) + ( 2)
2 2

Ejercicio 3.
1 1 1 0
1 1 1 0 1 1 1 0
( 1 0 0 ) ( 0 1 + 0) 1 (0 1 0)
0 3 0 0 3 0 1 +
0 3 0
1
1 0 0
1 +
1 0 0 0
0 1 0 0 4 (0 1 0 0)
1 + 0 0 1 0
(4 + )
(0 0
1 +
0)

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

Respuesta: Los vectores son li si b IR -{0,4}

1 0 1 0 =0
= 0 (0 1 0 0) { =
=0
0 0 0 0

1 0 13 0 + =0
3
= 4 (0 1 43 0) { 4
0 0 0 0 + = 0
3

: = 0,

45
Ejercicio 4.
a. 0
1 1 3
|2 2 2| = 0
4 1
2 2 2 2
| |+ | |+| |p=2
4 1 3 1 3 4
Respuesta: A es invertible p, p IR {2}

10+
1 1 5 1 1 5 1 0 4
b. (2 2 ) (0 4 10 + ) (0 1 1
(10 + ))
3 4 1 0 7 14 4
0 7 14
10 +
1 0
4
1
0 1 (10 + )
4
7
(0 0 (2 + ))
4
Ahora
10 + 10 + 14 7
= , = , =0
4 4 4
= 2, = 3, = 2

c. Se resolvi en la parte b

Ejercicio 5.
1 3 . 1
a. Sea (2 2 . 2)
4 1 .
1 3 . 1 1 3 . 1 1 0 . 2
(0 4 . 4 ) (0 1 . 1 ) (0 1 . 1 )
0 1 . +4 0 1 . + 4 0 0 . 7
Luego 7 = 0 = 7 = 2, = 1

1 1 3 1 0 2
b. Si = 7, = (2 2 2) al reducirla se obtiene (0 1 1) donde
4 7 1 0 0 0
() = 2

46
c. Si = 1, det() = 24, por regla de Cramer
1 1 3
|2 2 2|
= 1 1 1 =0
24
1 1 3
|2 2 2|
= 4 1 1 =1
24
1 1 1
|2 2 2|
= 4 1 1 =0
24

Ejercicio 6.
1 1 . 1 1 . 1 1 .
2
a. (2 3 . 0 ) (0 5 . 2 ) (0 1 . 5 )
3 . 1 0 +3 . 3 1 0 +3 . 3 1
1 0 . 35
0 1 . 25
( )
(2 + 1)( 5)
0 0 .
5
(2+1)(5) 1
Luego = 0 = , = 5
5 2

1
b. = 0 5 9 + 22 = 0 = 2 , = 5
1
tiene inversa sii { 2 , 5 }

3
1 0
1 1 1 1 5
2
(2 3 0 ) (0 5 2 ) 0 1
3 1 0 3+ 1 3 5
1
(5 9 + 22 ))
(0 0
5
1 0 0
(0 1 0)
0 0 1
1
Si { 2 , 5 } () = 3

47
c. Rango segn los valores de p
1 3
1 1 12 1 1 2 1 0 10
1
Para = 2 (2 3 0 ) (0 5 1 ) (0 1 1 )
3 12 1 5 1 5
0 2 0 0 0
2
1
Cuando = 2 () =2
1 1 5 1 1 5 1 0 3
Para = 5 (2 3 0 ) (0 5 10) (0 1 2)
3 5 1 0 8 16 0 0 0
Cuando = 5 () =2

Ejercicio 7.
, 3 ()
|| = 4
= 2
|(. ) |?
|(. ) | = |. | = ||. ||
4. |2|
4 (2)3 ||
= 4 (2)3 . 4
= 128

: = 128

Ejercicio 8.
1 3 1 . 17 1 3 1 . 17
a. ( )( )
3 7 . 9 0 10 10 . 60
1 0 2 . 1 = 1 2
(0 1 6 ) { + 2 = 1
{ 6 z
1 . = 6 = +
p p

Si( 8 )es solucin, = + 7, en consecuencia:
+7
= 1 2( + 7) = 2 15 = = 5

48
6 6++7 8
= + = = =1

b. Con = 1: = 1 2, = 6 + ; = {(1 2, 6 + , ), }

Ejercicio 9. Es una matriz con parmetros, como piden el rango se debe reducir por
filas.
1 1 1
= ( 1 1 2 1 )
1 1 1 2
1 1 1
11 + 2 (0 1 2 1 0 )
11 + 3 0 1 0 2 1
1
1 1 1
(1 ) 2 (0 1 1 0 )
( 1) 0 1 0 1 + 2
2 + 1 1 0 2 + + 1 1
(0 1 1 0 )
(1 )2 + 3 0 0 ( 1)( 1) 2 1
1 2 + + 1 1
1 0
( 1)( 1) 3 (0 1 1 0)
( 1) 0 0 1 1
( 2 + + 1)3 + 1 1 0 0 2 + + 2
( 1)3 + 2 (0 1 0 1 ) = 3
0 0 1 1

Ahora:
1 1 1 1 1 1 1
( 1) (0 1 2
1 0 ) (0 0 0 0) = 1
0 1 0 2 1 0 0 0 0
1 0 2 + + 1 1 1 0 1 1
( 1) = (0 1 1 0 ) (0 1 0 0) = 2
0 0 ( 1)( 1) 2 1 0 0 0 0

: 1 ,1 = 3, 1 = 2 1 = 1

49
Ejercicio 10.
2 3 2
2 3 2 1

( +1 )
0 2 + 2 + 2 +
2 2 2 2
(0 2 + 5 + 2 2(2 + ))
2
1 0 0
1 (3 + )
1 0 0 1

( ) 0 1 0
0 1 1 1 3
0 0 3 + 2 + 2 +
0 0 1
( 3 + )
Cuando = 0
3
0 2 3 . 2 0 1 . 1 0 1 0 . 1
(0 0 1 . 0 ) ( 2 ) (0 0 1 . 0 )
0 0 1 . 0
0 0 2 . 2 0 0 0 . 2
0 0 2 . 2
0 1 0 . 0
(0 0 1 . 0) el sistema es inconsistente 1 0 =
0 0 0 . 1

Cuando = 2
3 3
1 1 . 1 1 1 . 1 1 1 0 . 1
( 2 ) ( 2 ) (0 0 0 . 0)
0 0 0 . 0 0 0 0 . 0
0 0 1 . 0
0 0 1 . 0 0 0 1 . 0
1 1 0 . 1
(0 0 1 . 0) el sistema es inconsistente 1 0 =
0 0 0 . 0

Cuando = 3
2 2 1 2
3 2 3 . 2 1 1 . 1 0 .
(3 3 4 . 4) ( 3 3) ( 3 3)
0 1 1 . 2 0 1 1 . 2
3 3 4 . 4
0 1 1 . 2 0 1 1 . 2
1 2
1 0 .
3 3 1 2
(0 1 1 . 2 )el sistema es inconsistente 1 2, 3
3 =
0 0 0 . 0

: {0,2,3 } , = 0,2,3 =

50
Ejercicio 11.
a. (. . ) + =
(. . ) =
(. . ) = ( )
. . = ( )
(1 . . 1 ) = 1 . ( ) 1
= 1 . ( ) 1
= 1 . ( ) 1

b. = 1 . ( ) 1
1 2 1 0 1 2 1 0 1 0 3 2
1 = ( )( )( )
1 3 0 1 0 1 1 1 0 1 1 1
3 2
1 = ( )
1 1
3 1
1 0
2 3 1 0 2 2 1 0 2 3
1 = ( )( )( )
1 2 0 1 1 1 0 1 1 2
0 1
2 2
2 3
1 = ( )
1 2

3 2 1 0 1 2 2 3
=( ) (( )( )) ( )
1 1 0 1 3 4 1 2
3 2 0 2 2 3
=( )( ) ( )
1 1 3 3 1 2
3 2 0 3 2 3
=( )( )( )
1 1 2 3 1 2
11 18
=( )
4 6

Ejercicio 12. Se calcula el determinante.


1 1
= ( 1 )
2 2 1
1 1
| 1 |=0
2 2 1
1 1
1| | | | + (1) | |=0
2 1 2 1 2 2

51
(1 22 ) ( 2) (22 2) = 0
2 + 1 = 0
< 0 =

: det 0 , .

Ejercicio 13.
, 3 ()
det() = 3
det() = 5
= 1 det(3 ) ?

Det(3 )
(3)3 det( )
27det(1 )
27 det(1 ) . det(). det()
27(detP)1 . det() . det()
1
27. .3.5
5
= 81

: = 81

Ejercicio 14.

| | = 3

3 3 3
a. | | 3.3 | |
3 3 3

13 = 9 | |

9.3 = 27

52
+ 2 + 2 + 2
b. |3 3 3 3 3 3|

2 2 2
|3 3 3 3 3 3| + |3 3 3 3 3 3|

2 2 2 2 2 2
|3 3 3 | + |3 3 3| + | 3 3 3 | + |3 3 3|


3 | | + (3) | | + (2.3) | | + (2. 3) | |

=0 =0 =0

23 3 | | 3.0 + 6.0 6.0 = 9

Ejercicio 15.

1 2 3 . 4 1 2 3 . 4 1 2 3 . 4
(2 1 4 . 12 ) (0 5 10 . 20 ) (0 5 10 . 20 )
1 8 17 . 36 1 8 17 . 36 0 10 20 . 40
1 2 3 . 4 1 0 1 . 4 1 0 1 . 4
(0 1 2 . 4
) ( 0 1 2 . 4
) ( 0 1 2 . 4)
0 10 20 . 40 0 10 20 . 40 0 0 0 . 0
+ = 4 = 4
{
2 = 4 { = 2 + 4

: = {(4 , 2 + 4, )},

Ejercicio 16.
2
0 . 2 1 0 .
(0 4 . 2 )( )
0 4 . 2
0 0 2 + . 2 +
0 0 2 + . 2 +
2 2
1 0 . 1 0 0 .

4 2 2 +
0 1 . 0 1 0 .

(0 0 1 . 1) (0 0 1 . 1 )

53
El sistema tiene solucin nica si , { = 0, = 2}

0 0 . 2 0 0 0 . 2b
Para = 0 (0 0 4 . 2 ) (0 0 0 . b 2)
0 0 2 . 2 0 0 1 . 1

0 0 2 . 2 0 0 1 . 1 0 0 1 . 1
Para = 0, = 2 (0 0 2 . 2) (0 0 2 . 2) (0 0 0 . 0)
0 0 0 . 0 0 0 0 . 0 0 0 0 . 0
El sistema tiene infinidad se soluciones

1 0 2/ . 2/
Para 0, = 2 (0 1 2/
. 2/ )
0 0 0 . 0
El sistema tiene infinidad se soluciones

Ejercicio 17.
( + ) =
+ = . 1
= . 1
= (. 1 )
6 6 2
( )
2 3 3

Ejercicio 18.
1 1 . 1 1 1 . 1
a. (1 1 1 . ) (0 1 + 1 1 . 1 + )
1 1 1 . 1 0 1 1 2 1 2 . 1
1 0 1+ 1+ . 0 1 0 1+ 1+ . 0
(0 1 1 1 . 1) (0 1 1 1 . 1)
0 0 2 2 2 2 . 0 0 0 1 1 . 0
1 0 0 0 . 0 1 0 0 0 . 0
(0 1 1 1 . 1) (0 1 0 0 . 1)
0 0 1 1 . 0 0 0 1 1 . 0

El sistema tiene infinidad se soluciones cuando 1, 2

54
Para = 1
1 1 1 1 . 1 1 1 1 1 . 1 1 1 1 1 . 1
(1 1 1 1 . 1 ) ( 0 0 0 0 . 0
) ( 0 0 0 0 . 0)
1 1 1 1 . 1 1 1 1 1 . 1 0 0 0 0 . 0
Hay infinidad se soluciones

Para = 2
1 1 2 2 . 1 1 1 2 2 . 1
( 1 2 1 1 . 2) ( 0 3 3 3 . 3)
2 1 1 1 . 1 0 3 3 3 . 3
1 0 1 1 . 0
(0 1 1 1 . 1)
0 0 0 0 . 0
Hay infinidad se soluciones

b. Si = 1; = {(, , , 1 ), , , }
Si = 2; = {( 1, 2, , 1), }
2 2 2+2 2
Si 1, 2; = {(+2 + +2 , 2+ , , (2+) 2+ , ) , }
+2

Ejercicio 19.
1 2 1 . 1 + 1 2 1 . 1 +
3 2+
a. (0 5 3 . 2 ) (0 1 5 . )
5
0 5 3 . 1 0 5 3 . 1
1 1 + 3
1 0 .
5 5
3 2 +
0 1 .
5 5
(0 0 0 . 3 )
El sistema no es consistente si = 3. Se puede verificar (1,2,3)que el vector
es solucin del sistema.

b. La solucin del sistema es:


+ 5 = 85
= 85 5
{ 3 {
= 15 = 15 + 35
5

55
= {(85 5 , 15 + 35 , ) }
Ejercicio 20.

3 3 3
a. | 2 2 2 |
2 2 2
3 3 3 3 3 3
| | + | 2 2 2 |
2 2 2 2 2 2
3 3 3 3 3 3
| |+| | + |2 2 2 | + |2 2 2 |
2 2 2 2 2 2 2 2 2 2 2 2

6 | | 2 | | 12 | | + 4 | |

0 0


23 6. | | 2.0 12.0 + 12 4 | |


23 6. | | + 12 4 | |

6. 3 + 4.3 = 6

ax + by + cz = 2
b. { bx + cy + az = 2
cx + ay + bz = 2

| | = 3

2
|2 | 2 | |
x= 2 2.3 = 2
3 3 3
2
| 2 | 2 | |
= 2 2.0 = 0
3 3 3
2
| 2 | 2 | |
= 2 2.0 = 0
3 3 3

Respuesta: S = {(2,0,0)}
56
ESPACIO EUCLDEO

Este trabajo consiste en una exposicin de algunos elementos relacionados


con la teora de vectores, rectas y planos en el espacio eucldeo y de sus
aplicaciones en geometra analtica.

Conceptos bsicos

Definicin 1: Se llama punto o vector dimensional a una tupla de la forma con

(1 , 2 , )con , , 1 , .A los nmeros reales se les


llama componentes o coordenadas del vector.

El conjunto de puntos o vectores dimensionales se denota como . A los

elementos de se les llama escalares.

Ejemplo 1. La tripleta(2,3,4)es un vector tridimensional, su representacin


geomtrica se puede observar a continuacin.

Con software, se utiliza el comando:

GraficaPuntos2D[{1,2}, {1,4}]
57
Para dotar a de una estructura algebraica se enuncia la siguiente
definicin.

Definicin 2: Sean = (1 , 2 , ), = (1 , 2 , ) entonces:

1. Se dice quees igual a y se denota = sii = 1

2. Se define la suma de y , denotada + como el vector:

+ = (1 + 1 , 2 + 2 , + )
3. Se define el producto de con denotado como el vector:

= ( 1 , 2 , )
Se dice que esta operacin es una ley de composicin externa en .

Teorema 1:( , +) es un grupo abeliano y , , , .

Definicin 3: Sean = (1 , 2 , ), = (1 , 2 , ) la diferencia o

resta de con respecto a , denotada , se define por:

= + (1)
donde al vector 1 se le denota y se llama opuesto aditivo de .

Ejemplo 1.Sean = (3,4,1), = (5,3,2). Halle 2 3


Solucin
2 = (6,8,2) 3 = (15, 9, 8)
2 3 = (6,8,2) + (15, 9, 6)
2 3 = (21,1, 4)

Utilizando software, el ejemplo anterior se resuelve de la siguiente manera:

v = {3,4,1}
w = {5,3,2}
2 3

58
Ejemplo 2.Determine los nmeros , , que cumplan la siguiente igualdad:

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

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

Vector geomtrico o anclado

Un vector geomtrico o anclado es un par de vectores dimensionales

, que se denota por


. Al vector se le llama punto inicial u origen y a punto
final u extremo del vector geomtrico. Se suele representar al vector
anclado
mediante una flecha que va de a como se observa en la figura.

La longitud de la flecha se llama mdulo o norma del vector


y se denota
|
|. Cuando en particular
=
0 el vector geomtrico
0 se

representa tambin por


.

59
Un vector geomtrico est caracterizado principalmente por su mdulo y su
y
sentido o direccin. Cuando dos vectores anclados estn contenidos en
rectas paralelas, tienen la misma longitud y el mismo sentido se dice que son
vectores equivalentes.

Es observable, que los elementos de , 2 3 llamados


respectivamente vectores unidimensionales (escalares), bidimensionales y
tridimensionales, se re-presentan como vectores anclados sobre una recta, un plano
y el espacio segn corresponda.

Interpretaciones geomtricas de la suma, sesta y ley externa

Teorema 2 (Ley del paralelogramo):Dados dos vectores dimensionales distintos



las diagonales del paralelogramo determinado por estos vectores repre-sentan la
y

suma y la resta de
y .

De la figura anterior, es posible inferir intuitivamente el siguiente corolario del


teorema 2.

Corolario 1: Sean
, entonces
. =

Es observable que la ley de composicin externa, es una operacin sobre un


vector n dimensional que genera un nuevo vector donde cada componente es un
mltiplo del escalar multiplicado, en consecuencia:

60

Vectores paralelos, producto escalar y mdulo de un vector

Definicin 4: Sean , tales que = con Entonces:

1. Si = 0 a w se le llama vector nulo.

2. Si 0 se dice que y son vectores paralelos y se denota .

3. Si > 0 se dice que y tienen el mismo sentido.

4. Si < 0 se dice que y tienen sentido opuesto.

Definicin 5 (Producto escalar): Sean = (1 , 2 , ), = (1 , 2 , )

. Se llama producto escalar de y denotado , al nmero real definido


por:

=
1

Si en particular = 0 se dice que y son ortogonales y se denota

. Es comprobable que si 0, 0y , entonces el ngulo formado



por ambos vectores es igual a radianes.
2

Teorema 3 (Propiedades del producto escalar): Sean , , ,


entonces:
61
=
( + ) = +
( ) = () = ()
0 =0 =0

Ejemplo 4.Sean los vectores = (2, 2,1) y = (1,2,1) Determine ,

3 tales que:
a.

b. + 2 =
c.

Solucin
a. = , {0}

= (1,2,1) = (, 2, )

b. + 2 = = 2 = (, 2, ) + 4(2,2, 1)

= (4 , 2 + 4, 2)

c. = 0 2(4 ) 2(2 + 4) + 2 = 0

= 18

= (22, 32, 20), = (18, 36, 18)

Definicin 6: Sea = (1 , 2 , ) entonces:

= . = 2
=1


Si en particular el vector , (, , ) es notable en la siguiente figura que:

62

La longitud de la flecha por el teorema de Pitgoras corresponde a:

2
( 2 + 2 ) + 2 = 2 + 2 + 2 (1)*

Si aplicamos la definicin 6 para hallar el mdulo del vector obtenemos:

= = (, , ) (, , ) = 2 + 2 + 2 (2)*

En consecuencia se puede observar por (1) y (2) que la definicin 6 no


contradice lo que ya habamos planteado en la seccin 2, con respecto a la
interpretacin geomtrica del mdulo de un vector como la longitud de la flecha del
vector anclado correspondiente. Algo muy similar tambin se podra hacer con
respecto a un vector en 2 .

Teorema 4 (Propiedades del mdulo): Sean , , entonces:

0 = 0 = 0
= || .
2 = 2 2(. ) + 2
+ + (desigualdad triangular)
|. | . (desigualdad de Cauchy-Schwartz)

Definicin 7: Sea , si = 1a se le llama vector unitario.

63
1
Ejemplo 5. Dado un vector , note que el vector = es un vector

unitario pues:
1 1
|| (por el teorema anterior)

1
= 1

Ejemplo 6. En 3 hay tres vectores unitarios muy importantes, llamados


coordenados unitarios, definidos por:

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


Estos tres satisfacen:
=1
1. = =

2. ,
(esto porque)
3. (, , ) 3 , (, , ) = + +

(, , ) = (, 0,0) + (0, , 0) + (0,0, )


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

Para normalizar un vector con software, donde: se utiliza el comando:

= (2, 2,1)
2 2 1
Normalize [{ , , }]
3 3 3

64
ngulo entre dos vectores y proyeccin ortogonal

Definicin 8: Sean , el ngulo formado por y denotado =

(, ) se define como0 .

Si y son vectores de distintos de cero, la proyeccin ortogonal de

sobre es un vector denotado como que con respecto a un vector


satisface:

+ =
Donde es tal que:

Es observable:
+ =
. ( + ) = .
(. ) + . = .
2 = .
.
=
2

En consecuencia:
.
=
2

Adems en la imagen (a) es posible deducir que:

65

cos =


cos = || 2 4


cos = () > 0

.
cos =
2
.
cos =

De igual forma podemos concluir para el caso (b) la misma identidad, de


donde en trminos generales:
.
cos = con = (, )

Este resultado nos conduce directamente al siguiente teorema.

Teorema 5: Sean y vectores de no nulos. El ngulo , 0 )entre

los vectores y viene dado por:


.
= [ ]

Ejemplo 7. Determinar la proyeccin de = (1, 1, 1) sobre el vector =


(1,1, 6)y = (, )

Solucin
.
=
2
1 + (1) + 6
2 (1,1, 6)
12 + 12 + (6)

6
(1,1, 6)
8
66
6 6 6 6 6 3
( , , )=( , , )
8 8 8 8 8 4

Por otra parte:

. 6 1
[ ] [ ] =
3 22 2 3

Para realizar el ejemplo anterior con software, se utiliza los comandos:

= (1, 1,1);
= (1,1 6);
= [, ]//
VectorAngle[, ]
GraficaVectores3D[{, , }]

Cosenos directores

Sea 3 , = (1 , 2 , 3 ) no nulo. Los ngulos = (, ), =

(, ) = (, )se llama ngulos directores, los cosenos de estos ngulos se


llaman cosenos directores. De esta forma:
. 1
=

. 2
=

. 3
=

De donde, es observarme que: 2 + 2 + 2 = 1

67
Producto vectorial

Definicin 9: Sean = (1 , 2 , 3 ), = (1 , 2 , 3 ) 3 . El producto vectorial

de y es el vector de 3 denotado por y definido por:

2 3 1 3 1 2
2 |
= |1 2 3 | | | - | | + |
2 3 1 3 1
1 2 3

A este determinante se le denomina determinante funcional. Recuerde


adems, que un determinante dos por dos se calcula de la siguiente forma:

| | =

Ejemplo 8.Si = 2 + + = 4 + 3 + y entonces:



= | 2 1 1| 2 6 + 10
4 3 1

= |4 3 1| 2 + 6 10
2 1 1

Para realizar el ejemplo anterior con software, se utiliza los comandos:

= {2,1,1};
= {4,3,1};
= [, ]
= [, ]

Teorema 6 (Propiedades del producto vectorial): Sean , , 3 ,

entonces:
1. = ( ) simetra alternada

2. ( + ) = +

68
3. . ( ) = . ( ) = 0

4. ( ) = () = ()

5. 2 = 2 . 2 ( . )2 identidad de Lagrange

6. = 0 o bien el ngulo es el vector nulo

7. ( ) = ( . ) ( . ) relaciones de Gibbs

8. = . sin con = (, )donde , 0

La propiedad 3 del teorema 6, se representa geomtricamente de la siguiente


forma, suponiendo que ninguno los vectores y es el vector nulo:

El vector se ubica hacia arriba en la figura, pues el ngulo de a


va en direccin contraria a las manecillas del reloj, en caso contrario, el vector
debera de trazarse en direccin opuesta.

Ejemplo 9. Halle ( ) = (1, 1,3), = (2, 1,2)y = (1, 1, 1)


vectores de 3

Solucin
( ) = ( . ) ( . ) Relaciones de Gibbs
(1 + 1 3)(2, 1,2) (2 + 1 + 6)(1, 1, 1)
1(2, 1,2) 9(1, 1, 1)
(2,1, 2) + (9,9,9)
(11,10,7)
69
Ejemplo 10. Sean = (1,0, 2), = (3, 2,3/2). Hallar 3 tal

que:. = 1 y = .

Solucin
Supongamos que = (, , )

. = 1 = (1 + 2, , )
=
0 2 1 0
1 2
| 1 0 2| | | - | | + | |
z 1 + 2 z 1 + 2 y
1 + 2 y z
= 2 + (5 2) +

2 = 3
Ahora = {5 2 = 2 = 0
= 32
= (1,3/2,0)

Producto Mixto

Es la combinacin del producto escalar y vectorial:.

Teorema 7: Sean = (1 , 2 , 3 ), = (1 , 2 , 3 )y = (1 , 2 , 3 ) 3
entonces:
1 2 3
1. . = |1 2 3 |
1 2 3
2. . = .

Ejemplo 11. Sean = (1, 1,2), (3,1, 2)y = (2,2, 1) 3 , calcule

70
Solucin
1 1 2
. = |3 1 2|
2 2 1
1 2 3 2 3 1
1| | +1 | |+ 2| |
2 1 2 1 2 2
-1+43+4+24
12

Aplicaciones a la Geometra Analtica

Teorema 8: Sean , , 3 entonces el rea del paralelogramo determinado por

y
los vectores
viene dada por: =

Prueba

Es claro que:

= .
=


Luego :

= .

=


= Esto por la teorema 6

Por el teorema 8, se infiere inmediatamente el siguiente corolario:

71
y
Corolario 2: El rea del tringulo determinado por los vectores corres-
ponde a:


=
2

Teorema 9: El volumen del paraleleppedo determinado por cuatro vectores


, , 3 viene dado por:
.
=

Prueba


= .
. con =

=

.
=

.
=
.
= por el teorema 7.

Como el volumen es una magnitud positiva, la relacin anterior es necesario


escribirla en valor absoluto; pues dependiendo de la forma de los vectores
.
generadores del paraleleppedo, el resultado de = podra dar
un nmero real menor que cero.

72
Corolario 3: El volumen de un tetraedro determinado por los vectores , ,

3 corresponde a:
.
|
|
=
6

Ejemplo 12. Sean , , 3 con = (1,2,1), = (3, 1,7), =


(7,4, 2) 3 entonces:
a. Verifique que , , son los vrtices de un tringulo issceles.

b. Calcule la medida del ngulo cuyo vrtice es .

c. Calcule el rea del .

Solucin
Es de anclaje ya que hay tres vectores.
a. es issceles

(3, 1,7) (1,2,1) (2, 3,6)


22 + (3)2 + 62 = 7
(7,4, 2) (1,2,1) (6,2, 3)

62 + 22 + (3)2 = 7
(3, 1,7) (7,4, 2) (4, 5,9)

(4)2 + (5)2 + 92 = 122


Como dos de los mdulos son iguales, entonces es issceles


.
(6,2,3) .(4,5,9) 24+10+27
b. = 38

.
7 . 122 7 122




c. =
2

|2 3 6 | 3 + 42 + 24
6 2 3

73
(3)2 + 422 + 242 601
=
2 2

Para calcular el rea de un tringulo con software, se utiliza los comandos:

AreaTriangulo3[{ }, { }, { }]
AreaTriangulo2[{ }, { }]
Para calcular el rea de un paralelogramo con software, se utiliza los
comandos:

AreaParalelogramo2[{ }, { }]
AreaParalelogramo3[{ }, { }, { }]

Rectas y planos

Rectas en

Definicin 10: Sean , y


0 , la recta que pasa por y es paralela
al vector denotada (, ) se define por:
(, ) { + }

2
1

2
1

Al vector se le llama vector director de la recta, a la ecuacin = +

ecuacin vectorial de la recta y a se le llama parmetro.

74
Ejemplo 13. Dibuje la recta (, ) si = (1,3), = (1, 2)

Solucin
La ecuacin vectorial de la recta viene dada por:
= + = (1,3) + (1, 2)
= (1 , 3 2)
Sea = 1 (0,1) y como (1,3) , entonces:

y 12
10
8
6
4
2

-4 -3 -2 -1 1 2 3 4 5 6
-2 x
-4
-6

Teorema 10: Sean , , y ,


0 , 0 entonces:
1. (, ) = (, ) (, )
2. (, ) = (, ) (, )

Teorema 11: Sean entonces existe una y slo una recta que contiene a y a .
Esta recta corresponde a:
) (,
(, )

Corolario 4: Sean , y ,
0 , entonces:
1. (, ) ( ) = ( )

viene dada por:


2. La ecuacin vectorial del segmento de recta

3. = + ( )con 0 1

De esta forma si quisiramos conocer las coordenadas del punto medio del

75
1
, sustituimos el parmetro por
segmento en la ecuacin vectorial. Si
2
deseamos obtener las coordenas de los puntos que lo trisecan, entonces se toma a
1 1
= y = . De forma ms general, para hallar las coordenadas de los puntos
3 2

que dividen al segmento en partes iguales, se sustituye el parmetro por:


1 2 1
= , = ,, =

Ecuaciones simtricas de una recta en

Consideremos la ecuacin vectorial de una recta (, ) con =

(1 , 1 , 1 ) y = (1 , 2 , 3 ):
= +
= (1 , 1 , 1 ) + (1 , 2 , 3 ) = (1 + 1 , 1 + 2 , 1 + 3 ) de
donde, por igualdad de vectores:
= 1 + ta1
{ = 1 + ta2 = (, , )
= 1 + ta3

Estas son llamadas ecuaciones paramtricas de la recta Despejando el


parmetro de cada una de ellas, se obtienen las ecuaciones:

1 1 1
= = con aj 0, , 1 3
a1 a2 a3

Estas son llamadas ecuaciones simtricas de la recta. Si por ejemplo a1 =

0 entonces la recta tiene asociada nicamente una ecuacin simtrica, que se


expresa de la siguiente manera:
1 1
= , = 1
a2 a3
En 2 una recta tiene asociada nicamente una ecuacin simtrica, que es
de la forma:

76
1 1
=
a1 a2
Si se despeja es observable que:

a2 a2 1 = a1 a1 1
a2 a2
= + (1 1 )
a1 a1
De donde se interpreta que la pendiente de una recta en 2 es el
cociente de la segunda componente del vector director entre la primera.

Ejemplo 14. Halle las ecuaciones simtricas de la recta que pasa por los puntos
= (1,2,3), = (1, 1,4)

Solucin
Por el teorema 11 la recta que pasa por y corresponde a (, ) en

consecuencia como: = (2, 3,1),donde = (12,3) + (2, 3,1), las


ecuaciones simtricas vienen dadas por:
+ 1 + 2
= =3
2 3

Para realizar el ejemplo anterior con software, se utiliza el comando:

[{1,2,3} + {2, 3,1}]

Ejemplo 15. Halle la ecuacin vectorial de la recta que tiene ecuaciones simtricas:
3 2 5
= =+2
4 3

Solucin
Primero se debe buscar la forma cannica de las ecuaciones
2
3 ( ) 5 (2) 2/3 5 (2)
3
= = = =
4 3 1 4/3 3 1

77
Los puntos por donde pasa la recta son: = (2/3, 5, 2)

El vector director es: = (4/3, 3, 1)


2 4
= + = ( , 5, 2) + ( , 3, 1)
3 3
2 4
= ( + , 5 3, 2 + )
3 3

Para realizar el ejemplo anterior con software, se utiliza el comando:


3 2 5 4
[{ },{ } , { + 2}]
4 3

Definicin 11: Sean1 (, ) y 2 (, ) dos rectas, entonces:

1. 1 2

2. 1 2

3. = (1 , 2 ), 0 se define por = (, )

Distancia de un Punto a la Recta

Definicin 12: La distancia de un punto a una recta, se define como la longitud del
segmento perpendicular que va del punto a la recta.

Teorema 12: Sea 3 y una recta (, ). La distancia de a viene


dada por:



(, ) =

78
Prueba

Sea (, )
Apor el corolario del teorema 11

= A con IR {0}() por definicin de vectores paralelos
Consideremos:


por la propiedad 8 teorema 6


A
A por razones trigonomtricas y


por ()
(
A )
= 4 6
( A )
||
A
=
||
A

A
=

A

Ejemplo 16. Halle la distancia del punto = (3,2,1) a la recta (, ) donde

= (2, 1,2) y = (1,1, 1)

Solucin

B
=

B
= (5,3, 1)

79


B = |5 3 1 | 2 4 2
1 1 1

(2)2 + (4)2 + (2)2


=
3
22

Para realizar el ejemplo anterior con software, se utiliza el comando:

1[{3,2,1}, {2, 1,2}, {1,1, 1}]

Planos en

Definicin 13.: Sean , , , y vectores no nulos y no paralelos. El

plano que pasa por , , y generado por y es el conjunto definido


por:
= { + + / , }

A los vectores y se les llama vectores generadores del plano, a la

80
ecuacin = + + ecuacin vectorial del plano y a y a se les llama
parmetros.

Teorema 13.: Consideremos dos planos, a saber:


= { + + / , }
= { + + / , }
= { + / , } = { + / , }

Teorema 14: Sean dados dos planos:


= { + + / , }
= { + + / , }
Entonces =

Teorema 15: Sean , , vectores no colineales entonces existe uno y

slo un plano que contiene a , y . Tal plano corresponde a:

+
= { + / , }

Ecuaciones cartesiana de una plano en

Sean = (1 , 1 , 1 ), = (1 , 2 , 3 ), = (1 , 2 , 3 ), = (, , ) y la

ecuacin vectorial = + + de un plano , entonces:


= + +
(, , ) = (1 + a1 + b1 , 1 + a2 + b2 , 1 + a3 + b3 )
1 + a1 + b1 =
{1 + a2 + b2 =
1 + a3 + b3 =
a1 + b1 = 1
{a2 + b2 = 1
a3 + b3 = 1

81
De donde, al resolver el siguiente sistema de ecuaciones con respecto a y

a :
a + b1 = 1
{ 1
a2 + b2 = 1

se obtiene una solucin de la forma:


= a + b +
, , , ,
= a + b +
sustituyendo y en la ecuacin tres del sistema (1) se implica:

(a + b + )3 + (a + b + )3 = 1
que finalmente al ser reducida nos conduce a una ecuacin de la forma:
+ + + = 0 , ,

llamada ecuacin cartesiana del plano . Posteriormente se explicar otro mtodo


ms prctico para poder hallar esta ecuacin.
Ejemplo 17.Las siguientes son ecuaciones cartesianas asociadas a dos planos en
3
a. 3 2 + 5 + 6 = 0
b. 2 + 3 + 4 = 0

Definicin 14.: Sea un plano = { + + / , }. Un vector ,


0 tal que y se llama vector normal al plano .En 3 , el

vector = es un ejemplo de un vector normal al plano .

Definicin 15: Sean y dos planos con vectores normales 1 y 2


respectivamente, entonces:
1. 1 2

2. 1 2

3. = (, ), 0 (1 , 2 )

82
Teorema 16: Sea un plano = { + + / , } y un vector
normal, entonces:
( ). = 0

Comando del software:

[{ }, { }, { }]

Corolario 5: Sea un plano = { + + / , } de 3 y =

(, , ) un vector normal, entonces:


(, , ) + + = = .
La importancia de este resultado radica en su utilidad prctica para poder
hallar una ecuacin cartesiana asociada a un plano .

Corolario 6: Si + + = es una ecuacin cartesiana asociada a un plano

en 3 entonces = (, , ) es un vector normal a

Prueba
Supongamos que el vector = (, , ) es un vector normal al plano

y que , entonces por el corolario 5 una ecuacin cartesiana de


corresponde a:
+ + = = .

Por hiptesis otra ecuacin cartesiana de es:

+ + =

Como las ecuaciones (1) y (2)tienen las mismas soluciones se deduce que

son ecuaciones equivalentes, es decir, una es mltiplo de la otra y por tanto


lo cual completara la demostracin.

83
Ejemplo 18. Halle la ecuacin cartesiana del plano que pasa por:

a. (1,1, 1) y est generado por los vectores (3,3,3)y (0, 2,3)


b. (2,1,3), (1, 2,4), (4,2,1)

Solucin
= (2,1,3) (4,2,1) = (2, 1,2)

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



|2 1 2| 5 4 + 3

=
5 4 3

Ahora se calcula . , por donde pasa el plano

. (5, 4,3)(4,2,1) 20 8 + 3 = 15
5 4 + 3 = 15

Para resolver el ejemplo anterior con software, se utiliza el siguiente comando:

[{ 2,1,3 }, {1, 2,4}, {4,2,1 }]

Definicin 16: Al conjunto solucin de la ecuacin normal ( ). = 0 se le llama

hiperplano. En un hiperplano es un punto, en 3 es una recta y en 3 un


plano. Dos hiperplanos son paralelos si sus vectores normales son paralelos y son
perpendiculares si sus vectores normales son ortogonales.

Ejemplo 19. Halle la ecuacin de un hiperplano perpendicular a 1 2 4 +

5 = 1 que pasa por el punto (1,0,1,0,1) .

Solucin
En este caso, un vector normal del hiperplano dado es (1,0,1,0,1) , como

84
ambos son perpendiculares, un vector normal del hiperplano de inters satisface:

1 2 4 + 5 = 0
de donde = (1,0,1,0,1). Luego: . (1,0,1,0,1) = 2 . Finalmente, la
ecuacin corresponde a:
1 2 4 + 5 = 2

Definicin 17: Sea un plano con un vector normal y una recta con vector

director , entonces:

1.

2.
| . |
3. = (, ), 0 sen =
2

Cada una de las proposiciones de las definiciones 10, 14 y 15 tienen un


sentido lgico, por esta razn se pueden representar geomtricamente, por ejemplo
la proposicin 3 de la definicin 16 cobra significado si observamos la siguiente
figura:

en ella y son ngulos complementarios, de donde:

sen = cos
.
sen

85
En la definicin aparece el valor absoluto, para garantizar que el ngulo

est en el intervalo de cero a .
2

Distancia de un Punto a un Plano

Teorema 17: Sea un plano de ecuacin: + + + = 0 y

(0 , 0 , 0 ) 3 , entonces:
|0 + 0 + 0 + |
(, ) +
2 + 2 + 2

Corolario 7: Sean y dos planos paralelos, con ecuaciones asociadas res-


pectivamente:
+ + = 1
+ + = 2
entonces:
|1 2 |
(, ) +
2 + 2 + 2

Teorema 18: Sean y dos planos no paralelos de 3 con vectores normales

y respectivamente, entonces la interseccin de y es una recta


con vector director:
=

Ejemplo 19. Obtenga las ecuaciones simtricas de la recta de interseccin de los


planos:
2 + 3 + = 8
{ ()
3 2 = 1

Solucin

86
= (2,3,1) = (1, 3, 2) por el corolario 6 =

(3,5, 9) es un vector director de la recta, por el teorema 18. Sea = 1 en


el sistema de ecuaciones lineales () entonces:
2 + 3 = 7 10 1
{ = =
+ 3 = 3 3 9

10 1
Luego el punto ( , , 1) . Finalmente las ecuaciones simtricas de la
3 9
recta son:
10 3 9 1 1
= =
9 45 9

Para resolver el ejemplo anterior con software, se utiliza el siguiente comando:


2 3 1 8
[( ) , ( )]
1 3 2 1

87
PRCTICA PARA EXAMEN: Espacio Eucldeo

Ejercicios

1. Pruebe que si y son vectores cualesquiera, entonces los vectores =


+ y = , son ortogonales.

2. Sean = (2,1,1), = (0,2,1) y = (1,1,0). Calcule el rea del tringulo de


vrtices 2, 3 ,

3. Sean y los vectores (1,0,1) y (1,0,1)respectivamente. Determine los


vectores 3 que cumplan simultneamente las siguientes
condiciones:
a.
b. = 2

c. (, ) = 3

4. Hallar la proyeccin del vector sobre el vector , si:


a. = (1,2,3), = (1,2,2)
b. = (4,3,2,1), = (1,1,1,1)

5. Sea tal que = 6, tiene la propiedad de que para


cualesquiera nmeros reales , y los vectores definidos por ( + ), ( =
4 9) son ortogonales. Hallar y 2 + 3

6. Sean los vectores = (1, 1, 1) y = (2, 2, 1). Determine los vectores y en


3 que cumplan a la vez las siguientes condiciones:
a.
b. + 2 =
c.

88
7. Sean = (1, 0, 1) , = (3, 0, 1) vectores en 3 . Sea un vector en 3
paralelo a . Sabiendo que el rea del paralelogramo generado por
y

es 42 , determine .

8. Determine los nmeros , , que cumplen las siguientes condiciones:


a. (2, 4) = (1, 3) + (1, 2) + (1, 1)
b. (, , ) (1, 1, 1)

9. Considere el tringulo generado por los vectores y en 3 tal que su rea



sea de 42 y la medida de (, ) = . Calcular .
3

10. Tres vrtices de un paralelogramo son = (1, 0, 1) , = (1, 1, 1) y =


(2, 1, 2) . Hallar todos los vrtices que pueden ser el cuarto vrtice del
paralelogramo. Cul es el rea del paralelogramo?.

11. Si y son vectores de 3 tales que y son ortogonales, demuestre


que + = .

12. Considere los vectores = (2, 0, 2) y = (2, 1, 1) . Determinar los


vectores y en 3 IR3 tales que cumplan las condiciones siguientes
a.
b. =
c. = 2

13. Considere los vectores = (1, 1, 1) y = (1, 0, 1) . Determinar los


vectores y en 3 tales que cumplan las condiciones siguientes:
a.
b. = 2
c. + =

14. Sean , , 3 , demostrar que:


a. ( ) + ( ) + ( ) = 2
b. ( ) + ( ) + ( ) = 0

89
15. Una recta de 3 contiene el punto = (3, 1, 1) y es paralela al vector =
(1, 2, 3) . Determinar cules de los siguientes puntos pertenecen a (0, 0, 0)
(2, 1, 4) (4, 3, 2) y (2, 9, 16) .

16. Determinar si son colinenales los puntos de coordenadas = (2, 1, 1), =


(4, 1, 1) y = (3, 1, 1)

17. Encontrar las coordenadas de los puntos que dividen en cuatro partes
congruentes el segmento de extremos y , siendo = (1, 2, 1) y =
(7, 6, 11) .

18. Obtener las ecuaciones simtricas de la recta que pasa por:


a. = (0, 2, 1) y con vector director = (1, 3, 4)
b. = (3, 1, 4) y = (2, 3, 2)
c. = (1, 4, 2) y es paralela a la recta de ecuaciones simtricas:
7 2 + 5
2 1 = =
3 4

19. Halle la ecuacin de un hiperplano paralelo a 21 + 3 34 +5 = 8 que


pasa por el punto (1, 1, 1, 0, 6).

20. Determinar la ecuacin cartesiana del plano que contiene el(los) punto(s) :
a. = (1, 2, 1) y que est generado por = (0, 1, 0) = (1, 1, 4)
b. = (1, 2, 1), = (0, 1, 0), = (1, 1, 4)
c. = (2, 3, 1) y es paralelo al plano que contiene al origen y est
generado por = (2, 0, 2) = (1, 1, 1)
d. = (1, 1, 1) y es perpendicular a la recta de interseccin de los planos
2 + = 5, + 22 + 2 = 5.
e. = (1, 3, 2), = (3, 4, 3) y es perpendicular al plano 7 3 +
5 = 4

21. Cuatro planos tienen ecuaciones cartesianas + 2 2 = 5, 3 6 +


3 = 2, 2 + + 2 = 1, 2 + = 7. Pruebe que dos son paralelos y dos
son perpendiculares. Halle la distancia entre los planos paralelos.
90
22. Hallar la ecuacin cartesiana del plano que biseca perpendicularmente al
segmento de extremos = (4, 7, 1) y = (6, 1, 5).

23. Calcular la longitud del segmento de recta cuyas ecuaciones simtricas son
3 = 2 = 7, que queda acotado por las intersecciones de esta
recta con los planos de ecuaciones 3 2 + 3 = 16, 3 2 + 3 = 0.

24. Obtener la ecuacin cartesiana del plano que contiene los puntos = (1,2 3)
, = (3, 1, 0) y es paralelo a la recta de interseccin de los planos de
ecuaciones cartesianas: + + = 3 y + 2 3 = 5 .

25. Determinar la medida del ngulo que forman:


a. la recta = (1, 3, 2) + (1, 2, 2) y la que tiene vector director =
(3, 2, 6)
b. los planos de ecuaciones + = 1, + = 2
c. la recta de interseccin de los planos 2 + = 4, + 2 + 3 =
4 y el plano de ecuacin cartesiana 3 7 + 8 = 9.

26. Determine la ecuacin del plano que contiene a las rectas:


1 1
a. 1 : = +1 =
2 3
+4 +5
b. 2 : = =
4 2 6

91
Solucin

Ejercicio 2. 11.022703

2 2 2 2
Ejercicio 3. ( 2 , 3, ,) y( 2 , 3, ,)
2 2

Ejercicio 5. = 4, 2 + 3 = 2 12

Ejercicio 6. = (10, 14, 4), = (12, 12, 6)

Ejercicio 7. (2, 0, 2), el vector (0, 0, 0) no se considera ya que no es paralelo al


vector

Ejercicio 8.
a. = 6, = 4
b. = , ,

83
Ejercicio 9.
3

Ejercicio 10.
1 = (0, 0, 2)

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

Ejercicio 12. = (2, 0, 2) = (0, 1, 1) = (1, 0, 1) = (1, 1, 0)

Ejercicio 13. = (3, 3, 3), = (2, 3, 2)

Ejercicio 16. No son colineales

Ejercicio 17. (1, 3, 2) (3, 4, 5) (5, 5, 8)

92
Ejercicio 18.
+1
a. = =
3 4
1 +4
b. 3 = =
2 2
4 +2
c. 2 2 = =
3 2

Ejercicio 19. 21 + 3 34 + 5 = 3

Ejercicio 20.
a. 4 = 3
b. 4 + 3 + = 3
c. 2 + = 3
d. 4x 3y + 5z = 2
e. 20 + 25 13 = 121

19
Ejercicio 21. = 36

Ejercicio 22. + 4 + 3 = 1

Ejercicio 23. = 83

Ejercicio 24. + + = 6 + + = 2

Ejercicio 25.
19
a. = (21)

b. = 3
11
c. = ( )
2562

Ejercicio 26. 3 + 9 5 = 11

93
ESPACIOS VECTORIALES

Definicin: Sea un conjunto , se llama especio vectorial de sobre un

campo "" .

Tambin se puede decir que es un k-espacio vectorial, si en estn

definidas dos operaciones: una suma que denotamos " + "tal que (, +) es un
grupo abeliano, (es decir la suma es cerrada, asociativa, posee elemento neutro,
cada elemento de tiene inverso aditivo y es conmutativa) y una ley de

(, ) que verifica:
, , ,
1. ( + ) = +
2. ( + ) = +
3. () = ()
4. 1 , 1 =

Los elementos de se llaman escalares y los de vectores.

Ejemplos

1. = {( ) M2 ()} con + de matrices y la ley externa en M2 ()es

verificable que forma un espacio vectorial de sobre
a. Veamos si (, +) es un grupo abeliano, por un teorema del captulo de
matrices, + es asociativa, tiene elemento neutro, cada elemento de tiene

un inverso, es conmutativa y por definicin de + es cerrada. (, +)es


grupo abeliano.
b. Verifiquemos las propiedades sobre la ley de composicin externa. Sean
, , , entonces:
( + )11 ( + )12
( + ) ( )
( + )21 ( + )22

94
a11 + a11 a12 + a12
( )
a21 + a21 a22 + a22
a11 a12 a11 a12
(a a22 ) + ( ) (A + A)
21 a21 a22

( + ) = + por un teorema del captulo de matrices.


a a12 a11 a12
() = ( 11 ) ( ) = ()
a21 a22 a21 a22
Es claro que 1A = A es un espacio vectorial

2. Si es un campo, es un espacio vectorial. Por ejemplo -es un espacio

vectorial y es un espacio vectorial.

3. es un espacio vectorial.

4. Se define el conjunto, con un campo: = {(1 , , ) , 1 j

}y en el se definen dos operaciones:


a. Suma
= (1 , , ), = (1 , , ) , + = (1 + 1 , , + )
b. Ley externa , = (1 , , ) , = (1 , , )

Probemos que , es un espacio vectorial.

a. Verificar si ( , +) es un grupo abeliano


i. Por definicin es cerrada

ii. Es asociativa. Sean = (1 , , ), = (1 , , ), =


(1 , , )y consideremos:
+ ( + ) = + (1 + 1 , , + )
(1 + (1 + 1 ), , + ( + ))
((1 + 1 ) + 1 ), , (( + ) + ))
(1 + 1 ), , ( + ) + (1 , , )
95
( + ) +
+

iii. como campo tiene un elemento neutro para la + , sea 0 ese


elemento, es posible observar que , + (0, ,0) +

iv. , = (1 , , ), = (1 , , ),pues es un
campo, entonces todo elemento de tiene un inverso aditivo, tal que

+ () = (0, ,0)
,

v. Es verificable por la conmutatividad de la + en la conmutatividad de

la + en

Finalmente ( , +) es un grupo abeliano

b. Verificar si se cumplen las propiedades de la ley de composicin externa.


Sean , , = (1 , , ), = (1 , , )

i. ( + ) = (( + )1 , , ( + ) )
(1 + 1 , , + )
(1 , , ) + (1 , , )
(1 , , ) + (1 , , )
+

ii. ( + ) = ((1 + 1 ), , ( + ))
(1 , , ) + (1 , , )
+
iii. () = (1 , , )
(1 , , )

96
()(1 , , )
()

iv. 1 = (11 , ,1 )
(1 , , ) =
Por ejemplo espacio vectorial, espacio vectorial

Subespacios vectoriales

Se llama subespacio vectorial o simplemente, subespacio de espacio

vectorial a toda parte no vaca de , que sea espacio vectorial.

Teorema 1: Sea espacio vectorial, , , es un subespacio de

, , , , +

Ejemplo 1.
Es posible verificar que = {: [, ] , } es un

espacio vectorial definida:


a. , , ( + )() = () + ()

b. , ()() = ()

Pruebe que = { , () = 0}es un subespacio vectorial de

Solucin
Sean , , , ( + )() = () + ()

Probar que +

Sabemos, , , +

Veamos si (() + ()) = 0

(() + ())

97

() + () = 0

+ 1

Definicin: Toda parte no vaca de subespacio de espacio vectorial se llama


familia finita de vectores.

Definicin: Sea subespacio de {1 , , } C espacio vectorial, se llama

combinacin lineal de 1 , , a todo vector tal que 1 , , tal que:

= 1 1 + 2 2 + + . Los , 1 j pse llaman escalares de la


combinacin lineal.

Ejemplos
1.En el espacio vectorial, , es combinacin lineal de 1, .

2. , espacio vectorial, es combinacin lineal de cualquier familia

finita de vectores que contenga a .

Definicin (conjunto generador): Sea {1 , , } C espacio vectorial. El

conjunto de todas las combinaciones de 1 , , se denota:

(1 , , ) = { , , , 1 j p}
=1

Se define como = {0}

Ejemplos
1. El plano que pasa por y es generado por los vectores , es el conjunto:

= { + + / , }

98
= {} Gen{A, B}
2. 2 = {(1,2), (2,3)}es destacable que si (, ) 2 , veamos si

, tales que:
(, ) = (1,2) + (2,3)
(, ) = (, 2) + (2, 3)
(, ) = + 2, 2 + 3
2 = 2 + 4
= + 2
{ = 2 + 3
= 2 + 3
2 + = 7
2 +
2 + = 7 =
7
2 + 2 3
= + 2 = + 2 ( )=
7 7
2 {(1,2), (2,3)} {(1,2), (2,3)} 2
2 = {(1,2), (2,3)}

Teorema 2: Sea {1 , , } C espacio vectorial. El conjunto

{1 , , }es un subespacio vectorial de .

Definicin: Sea espacio vectorial, subespacio vectorial de . Si existe

, infinito tal que = se dice que genera a , o esta generado por


. Se dice que es un espacio de dimensin finita.

Ejemplos
1. 2 es un espacio vectorial de dimensin finita.

2. , 3 no nulos y no paralelos = (, )es un plano que pasa por el


origen y es un subespacio vectorial de dimensin finita.

99
Definicin: La familia {1 , , } C espacio vectorial es una:

a. Familia ligada o se dice que los vectores 1 , , son linealmente

dependientes (ld) sii , 1 tal que 0y 1 1 + + = 0

b. Familia libre o se dice que los vectores 1 , , son linealmente

independientes (li) sii y 1 1 + + = 0 = 0 , 1

Ejemplos

1. Determinar si{(1,2), (2, 4)}son li o ld.


Consideremos:
(1,2) + (2, 4) = 0 ( + 2, 4 + 2) = 0
+ 2 = 0 2 + 4 = 0
{ { 0=0
2 + 4 = 0 2 + (4) = 0
= {(, ) = (2, )}

Luego por ejemplo:


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

2. Toda familia de vectores que contenga a uno es una familia ligada.

3. En 3 , no nulos y no paralelos pruebe que es una familia libre.

3 3 + 2 2 + 1 + 0 = { 3 , 2 , }

4. = { , }, = {1, 2 , 2 } son una familia


ligada

100
Bases y dimensiones

Definicin: espacio vectorial, se llama base de sii es una

familia libre y =

Ejemplos:
} es una base, es clara que {, , } = 3 y adems son li. A
1. En 3 , {, ,

esta base se le llama base cannica de 3

2. = {(, , ) 3 , 2 + 3 = 0} representa un plano que pasa por el


origen, una base sera:
2 + 3 = 0
= 2 3
(, , ) = (2 3, , )
(2, , 0) + (3, 0, )
(2,1,0) + (3,0,1)
= {(2,1,0), (3,0,1)}

Es posible probar que {(2,1,0), (3,0,1)} por lo cual es una familia libre.

= {(2,1,0), (3,0,1)} es una base de

Teorema 3 (completacin de bases): Sea {0}, espacio vectorial de

dimensin finita. Para toda familia libre finita, de existe una base , tambin

finita tal que .

Nota:
1. Todo espacio {0} de dimensin finita posee bases

2. Toda familia libre se puede completar con vectores de para que formen una

base de

101
Teorema 4: Sea espacio vectorial de dimensin finita, base de tal que

= , entonces para toda familia libre de .

Teorema 5: Todas las bases de {0}, espacio vectorial de dimensin finita


tienen la misma cardinalidad.

Definicin: Sea {0}, espacio vectorial de dimensin finita, se llama

dimensin de sobre y se denota (o si se sobreentiende) al

cardinal de una cualquiera de sus bases. Se define {0} = 0

Ejemplos
2 = 2
3 = 3
En general =

Teorema 6: Sea espacio vectorial de dimensin finita, subespacio de


entonces:
1. es de dimensin finita

2. . Adems = =

Nota:
1. =

2. =

3. [] = + 1

Ejemplos

1. = {(1,2), (2,4), (1,3)} 2 sabemos que 2

{(1,2), (1,3)} es una familia libre y base


= 2

102
2. = { 3 [], (1) = 0 }

Si () entonces

() = ( 1)(2 2 + 1 + 0 )
() = 0 ( 1) + 1 (( 1)) + 2 2 ( 1)
= ( 1, ( 1), 2 ( 1))
Por otra parte
( 1) + ( 1) + 2 ( 1) = 0
= = =0
= 3

Teorema 7: Sea = , familia de tal que = , entonces es

base de .

Ejemplo. = {(1,2), (5,3)} 2 es comprobable que es familia libre de

vectores es base de 2

103
ORTOGONALIDAD Y PROYECCIONES

La nocin de ortogonalidad as como de norma, ngulo y proyeccin


dependen del producto escalar de vectores. En general en un espacio vectorial
solo se disponen de dos operaciones (suma y un producto por un escalar), de
manera que los conceptos anteriores son generalzales nicamente sobre aquellos
espacios vectoriales sobre los cuales se haya definido un producto escalar, tambin
llamado producto interior.

A este tipo de espacio vectorial se les denomina espacios vectoriales


normados. Se trabajara sobre el espacio para introducir los conceptos de
conjuntos y Subespacios ortogonales y construir bases ortonormales.

Conjuntos ortogonales

Definicin: Un conjunto = {1 , 2 , , }de vectores no nulos en es

ortogonal . = 0para cualquier pareja de ndices , en {1,2, , K}, .

1 2 1
Ejemplo 1. = {( 0 ) , (1) , (4)} es ortogonal
1 2 1

Teorema 1: Si un conjunto = {1 , 2 , , } de vectores no nulos en es


ortogonal entonces son li.

Corolario: Sea = {1 , 2 , , } de vectores no nulos ortogonales de un

subespacio de dimensin K, entonces es una base de .

104
Bases ortonormales

Definicin: Sea un subespacio vectorial de dimensin K. Una base =

{1 , 2 , , }de es ortonormal si:


1. . = 0, , = 1, , ,

2. = 1, , 1
Es decir si es un conjunto ortogonal de vectores unitarios.

Ejemplo 2. La base cannica de es una base ortonormal de vectores.

12 0 12
{ }
Ejemplo 3. Probar que base = 1 , 2 , 3 = {( 0 ) , (1) , ( 0 )}
12 0 12
es una base ortonormal de 3 .

12 0 12
Solucin = ( 0 1 0 ) = 1
12 0 12

Teorema 2: Sea un subespacio de y = {1 , 2 , , } una base ortonormal

de y la matriz cuyas columnas son los vectores 1 , 2 , , entonces:

1. . =
. 1
2. [ ] = ( . 2 ) , ,
.

En particular si = entonces a se le llama matriz ortogonal. Note que una

matriz es ortogonal sii 1 =

Ejemplo 4. Sea = {1 , 2 , 3 } la base ortonormal de 3 del ejemplo 3, en este

caso se observa , 3 , = (1 , 2 , 3 )que:

. = (1 1 + 2 2 + 3 3 ).

105
2

En conclusin = . , por ejemplo = (1,2,3) entonces:
2
= . 1 =
2
2 = . 2 = 2
4
3 = . 3 =
2
2
2
Luego[] = ( 2 )
4
2

Subespacios ortogonales

Definicin: Dos subespacios y de son ortogonales si . = 0 ,

si y son ortogonales se escribe .

Ejemplo 5. Los siguientes subespacios y son ortogonales

a. = {(, , ) 3 , 2 3 + = 0}
b. = {(, , ) 3 , (, , ) = , }
= (1 , 2 , 3 ) , 21 32 + 3 = 0

Adems si = (1 , 2 , 3 ) existe tal que:

(1 , 2 , 3 ) = (2, 3,1) = (2, 3, )


de esta forma . = 21 32 + 3 = (21 32 + 3 )

. 0 = 0

Teorema 3: Si y son subespacios ortogonales de entonces = {


0 }.

106
Teorema 4: Sean 1 = {1 , 2 , , }y 2 = {1 , 2 , , }bases de y ,

subespacios de , entonces + = 1, = 1, ,

Teorema 5: Si es un subespacios de entonces el conjunto = {

, , } es un subespacio vectorial.

Definicin (complemento ortogonal): Sea un subespacio vectorial de , se llama

complemento ortogonal de al subespacios de todos los vectores de que son

ortogonales a cualquier vector de , = { , , }

Ejemplo 6. Sea = {(1,2,3) }la recta que pasa por el origen con el vector

director (1,2,3) , entonces el complemento ortogonal de es el plano:

= { (, , ) 3 , + 2 + 3 = 0 }

Veamos (, , ) si:

(, , ). (, 2, 3) = 0
(, , ). (1,2,3) = 0 = 1
+ 2 + 3 = 0

En general si = {1 , 2 , , }

= { , . = 0 } = ( 1 , 2 , , )

Teorema 6: Sea 1 = {1 , , }, , una base de un subespacios de


entonces:
1. dim( ) =

2. Si 2 = {1 , 2 , , }es una base de entonces es una base de

107
Proyeccin ortogonal sobre un subespacio

Teorema 7: Si es un subespacio de , para todo existe un

nico vector tal que:

1. ( )
2.

Este teorema permite definir el concepto de proyeccin ortogonal sobre un


subespacio.

Definicin (Proyeccin ortogonal sobre un subespacio): Sea un

subespacio y se llama vector proyeccin ortogonal de sobre , o

simplemente proyeccin ortogonal de sobre , al nico vector tal que:

( )

Se escribe = . El vector se denomina componente de

ortogonal a .

Teorema 8: Si es un subespacio de y = {1 , 2 , , } es una base

ortonormal de entonces:

1. = (. 1 )1 + (. 2 )2 +, + (. )
2. = . donde = (1 , 2 , , )


Ejemplo 7. Sea = {(1 , 2 , 3 , 4 ) 4 , 3 = 0}.Determine la

componente de ortogonal a .

Solucin
, = (1 , 2 , 0, 4 )
= (0,0, 3 , 0) = (1 , 2 , 3 , 4 )
( ) ,

108

Ahora = (0,0, 3 , 0) = (1 , 2 , 0, 4 ) = y la componente de

ortonormal a es = (0,0, 3 , 0)
1 1
2 0 2
0 1 0
Por otra parte = ,( ),
0 0 0
1 1
0
{( 2) (2)}
Es una base ortonormal de = (. 1 )1 + (. 2 )2 + (. 3 )3
1 4 1 +4
1 + 2 2 + 3 = (1 , 2 , 0, 4 ) se verifica el resultado anterior.
2 2

Ahora se toma otra base ortonormal de , por ejemplo


1 2 0
1 1 1 1 1 1
= { ( ) , ( ) , ( )} se verifica que tambin se obtiene el mismo
3 0 6 0 2 0
1 1 1
resultado.

Construccin de bases ortonormales

Existe un proceso denominado ortonormalizacin de Gram-Schmidt, que


permite encontrar una base ortonormal {1 , 2 , , }a partir de una base
{1 , 2 , , } de un subespacio vectorial de . Por medio de este mtodo
de intuitiva cada nuevo vector 1 1 = (1 , 2 , , ).

Mtodo de Gram-Schmidt

1
Paso N1. Defina es base ortonormal de 1 = , {1 }es base ortonormal de 1 =
1

({1 }).

109
2 2
1
Paso N2. Defina 2 = , donde {1 , 2 }es base ortonormal de2 =
2 1 2

({1 , 2 }), 2 1 .

3 2 3
Paso N3. Defina 3 = , nuevamente {1 , 2 , 3 } es base ortonormal
3 2 3

de 3 = ({1 , 2 , 3 }), 3 3 y as sucesivamente hasta completar


vectores.

Se observa que en cada paso

1 +1 = ( + 1 . 1 )1 + ( + 1 . 2 )2 + + ( + 1 . )

Ejemplo 8. Considere el siguiente subespacio vectorial de 4 : =


{1 , 2 , 3 } = {(0,1,0,1) , (0,1,1,0) , (1,1,0,1) }
a. Obtenga una base ortonormal para

b. Sea = (0,1,0,0) calcule 1 =

c. Determine tal que 2 tal que = 1 + 2

d. Proponga una base ortonormal para 4 completando la base obtenida en la


parte a

Solucin
a. Base ortonormal
1 1 1
1 = = (0, , 0, )
1 2 2

2 1 2 2 (2 . 1 )1
2 =
2 1 2 2 (2 . 1 )1
1 1
(0,1,10) (0, , 0, ) 1 2 1
2 2
= 1 1
= (0, , , )
(0,1,10) (0, 2 , 0, 2) 6 6 6

110
3 2 3 (3 ) [(3 . 1 )1 + (3 . 2 )2 ]
3 = 3
3 2 (3 ) [(3 . 1 )1 + (3 . 2 )2 ]
(1,1,0,1) (0,1,0,1)
= = (1,0,0,0)
(1,1,0,1) (0,1,0,1)
1 1 1 2 1
= {(0, , 0, ) , (0, , , ) , (1,0,0,0)}
2 2 6 6 6

b. = (0,1,0,0) , 1 = ?
Se usa el teorema 8 (. 1 )1 + (. 2 )2 + (. 3 )3
1 1 1 1 1 2 1
(0, , 0, )+ (0, , , ) + 03
2 2 2 6 6 6 6
1 1 1 1 1
(0, , 0, ) + (0, , , )
2 2 6 3 6
2 1 1
(0, , , )
3 3 3

c. 2 ?tal que = 1 + 2
2 1 1
2 = 2 = (0, 1, 0, 0) (0, , , )
3 3 3
1 1 1
2 = (0, , , )
3 3 3
= 4 = 3 = 4 3 = 1
1 1 1
= {(0, , , )}
3 3 3

d. base ortonormal para 4


= = 3, = 1
1 1 1 1 1 1 3
= {(0, , , )} (0, , , ) =
3 3 3 3 3 3 3
3 1 1 1 3 3 3
= { (0, , , )} = (0, , , )
3 3 3 3 9 9 9
4
111
Ejemplo 9. Sean 1 = (1, 1, 0, 0, ), 2 = (0, 2, ,2, 0), 3 = (0, 0, 3, 3) valores

de 4 , = {1 , 2 , 3 }

a. Construya una base ortonormal para ( es un hiperplano)


b. Construya una ecuacin que describa a es un hiperplano

c. Encuentre de si = (0, 1, 2,3) encuentre la

Solucin
a. Base ortonormal
2 1 1 1
1 = = (1, 1, 0, 0) = ( , , 0, 0)
1 2 2 2

2 1 2 2 (2 . 1 )1
2 =
2 1 2 2 (2 . 1 )1
(0, 2, 2, 0) (1, 1, 0, 0) 1 1 2
= = ( , , , 0)
(0, 2, 2, 0) (1, 1, 0, 0) 6 6 6

3 2 3 (3 ) [(3 . 1 )1 + (3 . 2 )2 ]
3 =
3 2 3 (3 ) [(3 . 1 )1 + (3 . 2 )2 ]
(0, 0, 3, 3) (1, 1, 2, 0), 1 1 1 3
= =( , , , )
(0, 0, 3, 3) (1, 1, 2, 0) 2 3 2 3 2 3 2 3

1 1 1 1 2 1 1 1 3
= {( , , 0, 0) , ( , , , 0) , ( , , )} ,
2 2 6 6 6 2 3 2 3 2 3 2 3

Para resolver el ejemplo anterior con software, se utiliza el siguiente comando:

[{{1, 1, 0, 0, }, {0, 2, ,2, 0} , {0, 0, 3, 3}}]

112
b. Se toma un vector que este fuera del hiperplano
= , = (0, 1, 2,3)
= (0, 1, 2,3) [(1 . 1 )1 + (2 . 2 )2 + (3 . 3 )3 ]
1 1 1 5 1 1 2
= (0, 1, 2,3) [ ( , , 0, 0) + ( , , , 0) +]
2 2 2 6 6 6 6
10 1 1 1 3
[ ( , , , )]
2 3 2 3 2 3 2 3 2 3
1 1 5 5 1 1 1 1
= (0, 1, 2,3) ( , , , ) = ( , , , )
2 2 2 2 2 2 2 2
Como pasa por el origen se iguala a cero

, , , = 0
2 2 2 2


c.
1 1 1 1
= {( , , , )} = 1
2 2 2 2
1 1 5 5
=( , , , )
2 2 2 2

113
TRANSFORMACIONES LINEALES

Definicin 1: Sean y espacios vectoriales, una transformacin lineal de a

es una funcin que asigna a cada en un nico vector en tal que:


1. ( + ) = () + (), ,

2. () = (),

Ejemplo 1. Pruebe que las siguientes funciones son aplicaciones lineales.


a. 1 [] 2 []tal que: ( + ) = ( + )

b. : () ()tal que: () =
c. Sea el espacio vectorial de todos las funciones con valores reales y sea

el subespacio de todas las funciones definidas tal que : tal


que() =

d. Sea el espacio de todas las funciones continuas en [0,1] y = se

define : tal que:

Teorema 1: Sea : . una transformacin lineal, sii , y ,

; ( + ) = () + ().

Teorema 2: Sea : nsformacin lineal, entonces:

1. () = con y los ceros de cada espacio respectivamente.

2. ( + ) = () + ()

Teorema 3: Sea : una transformacin lineal de un espacio vectorial de

dimensin en un espacio vectorial . Adems sea = {1 , 2 , , }una base

de . Si es cualquier vector en , entonces()queda determinada de manera

completa por {(1 ), (2 ), , ( )}.

114
Ejemplo 2. Sea : 1 2 una transformacin lineal para la cual sabemos que:

( + 1) = 2 1 y ( 1) = 2 + 1
a. Calcule (7 + 3)

b. Calcule ( + )

Solucin
a. 7 + 3 = 5( + 1 ) + 2( 1)

Luego
(7 + 3) = 5( 2 1 ) + 2( 2 + 1)
(7 + 3) = 5 2 5 + 2 2 + 2
(7 + 3) = 7 2 3
+ +
b. + = (
2
) ( + 1) + ( 2
) ( 1)

Luego
( + ) = 2

Ncleo e imagen de una transformacin lineal

Definicin 2: El ncleo de una transformacin lineal : , en el

subconjunto de que consta de todos los vectores tales que: () =

Teorema 4: Si : es una transformacin lineal, entonces () es un

subespacio de .

Teorema 5: Una transformacin lineal : es inyectiva sii el () = {0 }

Ejemplo 3. Es aplicacin lineal, hallar (), : 3 2 , (, , ) =

(, )

115
Solucin
Sea (, , ) () = (, , ) = (0, 0)
= 0
(, ) = (0, 0) {
= 0
(, , ) = (0, 0, ) = (0, 0, 1)
() = {(0, 0, 1) } () = 1

Ejemplo 4. Es aplicacin lineal, hallar (), T: 4 2 , (, , , ) =

( + , + )

Solucin
Sea (, , , ) () = (, , , ) = (0, 0)
+ = 0 =
( + , + ) = (0, 0) {
+ = 0 =
(, , , ) = (, , , ) (1, 1, 0, 0) + (0, 0, 1, 1)
() = {(1, 1, 0, 0), (0, 0, 1, 1)} () = 2

Para resolver el ejemplo anterior con software, se utiliza el siguiente comando:

[( ), (() ), (() )]

Definicin 3: Si : es una transformacin lineal, entonces la imagen de ,

que se denota (), es el conjunto de vectores de que son imgenes, bajo

, de vectores en . As un vector est en () si podemos encontrar algn


vector en tal que () = si () = decimos que es sobre. Es
decir el ncleo siempre va a estar formado por el cero del dominio es imposible que
el () = { }
116
Teorema 6: Si : es una transformacin lineal, entonces la () es un

subespacio de .

Ejemplo 5. Sea la transformacin lineal, tal que T: 3 2 , (, , ) =

(, ), halle ()

Solucin
(, , ) = (, ) (1, 0) + (0, 1)
() = {(1, 0), (0, 1)}
, () = 2 = ()

Ejemplo 6. Sea T: 4 3 definida como (, , , ) = ( + , +

, + ), halle ()

Solucin
(, , , ) = ( + , + , + )
(1, 0, 1) + (1, 0, 0) + (0, 1, 1) + (0, 1, 0)
(, , , ) = (, , , ) (1, 1, 0, 0) + (0, 0, 1, 1) son ld,
crear una matriz y reducir para encontrar los vectores li

1 0 1 1 0 0
(1 0 0) (0 1 0) se toman las filas no nulas
0 1 1 0 0 1
0 1 0 0 0 0
(1, 0, 0), (0, 1, 0), (0, 0, 1)
() = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
, () = 3 = ()

Para resolver el ejemplo anterior con software, se utiliza el siguiente comando:

[( ), (() ), (() )]

117
Teorema 7: Si : es una transformacin lineal, entonces la =

() + () .

Matriz de una transformacin lineal

Teorema 8: Sea : es una transformacin lineal de un espacio vectorial

de dimensin en un espacio vectorial de dimensin donde 0, y


sean = {1 , 2 , , } y = {1 , 2 , , } bases de y
respectivamente.

Entonces la matriz cuya j-sima columna es el vector de

coordenadas [()] de () con respecto a , est asociada con y cumple

que si entonces [()] = A[] con A una matriz nica que satisface
esta propiedad.

A la matriz A se le llama matriz representativa de con respecto a (, ) y

se denota [] (,) = . Y as recprocamente para matriz


: tal que []
= con base de y base .

Ejemplo 7. Sea : 3 2 , (, , ) = ( + , ) con las bases =

{ (1, 0, 0), (0, 1, 0), (0, 0, 1) }, {(1,0), (0,1)} entonces: [] (,) =


1 1 0
( )
0 1 1

Para encontrar una matriz representativa con software, se utiliza el siguiente


comando:

[(), 1 , 2 (() ), (() )]

118
Matrices de cambio de base o de pasaje

Si 1 y 2 son dos bases de un mismo espacio vectorial la

transformacin identidad de (: ; () = ), se llama matriz de cambio de



base de 1 a 2 a la matriz []2 .
1

Propiedades de las matrices de cambio de base


1
1. ( []B`
B ) = []BB`
2. []B
B =

Ejemplo 8. Considere las bases de 3 1 = {1 , 2 , 3 } = {(1,0,1),



(0,1,1), (1,0,1)}, 2 = {1 , 2 , 3 } = {(0, 1,1), (1,0, 1), (1,0,1)}. Halle []2
1

Solucin

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

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

(1,0,1) = 2

119
(1,0,1) = (0, 1,1) + (1,0, 1) + (1,0,1)
(1,0,1) = + , , +
+ = 1 = 1 0
{ = 0 = 0 (1)
+ = 1 = 0 0

0 1 0
[]21 = (0 1 1)
1 1 0

Para resolver el ejemplo anterior con software, se utiliza el siguiente comando:

1 = {{1,0,1}, {0,1,1}, {1,0,1}};


2 = {{0, 1,1}, {1,0, 1}, {1,0,1}};
[ 1 , 2 ]

Composicin de una transformacin lineal

Dados los espacios vectoriales , , y dos transformaciones lineales


(, ) y (, )

Se define la funcin : por ( )() = (()) ,


se puede comprobar con facilidad que sigue siendo una transformacin lineal.
Adems, la composicin de transformaciones lineales es asociativa.

Teorema 9: Sean y transformaciones lineales con 1 , 2 , 3 bases de cada


espacio

120


1 2 3

entonces [ ]3 = [ ]3 [ ]2
1 2 1


3 2 1 2 1
Ejemplo Sea : definida por (, , ) = ( )( ) y
0 1 3

: 2 2 , la transformacin lineal definida por (, ) = ( 2, + ).


Determine la .

Inyectividad y sobreyectividad

Transformaciones lineales invertibles

121
VALORES Y VECTORES PROPIOS

Definicin 1: Sea una () matriz columna , 1(), 0 se

llama vector propio (vector caracterstico o eigenvector) de sii X , tal

que . = . El escalar "" se llama valor propio (caracterstico o eigenvalor)

de asociado al vector .

Ejemplo 1. Es claro que si 1(), entonces . = = 1, en

consecuencia 1 es un valor propio de y cualquier matriz columna 1 distinta de

cero es un vector propio de .

Teorema 1: Sea una (), 0 es un valor propio de sii 0 es una

raz de la ecuacin det( ) = 0

Prueba
0 es un valor propio de
1(), 0 sii X , tal que. = 0 .
. = 0
. (0 ) = 0
( 0 ) = 0

Como el sistema de ecuaciones homogneo anterior tiene soluciones no


triviales det( 0 ) =0

Definicin 2: Sea una (), el polinomio de grado , ( )se llama

polinomio caracterstico de y se denota () . La ecuacin () = 0 se llama

ecuacin caracterstica de .

122
Por el teorema anterior las races de la ecuacin caracterstica son los valores
propios de .

Definicin 3: Si 0 es un valor propio asociado a un vector propio , al conjunto

denotado por 0 y definido por 0 = {, 0} se le llama subespacio propio

asociado a 0 .

Ejemplo 2. Halle () y los valores propios de sabiendo que =


4 6 0
(3 5 0 )
3 6 5

Solucin
4 6 0
() = det( 3 ) | 3 5 0 |
3 6 5
4 6
(5 ) | |
3 5
(5 )[(4 )(5 ) + 18]
(5 )[20 + + 2 + 18]
(5 )( + 2)( 1)

Ahora se halla las soluciones de la ecuacin caracterstica


() = 0
= 5, = 2 , =1

La forma de los vectores propios corresponde a cada uno de los valores propios
anteriores.

Para 1 = 5un vector propio = () 0 satisface que:

4 6 0 5
. = 5. (3 5 0 ) = (5)
3 6 5 5
123
9 + 6 = 0
{ 3 = 0 =0
3 6 = 0 =0
0
El subespacio asociado a 1 corresponde a : 1 = { (0) , }
0


Para 2 = 2un vector propio = () 0 satisface que:

4 6 0 2
. = 2. ( 3 5 0 ) = (2)
3 6 5 2
6 + 6 = 0 =
{ 3 3 = 0
3 6 3 = 0 =
1
El subespacio asociado a 2 corresponde a : 2 = { ( 1 ) , }
1


Para 3 = 1un vector propio = () 0 satisface que:

4 6 0
. = (3 5 0 ) = ()
3 6 5
3 + 6 = 0
{ 3 6 = 0 = 2
3 6 5 = 0 =0
2
El subespacio asociado a 3 corresponde a: 3 = { ( 1 ) , }
0

124
Diagonalizacin de matrices

Definicin 4: Una matriz es semejante a una matriz sii existe una matriz invertible

tal que: = 1 . .

1 1 2 0
Ejemplo 3: La matriz = ( ) es semejante a la matriz = ( ) a travs
2 4 0 3
1 1
de la matriz = ( ).
1 2

Definicin 5: Una matriz es diagonalizable sii si es semejante a una matriz

diagonal. En dicho caso se dice que se puede diagonalizar. En el ejemplo anterior

es una matriz diagonalizable.

Teorema (Todos los valores propios son simples) 2: Sea () tal que ()

tiene todas sus races en y simples entonces es una matriz diagonalizable.

1 2 1
Ejemplo 4: Sea = (1 0 1 ), verifique que es una matriz diagonalizable
4 4 5
y encuentre la matriz que la diagonaliza.

Solucin
() = det( 3 ) 3 + 62 11 + 6
1 = 1, 2 = 2, 3 = 3 valores propios de

Hallando vectores propios asociados a estos valores propios obtenemos:


1 = (1, 1, 2), 2 = (2, 1, 4), 3 = (1, 1, 4)
Se toma a como:
1 2 1
=( 1 1 1)
2 4 4

125
Es comprobable que:
1 0 0
1
. . = (0 2 0)
0 0 3

Esta forma de resolucin resulta clara pues si () es diagonalizable

y 1 , 2 , , son vectores propios asociados a 1 , , valores propios


distintos es notable que:
. = (1 , 2 , , )
(. 1 , . 2 , , . )
(1 . 1 , 2 . 2 , , . )
1 0 0
0 2 0
(1 , 2 , , ). ( )

0 0
. = .
1 . . =
es semejante a

Diagonalizacin de matrices simtricas

Teorema 3: Todas las races del polinomio caracterstico de una matriz simtrica son
nmeros reales.

Teorema 4: Si es una matriz simtrica tal que todos sus valores propios son

distintos entonces es diagonalizable.

Teorema 5: Si es una matriz simtrica, entonces los vectores propios

correspondientes a valores propios distintos de son ortogonales.

126
0 0 2
Ejemplo 5. Sea = ( 0 2 0)
2 0 3

() = ( + 2)( 4)( + 1)
Por lo tanto verifica que todas sus races son reales

Los vectores asociados a los valores propios 1 = 2, 2 = 4, 3 = 1 son:


0 1 2
1 = (1) , 2 0 = ( 0 ) , 3 = (0)
0 2 1
0
Es destacable que . = {
=

Definicin 6: Una matriz invertible es ortogonal sii 1 = .

2/3 2/3 1/3


Ejemplo 6. La matriz = (2/3 1/3 2/3), es una matriz ortogonal.
1/3 2/3 2/3

Teorema 6: Una matriz () es ortogonal sii las columnas (y filas) de

forman un conjunto ortonormal de vectores en .

() una matriz entonces existe una matriz ortogonal tal que 1 . . =


, una matriz diagonal.

Teorema 7 (Mtodo de Gram Schmidt): El proceso de Gram Schmidt para calcular


una base ortonormal = {1 , 2 , . . , } para un subespacio de con base

= {1 , 2 , . . , } es el siguiente:
1. 1 = 1
2. Calcular de manera sucesiva los vectores 1 , 2 , . . , por medio de la
.1 .2 .1
relacin = ( ) . 1 ( . ) . 2 ( . ) 1
1 .1 2 2 1 1

127
1
3. Sean =

con 1 , entonces = {1 , 2 , . . , } es

una base ortonormal para el subespacio.

0 2 2
Ejemplo 7. Sea = (2 0 2) , () = ( + 2)2 ( 4) de modo que sus
2 2 0
valores propios son: 1 = 2, 2 = 2 3 = 4 y sus vectores propios
1 1
asociados a son: 1 = ( 1 ) , 2 = ( 0 ).
0 1
Por el mtodo de Gram Schmidt:

11 11
1 = ( 1 ), 2 = (1)
2 0 6 2
Un vector propio asociado a 4 es:

1
1
3 = (1) 3 =
3 3
1

Luego {1 , 2 , 3 }es una base ortonormal de 3 . En cuyo caso la


diagonalizacin ortonormal de se verifica por medio de la matriz

12 16 13
= ( 12 16 13)
0 2 6 1 3

Teorema 7: Si 1 , , son valores propios de , diferentes entre s y asociados

respectivamente a los vectores propios 1 , , entonces 1 , , son


linealmente independientes.

Teorema 8: Sea (), una matriz triangular entonces sus valores


propios sin los elementos de la diagonal principal.

128
Teorema 9: Sean , () tal que es semejante a entonces y tienen
los mismos valores propios.

Teorema 10: Sea () con 1 , , valores propios de , entonces las


siguientes proposiciones son equivalentes:
1. es diagonalizable.

2. dim(1 ) + dim(2 ) + + dim( ) = (a cada una de estas

dimensiones se les llama multiplicidad geomtrica de ).

3. Existe una base = {1 , , } para , de vectores propios de .

1 1 0
Ejemplo 8. Determine si la matriz = (1 1 0) es diagonalizable.
0 1 2
Solucin
det( 3 ) = 0
1 1 0
( 1 1 0 )=0
0 2 2
1 1
(2 ) ( )=0
1 1
(2 )[(1 )2 1] = 0
(2 )(1 2 + 2 1) = 0
(2 )( 2 2) = 0
( 2)2 () = 0
1 = 0 con multiplicidad algebraica uno
2 = 2 con multiplicidad algebraica dos

Para 1 = 0
0
() = (0)
0

129
1 1 0 0
(1 1 0) () = (0)
0 1 2 0
+ = 0 =
{ + = 0 { =
+ 2 = 0 = 2
1
(, , ) = (, , ) = (1, 1, )
2 2
1 = {(1, 1, 1/2)}

Para 2 = 2
2
() = (2)
2
1 1 0 2
(1 1 0) () = (2)
0 1 2 2
+ = 2 =
{ + = 2 { =
+ 2 = 2 = 0
(, , ) = (0, 0, ) = (0, 0, 1)
2 = {(0, 0, 1)} dim(2 ) = 1 2
no es diagonalizable

5 6 6
Ejemplo 9. Determine si la matriz = (3 4 6 ) es diagonalizable.
0 0 2

() = |( 2)2 ( + 1)| 1 = 2 2 = 1
Se comprueba que:
1 = {(2, 1, 0), (2, 0, 1)}
2 = {(1, 1, 0)}

130
2 2 1 2 0 0
es diagonalizable a travs de = ( 1 0 1 ) y = (0 2 0 ) en
0 1 0 0 0 1
este caso = 1 . . o bien . . 1 =

Matrices ortogonalmente diagonalizable

Una matriz () es ortogonalmente diagonalizable si existe una

matriz ortogonal (1 = ) y una matriz diagonal tal que: = 1 . . .

1 2 4
Ejemplo 10. Sea = ( 2 4 2 ) com90o es simtrica es diagonalizable
4 2 1
ortogonalmente. En este caso:
() = ( + 4)( 5)2 1 = 4, 2 = 5
1 = {(2, 1, 2)}
2 = {(1, 0, 1), (1, 2, 0)}

2 1 2
Una base ortonormal de 1 es 1 = {( , , )} y de 2 es 2 =
3 3 3

1 1 1 22 1
{( , 0, ) , (3 , , ) } por el mtodo de Gram Schmidt
2 2 2 3 32

Finalmente

23 12 132 4 0 0
= (13 0 (22)3) ; = ( 0 5 0)
23 12 132 0 0 5

131
Valores y vectores propios de operadores

Un operador es una transformacin lineal de un espacio vectorial a el mismo.


Si : y = [ ]
con la base cannica entonces . =

() =

Definicin 7: Sea un operador en , es un valor propio de si existe

, 0 tal que () = . Y es el vector propio de asociado a .

Teorema 11: es el valor propio del operador asociado a sii es valor propio

de = [ ] asociado a = [ ] , es la base cannica.

Ejemplo 11. Sea : 3 3 , (, , ) = ( , + , ). En este caso


0 0
(1) = (1) entonces (0, 1, 0) es un vector propio de asociado a = 1. Se
0 0
1 0 1
tiene que [ ] = (0 1 1 ) hay un valor propio para el operador 1 = 1.
0 0 1

Definicin 8: Se dice que el operador : es diagonalizable si existe una

base de tal que [ ] es diagonal.

Teorema 12: es diagonalizable sii existen matrices = ( ) diagonal y

invertible cuyas columnas son una base de , tal que: 1 . [ ] =


[ ] = con la base canonica de .

Definicin 9: Un operador : es ortogonalmente diagonalizable si existe

una base ortonormal de tal que [ ] es diagonal.

132
Ejemplo 12.
1. : 3 3 , (, , ) = (5 + 4 + , 4 + 8 4, 4 + 5)
y () = (12 + )(6 + )

1 0 1 5 + 4 + = 0
(0 1 1) {4 + 8 4 = 0
0 0 0 4 + 5 = 0
1 0 1 + 4 + = 0
(0 0 0 ) {4 + 2 4 = 0
0 0 0 4 = 0
1 0 1 7 + 4 + = 0
(0 1 2) { 4 4 4 = 0
0 0 0 4 7 = 0
1 1 1
=( 1 0 2)
1 1 1
0 0 0
= (0 6 0)
0 0 12

2. Sea la base cannica de 3 . El operador : 3 3 definido

por (, , ) = ( , + , + + 2) es ortogonalmente
1 0 1
diagonalizable puesto que [ ] = ( 0 1 1 ) es simtrica.
1 1 2
En este caso 1 = 0, 2 = 1, 3 = 3

1 = {(1, 1, 1)1/3}

2 = {(1, 1, 0)1/2}

3 = {1/6 (1, 1, 2)}

Luego

13 12 16 0 0 0
= (13 12 16 ) , = (0 1 0)
13 0 26 0 0 3

133
Diagonalizacin de formas cuadrticas

Definicin 10 (forma cuadrtica): Una funcin : tal que () =

se llama forma cuadrtica donde es una matriz simtrica denominada


matriz de la forma cuadrtica.

Ejemplo 13. Consideremos la forma cuadrtica (, , ) = 2 + 2 + 2 2


1 0 1
2 + 2. La matriz (simtrica) de es = ( 0 1 1 ), lo cual se verifica
1 1 2
efectuando el producto matricial () = .

En general dada una forma cuadrtica (, , ) = 2 + 2 + 2 +

+ + la matriz de la forma cuadrtica se obtiene de la siguiente


manera:
1. Si , el coeficiente del trmino del polinomio (con 1 =

, 2 = , 3 = ) define las entradas y , donde = =


( )
2

2. Si = , el coeficiente de 2 es la i-sima entrada de la diagonal de



. En la forma cuadrtica si = (1 , , ) y = ( ) () =

= = =1 o bien () = =1 2 +
2 <1
El objetivo de esta sucesin es aplicar un cambio de variable
apropiado para eliminar de una forma cuadrtica los trminos cruzados
(la segunda sumatoria).

Ejemplo 14. La matriz de la forma cuadrtica del ejemplo 1, se puede factorizar

diagonalizando ortogonalmente; = . . con

134
13 12 16 0 0 0
= (13 12 16 ) , = (0 1 0)
13 0 26 0 0 3

Si tomamos el cambio de variable = la forma cuadrtica se


transforma en:
1 2 + 2 2 + 23 2 21 3 + 22 3 =
1 2 + 2 2 + 23 2 21 3 + 22 3 =
1 2 + 2 2 + 23 2 21 3 + 22 3 = ( ) ( )
1 2 + 2 2 + 23 2 21 3 + 22 3 =
1 2 + 2 2 + 23 2 21 3 + 22 3 = 2 2 + 33 2

Por consiguiente ya no tiene trminos cruzados.

Teorema 13: Sea = (1 , , ) cuyas columnas son una base de vectores

propios ortonormalizados de la matriz simtrica . El cambio de variable =

transforma la forma cuadrtica () = en () = = =1 2 donde

1 , , son los valores propios de , asociados a 1 , , respectivamente.

Rotacin de cnicas y superficies cuadrticas

Las cnicas y superficies cuadrticas se asocian a casos particulares =

2, = 3, de ecuaciones de la forma: + + = 0 cuyo primer trmino


es una forma cuadrtica.

En el caso de las cnicas, el polinomio de segundo grado (en dos variables)


de la ecuacin que la define 1 2 + 2 2 + 1 2 + 1 + 2 + = 0, puede

135
ser escrita matricialmente como 1 2 + 2 2 + 1 2 + 1 + 2 + =

+ + 2
con = ( ) , = (, ).
2

De forma anloga, un polinomio cuadrtico en tres variables (superficie


cuadrtica) se escribe matricialmente:
1 2 + 2 2 + 3 2 + 1 2 + 1 3 + 2 3 + 1 + 2 + 3 +
= (1 , 2 , 3 )

cd2 2 1 1
( 2 2) (2 ) + (, , ) (2 ) + = + +
2 2 3 3

Las ecuaciones que permiten reconocer una cnica o superficie cuadrtica,


se caracterizan porque no tienen trminos cruzados. Por lo visto con anterioridad si
existieran trminos cruzados se aplica un cambio de variable, este cambio introduce
un nuevo sistema de ejes de coordenadas.

136
Inventario de cnicas

Cnica Ecuacin cannica Forma

( 0 )2 ( 0 )2
+ =1
2 2
Elipse

Centrada en (0 , 0 )

( 0 )2 ( 0 )2
=1
2 2
Hiprbola
Asentados en

= ( 0 ) + 0

0 = ( 0 )2
Si > 0 , < 0

Parbola 0 = ( 0 )2
Si > 0 , < 0

El vrtice es (, 0 )

En el procedimiento que elimina los trminos cruzados, las rectas


determinadas por los vectores 1 , 2 son los ejes principales de la cnica. Si =

(1 , 2 ) con = 1 el ngulo de rotacin es el ngulo entre el vector cnico


1 = (1, 0) y el vector 1 .

137
Inventario de superficies cuadrticas
Superficie Ecuacin cannica Forma

( 0 )2 ( 0 )2 ( 0 )2
Elipsoide + + =1
2 2 2

( 0 )2 ( 0 )2 ( 0 )2
+ =1
2 2 2
Hiperboloide
de una hoja Se extiende sobre el eje (puede ser
cualquier eje)

( 0 )2 ( 0 )2 ( 0 )2
Hiperboloide =1
2 2 2
de dos
hojas

Se extiende sobre el eje (puede ser


cualquier eje)

( 0 )2 ( 0 )2
+ ( 0 )2 = 0
2 2

Cono
elptico Centrado en (0 , 0 , 0 )

Se extiende sobre el eje (puede ser


cualquier eje)

138
(0 )2 (0 )2
Paraboloide = 0
2 2
hiperblico

Centrado en (0 , 0 , 0 )

( 0 )2 ( 0 )2
Paraboloide = 0
2 2
elptico

Centrado en (0 , 0 , 0 )

139
REFERENCIAS BIBLIOGRFICAS

Barrantes, H. (1993) Elementos de lgebra Lineal. Editorial: EUNED.


Grossman, S. (1996) lgebra Lineal. Editorial: McGraw-Hill.
Hoffman, K., & Kunze, R. (1971) lgebra Lineal. Editorial: Prentice-Hall
Hispanoamericana.
Kolman, B. (1997) lgebra Lineal con Aplicaciones y Matlab. Editorial:
Pearson.
Nakos, G. (1999) lgebra Lineal con Aplicaciones. Editorial: Thomson.

140

Vous aimerez peut-être aussi