Álgebra para Ingenieros

LGEBRA LINEAL
UNMSM/FIEE
SEMESTRE 2017-I
Prof. Ral P. Castro Vidal
LGEBRA LINEAL Lic. Ral Castro Vidal 2017-I
2
NDICE
CAPTULO 1
MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
MATRICES
1. MATRIZ. DEFINICIN
2. ALGUNOS TIPOS DE MATRICES
3. SUMA DE MATRICES
4. PRODUCTO DE MATRICES POR UN ESCALAR
5. PRODUCTO DE DOS MATRICES
6. MATRIZ INVERSA DE UNA MATRIZ CUADRADA
7. RANGO O CARACTERSTICA DE UNA MATRIZ
8. CLCULO DEL RANGO POR EL MTODO DE GAUSS
9. CLCULO DE LA MATRIZ INVERSA POR EL MTODO DE GAUSS
DETERMINANTES
10. DETERMINANTES. DEFINICIN

11. CLCULO DE UN DETERMINANTE POR EL MTODO DE GAUSS
12. CLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA
13. CLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES
14. CLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES
SISTEMAS DE ECUACIONES LINEALES
15. NOTACIN ORDINARIA Y MATRICIAL

16. SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS
17. RESOLUCIN POR REDUCCIN O MTODO DE GAUSS
18. RESOLUCIN MEDIANTE DETERMINANTES O MTODO DE CRAMER
Ejercicios
CAPTULO 2
ESPACIOS VECTORIALES DE DIMENSIN FINITA
1. ESTRUCTURA DE GRUPO Y CUERPO

2. ESTRUCTURA DE ESPACIO VECTORIAL
3. PROPIEDADES DE LOS ESPACIOS VECTORIALES
4. ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES
5. SUBESPACIOS VECTORIALES
6. SUBESPACIO VECTORIAL: CONDICIN NECESARIA Y SUFICIENTE
7. INTERSECCIN, UNIN Y SUMA DE SUBESPACIOS
8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE
VECTORES
9. INDEPENDENCIA Y DEPENDENCIA LINEAL
10. SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL
3
11. BASE DE UN ESPACIO VECTORIAL. DIMENSIN

12. COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO
13. ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL
14. CAMBIO DE BASE EN UN ESPACIO VECTORIAL
15. EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 14
Ejercicios
CAPTULO 3
FUNCIONES Y APLICACIONES LINEALES
1. RELACIONES FUNCIONALES O FUNCIONES

2. CLASIFICACIN DE LAS FUNCIONES
3. COMPOSICIN DE FUNCIONES
4. APLICACIN LINEAL
5. PROPIEDADES Y CLASIFICACIN DE LAS APLICACIONES LINEALES
6. NCLEO E IMAGEN DE UNA APLICACIN LINEAL
7. DIMENSIONES DEL NCLEO Y LA IMAGEN. RANGO DE UNA APLICACIN LINEAL
8. MATRIZ ASOCIADA A UNA APLICACIN LINEAL
9. CAMBIO DE BASES DE REFERENCIA EN DOS ESPACIOS VECTORIALES
Ejercicios
CAPTULO 4
DIAGONALIZACIN DE MATRICES Y FORMAS CUADRTICAS
VECTORES EN . MDULO Y VECTOR UNITARIO

ADICIN Y PRODUCTO ESCALAR DE VECTORES EN
1.
2.
3. ESPACIO VECTORIAL EUCLIDIANO. PRODUCTO INTERIOR
4. NGULO DE DOS VECTORES
5. ORTOGONALIDAD
6. CONJUNTO ORTOGONAL DE VECTORES
7. BASE ORTONORMAL
8. ORTONORMALIZACIN DE UNA BASE
9. VALORES Y VECTORES PROPIOS DE UNA MATRIZ
10. POLINOMIO CARACTERSTICO DE UNA MATRIZ CUADRADA. DETERMINACIN DE LOS
VALORES Y VECTORES PROPIOS
11. MATRICES SEMEJANTES EN UNA APLICACIN LINEAL
12. POLINOMIO CARACTERSTICO DE UNA APLICACIN LINEAL
13. RACES DEL POLINOMIO CARACTERSTICO Y DIAGONALIZACIN DE MATRICES
14. ECUACIN GENERAL DE LAS CNICAS. REDUCCIN
15. FORMAS CUADRTICAS
16. MATRIZ SIMTRICA ASOCIADA A UNA FORMA CUADRTICA
17. DIAGONALIZACIN DE MATRICES SIMTRICAS Y REALES
18. DIAGONALIZACIN ORTOGONAL
19. UN PROBLEMA FSICO DE APLICACIN
Ejercicios
4
5
CAPTULO 1
MATRICES
3. SUMA DE MATRICES
DETERMINANTES


Ejercicios
6
CAPTULO 1
MATRICES
Una matriz es un conjunto de nmeros dispuestos en filas y columnas

escrito de la siguiente forma:

donde el elemento situado en la fila , columna es el

.
Una matriz es rectangular si , y cuadrada si .
La dimensin de una matriz es el producto .
Matriz fila. Slo tiene una fila. Ejemplo: 1 2 3 4
1
Matriz columna. Slo tiene una columna. Ejemplo: 5#
9
Matriz triangular. Aquella en la que todos los elementos situados por encima o
por debajo de la diagonal principal son nulos.
Matriz transpuesta. $ . Se obtiene cambiando filas por columnas. Ejemplo:
1 5
1 2 3
Sea la matriz % (, entonces $ 2 6#.
5 6 7
3 7
Algunas propiedades de las matrices transpuestas son:
$ $
) *$ $ ) *$
+ *$ *$ + $
7
Matriz simtrica. Aquella que siendo cuadrada tiene los mismos elementos por
encima y por debajo de la diagonal principal. Ejemplo:
1 ,4 5
,4 2 6#
5 6 3
Matriz antisimtrica o hemisimtrica. Aquella que siendo cuadrada tienen los

mismos elementos por encima y por debajo de la diagonal principal, pero cambiados
de signo. Ejemplo:
1 ,4 5
4 2 6#
,5 ,6 3
Matriz diagonal. Aquella que siendo cuadrada tiene todos los elementos, no
pertenecientes a la diagonal principal, nulos. Ejemplo:
1 0 0
0 2 0#
0 0 3
Matriz escalar. Aquella matriz diagonal con todos los elementos de la diagonal
principal iguales. Ejemplo:
2 0 0
0 2 0#
0 0 2
Matriz unidad, cannica o identidad: /. Aquella matriz escalar con todos los
dimensin 3 3 es:
elementos de la diagonal principal iguales a 1. Por tanto, la matriz identidad de
1 0 0
0 01 0 1 0#
0 0 1
Matriz nula o cero: 2. Aquella matriz que tiene todos sus elementos nulos.
Ejemplo:
0 0 0
01 % (
0 0 0
3. SUMA DE MATRICES
Para sumar dos matrices y * deben tener la misma dimensin. La suma se

realiza elemento a elemento. Por ejemplo:
1 ,2
% (
3 4
5 6
* % (
7 8
8
1)5 ,2 ) 6 6 4
)* % (% (
3)7 4)8 10 12
Propiedades
Asociativa: ) * ) 4 ) * ) 4
Conmutativa: ) * * )
Elemento neutro: ) 0 , siendo 0 la matriz nula
El producto de la matriz por el escalar 5 se calcula multiplicando todos los

elementos de la matriz por el escalar. Por ejemplo:
1 ,2
% (
3 4
55
1 ,2 5+1 5 + ,2 5 ,10

5 5 % (% (% (
3 4 5+3 5+4 15 20
El producto de dos matrices se realiza multiplicando filas por columnas como

se muestra en el siguiente ejemplo:
6
7 8#
9 :
< =
*; @
> ?
< ) 6 = ) 6> ) 6?
+ * A7< ) 8 7= ) 8> 7 ) 8? B
9< ) : 9= ) :> 9 ) :?
donde tiene dimensin 2 3 mientras que la dimensin de * es 3 2, de manera

que la dimensin de + * es 3 3.
En general, si la dimensin de es , la dimensin de * debe ser C
para poderlas multiplicar, siendo C la dimensin de + *.
Propiedades
Asociativa: *4 *4

En general, no cumple la propiedad conmutativa: * *
derecha. As, en *, premultiplica a *, o * postmultiplica a .

Premultiplicar es multiplicar por la izquierda y postmultiplicar es hacerlo por la
Si es cuadrada, el elemento neutro del producto es 0: D/ /D D.
9
Distributiva respecto de la suma: * ) 4 * ) 4

D + EF EF + DF

Si y * tienen matriz inversa (ver punto 6), entonces: D + EGH EGH + DGH

Si * 4, no es cierto, en general, que * 4.

) * ) * ) * ) * ) 2* ) *

, * , * , * ) * , 2* ) *

) * , * , * ) * , * , *

Si existe G tal que
+ G G + 0
entonces DGH es la matriz inversa de , y se dice que es invertible o regular. Pero, si

G no existe, entonces es singular.
Toda matriz de dimensin , leda fila a fila, es tambin un conjunto de

vectores de dimensin . O, leda columna a columna, un conjunto de vectores de
dimensin . El rango o caracterstica de una matriz es el nmero de filas o de
columnas (es decir, el nmero de vectores) linealmente independientes (LI).
Propiedad
El rango considerando la matriz por filas es igual al rango evaluado por columnas.
Las transformaciones de filas o columnas que no modifican el rango son:
Permutar dos filas o dos columnas.

Multiplicar o dividir una fila o columna por un nmero distinto de cero.
Sumar (o restar) a una fila o columna otra paralela.
Suprimir filas o columnas nulas o combinacin lineal de otras.
Mtodo de Gauss para determinar el rango de una matriz
A continuacin se expone el procedimiento a seguir para determinar el rango,

conocido como mtodo de Gauss o del pivote:
Se elige como pivote un elemento no nulo.

Los restantes elementos de su fila (o de su columna) se hacen nulos empleando las
cuatro transformaciones anteriores.
Se reitera el procedimiento eligiendo como pivote otro elemento no nulo no
perteneciente ni a la fila ni a la columna del pivote anterior.
Se vuelve a realizar, eligiendo otro pivote no nulo que no pertenezca ni a las filas ni
a las columnas de los pivotes anteriores.
As sucesivamente hasta agotar todos los pivotes no nulos.
10
El rango es el nmero de las filas o de las columnas (el menor de los dos) cuyos
elementos no sean todos nulos.
1 2 1 ,1
Ejemplo
1 1 0 2
Determinar el rango de la matriz .
2 2 ,1 2
0 1 2 ,1
filas y otras por columnas), se elige como pivote, por ejemplo, el elemento 1.
Operando por filas (tambin se podra por columnas e incluso unas veces por
Empleando la fila del pivote como operadora, se resta la fila 1 de la 2 y dos veces la
fila 1 de la 3. La matriz que resulta es:
1 2 1 ,1
0 1 0 ,3

0 2 3 ,4
0 1 2 ,1
pertenezca ni a la fila 1 ni a la columna 1, por ejemplo el 1. Empleando la fila

En esta nueva matriz, se elige como pivote uno que no sea nulo y no
del pivote como operadora, se resta dos veces la fila 2 de la 1, dos veces la fila 2 de
la 3 y la 2 de la 4. La matriz que resulta es:
,1 0 1 ,5
0 1 1 ,3

0 0 ,1 ,2
0 0 ,1 ,2
ni a las filas ni a las columnas de los pivotes anteriores, por ejemplo el
En esta nueva matriz se elige como pivote uno que no sea nulo y no pertenezca
,1. Empleando la fila del pivote como operadora, se suma la fila 1 con la 3, la 2 con
la 3 y se resta la 3 y la 4. La matriz que resulta es:
,1 0 0 ,7
0 1 0 ,5

0 0 ,1 ,2
0 0 0 0
El proceso ha finalizado pues no es posible elegir un nuevo pivote no nulo.

En la ltima matriz se elimina la fila 4 pues todos sus elementos son nulos. Por
lo tanto, el rango es 3 y las tres primeras filas son vectores LI.
Para determinar la inversa de una matriz se procede de la siguiente manera:

se sita a su lado la matriz identidad 0 y se sigue el mtodo del epgrafe anterior a la
matriz rectangular constituida por e 0. Tras sucesivas transformaciones se obtiene
G , si existe, segn el esquema siguiente:
11
0
transformaciones transformaciones
de filas y columnas de filas y columnas
0 G
1 0 ,1
Ejemplo
Calcular la matriz inversa de 1 2 ,2#.

2 ,1 1
1 0 ,1 1 0 0
1 2 ,2# 0 1 0#
Paso 1
2 ,1 1 0 0 1
1 0 ,1 1 0 0
0 ,2 1# 1 ,1 0 #
Paso 2
0 1 ,3 2 0 ,1
1 0 ,1 1 0 0
0 ,2 1 # 1 ,1 0 #
Paso 3
0 0 ,5 5 ,1 ,2
5 0 0 0 1 2
0 ,10 0 # 10 ,6 ,2#
Paso 4
0 0 ,5 5 ,1 ,2
1 0 0 0 15 25
0 1 0# ,1 35 15#
Paso 5
0 0 1 ,1 15 25
En el paso 1 se elige como pivote el elemento 1. En el paso 2 se resta
,2. En el paso 3 se suma la fila 2 con dos veces la 3. Se elige como pivote el
la fila 1 de la 2 y dos veces la 1 de la 3. Se elige como pivote el elemento
elemento ,5. En el paso 4 se resta cinco veces la fila 1 de la 3 y se suma

cinco veces la 2 y la 3. En el paso 4 se divide la fila 1 por 5, la 2 por ,10 y la
tercera por ,5.
En estas condiciones, la matriz inversa es:
0 1 5 2 5 1 0 1 2
AG ,1 35 15# ,5 3 1#
5
,1 15 25 ,5 1 2
12
DETERMINANTES
El determinante de una matriz cuadrada (se escribe || o det ) es el

nmero obtenido al sumar todos los productos posibles de sus elementos, de modo
que en cada producto haya un elemento, y slo uno, de cada fila y cada columna. El
signo de cada producto es alternativamente positivo y negativo, siguiendo un orden
El determinante de la matriz 1 es:

relacionado con la posicin de los elementos.

det O O ,

El determinante de la matriz 1 es:

det P P O
O , O O ) O O

Se ha desarrollando el determinante a travs de los elementos de la primera

fila, pero se podra haber empleado cualquier fila o columna, teniendo en cuenta el
determinante de 4 4:
signo asociado a cada posicin, tal como se representa a continuacin para un
) , ) ,
Q,
)
)
,
,
)
)Q
,
, ) , )
El procedimiento se generaliza para .
Propiedades
det det $
det 0 0

det 0 1

El determinante de una matriz diagonal o triangular es el producto de los
elementos de la diagonal principal.
Suma de determinantes: Veamos un ejemplo:
El ejemplo se ha escrito empleando las primeras filas, pero se podra generalizar a

cualquier fila o columna, pues dos determinantes se pueden sumar si tienen todas
las filas (o las columnas) iguales menos una.
Para multiplicar un determinante por un escalar basta multiplicar una fila o
RSTD + E RSTE + D RST D + RST E, aunque + * * +

columna.
13
Si se permutan dos filas o dos columnas el determinante cambia de signo.

Si una fila o columna tiene todos los elementos nulos, el determinante es nulo.
Un determinante es nulo si tiene dos filas o columnas combinacin lineal.
Si a una fila o columna se le suma otra paralela multiplicada por un nmero, el
Si el determinante de orden es nulo, el rango de su matriz es menor que :

determinante no vara.
det 1 0 U V<W X
Empleando el mtodo de Gauss del epgrafe 9 se puede calcular un

determinante teniendo en cuenta que al multiplicar por un nmero la fila o columna a
reemplazar, hay que dividir el determinante por dicho nmero. Basta obtener una
matriz triangular, pues su determinante es el producto de la diagonal principal.
Tambin se pueden realizar otros clculos combinados con el mtodo de Gauss.
1 3 ,2 5
Ejemplo
5 0 3 1
Calcular el determinante de la matriz .
2 5 6 3
,1 2 3 2
Elegido como pivote el elemento 1, multiplicamos por 5 la fila 1 y
,1, debemos tener en cuenta este factor. Tambin multiplicamos la fila 1 por 2 y le
restamos la 2 para reemplazar esta ltima; como la fila 2 ha sido multiplicada por
,1 por el que hemos multiplicado la fila 3. Por ltimo, sumamos las filas 1 y 4. La
restamos la 3 para reemplazarla, y hemos de tener presente de nuevo el factor
matriz que resulta es:
1 3 ,2 5
0 15 ,13 24

0 1 ,10 7
0 5 1 7
Factores introducidos: ,1, ,1
Se elige como pivote el 15. Multiplicamos por 15 la fila 3 y le restamos

la 2 para reemplazar la 3 (factor introducido: 15). Multiplicamos por 3 la fila 4 y le
restamos la 2 para reemplazar la 4 (factor introducido: 3). No hace falta modificar la
fila 1 porque se trata de conseguir una matriz triangular. La matriz que resulta es:
1 3 ,2 5
0 15 ,13 24

0 0 ,137 81
0 0 16 ,3
Factores introducidos: 15, 3
Se elige como pivote el ,137. Multiplicamos por 16 la fila 3 y le

sumamos la 4 multiplicada por 137 para reemplazarla (factor introducido: 137). No
hace falta modificar las filas superiores. La matriz que resulta es:
14
El proceso ha finalizado pues se ha conseguido una matriz triangular superior.

El determinante es:
1 + 15 + ,137 + 885
det ,295
,1 + ,1 + 15 + 3 + 137
Se llama determinante adjunto o menor complementario del elemento

al
que resulta de eliminar la fila y la columna . La matriz del adjunto se llama cofactor o
matriz complementaria. El signo del adjunto es alternativamente positivo o negativo,
siguiendo el criterio explicado en el epgrafe 10.
Todo determinante es igual a la suma de los elementos de una fila o
columna, multiplicados por sus adjuntos.
Ejemplo
Ejemplo
En el segundo ejemplo se han realizado clculos por el mtodo de Gauss

combinados con el desarrollo por los elementos de una lnea.
El rango de una matriz es el correspondiente al de la mayor matriz cofactor

cuyo determinante menor complementario no sea nulo. En pocas palabras: el del
Sea una matriz 1 formada por vectores de dimensin con Z .

mayor menor no nulo.
Basta que un determinante de orden sea distinto de cero para que los vectores
sean LI. Si fuese X se analizara la matriz traspuesta de manera anloga.
Ejemplo
Evaluar la dependencia o independencia lineal de los vectores de [ :

]^ 1, 3, 0, 7, _^ ,1, 2, ,4, 6 ` a
\ ]]^ 1, 1, 2, 0.
15
Calculamos un determinante de tercer orden:
1 3 0
det ,1 2 ,4# 2 0
1 1 2
como es distinto de cero, se puede asegurar que los tres vectores son LI.
Se llama matriz adjunta de , y se escribe bcd D, a la obtenida al sustituir cada

elemento por su determinante adjunto.
As, por ejemplo, sea
2 ,2 2
2 1 0#
3 ,2 2
se puede comprobar que
2 ,4 ,7
8 0 ,2 ,2#
,2 4 6
Se demuestra que:
8 $
G
det
De esta expresin se deduce que D es invertible si y slo si RST D 2.
La notacin ordinaria de un sistema de ecuaciones con incgnitas es:
) ) e ) 6
) ) e ) 6

) ) e ) 6
Si los trminos independientes 6 , e , 6 son todos nulos, se dice que el

sistema es homogneo.
Sea f la matriz de coeficientes:

El mismo sistema se puede escribir con notacin matricial.

f

16
Sea la matriz ampliada con los trminos independientes:
6
6
g
6
Sea h la matriz columna de incgnitas:

h

Y sea * la matriz columna de trminos independientes:
6
6
*

6
La expresin matricial del sistema de ecuaciones es:
f+h *
Premultiplicando esta igualdad por fG , si existe:
fG + f + h fG *
0 + h fG *
por tanto
h fG *
Ejemplo
Resolver el sistema de ecuaciones
) ) 10
2 ) ) 11
) 5 ) 18
La matriz f es:
1 1 1
f 2 1 1#
1 5 1
cuyo determinante es:
89i f 4 0
lo que asegura que f es invertible, de manera que:
17
,1 1 0
fG , 14 0 1 4 #
94 ,1 ,14
por lo tanto
,1 1 0 10
hf G
* ,1 4 0
1 4 # 11#
94 ,1 ,14 18
de donde:
1
h 2#
7
es decir, 1, 2, 7.
decir, tiene solucin, si el rango de la matriz de coeficientes f es igual al rango de la

El criterio de Rouch-Frobenius establece que un sistema es compatible, es
matriz ampliada . Caso contrario, es incompatible, y no tiene solucin. Adems, un

sistema compatible es determinado si el rango de f (o de ) es igual al nmero de
incgnitas , y su solucin es nica; y es indeterminado si el rango es menor que , y
tiene infinitas soluciones.
Con el mtodo de reduccin o de Gauss lo que se convierte la matriz en una

triangular, para as obtener un sistema de ecuaciones escalonado y equivalente (con
las mismas soluciones que el dado).
Ejemplo
Resolver por el mtodo de Gauss el sistema de ecuaciones f + h *, con:
1 1 ,1 1 ,8
1 ,1 1 1
f *A 2 B
1 1 1 ,1 6
,1 1 1 1 4
La matriz es:
1 1 ,1 1 ,8
1 ,1 1 1 2
g
1 1 1 ,1 6
,1 1 1 1 4
Siguiendo el mtodo del epgrafe 9, se llega a la matriz triangular superior

equivalente:
18
1 1 ,1 1 ,8
0 ,2 2 0 10
g
0 0 2 ,2 14
0 0 0 4 ,8
Se trata del siguiente sistema de ecuaciones escalonado:
) , ) [ ,8
,2 ) 2 10
2 , 2[ 14
4 [ ,8
En la 4 ecuacin se calcula [ ,2, cuyo valor se sustituye en la 3,

obtenindose 5. Se procede de manara anloga con la 2 y 1 ecuacin, de
manera que 0 y ,1.
Se demuestra que la solucin de un sistema determinado mediante

determinantes (denominado mtodo de Cramer) consiste en calcular cada incgnita
incgnitas:
siguiendo el esquema que se emplea en el siguiente ejemplo, generalizable para
Ejemplo
Resolver el sistema de ecuaciones por el mtodo de Cramer
) ) 10
2 ) ) 11
) 5 ) 18
Se trata del mismo sistema ya resuelto a travs de la inversa de la matriz f. El

determinante de f es:
det f 4 0
Las incgnitas se calculan como se expresa a continuacin:
10 1 1 1 10 1 1 1 10
det A 11 1 1B det A2 11 1B det A2 1 11 B
18 5 1 1 18 1 1 5 18
1; 2; 7
1 1 1 1 1 1 1 1 1
det 2 1 1# det 2 1 1# det 2 1 1#
1 5 1 1 5 1 1 5 1
Se puede emplear el mtodo de Cramer en sistemas indeterminados,

teniendo ciertas precauciones. Vemoslo con un ejemplo.
Ejemplo
Resolver el sistema de ecuaciones por el mtodo de Cramer
19
) ) 10
, ) 7
Pasando al segundo miembro:
) 10 ,
, 7 ,
la matriz de los coeficientes de y es:
1 1
f% (
1 ,1
cuyo determinante es:
det M ,2 0
Se le da a cualquier valor. Sea 5. Empleando el mtodo de Cramer:
10 , 5 1 1 10 , 5
89i % ( 89i % (
7 , 5 ,1 ; 1 7,5
1 1 1 1
89i % ( 89i % (
1 ,1 1 ,1
Obsrvese que no sera vlido resolver el sistema del enunciado pasando al

segundo miembro:
) 10 ,
) 7 )
pues en ese caso la matriz f sera:
1 1
f% (
1 1
cuyo determinante es nulo.
20
Ejercicios
1. Se dice que una matriz es ortogonal si su inversa es igual a su transpuesta. Sean y *

dos matrices de orden n invertibles. es simtrica y * ortogonal. Simplificar:
l m* , n$ , *G $ ) ) *G , *$ )
2. Sean y * dos matrices tales que * 0 (matriz nula). Si es invertible, demostrar

que * tiene que ser la matriz nula.
3. Hallar la inversa de
0 1 0 0
A1 0 0 0B
0 0 1 0
1 1 1 1
3 2 1
4. Hallar la matriz h que verifica la identidad h , *h 4 siendo 0 3 ,1#,
,5 3 1
1 0 3 0 2 ,2 8
* ,5 2 1 # y 4 12 0 1 20 #
4 0 ,3 ,33 8 ,1 ,36
5. Calcular el determinante de Vandermonde
o 6o 7o 8o
det 6 7 8

6 7 8
6 7 8
Y generalizar el resultado hasta el exponente natural .
,7 ,6
6. Resolver la ecuacin det , p0 0 siendo % ( e 0 identidad.
12 10
7. Hallar el rango de la siguiente matriz en funcin de los valores de sus parmetros:
1 1 6
1 1 2 6 #
1 1 2 2
8. En el dominio de las matrices cuadradas de orden 5, demostrar:
det ) 32 + det
9. Si en el dominio de las matrices cuadradas de orden se satisface que ,0 ,

demostrar que es invertible y que ha de ser par.
5 0 1
s1 3 0v
10. Calcular el rango de r2 6 0u
3 ,6 1
q4 ,3 1t
21
11. Discutir y resolver segn los valores de , 6 w el sistema:
) 6` ) x 1
) 6` ) x 6
) 6` ) x 1
1 1 1
12. Hallar la potencia n-sima de la matriz f 1 1 1#.
1 1 1
,2 7 0
13. Sea f 5 4 1#, descomponer f en una suma de una matriz simtrica y una
2 ,5 5
antisimtrica.
14. Demostrar que:
` x i
` i x B ) ` ) x ) i ) x , ` , i ) i , ` , x ) ` , x , i
det A `
x i
i x `
1 2 0 1 2 1 0
0 1 [ det A0 1 1 1B
det
0 1 2 0 1 2 1
1 0 1 1 1 0
67 67 6 7
det 6 7 6 # det 6 7 67 #
7 7 6 7 67 6
22
CAPTULO 2

8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE
VECTORES
Ejercicios
24
CAPTULO 2
Estructura de grupo
Sea y un conjunto y z una operacin que se efecta con sus elementos; en

adelante: y,z; se dice que y,z tiene estructura de grupo si:
a) La operacin z es una ley de composicin interna
, 6 w y U z 6 w y
b) Se cumple la propiedad asociativa
z 6 z 7 z 6 z 7
c) Existe el elemento neutro 9
z9 9z
d) Existe el elemento inverso {
z { { z 9
Si los elementos de y, adems, cumplen la propiedad conmutativa:
z6 6z
entonces y,z es un grupo abeliano.
Estructura de cuerpo
Sean ) y z dos operaciones que se efectan con los elementos de un conjunto

|; en adelante |, ),z; se dice que |, ),z tiene estructura de cuerpo si:
a) |, ) es un grupo abeliano
b) | , }0~,z es un grupo abeliano, donde }0~ es el elemento neutro de |, ), de

manera que | , }0~ es el conjunto de los elementos de |, excepto el 0.
c) La operacin z es distributiva respecto a la operacin +:
, 6, 7 w | U z 6 ) 7 z 6 ) z 7
Ejercicios
E.1. En el conjunto de los nmeros enteros se define z de la siguiente manera:

z 6 ) 6 ) 3. Comprobar si ,z tiene estructura de grupo abeliano.

25
E.2. En el conjunto de los nmeros naturales se define z de la siguiente manera:
z 6 ) 6 ) 3. Comprobar si ,z tiene estructura de grupo abeliano.

E.3. Es , ),z cuerpo? () y z son la suma y el producto conocidos).
E.4 Es , ),z cuerpo? ( el conjunto de los nmeros racionales con ) y z la

suma y el producto conocidos).
Sea un conjunto no vaco (los elementos de se llaman vectores). Sea | un

cuerpo (los elementos de | se llaman escalares). Sean ) y z dos operaciones que en
adelante llamaremos suma y producto.
El objeto , ), |,z es un espacio vectorial si:
a) , ) es un grupo abeliano.
b) z es una ley de composicin externa en con escalares u operadores en |
5 w |; ^ w U 5 z ^ w
c) Propiedad asociativa mixta
5, w |; ^ w U 5 z z ^ 5 z z ^
d) Propiedad distributiva del producto respecto de la suma en |
5, w |; ^ w U 5 ) z ^ 5 z ^ ) z ^
e) Propiedad distributiva del producto respecto de la suma en
5 w |; ^, `^ w U 5 z ^ ) `^ 5 z ^ ) 5 z `^
f) La unidad del cuerpo es el elemento neutro para el producto
^ w U 1 z ^ ^
Nota: En adelante se entender que 5 z ^ 5 + ^ 5^
Ejercicios
E.5. Sean y | . Sea la adicin definida en por , 6 ) 7, 8

) 7, 6 ) 8. Sea z el producto de nmeros reales por elementos de definido

mediante la expresin 5, 6 5, 56. Demostrar que ( , ), ,z es un

espacio vectorial.
5, 6 , . Es ( , ), ,z un espacio vectorial?

E.6. El mismo enunciado anterior, pero modificando la definicin del producto:
26
E.7. El mismo enunciado, pero modificando la definicin de la suma: , 6 )
7, 8 12 ) 7, 6 ) 8. Es ( , ), ,z un espacio vectorial?

a) El producto del escalar 0 por cualquier vector es el vector nulo ]0^
]^
0 + ^ 0
]^ es el vector 0
b) El producto de cualquier escalar por el vector 0 ]^
5 + ]0^ 0
]^
]^, entonces el escalar es 0 o

c) Si el producto de un escalar por un vector es el vector 0
el vector es nulo.
d) El opuesto de cualquier escalar por un vector es igual al opuesto de su producto
,5^ ,5^
nmeros reales constituyen un espacio vectorial; es decir, se cumple:

Se deja como ejercicio demostrar que las funciones sobre el cuerpo de los
: ) < : ) <

5: 5 : , 5 w
Se deja como ejercicio demostrar que las matrices reales de dimensin

constituyen un espacio vectorial:
:: 1 | w
La funcin : queda caracterizada por el conjunto:

de manera que se cumple:
: ) <, :, ) <,

) 6
5:, 5 :, 5
Dados el espacio vectorial , ), |,z y el conjunto , , si es un

espacio vectorial sobre el mismo cuerpo | y con las mismas leyes de composicin que
en , decimos que es un subespacio de .
27
Propiedades
es subespacio de
El subconjunto que contiene exclusivamente al vector nulo 0 ]^ es tambin

subespacio de . Se denomina subespacio nulo.

]^, se llaman subespacios propios.

Los dems subespacios de , distintos de y 0
Sea , , la condicin necesaria y suficiente para que sea

subespacio de es:
^, `^ w ; 5, w |; 5^ ) `^ w
Propiedad
]^ debe pertenecer a para afirmar que es un subespacio de .

El vector nulo 0
Ejercicios
E.8. Demostrar que ]0^ debe pertenecer a para afirmar que es subespacio de .
E.9. En el espacio vectorial , ), ,z con las operaciones conocidas ) y z,

determinar si los subconjuntos y son subespacios:

}, ` w ` 2~
}, ` w ` ) 1~
E.10. En el espacio vectorial , ), ,z con las operaciones conocidas ) y z,

determinar si los subconjuntos siguientes , , y son subespacios:

}, `, x w x ) `~
}, `, x w ) x 0~
}, `, x w || |`|~
}, `, x w x ) 2~
La interseccin de toda familia de subespacios de es un subespacio de .

La unin de subespacios de no, en general, un subespacio de .

Sean y dos subespacios de , el conjunto es la suma de y si:

) }^ w , \ ]]^ w ^ \
]^ w , a ]]^ ~
]^ ) a
La suma de subespacios de es un subespacio de . Adems, el subespacio )

es el menor de todos los subespacios que contienen a y a .
Sean y dos subespacios de , el subconjunto es la suma directa de y
, lo que denota escribiendo , si se verifica que ) y

0]^. Si , los dos subespacios y se denominan subespacios

complementarios.
28
8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO

DE VECTORES.
COMBINACIN LINEAL DE VECTORES
Sea , ), |,z un espacio vectorial. Se llama combinacin lineal de los

vectores ]^ , ,
]^ , ]^ w a todo vector h^ de la forma:
h^ 5
]^ ) 5
]^ ) e ) 5
]^ 5 w |
Si 5 0 la combinacin lineal se llama trivial.
SUBESPACIO VECTORIAL GENERADO POR UN CONJUNTO DE VECTORES
Sea , ), |,z un espacio vectorial y sea ]^ , ,

]^ , ]^ , el
subconjunto 5 ]^ ) 5
]^ ) e ) 5 ]^ 5 w | se denomina variedad lineal
generada por el conjunto .
El conjunto es un subespacio de que recibe el nombre de subespacio
vectorial generado (o engendrado) por ]^ ,
]^ , , ]^ .
Propiedades

U

{ { { {

Ejercicios
E.11. Comprobar si los vectores ,1, 1, 3 y 1, 2, 2 son combinacin lineal de los
vectores ,1, 0, 2 y ,1, 2, 4.

E.12. En el espacio vectorial 1 , ), ,z se consideran las matrices

1 0 1 0 0 0

% (, * % (y4% (. Determinar todas las combinaciones lineales
0 1 1 0 1 1
de , *, 4 que permiten obtener la matriz nula.
Sea , ), |,z un espacio vectorial y sea ]^ ,

]^ , ,
]^ , se dice que
es un sistema linealmente independiente (LI) o sistema libre si la nica
combinacin lineal (CL) de ellos que vale ]0^ es aquella en la que todos los escalares son
nulos, es decir, es la trivial:
]^ U 5 0
]^ 0
5
Se dice que es un sistema linealmente dependiente (LD) o sistema ligado si

no es un sistema libre, esto es, si existen algunos escalares no todos nulos tales que:
29
]^ U algn 5 0
]^ 0
5
Propiedades
Todo vector no nulo es un conjunto LI.

El vector nulo es LD.
Todo conjunto al que pertenezca el vector nulo es LD.
Un vector es CL de toda familia que lo contenga.
Un conjunto de vectores es LD si algn vector es CL de los dems.
Si un sistema de vectores es LD, entonces tambin lo es cualquier sistema que

Un conjunto de vectores es LI si ningn vector es CL de los dems.
resulte de aadir algn vector a .

Si un sistema de vectores es LI, entonces tambin lo es cualquier sistema que

resulte de prescindir de alguno de los vectores de .

Para averiguar si un conjunto de vectores es LI o LD basta aplicar el mtodo de

Gauss o del pivote. Si empleando las transformaciones del mtodo es posible
conseguir el vector nulo, entonces el conjunto es LD; en caso contrario es LI.
Propiedades
En el espacio -dimensional, ) 1 vectores son LD. (Ej. Cuatro vectores de tres
Un conjunto de vectores -dimensionales es LD si su determinante es nulo.

dimensiones son LD).

Ejercicios
E. 13. En el espacio vectorial , ), ,z, determinar si los siguientes vectores son
LI: a) }1, 0, 0, 0, 1, 0, 1, 0, 0~; b) * }1, ,1, 0, 1, 1, 2, 1, 0, 1~.

1 0 0 1 0 0 0 0
E.14. Demostrar que las matrices % (,% (,% (% ( son vectores LI.
0 0 0 0 1 0 0 1

definido por ) ; ,2 son LI.

E.15. Demostrar que el espacio vectorial de los polinomios reales sobre el cuerpo
E.16. Estudiar la dependencia o independencia lineal de los vectores ]^ 2 y

]^ 3 en el espacio vectorial , ), ,z y en el espacio vectorial , ), ,z.

E.17. Determinar para que sean LD los vectores 1, ,4, 6, 1, 4, 4 y 0, ,4, .
Sea , ), |,z un espacio vectorial y ]^ , ,

]^ , ]^ un subespacio
vectorial, se dice que los vectores de son un sistema de generadores (SG) de si
todo vector de es CL de ]^ ,
]^ , ,
]^ . Un SG puede ser LI LD.
30
Ejemplo
El conjunto }1, 0, 0, 1, 1, 1~ es un SG de . En efecto, sea , 6
cualquier vector de ; deben existir escalares 5, , tales que: 51,0 ) 0,1 )
1, 1 , 6. Es decir5 ) , ) , 6.
Para >, > w , 5 , >, 6 , >. Por tanto, es un SG de y
cualquier vector puede expresarse de infinitas maneras como CL de los vectores de .
Obsrvese, sin embargo, que los vectores de son LD.
Ejercicio
E. 18. Determinar si los vectores 1, 1, 1, 1, 1, 0, 1, 0, 0 son un SG de .
BASE
Sea ]^ , ,
]^ , ]^ un conjunto de vectores del espacio , ), |,z. El
conjunto es una base de , ), |,z si es un conjunto LI y SG de .
Se llama base cannica de a la formada por los vectores:
]^H H, 2, 2, , 2

]^ 2, H, 2, , 2

..
]^ 2, 2, 2, , H

Ejemplo
Determinar una base del subespacio de , ), ,z definido de la siguiente

manera: }, `, x w x ) `~.
Si , 6, 7 es un vector genrico de , entonces , 6, 7 , 6, ) 6

, 0, ) 0, 6, 6 1, 0,1 ) 60, 1, 1. De donde se deduce que los vectores
1, 0, 1 y 0, 1, 1 son una base de pues son SG y LI.
Ejercicio
a) , ), ,z
E. 19. Proponer una base en cada caso:
b) 1 , ), ,z
c) [ , ), ,z
d) , ), ,z. es el conjunto de los nmeros complejos.
DIMENSIN
Sea un subespacio de . Todas las bases de tienen el mismo nmero

de vectores. Este nmero se denomina dimensin de y se representa dim .
Propiedades
La dimensin de un espacio vectorial es la dimensin de cualquiera de sus bases.
31
dim0 ]^ 0, por definicin.

Un conjunto de vectores LI de un espacio vectorial -dimensional es una base.

Todo SG de vectores de un espacio vectorial -dimensional es una base.

Si es una base de dimensin del espacio vectorial , entonces ) 1 vectores

de forman un conjunto LD.

Si es un subespacio de y dim dim entonces .

La dimensin de un subespacio vectorial es el nmero mximo de vectores de

que son LI. Adems, dim es el nmero mnimo de vectores de un SG de .

Frmula de Grassmann. Si y son dos subespacios vectoriales, se verifica:
dim ) dim ) dim , dim
Ejemplo
Determinar la dimensin de la suma de y :

}, `, x w x ) `~ ; }, `, x w x ~.
Si , 6, 7 es un vector genrico de , entonces , 6, 7

, 6, ) 6 , 0, ) 0, 6, 6 1, 0,1 ) 60, 1, 1.
dim 2.
Por tanto,
Si , 6, 7 es un vector genrico de , entonces , 6, 7 , 6,

, 0, ) 0, 6, 0 1, 0,1 ) 60, 1, 0. Por tanto, dim 2.
Como el vector comn a las bases de y es 1, 0,1, entonces
dim 1. De donde se deduce que: dim ) dim )
dim , dim 2 ) 2 , 1 3.
de extensin a una base). Sea , ), |,z un espacio vectorial de dimensin

Teorema de Steinitz (tambin llamado teorema de la base incompleta o teorema
, }9^ , 9^ , , 9^ ~ una base de y el conjunto ]^ , ,

]^ , ]^ un sistema libre de
vectores de , con C X . Entonces existe algn sistema de , C vectores de
tal que es una base de . Adems, los vectores de se pueden tomar de
entre los de un base cualquiera }9^ , 9^ , , 9^ ~ de .
COORDENADAS DE UN VECTOR
Todo vector queda identificado mediante una nica CL de los vectores de una
Se trata, pues, de expresar un vector ]^ como CL de los vectores de una cierta

base dada. Estos coeficientes son las coordenadas del vector en la citada base.
base ]^ ,
]^ , ,
]^ , de manera que:
]^ 5]^ )
]^ ) e )
]^ . Es decir,
]^ 5, , , mn

Ejemplo
Sea el conjunto }1, 2, 1, 1, 3, 0, 1, 0, 0~. Comprobar que es una base
de y determinar las coordenadas del vector 1, 2, 3 respecto a dicha base.
32
El determinante de los vectores de es: det ,3, por lo tanto, los tres
vectores son LI y constituyen una base. Calculemos la coordenadas de 1, 2, 3:
1, 2, 3 51, 2, 1 ) 1, 3, 0 ) 1, 0, 0
es decir: 1 5 ) ) ; 2 25 ) 3; 3 5. De donde se deduce que:
5 3, , 43 , , 23
Luego, el vector 1, 2, 3 expresado en la base cannica tiene las coordenadas

3, , 43 , , 23 en la base .
RANGO DE UN CONJUNTO DE VECTORES
Se denomina rango de un sistema de vectores de un espacio vectorial , y se

denota por <, a la dimensin del subespacio que genera :
< dim
Como consecuencia, la familia ]^ , ,

]^ , ]^ es libre si su rango es igual
al nmero de vectores que la forman. Adems, en un espacio vectorial de dimensin
un sistema de vectores es generador si su rango es .
Sea , ), |,z un espacio vectorial de dimensin . Consideremos el

subespacio vectorial generado por los vectores }\
]^ , \ ]^ ~. Si ^ w , entonces
]^ , , \
^ 5\
]^ ) \
]^ ) e ) \
]^
Si cada vector lo referimos a la base }9^ , 9^ , , 9^ ~ de , podremos escribir:
5\ ) \ ) e ) \
5\ ) \ ) e ) \

5\ ) \ ) e ) \
Estas son las ecuaciones paramtricas del subespacio vectorial .

Eliminando los parmetros 5, , , , obtendremos las , relaciones entre
las componentes , , , llamadas ecuaciones cartesianas o implcitas del
subespacio vectorial .
Sea , ), |,z un espacio vectorial de dimensin . Ya que cualquier vector ^
base de , si elegimos otra base, ^ tendr otras coordenadas distintas de las

queda determinado de manera nica conociendo sus coordenadas respecto de una
anteriores. Averigemos la relacin que guardan las coordenadas de ^ respecto de

ambas bases. En definitiva, se trata de encontrar la expresin matricial que permite
expresar un vector, definido en una cierta base, en funcin de los vectores de otra
base.
33
Ejemplo
Hemos visto en el ejemplo anterior que el vector 1, 2, 3 expresado en la base

cannica, tiene las coordenadas 3, , 43 , , 23 en la base . Cul es la expresin
matricial que permite pasar de 1, 2, 3 a 3, , 43 , , 23?
Obsrvese que 1, 2, 3 3 1, 2, 1 , 43 1, 3, 0 , 23 1, 0, 0 se puede

poner de la siguiente manera:
1 1 1 1 3
2 # A 2 3 0 B , 4 3#
3 1 0 0 , 23
Es decir, basta escribir la matriz traspuesta de los vectores de las nueva base. Dicha
matriz se llama matriz de paso o de cambio de base.
En general:
hmn mn h
donde mn es la base ; m{ nes la base ; mn es la matriz columna del vector

expresado en la base mn; es la matriz columna del vector expresado en la
basem{ n y mn es la matriz de paso expresada en trminos de la base mn.
Sea el subespacio vectorial generado por los siguientes vectores del espacio
]^ 2,3,1,0, \
vectorial [ : \ ]^ 1,0,1,0 y \ ]^ 0,3, ,1,0. Calcular:
a) El rango de }\ ]^ , \ ]^ ~ Qu clase de sistema es ? Existe alguna
]^ , \
relacin de dependencia entre los vectores de ?
b) La dimensin y una base de .
c) Las coordenadas de los vectores de respecto de la base obtenida en b).
d) Unas ecuaciones paramtricas de .
e) Unas ecuaciones cartesianas o implcitas de .
g) El vector 1, 0, 0, 0 pertenece a ?

f) Otras ecuaciones paramtricas distintas, a partir de las ecuaciones implcitas.
h) Una base *z de [ que contenga a los vectores de una base de .

i) Las ecuaciones del cambio de la base *z a la base cannica de [ .
j) Las ecuaciones del cambio de la base cannica a la base *z .
k) La expresin del vector cannico 9^ 0, 1, 0, 0 respecto de la base *z .
Solucin
a) Empleando el mtodo de Gauss se comprueba que . Por lo tanto, los

tres vectores son LD; se trata de un sistema ligado. Sea \
]^ \
]^ ) 6\
]^ . Se
deduce que 2 y 6 1:
]^H
]^ )
]^
b) es un sistema ligado, una base de es E } ]^ ~, cuya dimensin es .

]^ ,
34
c) De la relacin \ ]^ 2\ ]^ ) \
]^ resulta que ]^H , HmEn ; es decir, 2,1 son las
coordenadas de \ ]^ respecto de la base * . Entonces, ]^ 1\]^ ) 0\
]^
]^ 0\
H, 2mE n y ]^ ) 1\]^ 2, HmE n .
d) Como ^ w [ se cumple que: ^ 5\

]^ ) \
]^ , es decir:
H , , , H, 2, H, 2 ) 2, , ,H, 2
H H 2
o sea

A B A B ) A B
2
H ,H
2 2
son las ecuaciones paramtricas del subespacio vectorial , pues dando valores a
5 y se obtienen las coordenadas de todos los vectores de . Obsrvese que la
dimensin de coincide con el nmero de parmetros que tienen sus ecuaciones
paramtricas.
e) Como se cumple tambin que:
dim [ dim )
siendo el nmero de ecuaciones implcitas, como dim [ 4, dim 2,

entonces 2. Basta, pues, encontrar dos relaciones independientes para
eliminar los parmetros 5 y . Dado que:
10
< < A0 3 B 2
1,1
00
por el teorema de Rouche-Frobenius se cumple que
1 0
0 3 B2
< A
1 ,1
[ 0 0
luego todos los menores de tercer orden son nulos. Elegimos dos menores:
1 0 1 0
P 0 3 P 0; P 0 3P 0
1 ,1 [ 0 0
es decir
,H ) ) 2
2
son unas ecuaciones cartesianas o implcitas de . Obsrvese que si [ no

habra ecuaciones implcitas para definir .
35
f) Para pasar de las ecuaciones cartesianas a las paramtricas basta resolver el
,3 ) ) 3 0, se despeja una incgnita, por ejemplo :

sistema de ecuaciones cartesianas. En este caso, en la ecuacin
3 , 3
Dando valores a p y tenemos otras ecuaciones paramtricas de :
H H 2
,
A B A B ) A B
2 H
2 2
g) Sustituyendo 1, 0, 0, 0 en las ecuaciones cartesianas ,3 ) ) 3 0 y

[ 0 de , vemos que ,3 + 1 ) 0 ) 3 + 0 0, por tanto no pertenece a .
h) En el subespacio ampliamos la base * }\ ]^ ~ con 1, 0, 0, 0 puesto que

]^ , \
acabamos de ver que no pertenece a . Ya tenemos tres vectores LI; basta
conseguir otro, por ejemplo el vector 0, 0, 0, 1, tras comprobar que no
pertenezca a y que sea tambin LI. Por tanto, una base de [ es:
Las ecuaciones del cambio de la base *z a la base cannica se obtienen aplicando

la expresin hmn mn h , donde mn es la base cannica y m { n es la base *z :
i)
hmn mn hmz n
Las ecuaciones del cambio de la base cannica a la base *z se calculan

premultiplicando por la matriz inversa de mn :
j)
mn
G
hmn mn
G
mn hmz n
por tanto
hmz n mn
G
hmn
zH 1 0 1 0 G 2 H H 2 H

s z v A0 3 0 0B A B 2
z
H
2 2 A B
1 ,1 0 0 H , H ,H 2
q t
z 0 0 01 [ 2 2 2 H
k) La expresin del vector cannico e]^ 0, 1, 0, 0 respecto de la base B z se obtiene

sustituyndolo en la expresin del apartado j):
36
z 0 1 3 1 0 0
z 1 3 0 0
z 0 A 1B
1 , 13 ,1 0 0
[z 0 0 0 1 0
es decir
]^z H , H , , H , 2

37
Ejercicios
1. Sean y | . Sea la adicin definida en por , 6 ) 7, 8

) 7, 6 ) 8. Sea z el producto de nmeros reales por elementos de definido
mediante la expresin 5, 6 5 , 5 6. Es ( , ), ,z un espacio vectorial?
2. Demostrar que los vectores }1, 2, ,1, ,2, 2, 3, 0, ,1, 1, 2, 1, 3, 1, 3, ,1, 0~ son
ligados e indicar su relacin de dependencia.
3. Determinar los valores de y para que sea 3 el rango del siguiente sistema de
vectores: }1, 1, 0, , 3, ,1, , ,1, ,3, 5, , ,4~.
4. Demostrar que los vectores }2, 1, 1, 1, 3, 1, ,2, 1, 3~ forman una base de
. Hallar las coordenadas del vector 1, 1, 2 respecto de esta base.
5. Demostrar que si \ ]^ , \
]^ , \
]^ son base de un espacio vectorial de dimensin 3, el
conjunto \
]^ ) \
]^ , \]^ , \
]^ ) \ ]^ , \
]^ ) \
]^ tambin es una base de dicho espacio.
6. Sea _^ , _^ , _^ la base cannica de . En el mismo espacio vectorial tenemos el
conjunto }\ ]^ , \ ]^ ~ donde \
]^ , \ ]^ 3_^ ) 2_^ , _^ ; \ ]^ 4_^ ) _^ ) _^ ; \ ]^ 2_^ ,
_^ ) _^ . Se pide: a) Demostrar que \ ]^ , \
]^ , \
]^ es una base. b) Hallar la expresin del
cambio de la base cannica a la base \ ]^ , \
]^ , \
]^ . c) Calcular las coordenadas del
vector 1, 2, 3 expresado en la base cannica, en trminos de la base \ ]^ , \
]^ , \
]^ .
7. Sean }1, 1, 1, ,2~ y * }2, 1, 0, 1~ dos bases de . Hallar las
expresiones matriciales de los cambios de base de a * y de * a .
8. Demostrar que el conjunto }5, ,25, 0; 5 w ~ es un subespacio vectorial de .

Obtener una base y determinar la dimensin y las ecuaciones paramtricas e implcitas
del subespacio.
9. Obtener una base del espacio vectorial de las matrices cuadradas de orden 2 y del
espacio vectorial de las matrices de orden 2 3.
10. Sean _^ 3, 2, ,1; _^ 2, 5, 6 y _^ 1, ,3, ,7. Sea _^ , _^ , _^ el
subespacio engendrado por estos tres vectores. Calcular: a) una base de y las
ecuaciones implcitas. b) el vector ,3, ,2, 1, pertenece a ? c) el vector 1, 1, 3,
pertenece a ? d) Para qu valores de el vector , 0, 1 pertenece a ?
11. Hallar una base del subespacio engendrado por los vectores 2, ,2, 3, 1 y
,1, 4, ,6, ,2 y ampliar dicha base a una del espacio vectorial de [ .
12. Sea el subespacio vectorial de engendrado por el vector 1, 1, ,1 y sea
y }, `, x w 3 , ` 0, 2 ) x 0~. a) Demostrar que y es subespacio de
. b) Obtener una base y la dimensin de y. c) Hallar una base, dimensin y las
ecuaciones paramtricas e implcitas de los subespacios y y ) y.
13. Sean los subespacios de : }5 ) , 2, 5, w ~; f }2, , w

y , `, x 2,`,x0;, `, xw. a) Son y f subespacios suplementarios, es
decir, ) f y f }0, 0, 0~. b) Hallar una base y la dimensin de
) f .
38
14. Consideremos el espacio de y la base * }9^ , 9^ , 9^ ~. Si el conjunto *

}\
]^ , \ ]^ ~ es tal que: \
]^ , \ ]^ 29^ ) 9^ ) 9^ ; \
]^ 9^ ) 29^ ) 9^ ; \
]^ 9^ ) 9^ ) 29^:
a) Demostrar que }\ ]^ , \ ]^ ~ forman una base. b) Hallar la matriz de cambio de * a
]^ , \
*. c) Calcular las coordenadas de un vector _^ en la base * sabiendo que en la base *
sus coordenadas son 1, 1, 1.
39
CAPTULO 3

4. APLICACIN LINEAL
Ejercicios
40
CAPTULO 3
codominio. Se dice que : es una funcin o aplicacin de A en B si : es una relacin

Sean A y B dos conjuntos no vacos. A se llama dominio y B es la imagen o
entre A y B tal que todo elemento de A tiene un nico representante en B.
Propiedades
Si una relacin : es funcin, la relacin inversa : G no necesariamente lo es.

:f :f :

:f :f :

Las funciones pueden ser inyectivas, tambin llamadas unvocas o uno a

uno, son aqullas en las que elementos distintos de A tienen imgenes distintas en B;
sobreyectivas, aqullas en las que todo elemento de B es imagen de alguno de A; y
biyectivas, tambin llamadas biunvocas, aqullas que son inyectivas y sobreyectivas.
Ejemplos
Sea :: tal que :x 2x. Esta funcin asigna a cada nmero natural su
duplo. Es inyectiva, pero no sobreyectiva pues los elementos impares del
Sea <: P tal que <x 2x donde el codominio se ha restringido al conjunto

codominio carecen de antecedente en el dominio.

de los nmeros pares. Es inyectiva y tambin sobreyectiva. Por tanto, es biyectiva.
A partir de dos funciones : y < es posible definir, bajo ciertas condiciones, otra
(lase : compuesta con <, llamada funcin compuesta.
41
Propiedades
En general no se cumple la propiedad conmutativa:< : : <.

= < : = < :
La composicin de funciones inyectivas es inyectiva.
La composicin de funciones sobreyectivas es sobreyectiva.
La composicin de funciones biyectivas es biyectiva.
pero
La inyectividad de la composicin no implica la de cada funcin, pero s la de la
primera.
Si la composicin de dos funciones es sobreyectiva, entonces la segunda es
sobreyectiva.
Una funcin admite inversa si es biyectiva, adems la funcin inversa es nica.
Ejercicios
E.1. Sean }1, 2, 3~ y * }2, 3~. Clasificar :: * tal que :, 6 3a ,

6.

E.2. Las funciones :: Q y <: Q son:
:x 2 ) 1
< 9i9
Determinar < :, : < y calcular < : ,2 y : <, 12.
4. APLICACIN LINEAL
Sean , ), |,z y , ), |,z dos espacios vectoriales sobre el mismo cuerpo

|. La funcin :: es una aplicacin lineal, transformacin lineal u
homomorfismo si 5, |; ^, `^ se cumple:
:5^ ) `^ 5:^ ) :`^
Ejercicios
E.3. Demostrar que la funcin :: definida por : , , , ,

, es una aplicacin lineal.

E.4. Demostrar que :: tal que : , , , , , ) 1

no es una aplicacin lineal.
42
Propiedades
La imagen de ]0^ (el vector nulo de ) es ]0^ (el vector nulo de .

La imagen del opuesto de todo vector de es igual al opuesto de su imagen en .

Basta que : sea una aplicacin lineal. No se exige que sea inyectiva, sobreyectiva o

- Si : es inyectiva entonces es un monomorfismo.

biyectiva o ninguna de las tres. Pero:
- Si : es sobreyectiva entonces es un epimorfismo.

- Si : es biyectiva entonces es un isomorfismo.
- Si entonces : es un endomorfismo.
- Si y :es biyectiva, entonces : es un automorfismo.
Ejercicio
E.5. Demostrar que la funcin :: definida por : , , , , ,

es un automorfismo.

NCLEO
El ncleo : de una aplicacin lineal : (tambin llamado ker) es el conjunto

de los vectores del dominio cuyas imgenes son el vector nulo de .
]â
: ^ w / : 0
Propiedades
:
]^ 0
:0 ]^ U ]0^ w :

: es un subespacio de .

En un monomorfismo el nico elemento del ncleo es el vector nulo.
IMAGEN
La imagen 0: de una aplicacin lineal :: es el conjunto imagen del

domino, o sea, la totalidad de las imgenes de los vectores del espacio .
0: }:^ / ^ w ~
Propiedades
0:
]0^ w 0:

0: es subespacio de .

En una aplicacin lineal :: la imagen de cualquier conjunto de vectores LD

de es LD en .

43
Si :: es una aplicacin lineal y _^ , _^ , , _^ son vectores de tales que

sus imgenes son LI en , entonces _^ , _^ , , _^ son LI.

La imagen de todo conjunto LI, dada por cualquier aplicacin lineal inyectiva, es un
conjunto LI.
Ejercicios
E.6. Determinar el ncleo de :: : : , , , , , .

E.7. Determinar el ncleo y la imagen de : 1 tal que :, `

)` 0

; @.
0 )`
E.8. Determinar el ncleo y la imagen de:: tal que : , , )

) , ) .

E. 9. Determinar el ncleo y la imagen de :: : : , , 2 .
DIMENSIONES DEL NCLEO Y LA IMAGEN
Sea : una aplicacin lineal. Se demuestra que:
dim : ) dim 0: dim
Ejemplo
En la aplicacin lineal :: [ definida por : , , , [ , ,

) [ , 0 calcular: a) :, una base de : y su dimensin. b) La dimensin de
0: y una base de la imagen.
a) Para determinar : calculamos los vectores , , , [ cuyas imgenes

son el vector nulo de . Es decir: : , , , [ 0, 0. O sea
, , ) [ 0
es decir
) , [
por lo tanto, los vectores del ncleo son del tipo:
b ) , , b, ,
como
) 6 , 7, , 6, 7 1, 1, 0, 0 ) 61, 0, 1, 0 ) 7,1, 0, 0, 1
entonces el conjunto ]^ H, 2, H, 2,

]^H H, H, 2, 2, ]^ ,H, 2, 2, H es
un SG de :. Como, adems estos tres vectores son LI, constituyen una base,
cuya dimensin es 3. Es decir:
44
R
b) De la expresin dim : ) dim 0: dim deducimos: 3 ) dim 0: 4. Es

decir: R / H. Como
0: } , 6 , 7 ) 8, 0~
si ` , ` w 0: entonces:
` , ` , 6 , 7 ) 8, 0
o sea
` , ` 1,0 , 6 1,0 , 7 1,0 ) 8 1, 0
por lo tanto, el vector H, 2 es una base de /.
RANGO DE UNA APLICACIN LINEAL:
El rango de una aplicacin lineal : es la dimensin de su imagen.
<: dim 0:
Si las dimensiones de los espacios y son dim y dim , como

dim : ) dim 0: dim , entonces:
R )
Propiedades
Si <: entonces : es inyectiva y dim : 0.

Si <: entonces : es sobreyectiva.

Si <: entonces : es biyectiva.

Ejemplos
Determinar las dimensiones del ncleo y la imagen de la aplicacin lineal ::

; :, `, x , `, ` , x.

De , `, ` , x 0, 0 se deduce que `, ` x U ` x. Por
ejemplo el vector 1, 1, 1, cuya dimensin es 1: R H. Como

tanto, un vector del ncleo es aquel cuyas tres coordenadas sean iguales, por
dim 0: dim , dim : 3 , 1 2. R / . Ya que la dimensin

de la imagen coincide con 2 , es decir, la dimensin del espacio vectorial
, entonces es sobreyectiva.

[ ; :, ` 3 ) 4`, 5 , 2`, ) 7`, 4.

45
De 3 ) 4`, 5 , 2`, ) 7`, 4 0, 0, 0, 0 se deduce 0, ` 0. Por
tanto, el nico vector del ncleo es 0, 0, cuya dimensin es 0. R 2. La
aplicacin es inyectiva. Como dim 0: dim [ , dim :, entonces
R / .

1 0 0

; :, `, x 0 1 0 # ` .
,2 ,4 ,1 x
De :, `, x 0,0,0 se deduce 0, ` 0, ,2 , 4` , x 0. Es decir:

` x 0. Por tanto, el nico vector del ncleo es 0,0,0, cuya dimensin es
cero. R 2. La aplicacin : es inyectiva, pero dim 0: dim ,
dim :, entonces R / . Como <: 3 coincide con las
dimensiones de los espacios vectoriales y , entonces es
biyectiva.
Consideremos una aplicacin lineal :: , sea mn }_^ , _^ _^ ~ una

base del espacio vectorial y mn }a
]]^ , a ]]^ ~ una base del espacio vectorial ,
]]^ a
entonces la aplicacin lineal : queda caracterizada por una matriz de paso de
dimensin .
MTODO:
Para hallar la matriz D de la aplicacin lineal respecto de las bases mn y

mn, se determinan las imgenes dadas por : de los vectores de la base mn; a
continuacin se expresan estas imgenes en trminos de la base mn, o sea, como CL
de los vectores de la base mn: La traspuesta de la matriz de coeficientes es D.
Como consecuencia de este mtodo:
La imagen ]^mn en el espacio de cualquier vector ]

]^mn del espacio se
obtiene multiplicando D por la matriz de coordenadas de ]]^mn respecto de la base
mn.
]^mn D + ]
]^mn
donde:
]^mn: Matriz columna del vector imagen expresado en trminos de la base mn

: Matriz de la aplicacin lineal
h^mn: Matriz columna del vector del dominio expresado en trminos de la base mn.
Ejemplo grfico:
Las coordenadas del vector velocidad _^ de un avin en la base mn son las de

un sistema de referencia h , , de que navega solidario con el avin, es decir:
_^ _1 , _ , _ mn. Pero, se necesitan las coordenadas del mismo vector velocidad
46
_^ respecto a otra base mn representada por el sistema de referencia h, , , tambin

de , con origen en el centro de la Tierra, es decir: _^ _1 , _ , _ mn . Si es la
matriz de la aplicacin lineal que permite pasar de la base mn a la base mn, entonces
aplicando la expresin anterior:
_^mn + _^mn
_1 _1
_ # + _ #
_ _
Obsrvese que en este ejemplo los espacios vectoriales y son el mismo

espacio vectorial .
Ejemplo analtico:
En la aplicacin lineal :: : , , ) , , . a)

Calcular la matriz de : respecto las bases mn }1, 1, 1, 1, 1, 0, 1, 0, 0~ en y
mn }2, 0, 0, 1~ en . b) Obtener la imagen del vector h^ 1, 2, 3 expresado
en la base cannica.
a) Mediante : obtenemos las imgenes de los vectores de la base mn:
:1, 1, 1 1 ) 1, 1 , 1 2, 0
:1, 1, 0 1 ) 0, 1 , 0 1, 1
:1, 0, 0 1 ) 0, 0 , 0 1, 0
Expresamos dichas imgenes como CL de los vectores de mn:
2, 0 5 2, 0 ) 0, 1

1, 1 5 2, 0 ) 0, 1
1, 0 5 2, 0 ) 0, 1
En donde se deduce que:
47
5 1 5 12 5 12
0 1 0
Por lo tanto, la matriz de : respecto de las bases mn y mn es:
H H H H H H
D% ( % (
2 H 2 2 2
Para obtener la imagen del vector h^ 1, 2, 3, expresado en la base cannica, es
necesario determinar sus coordenadas respecto a la base de ]^ .
b)
1, 2, 3 51, 1, 1 ) 1, 1, 0, )1, 0, 0
es decir 1 5 ) ) , 2 5 ) , 3 5. Por lo tanto,
5 3, ,1, ,1
5 3
h^mn # ,1#
,1
La imagen de h^mn es
]^mn :
1 3
]^mn + h^mn %2

1 1 2
( ,1# % (
2 0 2 0 ,1
,1
]]^mn , ,H

Obsrvese que si aplicamos directamente : a 1, 2, 3:
:1, 2, 3 1 ) 3, 2 , 3 4, ,1
y expresamos esta imagen como CL de los vectores de la base mn:
4, ,1 2, 0 ) 60, 1
Obtenemos
2
6 ,1
:h^mn 2, ,1

es decir, las mismas coordenadas calculadas mediante la aplicacin lineal:
Sea la aplicacin lineal :: y la matriz de : respecto de las bases mn y

mn. Si se efecta un cambio de base en cada espacio vectorial, entonces : est
caracterizada por otra matriz * respecto de las nuevas bases mn y mn, segn el
siguiente esquema:
48
: Matriz de paso de la base mn a la base mn del espacio vectorial

: Matriz de paso de la base mn a la base mn del espacio vectorial
: Matriz de la aplicacin lineal : respecto de las bases mn y mn
*: Matriz de la aplicacin lineal: respecto de las bases mn y mn
Pero, un vector h^mn en la base mn se expresa en la base mn empleando :
h^mn + h^ 1
]^mn en la base mn se expresa en la base mn empleando :

y un vector
]^mn +
]^ 2
Pero, mediante la matriz de la aplicacin lineal se cumple que:
]^mn + h^mn
3
y tambin sabemos que con la matriz * se cumple que:
]^ * + h^
4
De (2) y (3) deducimos:
]^ + h^mn
+
]^ y h^mn de (4) y (1), obtenemos:

y sustituyendo los valores de
+* +
Como y son invertibles por ser matrices de paso, premultiplicamos por G :
G + + * G + +
Pero
49
G + + * 0 + * *
entonces:
E GH + D +
Ejemplo:
Sea :: tal que :, 6, 7 ) 6 , 7, , 6. a) Hallar la matriz de

: respecto de las bases cannicas de ` . b) Calcular las matrices de paso de las
bases cannicas a las bases mn }0, 1, 1, 1, ,1, ,2, 1, ,1, ,1~ y mn
}1, 3, 0, ,2~. c) Calcular la matriz * de : respecto del nuevo par de bases.
a) Mediante : obtenemos las imgenes de los vectores de la base cannica de :
:9^ :1, 0, 0 1 ) 0 , 0, 1 , 0 1, 1

:9^ :0, 0, 1 0 ) 1 , 0, 0 , 1 1, ,1
:9^ :0, 0, 1 0 ) 0 , 1, 0 , 0 ,1, 0
Expresamos dichas imgenes como CL de los vectores de la base cannica de :
1, 1 5 1, 0 ) 0, 1

1, ,1 5 1, 0 ) 0, 1
,1, 0 5 1, 0 ) 0, 1
En donde se deduce que:
5 1 5 1 5 ,1
1 ,1 0
Por lo tanto, la matriz de : respecto de las bases cannicas es:
H H ,H
D% (
H ,H 2
b) Para calcular las matrices de paso y expresamos los vectores de las bases mn
y mn como CL de los vectores de las bases cannicas:
m { n 59^ ) 9^ ) 9^
0,1,1 51, 0, 0 ) 0, 1, 0 ) 0, 0, 1

1, ,1, ,2 5 { 1, 0, 0 ) { 0, 1, 0 ) { 0, 0, 1
1, ,1, ,1 5 {{ 1, 0, 0 ) {{ 0, 1, 0 ) {{ 0, 0, 1
donde deducimos:
50 5{ 1 5 {{ 1
1 { ,1 { ,1
1 { ,2 {{ ,1
Por tanto la matriz de paso es:
50
2 H H
H ,H ,H#
H , ,H
Anlogamente:
m { n 59^ ) 9^
1, 3 51, 0 ) 0, 1

0, ,2 5 { 1, 0 ) { 0, 1
Es decir
51 5{ 0
3 { ,2
Por lo tanto la matriz de paso es:
H 2
% (
,
c) Para calcular la matriz * empleamos la expresin * G + + :

d)
0 1 1
1 0 G 1 1 ,1
*% ( +% ( + 1 ,1 ,1#
3 ,2 1 ,1 0
1 ,2 ,1
H 2
E % (
H H
Ejemplo:
Sea y . Sean }1, 1, 0, 2, 3, 1, 0, ,2, 1~ un conjunto
de vectores de . Sea la aplicacin lineal :: definida mediante las imgenes
de los vectores de : :1, 1, 0 3, 2, 0; :2, 3, 1 1, ,2, 1 y :0, ,2, 1
4, 0, 1. Sean }, `, x w 0~ y }, `, x w ) 6, ` , x
6. a) Demostrar que es una base de . b) Hallar la matriz asociada a : respecto a la
base cannica. c) Hallar :, `, x. d) Hallar : : y : . e) Hallar la matriz
asociada a : respecto de la base del enunciado.
a) El determinante formado con los vectores de U es det 3 0, por tanto los

vectores son LI y es una base de .
b) Determinacin de la matriz asociada a ::
]^mn + h^mn siendo m9n la base cannica de , entonces:

Como
3 1 1 2 4 0
2# + 1# ; ,2# + 3# ; 0# + ,2#
0 0 1 1 1 1
expresiones que se pueden sintetizar en la siguiente:
51
3 1 4 1 2 0
2 ,2 0# + 1 3 ,2#
0 1 1 0 1 1
3 1 4 1 2 0 G
por lo tanto:
2 ,2 0# 1 3 ,2#
0 1 1 0 1 1
es decir:
, ,
D , ,#
2 2 H
c) La funcin :, `, x es:
6 ,3 ,2
, , 4 ,2 ,4# ` , , , , , ,
0 0 1 x
d) : : y :
Determinacin de :
Un vector cualquiera de es 0, `, x. Como : h^mn

]^mn :
6 ,3 ,2 0 ,3` , 2x
: + h^mn 4 ,2 ,4# `# ,2` , 4x#
0 0 1 x x
Cualquier vector , `, x w : ser de la forma:
, `, x ,3` , 2x, ,2` , 4x, x `,3, ,2, 0 ) x,2, ,4, 1
luego , `, x es CL de ,3, ,2, 0 y ,2, ,4, 1; es decir:
x y z
det ,3 ,2 0 0
,2 ,4 1
Por lo tanto, la ecuacin cartesiana de : es: 2 , 3` , 8x 0.
Determinacin de :
De la definicin de }, `, x w ) 6, ` , x 6~ deducimos

que cualquier vector de es ` ) x, `, x. Como : h^mn
]^mn :
6 ,3 ,2 ` ) x 3` ) 4x
: + h^mn 4 ,2 ,4# ` 2` #
0 0 1 x x
Cualquier vector , `, x w : ser de la forma:
52
, `, x 3` ) 4x, 2`, x `3, 2, 0 ) x4, 0, 1
luego , `, x es CL de 3, 2, 0 y 4, 0, 1; es decir:
x y z
det 3 2 0 0
4 0 1
Por lo tanto, la ecuacin cartesiana de : es: 2 , 3` , 8x 0.
Determinacin de :
Como se aprecia, 2 , 3` , 8x 0 es tanto la ecuacin cartesiana de fS

como de :. Es decir, los vectores de : y : son los mismos, entonces:
}, , , , 2~
Clculo de :
La ecuacin cartesiana de }, `, x w 0~ es precisamente 0.

Cualquier vector de }, `, x w ) 6, ` , x 6~ es de la forma:
) 6, , 6 1, 1, 0 ) 61, 0, 1
Luego un vector , `, x w es CL de 1, 1, 0 y 1, 0, 1; es decir:
x y z
det 1 1 0 0
1 0 1
Por lo tanto, la ecuacin cartesiana de es: , ` , x 0.
El conjunto est formado por los vectores que cumplen, a la vez, las
ecuaciones cartesianas de y :
}, `, x 0, , ` , x 0~
es decir:
}, `, x,` , x 0~
}, `, x` , x~
Cualquier vector , `, x w ser de la forma:
, `, x 0, >, ,>
]^mn :h^mn + h^mn :

Como
6 ,3 ,2 0 ,1
+ h^mn 4 ,2 ,4# > # > 2 #
0 0 1 ,> 1
53
de donde se deduce que todos los vectores de : son de la forma:
,H, , H
e) Determinacin de la matriz asociada a f respecto de la base U:
Como * G , pero , entonces * G :
1 2 0 G 6 ,3 ,2 1 2 0
* 1 3 ,2# 4 ,2 ,4# 1 3 ,2#
0 1 1 0 0 1 0 1 1
H HH H
E ,H ,H ,#

H
54
Ejercicios
1. Consideremos la aplicacin lineal :: dada por:
:, `, x ) 3` , x, 2 ) p`, , 2` ) x
a) Determinar los valores de p para los que : es biyectiva.

b) Para p 2, hallar una base, la dimensin y las ecuaciones implcitas del ncleo y la
c) Para p 2, hallar la matriz asociada a : cuando se considera en ambos espacios la

imagen.
base mn }1, 1, 1, 1, 1, 0, 1, 0, 0~.

d) Para p 2, hallar: G 2, 0, 3.
2. Sea :: la aplicacin lineal definida por:
:, `, x ) 2` ) 3x, , ) `, ) ` ) 2x
a) Calcular la matriz asociada a : respecto de la base cannica.
c) Sea }, `, x w x , `~. Hallar una base de los subespacios , : y

b) Hallar una base y las ecuaciones cartesianas del ncleo.
) :.
d) Hallar la matriz asociada a : respecto de la base: }1, 2, 1, 0, 1, 2, 0, 0, 1~.
3. Sea :: tal que :1, 1, 0 3, 2, 0; :1, 0, 1 4, ,1, 3 y :0, 1, 1
5, 1,3. Determinar una base y las ecuaciones del ncleo y la imagen.
4. Sea :: [ la aplicacin lineal definida por:
:, `, x , `, ) 2` ) 3x, 0, ) x
a) La matriz asociada a : respecto a las bases cannicas.

Calcular:
b) La matriz asociada a : respecto a las bases mn }1, 2, 1, 0, 1, 2, 0, 0, 1~ y
mn }2, 1, 0, 1, 0, 2, 0, 0, 0, 0, 1, 0, 0, 0, 0, 3~
2 1 1
:, `, x 1 2 1# `
1 1 2 x
y }, `, x w x , `~. Hallar una base de los subespacios , : y

) :.
6. Sea :: la aplicacin lineal cuya matriz asociada respecto a la base cannica

es:
0 1 1
1 0 1#
1 1 0
a) Hallar la imagen del vector ,1, 3, 0.
55
c) Sea }, `, x w x 0~. Probar que es un subespacio y hallar una base

b) Hallar la base, dimensin y ecuaciones implcitas del ncleo y la imagen.
d) Sea mn }2, 0, ,1, 0, 3, 0, 1, 4, 2~ una base. Hallar la matriz asociada a :
del dicho subespacio.
respecto a dicha base.
7. Sea :: [ la aplicacin lineal definida por :1, 1, 1 1, 2, 0, 0; :0, 1, 3

1, 1, 0, 1 y :0, 0, ,1 0, 0, 1, 0. Calcular:
b) Sea m*n }1, 1, 1, 0, 1, 3, 0, 0, ,1~ una base de . Hallar las coordenadas
a) La expresin matricial de la aplicacin respecto a las bases cannicas.
del vector ^ 3, 5, ,2 respecto a m*n. Hallar una matriz tal que + ^mn
^mn , donde ^mn son las coordenadas del vector respecto la base m*n y ^mn
respecto a la base cannica.
56
CAPTULO 4
VECTORES EN . MDULO Y VECTOR UNITARIO

ADICIN Y PRODUCTO ESCALAR DE VECTORES EN
1.
2.
5. ORTOGONALIDAD
7. BASE ORTONORMAL
Ejercicios
57
CAPTULO 4
1. VECTORES EN . MDULO Y VECTOR UNITARIO
cannica de se designa con los vectores unitarios ^ 1, 0, 0, ^ 0, 1, 0 y

En diversas ramas de ciencias que emplean el clculo vectorial, la base
>]^ 0, 0, 1. As, un vector ^ cualquiera se expresa en funcin de sus componentes
cartesianas de la siguiente manera:
^ 1 ^ ) ^ ) >]^ 1 , ,
El mdulo o norma de ^ es la medida del vector. Se escribe ^ o :
^ ) 1 ) )
misma direccin y sentido que ^ , basta dividir por :

Para calcular un vector unitario (es decir, un vector que mida 1) que tenga la
^ 1
]^^
\ 1 , ,

)1 ) )
2. ADICIN Y PRODUCTO ESCALAR DE VECTORES EN
Adicin
]^ 1 1 ^ ) ^ ) >]^
]^
Producto escalar
]^ como el escalar que resulta de multiplicar

Se define el producto escalar ]^
los mdulos y por el coseno del ngulo que forman ambos vectores:
]^ cos
]^
Este producto es tambin el del mdulo de ]^ por la componente cos de ]^

]
^ ]
^ ]
^
segn la direccin de , o el del mdulo de por la componente cos de segn la
]^.
direccin de
De la definicin se deduce que:
^ ) ^ ^ ^ >]^ >]^ 1
^ ^ ^ ^ ^ >]^ >]^ ^ > ^ 0
luego
]^ 1 ^ ) ^ ) >]^ 1 ^ ) ^ ) >]^
]^
58
]^ cos 1 1 ) )
]^
adems
]^ ]^ 1 ) )
y
1 1 ) )
cos
1 ) ) 1 ) )
Ejercicios
E.1. Dados dos vectores ]^ , ` , x calcular

]^ , ` , x y ]^
]^ si: a)
Coinciden en direccin y sentido. b) Forman un ngulo de 60. c) Son
perpendiculares entre s. d) Forman un ngulo de 120. e) Son de la misma
direccin y sentido contrario.
E.2. Cul es la proyeccin del vector 1,2,3 sobre el 3,4,5
Sea , ), ,z un espacio vectorial sobre el cuerpo . El smbolo ]]^,

]^ define
el producto interior (o producto escalar) de los vectores h^ e ]^ de si h^, ]^ es una
aplicacin tal que:
a) h^,
]^
]^, h^
b) h^ ) ,
]]]^ ^ h,
]]]^ ^ )
]^, ^
c) 5h^,
]^ 5h^,
]^
d) h^, h^ 0
e) h^, h^ 0 h^ 0
Propiedades
Todo producto interior asigna a cada par de vectores un nico escalar real.
Un espacio vectorial es euclidiano si est dotado con producto interior.
Un producto interior permite establecer los conceptos de distancia entre pares de
vectores, mdulo de un vector, ortogonalidad y ngulo entre dos vectores.
El mdulo o norma de un vector h^ es la raz cuadrada no negativa del producto

El producto interior de cualquier vector por el vector nulo es cero.

interior de dicho vector por s mismo.
h )h^, h^
59
La distancia 8h^,
]êntre dos vectores h^ e
]ês el mdulo de su diferencia
8h^,
]^ h^ ,
]^
]^

]^

es un vector unitario (de mdulo 1).
Se cumple la desigualdad de Schwarz:
]^ h^
h^, ]^
Se cumple la desigualdad triangular:
h^ )
]^ h^ )
]^
`
Ejemplo
`
Sean h e dos vectores de , ), ,z. La funcin
`
h, h $ es un producto interior pues satisface las propiedades a), b), c), d) y e).
Obsrvese que h, h $ en es el producto escalar usual, pues:
`
`
h, h $ e ` ) ` ) e ) `
`
Ejercicio
1 ,2
E.3. Sea , ), ,z y la matriz % (. Se define , $ + + .
,2 5

Demostrar que es un producto interior.
Se define:
h^,
]^ h cos
tal que es el ngulo que forman los vectores h^ e

]^.
5. ORTOGONALIDAD
Dos vectores h^ e
]^ son ortogonales o perpendiculares si su producto interior
es nulo.
]^ 0 U 90
h^,
60
Ejercicio
E.4. Determinar w para que h^ ,3, ,4,1 e

]^ ,, , 1 sean
ortogonales con el producto interior usual.
El conjunto de vectores h^ , h^ , , h^ es ortogonal si dos vectores

cualesquiera y distintos son ortogonales:
h^ , h^ , , h^ es ortogonal

d
]]^
,
]]^d 2
Propiedad
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es LI.
7. BASE ORTONORMAL
mn es una base ortonormal si est formada por un conjunto ortogonal de

vectores unitarios. Por tanto, una base ortonormal es tal que:
h^ , h^
w mn;
]]^
,
]]^d 2; U ]^
H
]^
,
En , con el producto interior usual, la base cannica es ortonormal.
Ejercicio
E.5. Comprobar que la base de formada por los vectores 3, ,1

1, 3
y

es ortonormal con el producto interior usual.
Sea mn ]^ , ,
]^ , ]^ una base cualquiera. Para ortonormalizarla se realizan
las siguientes combinaciones lineales:
]]]^
]^
]]]^ 5
]]]^ )
]^
] ]]]^ ) 5
]]^ 5 ]]]^ ) ]^

]]]^ 5
]]]^ ) 5 ]]]^ ) e )
]^
El proceso de ortonormalizacin se ejecuta en dos pasos: primero se

ortogonaliza la base y despus se normaliza:
Primer paso:
Se calculan los coeficientes 5

de manera que se cumpla la condicin de
ortogonalidad:
61
]]]^ ,
]]]^ 0; C, C
]]]^ ,
a) ]]]^ 0
es decir:
5 ]]]^ ) ]^ ,
]]]^ 0
]
]]^ ]
]]^
5 , ) ]^ ,
]]]^ 0
]^ ,
, ]]]^
5
| |
]]]^ ,
b) ]]]^ 0
]]]^ ,
]]]^ 0
es decir:
]]]^ ) 5
5 ]]]^ )
]^ ,
]]]^ 0
]]]^ ) 5
5 ]]]^ )
]^ ,
]]]^ 0
De estas dos condiciones se obtienen 5 y 5 .
c) Y as sucesivamente, hasta calcular todos los 5

.
Segundo paso:
]]]^ ,
Determinada la base ortogonal mn ]]]^ ,
]]]^ , se normaliza:
]]]^
]]]^ ]]]^

mn , ,,

Ejemplo
Ortonormalizar la base de formada por h^ 1,1 y h^ ,1,2.
Consideremos definido el producto interior usual. Hacemos:
]]]^ h^

]
]]^ 5 ]]]^ ) h^
]]]^ ,
]]]^ 0
calculamos:
]]]^ ) h^ ,
5 ]]]^ 51,1 ) ,1,2, 1,1
5 , 1, 5 ) 2, 1,1 5 , 1 ) 5 ) 2 0
donde se deduce que:
5 , 1 2
62
por lo tanto:
]]]^ 1,1

]]]^ , 12 1,1 ) ,1,2 32 ,1, 1

]]]^ y
Los mdulos de ]]]^ son:
1 ) 1 2
32 ,1 ) 1 32 2
]]]^ 1,1
1
entonces:
1, 1
2 2
]]]^ 32 ,1, 1
1
,1, 1
32 2 2
La base ortonormalizada es:
1 1
1, 1, ,1, 1
2 2

Ejercicio
E.6. Demostrar que , G 8, donde y son polinomios en ,

es un producto interior. Sea la base m*n }1, , ~ . Ortonormalizarla.

El escalar es un valor propio (valor caracterstico o autovalor) de la matriz

cuadrada w | 1 si existe un vector no nulo ]]^ w | 1 , llamado vector propio
(vector caracterstico o autovector) de la matriz , asociado al valor propio p , tal
que h^ ph^.
De h^ ph^ se deduce que ph^ , h^ 0 ]^, entonces p0h^ , h^ 0]^; por tanto,
para calcular el vector propio asociado a cada p basta resolver el sistema lineal:
]^
p0 , h^ 0
1 0 0
Veamos los valores y vectores propios de la matriz diagonal A 0 2 0#.
0 0 3
1 0 0
h^ ph^ 0 2
0# # p #
0 0 3
1 p
2 p
(1)
3 p
(2)
(3)
63
De (1) se deduce p 1; y, para satisfacer simultneamente (2) y (3) con p 1,

entonces 0. Anlogamente, de (2) se deduce p 2; y, para satisfacer
simultneamente (1) y (3) con p 2, entonces 0. Por ltimo, de (3) se
deduce p 3; y, para satisfacer simultneamente (1) y (2), entonces 0. Por
tanto:
Valor Vector propio
1,0,0
Propio asociado
0,1,0
1
0,0,1
2
3
Propiedades
Los valores propios en una matriz diagonal son los elementos de la diagonal, y los
vectores propios son los cannicos si los valores propios son distintos.
Si p es un valor propio de la matriz entonces el determinante de p0 , es nulo:

Los vectores propios asociados a valores propios distintos son LI.

detp0 , 0

El polinomio caracterstico p de una matriz w | es el determinante

de la matriz p0 , .
p , , e ,
p , e ,
p detp0 , Q , Q

, , e p ,
Propiedad
detp0 , 0 implica que es un valor propio si es raz o cero del polinomio

caracterstico de D.

Ejemplo n 1
,1 2 2
Sea 2 2 2 #. Determinar el polinomio caracterstico p.
,3 ,6 ,6
p ) 1 ,2 ,2
p detp0 , P ,2 p , 2 ,2 P
3 6 p)6
p p ) 5p ) 6p
La determinacin de los valores propios de una matriz, es decir, el clculo de

las races de su polinomio caracterstico, puede ser complicada. En el ejemplo anterior,
64
las races de p p ) 5p ) 6p (p 0, p ,3 y p ,2) se encuentran

fcilmente. Pero, en una matriz de , el polinomio p ser, en general, de grado
; si Z 3 el mtodo de Ruffini permite calcular las races enteras, pero suele ser
Obsrvese, tambin, que si es la matriz de orden de una aplicacin lineal

difcil determinar aqullas que no pertenezcan al conjunto de los nmeros enteros.
entre dos espacios vectoriales y definidos sobre un cuerpo | y | es el conjunto

de los nmeros complejos , entonces tiene valores propios, no as si | es el
conjunto de los nmeros reales . En efecto, p 0 tendr, en general, ceros
entre races reales y parejas de races complejas conjugadas. Es decir:
p p , 5 p , 5 e p , 5
Ejemplo n 2
Determinar los valores propios de p p , 3p ) 4p , 2.
Hacemos p , 3p ) 4p , 2 0 y aplicamos la regla de Ruffini a los divisores

enteros del trmino independiente. Ensayamos con p 1:
1 ,3 4 ,2
1 1 ,2 2
1 ,2 2 0
o sea:
p p , 1p , 2p ) 2
Las races de p , 2p ) 2 0 son p 1 ) y p 1 , . Es decir:
p p , 1mp , 1 ) nmp , 1 , n
Por tanto, los valores propios son p 1 , p 1 ) , p 1 , si el cuerpo

es , pero el nico valor propio sera p 1 si el cuerpo es .
Ejemplo n 3
Determinar los valores propios de p p ) 4p ) 5p ) 1
En este caso, al aplicar la regla de Ruffini a p ) 4p ) 5p ) 1 0, los

divisores enteros del trmino independiente 1 y ,1 no son races de p.
La dificultad aumenta conforme lo hace el grado de p.
Ejemplo n 4
2 2
Determinar los valores y vectores propios de % (
,2 2
Valores propios:
p,2 ,2
p detp0 , O O0
)2 p,2
p , 2 ) 4 0
65
es decir:
p 2 ) 2; p 2 , 2
Vectores propios:
Para p 2 ) 2:
Empleamos la expresin:
]^
p0 , h^ 0
es decir:
1 0 2 2 0
2 ) 2 % (,% ( % ( % (
0 1 ,2 2 0
o sea:
2 , 2 0
2 ) 2 0
por tanto y un vector propio es, por ejemplo:
1
h^ % (

Para p 2 , 2:
De forma anloga resulta y otro vector propio es, por ejemplo:

h^ % (
1
Consideremos el endomorfismo : , entonces el esquema del punto 18

del captulo anterior se convierte es el de la
empleando cuatros bases mn, mn, mn y mn

figura donde, como se comprueba, se estn
del mismo espacio vectorial .

En estas condiciones se dice que D y E
la expresin * G se reduce a:
son matrices semejantes, y se demuestra que
* G
66
Dos matrices semejantes D y E tienen el mismo polinomio caracterstico y,

en consecuencia, los mismos valores propios. Si D y E son matrices semejantes de
una aplicacin lineal su polinomio caracterstico es el de .
1 0 1 3
y no sean semejantes. Por ejemplo, las matrices % (y*% ( tienen los
Pero, puede ocurrir que dos matrices tengan el mismo polinomio caracterstico
0 1 0 1
mismos valores propios, pero no son semejantes.
Propiedad
Si los valores propios del polinomio caracterstico de D w son

distintos, entonces existe una matriz de paso w tal que GH D es una
matriz diagonal (se dice que D es diagonalizable). La diagonal de est formada por
los valores propios y las columnas de son los vectores propios que, adems, son LI.
Ejemplo
3 ,2
Determinar los valores y vectores propios de % ( y calcular la
,1 2
matriz de paso que satisface que G sea diagonal.
1
Las soluciones son: p 1 , y un vector propio es, por ejemplo, h^ % (.
El clculo es los valores propios es anlogo al del ejemplo n 4 del punto 10.
1
,2
Para p 4 ,2, y un vector propio es, por ejemplo, h^ % (.
1
1 ,2 ^ ^
Como det % ( 0, los vectores propios h y h son LI.
1 1
La matriz diagonalizada se convierte en
1 0
% (
0 4
Las columnas de la matriz de paso son los vectores propios h^ y h^,

con los valores propios en la diagonal principal
colocados en el mismo orden que los valores propios en :
1 ,2
% (
1 1
Se puede comprobar que G :
1 ,2 G 3 ,2 1 ,2 1 0
% ( % (% (% (
1 1 ,1 2 1 1 0 4
67
Propiedad
Si el polinomio caracterstico de D w tiene races mltiples, D es
subespacio solucin que le corresponde. Dicho de otra forma, para que sea
diagonalizable si el orden de multiplicidad de cada raz coincide con la dimensin del
diagonalizable la suma de las dimensiones de los subespacios solucin de las races del
polinomio caracterstico ha de ser igual a la dimensin del espacio vectorial.
Ejemplos
1 1 0
1. Comprobar que la matriz 0 1 1# no es diagonalizable.
0 0 1
En efecto, su polinomio caracterstico p p , 1 tiene una raz

p p p 1 cuyo orden de multiplicidad es 3. Los vectores propios
]^, es decir:
asociados deben cumplir p0 , h^ 0
0 ,1 0 0

0 0 ,1# # 0#
0 0 0 0
o sea:
0 , ) 0 0
0 ) 0 , 0
de donde se deduce que 0. Por tanto, cualquier vector propio es

, 0,0; por ejemplo, el vector 1,0,0 y otro ser LD del 1,0,0.
de , y es 2. Por lo tanto, la dimensin del subespacio solucin es dim

Obsrvese que el rango de la matriz de coeficientes del sistema de ecuaciones
n incgnitas rango 3 , 2 1. Como el orden de multiplicidad de p es

3 1 entonces no es diagonalizable.
,3 0 ,4
2. Comprobar que la matriz 4 1 4 # es diagonalizable aunque sus
2 0 3
valores propios no son todos distintos.
En efecto, su polinomio caracterstico p p , 1p , 1 0 tiene una

raz doble p p 1 y otra simple p ,1.
Los vectores propios asociados a p p 1 deben cumplir p0 , h^ 0]^,
es decir:
4 0 4 0
,4 0
,4# # 0#
,2 0 ,2 0
que se reduce a

4 0 4 # 0

68
pues las filas ,4, 0, ,4 y ,2,0, ,2 son CL de 4, 0, 4. Operando:
4 ) 0 ) 4 0
es decir:
,
Por tanto, cualquier vector propio es de la forma , , , :
, , , 1,0, ,1 ) 0,1,0
Los vectores ]^ 1,0, ,1 y ]^ 0,1,0 son LI y constituyen una base del
subespacio solucin de p p 1. La dimensin de esta base es 2 y coincide
con el grado de multiplicidad de p p 1. Otra forma de extraer esta
conclusin es comprobar que el sistema de ecuaciones tiene tres incgnitas ,
y , pero el rango de la matriz de coeficientes es 1; entonces la dimensin del
subespacio solucin es dim n incgnitas rango 3 , 1 2.
Luego ]^ 1,0, ,1 y ]^ 0,1,0 son dos vectores propios asociados a
p p 1
El vector propio asociado a p ,1 debe cumplir p0 , h^ 0 ]^:
2 0 4 0
,4 ,2 ,4# 0#
,2 0 ,4 3 0
es decir:
,2
2
Por tanto, cualquier vector propio es de la forma ,2 , 2 , . O sea, un vector
propio asociado a p es, por ejemplo ]^ ,2,2,1.
La forma diagonal de es:
1 0 0
0 1 0#
0 0 ,1
con los valores propios p p 1 y p ,1 situados la diagonal principal. La

matriz est formada por los vectores propios ]^ ,
]^ y
]^ dispuestos en columna
en el mismo orden que los valores propios en :
1 0 ,2
0 1 2#
,1 0 1
Se puede comprobar la relacin G :
1 0 ,2 G ,3 0 ,4 1 0 ,2 1 0 0
0 1 2# 4 1 4 # 0 1 2 # 0 1 0#
,1 0 1 2 0 3 ,1 0 1 0 0 ,1
69
La elipse, la hiprbola y la parbola son curvas planas, llamadas cnicas, que

responden a la ecuacin general
:, ` ` ) *` ) 4 ) ` ) l ) 0
Reducir una cnica es el proceso de expresar su ecuacin en un sistema de

referencia cartesiano ortogonal situado en sus ejes de simetra. A continuacin se
* , 44. Este valor permite discriminar el tipo de cnica, as:

resume el camino a seguir: Con los coeficientes de la ecuacin general se calcula
Si * , 44 X 0 es una elipse

Si * , 44 Z 0 es una hiprbola
Si * , 4 4 0 es una parbola
Reduccin de la elipse y de la hiprbola
Primero se determinan las coordenadas de su centro 4 ho , o
de :, `:
resolviendo el sistema de ecuaciones que resulta de anular las derivadas parciales
0; 0
: :
`
A continuacin se trasladan los ejes de coordenadas al centro 4. En estas

condiciones, la ecuacin referida a los nuevos ejes h, se transforma en:
) *h ) 4h ) 0
con
o ) *ho o ) 4ho ) o ) lho )
en la que no aparecen ya trminos lineales en h e . Por ltimo, se giran los ejes

h, un ngulo 5 tal que:
tan 25 , * , 4
Tras el giro desaparece el trmino en h y la cnica se reduce a:
) ) H 2
con
f 12 % ) 4 ) * ) , 4 ( ; 12 % ) 4 , * ) , 4 (
Ejemplo
Reducir la cnica ` , 4` ) 5 , 6` ) 7 ) 15 0
70
Como * , 44 ,4 , 4 + 1 + 5 X 0 es una elipse. El centro se

calcula anulando las derivadas parciales:
: 0: ,4` ) 10 ) 7 0

:` 0: 2` , 4 , 6 0
Las soluciones del sistema de ecuaciones son: ho 52, o 8.

Trasladando el origen al centro 4ho , o , la ecuacin se transforma en:
, 4h ) 5h , 14 0
pues
o , 4ho o ) 5ho , 6o ) 7ho ) 15 , 14
Si se giran los ejes un ngulo 5 tal que:
tan 25 , * , 4 41 , 5 ,1

25 135; 5 6730
como
f 12 1 ) 5 ) 16 ) 1 , 5 3 ) 22
12 1 ) 5 , 16 ) 1 , 5 3 , 22
entonces
1
3 ) 22 ) 3 , 22h , 0
4
que se puede expresarse de la forma
h h
) 1
6
con
12 3 ) 22; 6 12 3 , 22
Reduccin de la parbola
La ecuacin reducida de la parbola es:
) 2
con
f )4
9 5 ) l cos 5
71
siendo
sen 5 )4/ ) 4

cos 5 4/ ) 4
tal que
Para * Z 0, con Z 0 y 4 Z 0 entonces cos 5 X 0.

Para * X 0, con Z 0 y 4 Z 0 entonces cos 5 X 0
Adems, con
V cos 5 , l sen 5
el nuevo origen ho , o es:
ho V , 4f/4f
o , V2f
Una forma cuadrtica responde a la expresin:
: , , ) ) ) ) )
en la que slo se han empleado tres coordenadas, pero que, en general, podra ser -
dimensional.
Acabamos de ver que cuando en la elipse ` , 4` ) 5 , 6` ) 7 ) 15 0

se trasladan los ejes de coordenadas hasta su centro en el punto ho , o

52 , 8 se reduce a , 4h ) 5h , 14 0, es decir:
, 4h ) 5h 14
por tanto, es una forma cuadrtica.
1 ,2

, $ es un producto interior, siendo % (. Pues bien, sea
Por otro lado, en el ejercicio propuesto en el punto 3 se pretende demostrar que
,2 5

% (. Calculemos , $ :
h
, h % 1 ,2( % (
,2 5 h
resulta que
, , 4h ) 5h
D est asociada a la forma cuadrtica , 4h ) 5h .

es la forma cuadrtica de la elipse anterior. O sea, podemos afirmar que la matriz
72
1 ,2
Calculemos los valores y unos vectores propios de % (.
,2 5

Los valores propios anulan el determinante de p0 , :
p,1 2
detp0 , O O0
2 p,5
p 3 , 22; p 3 ) 22
Los vectores propios son las soluciones del sistema p0 , h^ 0]^ para cada

valor propio con h^ % ( (obsrvese que la coordenada es la superior):
h
Para p 3 , 22
Unos vectores propios son:

1 0 1 ,2 0
3 , 22 % (,% ( % ( % (
0 1 ,2 5 h 0
es decir:
h ) 1 , 2 0
por tanto, un vector propio es, por ejemplo, con h ,1:
h^ ;,2 , 1@
,1
Para p 3 ) 22
1 0 1 ,2 0
3 ) 22 % (,% ( % ( % (
0 1 ,2 5 h 0
o sea:
h ) 1 ) 2 0
por tanto, un vector propio es, por ejemplo, con h ,1:
h^ ;2 , 1@
,1
Obsrvese que los vectores propios ]]^H y ]

]^ son perpendiculares. En efecto,
su producto escalar es nulo h^ h^ ,2 , 1, ,1 + 2 , 1, ,1 0. Esta
propiedad se produce cuando la matriz D es simtrica.
Ahora podemos calcular la matriz diagonal o tal que o oG o .
es diagonalizable porque tiene dos valores propios distintos. La matriz de

paso o se construye con los vectores propios h^ y h^ dispuestos en columna:
73
o ;,2 , 1 2 , 1@
,1 ,1
y la matriz o se forma colocando los valores propios en su diagonal principal:
3 , 22 0
o ; @
0 3 ) 22
Se puede comprobar que oG o o :
2 , 1@ + % 1 ,2( + ;,2 , 1
G
;,2 , 1 2 , 1@
,1 ,1 ,2 5 ,1 ,1
3 , 22 0
; @
0 3 ) 22
Obsrvese que:
a) Los valores propios coinciden con los coeficientes f y , que, a su vez,

estn relacionados con los semiejes y 6 de la elipse:
f p 3 ) 22
p 3 , 22

b) El vector propio h^ ;,2 , 1@ % (, asociado con el valor propio
,1 h
p 3 , 22, forma un ngulo 5 con el eje de abcisas cuyo valor es:
,2 , 1
tag 5
h ,1
5 67 30
Por tanto, el vector propio h^ se encuentra sobre la direccin del nuevo

eje h, situado en el centro de la elipse.

c) El vector propio h^ ;2 , 1@ % (, asociado con el valor propio
,1 h
p 3 ) 22, forma un ngulo 5 con el eje de abcisas cuyo valor es:
2 , 1
tag 5
h ,1
5 ,22 30
Por tanto, el vector propio h^ se encuentra sobre la direccin del nuevo
eje , situado en el centro de la elipse.
d) Al diagonalizar la matriz D asociada a la forma cuadrtica desaparecen

los trminos en y slo se conservan los trminos en y h .
Es decir, los resultados coinciden con los obtenidos siguiendo el mtodo de

reduccin de cnicas del punto 15.
74
Pero, aunque h^ y h^ son LI, perpendiculares y constituyen una base de , no son
unitarios. Encontremos una base ortonormal asociada a p y p .

Si la ecuacin del vector propio asociado a p es h ) 1 , 2 0, basta

imponer la condicin de que su mdulo sea la unidad, es decir: h ) 1. De
estas dos ecuaciones se deduce que 12 2 ) 2 y h 1 , 2. De
manera que un vector propio unitario es, por ejemplo:
1 1
h^ 2 ) 2 ; @
2 2 , 1
Anlogamente, si la ecuacin del vector propio asociado a p es h )

1 ) 2 0, con h ) 1 se deduce que 12 2 , 2 y
h ,1 ) 2. As pues otro vector propio unitario es, por ejemplo:
1 1
h^ 2 , 2 ; @
2 ,2 , 1
Ahora podemos calcular otra matriz diagonal tal que G . La matriz paso
se construye con los nuevos vectores propios h^ y h^ :

1 2 ) 2 2 , 2
s v
2
q2 , 1 2 ) 2 ,2 , 12 , 2t

Comprubese que G es una matriz diagonal ; pero, como cabe esperar, se

cumple que:
o
Adems, se produce una curiosidad:
G $
Matriz ortogonal
Una matriz cuadrada es ortogonal si GH F .
Propiedades
Si es ortogonal + $ . Y si es ortogonal diagonal, entonces los elementos

de la diagonal son 1 ,1.

Si y son ortogonales es ortogonal.

Siempre es posible encontrar una matriz de paso ortogonal, asociada a la

matriz D de una forma cuadrtica, tal que G $ sea diagonal.

75
Acabamos de comprobar que tanto la matriz como la o reducen la elipse

` , 4` ) 5 , 6` ) 7 ) 15 0 diagonalizando la matriz , pero mientras que

es ortogonal se puede comprobar que o no lo es.
Siguiendo con el ejemplo de la elipse ` , 4` ) 5 , 6` ) 7 ) 15 0 ya

reducida a su forma cuadrtica :h, , 4h ) 5h , podemos construir la
matriz asociada a dicha forma cuadrtica teniendo en cuenta lo siguiente:
a) El orden de la matriz se corresponde con el nmero de variables de la

forma cuadrtica. En este caso dos, h e , por tanto es de orden 2.
b) La matriz D es simtrica, con los coeficientes de los trminos al cuadrado

situados en la diagonal principal:
%1 (
5
coeficiente del trmino en Y. En este caso: ,42 ,2

c) El coeficiente simtrico respecto de la diagonal principal es la mitad del
1 ,2
% (
,2 5
Se procede de manera similar para construir la matriz simtrica D asociada a

la forma cuadrtica H , , bH H ) b ) b ) bH H ) bH H )
b :
a) El orden de es el nmero de variables de la forma cuadrtica. En este

caso: tres variables: , y
b) es simtrica. Los coeficientes , y de los trminos al cuadrado se

sitan en la diagonal principal
c) Simtricamente respecto de la diagonal principal se colocan 5 12 ,

12 y 12 , como se indica a continuacin:
5
5 #

En estas condiciones podemos afirmar que, si el vector h^ , , se

expresa en forma de matriz columna h, la forma cuadrtica : , , responde a la
expresin:
5
: , , h + + h
$ 5
# #

1 1 1
5 ; ;
2 2 2
76
Y anlogamente se procede para construir la matriz simtrica D asociada a

una forma cuadrtica -dimensional :h^ en la que h^ w | y | 1 :
:h^ h $ + + h
De lo expuesto se puede demostrar que se cumplen las siguientes propiedades

en las matrices simtricas y reales:
Los valores propios de toda matriz simtrica y real son reales.

Toda matriz simtrica y real admite un vector propio.
Los vectores propios de toda matriz simtrica y real, asociados a valores propios
Toda matriz simtrica y real es diagonalizable. La matriz diagonal se forma

distintos, son perpendiculares entre s.
situando los valores propios en la diagonal principal, de manera que G ,

siendo la matriz de paso constituida con los vectores propios dispuestos en
Si los vectores propios de una matriz simtrica y real son unitarios, entonces la
columna.
matriz de paso es ortogonal: G $ .

Ejercicio
E.7. Demostrar: a) el producto de toda matriz por su traspuesta es una matriz

simtrica. b) la suma de toda matriz cuadrada y su traspuesta es una matriz
simtrica.
Acabamos de ver que toda forma cuadrtica :h^ h $ h est caracterizada

por una matriz simtrica respecto a una base mn. Si se considera otra base mn, el
vector h^ se representa mediante h^ tal que h^ h^ donde es la matriz de paso.
Sustituyendo:
:h^ h $ h h { $ h h {$ $ h { h {$ $ h {
* $
llamando
se dice que D y E son congruentes y
:h^ h {$ *h
Si la matriz de paso de la base mn a la base mn se construye con vectores

propios de , entonces * es diagonal. Y si se construye con vectores propios de
unitarios, entonces es ortogonal: G $ . Este proceso se conoce como
diagonalizacin ortogonal y se dice que es un operador ortogonal.
77
coordenadas (una base) respecto al cual su matriz asociada sea diagonal, de manera
En otras palabras: En toda forma cuadrtica se puede encontrar un sistema de
que los valores propios de ocupen la diagonal principal y los vectores propios formen
la base.
Propiedades
El operador :: es ortogonal si preserva el producto interior. Es decir:
: WiW<W? h^,
]^ :h^, :
]^
Si : es ortogonal se conservan las longitudes de los vectores. Como consecuencia:

: transforma los vectores unitarios en vectores unitarios.

Los operadores ortogonales mantienen la ortogonalidad
: 9 WiW<W? ^ # `^ :^ # :`^
Si : es ortogonal, es invertible:
Pero, el recproco no siempre es cierto.

: G : $ G $
Ejercicios
E.8. Sea el operador :: : :, ` cos $ , ` sen $, sen $ ) ` cos $

que representa una rotacin plana de ngulo $ y centro en el origen (0,0).

Demostrar que es ortogonal con el producto interior usual.
2 2
E.9. Determinar una matriz ortogonal que diagonalice a ; @.
2 1

cuadrtica : 3 ) 10 ) 3 .

E.10. Efectuar una transformacin de coordenadas que diagonalice la forma
El cubo macizo de la figura, de masa y asista ,
%]^. Hallar la expresin del momento cintico ]^ respecto a

gira en torno a un eje M-M diagonal con velocidad angular
los ejes h, , . Hallar el tensor de inercia, la matriz

diagonalizada y las direcciones principales de inercia.
Clculo de los momentos de inercia

011 &` ) x 8 ; 8 '88`8x; '
_

011 ' & & & ` ) x 88`8x 23
o o o
Por simetra:
78
011 0 0 23
Clculo de los productos de inercia

01 & `8 ' & & & `88`8x 14
o o o
Por simetra:
01 01 0 14
El tensor o matriz de inercia respecto a los ejes XYZ es:
011 ,01 ,01 2 3 , 1 4 , 1 4

0( A,01 0 ,0 B , 14 23 , 14#

,01 ,0 0 , 1 4 , 1 4 2 3
8 ,3 ,3
112 ,3 8 ,3#
,3 ,3 8
El vector velocidad angular respecto a los ejes XYZ es:
]^( 13 %^ ) ^ ) >]^

%
El momento cintico respecto a los ejes XYZ es:
011 ,01 ,01 %1

%
]^( 0( % ,0
]^( A 1 0 ,0 B % # ^ ) ^ ) >]^
,01 ,0 0 % 63
Para diagonalizar la matriz de inercia
1 8 ,3 ,3
0( ,3 8 ,3# 112
12
,3 ,3 8
trabajamos con la matriz :
8 ,3 ,3
,3 8 ,3#
,3 ,3 8
Valores propios:
p,8 3 3
P 3 p,8 3 P 0; p , 8 , 27p , 8 ) 54 0
3 3 p,8
p 2; p p 11
Vectores propios:
- Para p 2:
79
,6 3 3 0
3 ,6 3 # # 0#
3 3 ,6 0
]^ 51,1,1

- Para p p 11:
3 3 3 0
-
3 3 3# # 0# ) ) 0 , )
3 3 3 0
]^ , , , , ,1,1,0 ) ,1,0,1

]^ ,1,1,0
]^ ,1,0,1

La matriz 0 diagonalizada es:
2 2

/ H H )b 2

HH 2 #
2 2 HH
La matriz de paso es:
H ,H ,H
H H 2#
H 2 H
con
/ GH /*
Comprubese que GH F .
Anlisis de los resultados
]^ 1,1,1 tiene la misma direccin que la diagonal M-M. Y se

El vector propio
cumple que
]^
]^ 1,1 ) 1 1 ) 1 0 0
]^ #
]^
]^
]^ 1,1 ) 1 0 ) 1 1 0
]^ #
]^
pero
]^
]^ ,1,1 ) 1 0 ) 0 1 1 0
]^ no es perpendicular a
es decir, ]^ , pues ]^ y
]^ se han generado con el mismo valor
vectores ortogonales. Busquemos una nueva base ortogonal: Como ]^ ya es

propio. Por tanto, aunque hemos encontrado una base, sta no est formada por
]^ ]^ ]
perpendicular a , calculemos un vector \, _, a perpendicular a y ^ ]^ tal que
\ ) _ ) a 0 para satisfacer la condicin ) ) 0 impuesta por p p
11.
80
]^ 1,1,1;
]^ ,1,1,0;
]^ \, _, a
]^ #
]^ : ]^
]^ \ ) _ ) a 0 1
]^ #
]^ :
]^
]^ ,\ ) _ 0 2
La condicin \ ) _ ) a 0 ya se cumple en (1) otra vez; \ _ se deduce de

]^ es, por ejemplo:
(2) y, con (1), 2_ ) a 0. Sea _ 1: un vector ]^ 1,1, ,2.
La matriz es ahora:
H ,H H
H H H#
H 2 ,
y se sigue cumpliendo / GH /* , pero continua siendo GH F .
Obsrvese que con estamos haciendo un cambio del sistema de

coordenadas de la base cannica m9n }1, 0, 0, 0, 1, 0, 0, 0, 1~ al sistema de
coordenadas formado por los vectores ortogonales ]^ ,
]^ y
]^ que constituyen la base
mn }1, 1, 1, ,1, 1, 0, 1, 1, ,2~, de manera que:
mn m9n
es decir:
1 1 ,1 0 1 0
]^ 1# 0# ;
]^ 1 # 1# ;
]^ 1 # 0#
1 0 0 0 ,2 1
por tanto:
la ecuacin ]^( 0( % ]^( est referida a los ejes h de la base m9n, es decir,
podemos expresarla de la siguiente manera: ]^mn 0( % ]^mn .

]
^
y podramos calcular 0+ % ]^, pero refirindolo a los ejes sealados por ]^ ,
]^ y
]^ de la base mn, o sea: ]^mn 0+ %
]^mn. Es decir, basta expresar ,]]]^ en coordenadas

de la base mn y multiplicar por / para calcular ]^ en coordenadas de la misma

base mn.
adems, los vectores propios de la base mn son las direcciones principales de
inercia.
La base mn }1, 1, 1, ,1, 1, 0, 1, 1, ,2~ es ortogonal, pero no

ortonormal. Para ortonormalizarla basta dividir cada vector por su mdulo:
mn 13 1, 1, 1, 12 ,1, 1, 0, 16 1, 1, ,2
La matriz asociada a la base mn es:
H , H H
AH H H B
H 2 ,
81
y se sigue cumpliendo / GH /* , pero, ahora s, GH F .
Comprobemos los resultados:
Calculemos el valor de ]^mn correspondiente a una velocidad angular %

]^mn
1,0,0 expresada en la base cannica:

8 ,3 ,3 1
]^mn 0( %
]^mn 112 ,3 8 ,3# 0# 112 8, ,3, ,3
,3 ,3 8 0
Calculemos ahora el valor de ]^mn correspondiente a la misma velocidad angular

]^mn 1,0,0, pero en la base mn. Para ello determinamos las coordenadas de la

%
velocidad angular en la base mn: 1,0,0 51,1,1 ) ,1,1,0 ) 1,1, ,2.
Es decir: 5 13, ,12 y 16, por tanto:
]^mn 13 , ,12 , 16

%
entonces:
2 0 0 1 3 2 11 11
]^mn 0+ %
]^mn 12 0 11 0 # ,12# 112 ; , , , @
3 2 6
0 0 11 1 6
Como comprobacin, calculemos ]^mn (las coordenadas de ]^ en base mn) a partir

de ]^mn (con las coordenadas de ]^ expresadas en la base m9n):

112 8, ,3, ,3 112 m51,1,1 ) ,1,1,0 ) 1,1, ,2n
donde se deduce que 5 23 , ,112 y 116. Es decir, el mismo

resultado que el obtenido con la expresin ]^mn 0+ %
]^mn.
82
Ejercicios
1. Sea una matriz cuadrada de orden 3 que verifica:
0 0 13 13 26 26
A12B A12B ; A,13B 2 A,13B ; A 16 B , A 16 B
12 12 13 13 ,16 ,16
Hallar: a) La matriz . b) Por qu es diagonalizable? Hallar la matriz diagonal

semejante a y la matriz de paso correspondiente. c) Consideremos la forma
cuadrtica de : :, `, x ` ) x , 2` ) 2x. Hallar la matriz asociada.
:, `, x ) 2` ) 3x, , ) `, ) ` ) 2x
Hallar, si existe, una base en respecto a la cual la matriz asociada a : sea diagonal.
2 1 1
:, `, x 1 2 1# `
1 1 2 x
Hallar una base en respecto a la cual la matriz asociada a : sea diagonal.

es:
0 1 1
1 0 1#
1 1 0
Hallar una base ortonormal respecto a la cual la matriz asociada a : sea diagonal.
5. Sea :, `, x ` ) x, ) x, ) `, hallar una base ortonormal respecto a la cual la

matriz de la aplicacin lineal admita una expresin diagonal.

es:
2 1 ,1
1 2 1#
,1 1 2
Hallar: a) los autovalores y autovectores. b) Una base de respecto a la cual

admite una expresin diagonal. c) La forma cuadrtica que tiene a como matriz
asociada.
7. Consideremos la forma cuadrtica de :, `, x ) 2` ) x , x. Hallar: a)

La matriz asociada respecto de la base cannica. b) Una base ortonormal de
respecto de la cual la matriz anterior adopta una forma diagonal.
83
1
8. Sea 2# y sea :: la aplicacin lineal cuya matriz asociada respecto a la
1
base cannica es + $ . Hallar: a) :, `, x. b) Una base de respecto de la cual la
matriz asociada a : sea diagonal. c) La forma cuadrtica asociada a la matriz de :.
9. Consideremos la aplicacin lineal :: dada por:
:1, 1, 1 5, 3, 3; :1, ,1, 1 3, 3, ,1; :1, 1, 0 4, 1, 3
Calcular: a) La matriz asociada respecto de la base cannica. b) Estudiar si es
asociada a : en dicha base sea diagonal.

diagonalizable y, en caso afirmativo, hallar una base respecto de la cual la matriz
:, ` ) 26 ` ) 2` .
10. Obtener una transformacin ortonormal que diagonalice la forma cuadrtica
11. Hallar una transformacin ortogonal para reducir la forma cuadrtica :, `, x
4 ) 4` ) 5x , 4x , 8`x a una suma de cuadrados.
84

Álgebra para Ingenieros

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Álgebra para Ingenieros

Transféré par

Droits d'auteur :

Formats disponibles

LGEBRA LINEAL

MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

10. DETERMINANTES. DEFINICIN

SISTEMAS DE ECUACIONES LINEALES

15. NOTACIN ORDINARIA Y MATRICIAL

ESPACIOS VECTORIALES DE DIMENSIN FINITA

1. ESTRUCTURA DE GRUPO Y CUERPO

11. BASE DE UN ESPACIO VECTORIAL. DIMENSIN

FUNCIONES Y APLICACIONES LINEALES

1. RELACIONES FUNCIONALES O FUNCIONES

DIAGONALIZACIN DE MATRICES Y FORMAS CUADRTICAS

VECTORES EN . MDULO Y VECTOR UNITARIO

MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

10. DETERMINANTES. DEFINICIN

SISTEMAS DE ECUACIONES LINEALES

15. NOTACIN ORDINARIA Y MATRICIAL

MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

Una matriz es un conjunto de nmeros dispuestos en filas y  columnas

donde el elemento situado en la fila , columna  es el 

2. ALGUNOS TIPOS DE MATRICES

Matriz fila. Slo tiene una fila. Ejemplo:  1 2 3 4

Matriz transpuesta. $ . Se obtiene cambiando filas por columnas. Ejemplo:

Algunas propiedades de las matrices transpuestas son:

Matriz antisimtrica o hemisimtrica. Aquella que siendo cuadrada tienen los

Para sumar dos matrices y * deben tener la misma dimensin. La suma se

4. PRODUCTO DE MATRICES POR UN ESCALAR

El producto de la matriz por el escalar 5 se calcula multiplicando todos los

1 ,2 5+1 5 + ,2 5 ,10

5. PRODUCTO DE DOS MATRICES

El producto de dos matrices se realiza multiplicando filas por columnas como

donde tiene dimensin 2  3 mientras que la dimensin de * es 3  2, de manera

Asociativa: *4  *4

derecha. As, en *, premultiplica a *, o * postmultiplica a .

Si es cuadrada, el elemento neutro del producto es 0: D/  /D  D.

Distributiva respecto de la suma: * ) 4  * ) 4

Si *  4, no es cierto, en general, que *  4.

6. MATRIZ INVERSA DE UNA MATRIZ CUADRADA

Si existe G tal que

entonces DGH es la matriz inversa de , y se dice que es invertible o regular. Pero, si

7. RANGO O CARACTERSTICA DE UNA MATRIZ

Toda matriz de dimensin  , leda fila a fila, es tambin un conjunto de

8. CLCULO DEL RANGO POR EL MTODO DE GAUSS

Las transformaciones de filas o columnas que no modifican el rango son:

Permutar dos filas o dos columnas.

Mtodo de Gauss para determinar el rango de una matriz

A continuacin se expone el procedimiento a seguir para determinar el rango,

Se elige como pivote un elemento no nulo.

pertenezca ni a la fila 1 ni a la columna 1, por ejemplo el   1. Empleando la fila

El proceso ha finalizado pues no es posible elegir un nuevo pivote no nulo.

9. CLCULO DE LA MATRIZ INVERSA POR EL MTODO DE GAUSS

Para determinar la inversa de una matriz se procede de la siguiente manera:

Calcular la matriz inversa de  1 2 ,2#.

En el paso 1 se elige como pivote el elemento   1. En el paso 2 se resta

elemento   ,5. En el paso 4 se resta cinco veces la fila 1 de la 3 y se suma

10. DETERMINANTES. DEFINICIN

El determinante de una matriz cuadrada (se escribe || o det ) es el

El determinante de la matriz  1  es:

El determinante de la matriz 1 es:

Se ha desarrollando el determinante a travs de los elementos de la primera

El procedimiento se generaliza para   .

El ejemplo se ha escrito empleando las primeras filas, pero se podra generalizar a

RSTD + E  RSTE + D  RST D + RST E, aunque + *  * +

Si se permutan dos filas o dos columnas el determinante cambia de signo.

Una matriz es un conjunto de nmeros dispuestos en filas y columnas

donde el elemento situado en la fila , columna es el

Matriz fila. Slo tiene una fila. Ejemplo: 1 2 3 4

1 ,2 5+1 5 + ,2 5 ,10

donde tiene dimensin 2 3 mientras que la dimensin de * es 3 2, de manera

Asociativa: 4 4

derecha. As, en , premultiplica a , o * postmultiplica a .

Si es cuadrada, el elemento neutro del producto es 0: D/ /D D.

Distributiva respecto de la suma: * ) 4 * ) 4

Si * 4, no es cierto, en general, que * 4.

Toda matriz de dimensin , leda fila a fila, es tambin un conjunto de

pertenezca ni a la fila 1 ni a la columna 1, por ejemplo el 1. Empleando la fila

Calcular la matriz inversa de 1 2 ,2#.

En el paso 1 se elige como pivote el elemento 1. En el paso 2 se resta

elemento ,5. En el paso 4 se resta cinco veces la fila 1 de la 3 y se suma

El determinante de la matriz 1 es:

El procedimiento se generaliza para .

RSTD + E RSTE + D RST D + RST E, aunque + * * +

Si el determinante de orden es nulo, el rango de su matriz es menor que :

det 1 0 U V<W X

Elegido como pivote el elemento 1, multiplicamos por 5 la fila 1 y

Se elige como pivote el 15. Multiplicamos por 15 la fila 3 y le restamos

Se elige como pivote el ,137. Multiplicamos por 16 la fila 3 y le

Se llama determinante adjunto o menor complementario del elemento

Sea una matriz 1 formada por vectores de dimensin con Z .

De esta expresin se deduce que D es invertible si y slo si RST D 2.

La notacin ordinaria de un sistema de ecuaciones con incgnitas es:

Si los trminos independientes 6 , e , 6 son todos nulos, se dice que el

Resolver por el mtodo de Gauss el sistema de ecuaciones f + h *, con:

En la 4 ecuacin se calcula [ ,2, cuyo valor se sustituye en la 3,

Pasando al segundo miembro:

la matriz de los coeficientes de y es:

Se le da a cualquier valor. Sea 5. Empleando el mtodo de Cramer:

Obsrvese que no sera vlido resolver el sistema del enunciado pasando al

l m* , n$ , G $ ) ) G , *$ )

2. Sean y * dos matrices tales que * 0 (matriz nula). Si es invertible, demostrar

Y generalizar el resultado hasta el exponente natural .

9. Si en el dominio de las matrices cuadradas de orden se satisface que ,0 ,

11. Discutir y resolver segn los valores de , 6 w el sistema: