Álgebra para Ingenieros

Capitn de fragata ingeniero AGUSTN E.
GONZLEZ MORALES
LGEBRA PARA INGENIEROS
LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales
NDICE
CAPTULO 1 MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES 1. 2. 3. 4. 5. 6. 7. 8. 9. MATRIZ. DEFINICIN ALGUNOS TIPOS DE MATRICES SUMA DE MATRICES PRODUCTO DE MATRICES POR UN ESCALAR PRODUCTO DE DOS MATRICES MATRIZ INVERSA DE UNA MATRIZ CUADRADA RANGO O CARACTERSTICA DE UNA MATRIZ CLCULO DEL RANGO POR EL MTODO DE GAUSS CLCULO DE LA MATRIZ INVERSA POR EL MTODO DE GAUSS
DETERMINANTES 10. 11. 12. 13. 14. DETERMINANTES. DEFINICIN CLCULO DE UN DETERMINANTE POR EL MTODO DE GAUSS CLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA CLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES CLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES
SISTEMAS DE ECUACIONES LINEALES 15. 16. 17. 18. NOTACIN ORDINARIA Y MATRICIAL SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS RESOLUCIN POR REDUCCIN O MTODO DE GAUSS RESOLUCIN MEDIANTE DETERMINANTES O MTODO DE CRAMER
Ejercicios CAPTULO 2 ESPACIOS VECTORIALES DE DIMENSIN FINITA ESTRUCTURA DE GRUPO Y CUERPO ESTRUCTURA DE ESPACIO VECTORIAL PROPIEDADES DE LOS ESPACIOS VECTORIALES ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES SUBESPACIOS VECTORIALES SUBESPACIO VECTORIAL: CONDICIN NECESARIA Y SUFICIENTE INTERSECCIN, UNIN Y SUMA DE SUBESPACIOS 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 1. 2. 3. 4. 5. 6. 7. 8.

11. 12. 13. 14. 15. BASE DE UN ESPACIO VECTORIAL. DIMENSIN COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL CAMBIO DE BASE EN UN ESPACIO VECTORIAL EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 14
Ejercicios CAPTULO 3 FUNCIONES Y APLICACIONES LINEALES 1. 2. 3. 4. 5. 6. 7. 8. 9. RELACIONES FUNCIONALES O FUNCIONES CLASIFICACIN DE LAS FUNCIONES COMPOSICIN DE FUNCIONES APLICACIN LINEAL PROPIEDADES Y CLASIFICACIN DE LAS APLICACIONES LINEALES NCLEO E IMAGEN DE UNA APLICACIN LINEAL DIMENSIONES DEL NCLEO Y LA IMAGEN. RANGO DE UNA APLICACIN LINEAL MATRIZ ASOCIADA A UNA APLICACIN LINEAL CAMBIO DE BASES DE REFERENCIA EN DOS ESPACIOS VECTORIALES
Ejercicios CAPTULO 4 DIAGONALIZACIN DE MATRICES Y FORMAS CUADRTICAS 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. VECTORES EN . MDULO Y VECTOR UNITARIO ADICIN Y PRODUCTO ESCALAR DE VECTORES EN ESPACIO VECTORIAL EUCLIDIANO. PRODUCTO INTERIOR NGULO DE DOS VECTORES ORTOGONALIDAD CONJUNTO ORTOGONAL DE VECTORES BASE ORTONORMAL ORTONORMALIZACIN DE UNA BASE VALORES Y VECTORES PROPIOS DE UNA MATRIZ POLINOMIO CARACTERSTICO DE UNA MATRIZ CUADRADA. DETERMINACIN DE LOS VALORES Y VECTORES PROPIOS MATRICES SEMEJANTES EN UNA APLICACIN LINEAL POLINOMIO CARACTERSTICO DE UNA APLICACIN LINEAL RACES DEL POLINOMIO CARACTERSTICO Y DIAGONALIZACIN DE MATRICES ECUACIN GENERAL DE LAS CNICAS. REDUCCIN FORMAS CUADRTICAS MATRIZ SIMTRICA ASOCIADA A UNA FORMA CUADRTICA DIAGONALIZACIN DE MATRICES SIMTRICAS Y REALES DIAGONALIZACIN ORTOGONAL UN PROBLEMA FSICO DE APLICACIN
Ejercicios

CAPTULO 1 MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES 1. 2. 3. 4. 5. 6. 7. 8. 9. MATRIZ. DEFINICIN ALGUNOS TIPOS DE MATRICES SUMA DE MATRICES PRODUCTO DE MATRICES POR UN ESCALAR PRODUCTO DE DOS MATRICES MATRIZ INVERSA DE UNA MATRIZ CUADRADA RANGO O CARACTERSTICA DE UNA MATRIZ CLCULO DEL RANGO POR EL MTODO DE GAUSS CLCULO DE LA MATRIZ INVERSA POR EL MTODO DE GAUSS
DETERMINANTES 10. 11. 12. 13. 14. DETERMINANTES. DEFINICIN CLCULO DE UN DETERMINANTE POR EL MTODO DE GAUSS CLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA CLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES CLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES
SISTEMAS DE ECUACIONES LINEALES 15. 16. 17. 18. NOTACIN ORDINARIA Y MATRICIAL SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS RESOLUCIN POR REDUCCIN O MTODO DE GAUSS RESOLUCIN MEDIANTE DETERMINANTES O MTODO DE CRAMER
Ejercicios

CAPTULO 1 MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES
MATRICES 1. MATRIZ. DEFINICIN Una matriz es un conjunto de nmeros dispuestos en escrito de la siguiente forma: filas y columnas
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 . 2. ALGUNOS TIPOS DE MATRICES Matriz fila. Slo tiene una fila. Ejemplo: 1 2 3 4
Matriz columna. Slo tiene una columna. Ejemplo:
Matriz triangular. Aquella en la que todos los elementos situados por encima o por debajo de la diagonal principal son nulos.
1 5 9
Matriz transpuesta. 1 5
. Se obtiene cambiando filas por columnas. Ejemplo: 2 3 , entonces 6 7 1 5 2 6 . 3 7
Sea la matriz
Algunas propiedades de las matrices transpuestas son:

Matriz simtrica. Aquella que siendo cuadrada tiene los mismos elementos por encima y por debajo de la diagonal principal. Ejemplo: 1 4 5 4 5 2 6 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 5 2 6 6 3 0 0 3
Matriz diagonal. Aquella que siendo cuadrada tiene todos los elementos, no pertenecientes a la diagonal principal, nulos. Ejemplo: 1 0 0 2 0 0
Matriz escalar. Aquella matriz diagonal con todos los elementos de la diagonal principal iguales. Ejemplo: 2 0 0 2 0 0 0 0 2
Matriz unidad, cannica o identidad: . Aquella matriz escalar con todos los elementos de la diagonal principal iguales a 1. Por tanto, la matriz identidad de dimensin 3 3 es: 1 0 0 1 0 0 0 0 1
Matriz nula o cero: . Aquella matriz que tiene todos sus elementos nulos. Ejemplo: 0 3. SUMA DE MATRICES 0 0 0 0 0 0
Para sumar dos matrices y deben tener la misma dimensin. La suma se realiza elemento a elemento. Por ejemplo: 1 3 2 4
5 6 7 8

1 3 5 7 2 6 4 8 6 4 10 12
Propiedades Asociativa: Conmutativa: Elemento neutro: 0
4. PRODUCTO DE MATRICES POR UN ESCALAR
, siendo 0 la matriz nula
El producto de la matriz por el escalar se calcula multiplicando todos los elementos de la matriz por el escalar. Por ejemplo: 1 3 2 4
5. PRODUCTO DE DOS MATRICES
1 3
2 4
5 1 5 3
2 5 4
5 15
10 20
El producto de dos matrices se realiza multiplicando filas por columnas como se muestra en el siguiente ejemplo:
Propiedades
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 para poderlas multiplicar, siendo la dimensin de .
Asociativa: En general, no cumple la propiedad conmutativa: Premultiplicar es multiplicar por la izquierda y postmultiplicar es hacerlo por la derecha. As, en , premultiplica a , o postmultiplica a . Si es cuadrada, el elemento neutro del producto es : 9 .

Distributiva respecto de la suma: Si y tienen matriz inversa (ver punto 6), entonces: Si , no es cierto, en general, que . 2 2 6. MATRIZ INVERSA DE UNA MATRIZ CUADRADA Si existe tal que
entonces es la matriz inversa de , y se dice que no existe, entonces es singular. 7. RANGO O CARACTERSTICA DE UNA MATRIZ
es invertible o regular. Pero, si
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. 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. 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. Ejemplo Determinar el rango de la matriz 1 1 2 0 2 1 1 1 0 2 . 2 1 2 1 2 1
Operando por filas (tambin se podra por columnas e incluso unas veces por 1. filas y otras por columnas), se elige como pivote, por ejemplo, el elemento 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 0 0 0 2 1 2 1 1 0 3 2 1 3 4 1
En esta nueva matriz, se elige como pivote uno que no sea nulo y no 1. Empleando la fila pertenezca ni a la fila 1 ni a la columna 1, por ejemplo el 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 0 0 0 1 0 0 1 1 1 1 5 3 2 2
En esta nueva matriz se elige como pivote uno que no sea nulo y no pertenezca ni a las filas ni a las columnas de los pivotes anteriores, por ejemplo el 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 0 0 0 7 5 1 0 0 1 2 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. 9. CLCULO DE LA MATRIZ INVERSA POR EL MTODO DE GAUSS Para determinar la inversa de una matriz se procede de la siguiente manera: se sita a su lado la matriz identidad y se sigue el mtodo del epgrafe anterior a la matriz rectangular constituida por e . Tras sucesivas transformaciones se obtiene , si existe, segn el esquema siguiente:
11
transformaciones transformaciones de filas y columnas de filas y columnas
Ejemplo Calcular la matriz inversa de 1 1 2 0 2 1
Paso 1
1 1 2
Paso 2
1 0 0 1 0 0
Paso 3
Paso 4
5 0 0
0 2 0
0 2 1
1 2 1 1 1 3
0 2 1
1 2 . 1
Paso 5
En el paso 1 se elige como pivote el elemento 1. En el paso 2 se resta la fila 1 de la 2 y dos veces la 1 de la 3. Se elige como pivote el elemento 2. En el paso 3 se suma la fila 2 con dos veces la 3. Se elige como pivote el 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: A 0 1 5 2 5 1 3 5 1 5 1 1 5 2 5 12 1 5 0 1 5 3 5 1 2 1 2
1 0 0 1 0 0
0 10 0
1 1 5
1 1 2 1 1 5
1 0 0 1 0 0
0 1 0 0 1 1
0 0 1
0 0 1 0 0 2
0 0 1
0 0 5
0 15 25 1 35 15 1 15 25
0 10 5
1 6 1
2 2 2

DETERMINANTES
10. DETERMINANTES. DEFINICIN
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 relacionado con la posicin de los elementos. El determinante de la matriz es: det El determinante de la matriz det 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 signo asociado a cada posicin, tal como se representa a continuacin para un determinante de 4 4: es:
El procedimiento se generaliza para Propiedades
det det det 0 0 det 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 columna. , aunque 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 determinante no vara. Si el determinante de orden es nulo, el rango de su matriz es menor que : det 0
11. CLCULO DE UN DETERMINANTE POR EL MTODO DE GAUSS 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. Ejemplo Calcular el determinante de la matriz 1 5 2 1 3 2 5 0 3 1 . 5 6 3 2 3 2
1, multiplicamos por 5 la fila 1 y Elegido como pivote el elemento restamos la 2 para reemplazar esta ltima; como la fila 2 ha sido multiplicada por 1, debemos tener en cuenta este factor. Tambin multiplicamos la fila 1 por 2 y le restamos la 3 para reemplazarla, y hemos de tener presente de nuevo el factor 1 por el que hemos multiplicado la fila 3. Por ltimo, sumamos las filas 1 y 4. La matriz que resulta es: 1 3 2 5 0 15 13 24 0 1 10 7 0 5 1 7 Factores introducidos: 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: 2 1 3 5 13 24 0 15 0 0 137 81 0 0 3 16 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: det 1 15 137 885 1 1 15 3 137 295
12. CLCULO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA O COLUMNA 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. 13. CLCULO DEL RANGO DE UNA MATRIZ MEDIANTE DETERMINANTES 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 mayor menor no nulo. Sea una matriz formada por vectores de dimensin con . Basta que un determinante de orden sea distinto de cero para que los vectores sean LI. Si fuese 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 1, 1, 2, 0 . 15 :

Calculamos un determinante de tercer orden: det 1 3 1 2 1 1 0 4 2 2 0
como es distinto de cero, se puede asegurar que los tres vectores son LI. 14. CLCULO DE LA MATRIZ INVERSA MEDIANTE DETERMINANTES Se llama matriz adjunta de , y se escribe elemento por su determinante adjunto. As, por ejemplo, sea 2 2 3 , a la obtenida al sustituir cada
se puede comprobar que
2 2 1 0 2 2 4 2 4 7 2 6
Se demuestra que:
2 0 2
De esta expresin se deduce que
es invertible si y slo si
det
SISTEMAS DE ECUACIONES LINEALES 15. NOTACIN ORDINARIA Y MATRICIAL La notacin ordinaria de un sistema de ecuaciones con incgnitas es:
Si los trminos independientes , , son todos nulos, se dice que el sistema es homogneo. El mismo sistema se puede escribir con notacin matricial. Sea la matriz de coeficientes: 16

Sea la matriz ampliada con los trminos independientes: Sea la matriz columna de incgnitas:
Y sea
la matriz columna de trminos independientes:
La expresin matricial del sistema de ecuaciones es:
Premultiplicando esta igualdad por
, si existe:
por tanto
Ejemplo Resolver el sistema de ecuaciones 2 La matriz es: 5 1 2 1 1 1 1 1 5 1 4 0 10 11 18
cuyo determinante es:
lo que asegura que
es invertible, de manera que: 17

1 14 9 4 1 14 9 4 1 2 7 1 0 1 1 0 1 0 1 4 14 0 4 1 14 10 11 18
por lo tanto
de donde:
es decir,
16. SISTEMAS COMPATIBLES E INCOMPATIBLES, DETERMINADOS E INDETERMINADOS El criterio de Rouch-Frobenius establece que un sistema es compatible, es decir, tiene solucin, si el rango de la matriz de coeficientes es igual al rango de la matriz ampliada . Caso contrario, es incompatible, y no tiene solucin. Adems, un sistema compatible es determinado si el rango de (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. 17. RESOLUCIN POR REDUCCIN O MTODO DE GAUSS 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 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 8 2 6 4 , con:
1,
2,
7.
La matriz
es:
Siguiendo el mtodo del epgrafe 9, se llega a la matriz triangular superior equivalente:
1 1 8 1 1 1 1 1 1 2 1 6 1 1 1 1 1 1 1 4
18

1 1 1 1 8 0 2 2 0 10 0 0 2 2 14 0 0 0 4 8 2 2 2 2
Se trata del siguiente sistema de ecuaciones escalonado: 10 14 8
18. RESOLUCIN MEDIANTE DETERMINANTES O MTODO DE CRAMER
En la 4 ecuacin se calcula 2, cuyo valor se sustituye en la 3, 5. Se procede de manara anloga con la 2 y 1 ecuacin, de obtenindose manera que 0y 1. Se demuestra que la solucin de un sistema determinado mediante determinantes (denominado mtodo de Cramer) consiste en calcular cada incgnita siguiendo el esquema que se emplea en el siguiente ejemplo, generalizable para incgnitas: Ejemplo Resolver el sistema de ecuaciones por el mtodo de Cramer 2 5 10 11 18
Se trata del mismo sistema ya resuelto a travs de la inversa de la matriz determinante de es: det 4 0
. El
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
10 1 det 11 1 18 5 1 1 det 2 1 1 5
Las incgnitas se calculan como se expresa a continuacin: 1 1 1 1 1 1 1 10 1 det 2 11 1 1 18 1 1 1 1 det 2 1 1 1 5 1
1;
2;
1 det 2 1 1 det 2 1
1 10 1 11 5 18 1 1 1 1 5 1
19

10 7 10 7 1 1 2 1 1 0
Pasando
al segundo miembro:
la matriz de los coeficientes de
es:
cuyo determinante es:
Se le da a
cualquier valor. Sea 10 7 1 1 1 1
det M 1 1 ;
. Empleando el mtodo de Cramer: 1 10 1 7 1 1 1 1
Obsrvese que no sera vlido resolver el sistema del enunciado pasando segundo miembro: 10 7
al
pues en ese caso la matriz
sera:
cuyo determinante es nulo.
1 1 1 1
20

Ejercicios 1. Se dice que una matriz es ortogonal si su inversa es igual a su transpuesta. Sean dos matrices de orden n invertibles. es simtrica y ortogonal. Simplificar: 0 (matriz nula). Si 0 1 0 1 1 0 0 1 0 0 1 1 0 0 0 1 y
2. Sean y dos matrices tales que que tiene que ser la matriz nula. 3. Hallar la inversa de
es invertible, demostrar
4. Hallar la matriz 1 0 5 2 4 0
5. Calcular el determinante de Vandermonde det
3 1 y 3
que verifica la identidad 0 2 12 0 33 8
2 8 1 20 1 36
siendo
3 2 0 3 5 3
1 1 , 1
Y generalizar el resultado hasta el exponente natural . 6. Resolver la ecuacin det 0 siendo 1 1 1 1 1 1 2 2 7 12
7. Hallar el rango de la siguiente matriz en funcin de los valores de sus parmetros: 2
6 e identidad. 10
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 demostrar que es invertible y que ha de ser par. 5 1 10. Calcular el rango de 2 3 4 0 3 6 6 3 1 0 0 1 1
se satisface que
21

11. Discutir y resolver segn los valores de , el sistema: 1 1
12. Hallar la potencia n-sima de la matriz 2 5 2 antisimtrica. 7 0 4 1 , descomponer 5 5
1 1 1
1 1 1 1 . 1 1
13. Sea
en una suma de una matriz simtrica y una
14. Demostrar que: det
1 2 0 1 det 0 1 1 det
det
1 det 0 0 1
2 1 1 1
1 1 2 1
0 1 1 0
22
23

CAPTULO 2 ESPACIOS VECTORIALES DE DIMENSIN FINITA 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. ESTRUCTURA DE GRUPO Y CUERPO ESTRUCTURA DE ESPACIO VECTORIAL PROPIEDADES DE LOS ESPACIOS VECTORIALES ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES SUBESPACIOS VECTORIALES SUBESPACIO VECTORIAL: CONDICIN NECESARIA Y SUFICIENTE INTERSECCIN, UNIN Y SUMA DE SUBESPACIOS COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE VECTORES INDEPENDENCIA Y DEPENDENCIA LINEAL SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL BASE DE UN ESPACIO VECTORIAL. DIMENSIN COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL CAMBIO DE BASE EN UN ESPACIO VECTORIAL EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 14
Ejercicios
24

CAPTULO 2 ESPACIOS VECTORIALES DE DIMENSIN FINITA 1. ESTRUCTURA DE GRUPO Y CUERPO Estructura de grupo Sea un conjunto y una operacin que se efecta con sus elementos; en adelante: , ; se dice que , tiene estructura de grupo si: a) La operacin es una ley de composicin interna ,
b) Se cumple la propiedad asociativa
c) Existe el elemento neutro
d) Existe el elemento inverso
Si los elementos de , adems, cumplen la propiedad conmutativa: ,
entonces
es un grupo abeliano.
Estructura de cuerpo Sean y dos operaciones que se efectan con los elementos de un conjunto ; en adelante , , ; se dice que , , tiene estructura de cuerpo si: 0 , es un grupo abeliano, donde 0 es el elemento neutro de manera que 0 es el conjunto de los elementos de , excepto el 0. , , , es un grupo abeliano , , de
a)
b)
c) La operacin es distributiva respecto a la operacin +:
Ejercicios
E.1. En el conjunto de los nmeros enteros se define de la siguiente manera: 3. Comprobar si , tiene estructura de grupo abeliano. 25

E.2. En el conjunto de los nmeros naturales se define de la siguiente manera: 3. Comprobar si , tiene estructura de grupo abeliano. , , cuerpo? ( y son la suma y el producto conocidos). y la
E.4 Es , , cuerpo? ( el conjunto de los nmeros racionales con suma y el producto conocidos).
E.3. Es
2. ESTRUCTURA DE ESPACIO VECTORIAL Sea un conjunto no vaco (los elementos de se llaman vectores). Sea un cuerpo (los elementos de se llaman escalares). Sean y dos operaciones que en adelante llamaremos suma y producto. , El objeto , , , es un espacio vectorial si:
a) b)
es un grupo abeliano. ; con escalares u operadores en
es una ley de composicin externa en
c) Propiedad asociativa mixta ,
d) Propiedad distributiva del producto respecto de la suma en , ;
e) Propiedad distributiva del producto respecto de la suma en ; ,
f)
La unidad del cuerpo es el elemento neutro para el producto 1
Nota: En adelante se entender que Ejercicios y . Sea la adicin definida en por , , E.5. Sean , . Sea el producto de nmeros reales por elementos de definido mediante la expresin , , . Demostrar que ( , , , es un espacio vectorial. E.6. El mismo enunciado anterior, pero modificando la definicin del producto: , , . Es ( , , , un espacio vectorial? 26

E.7. El mismo enunciado, pero modificando la definicin de la suma: , 12 , . Es ( , , , un espacio vectorial? ,
3. PROPIEDADES DE LOS ESPACIOS VECTORIALES
a) El producto del escalar 0 por cualquier vector es el vector nulo 0 b) El producto de cualquier escalar por el vector 0 es el vector 0 c) Si el producto de un escalar por un vector es el vector 0, entonces el escalar es 0 o el vector es nulo. d) El opuesto de cualquier escalar por un vector es igual al opuesto de su producto 0 0 0 0
4. ESPACIOS VECTORIALES DE LAS FUNCIONES Y LAS MATRICES Se deja como ejercicio demostrar que las funciones sobre el cuerpo de los nmeros reales constituyen un espacio vectorial; es decir, se cumple: ,
Se deja como ejercicio demostrar que las matrices reales de dimensin constituyen un espacio vectorial: :
La funcin
queda caracterizada por el conjunto: , , , ,
de manera que se cumple:
5. SUBESPACIOS VECTORIALES
Dados el espacio vectorial , , , 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. Los dems subespacios de , distintos de y 0 , se llaman subespacios propios. , es: , la condicin necesaria y suficiente para que , ; , ; sea
6. SUBESPACIO VECTORIAL: CONDICIN NECESARIA Y SUFICIENTE Sea subespacio de
Propiedad
Ejercicios
El vector nulo 0 debe pertenecer a para afirmar que es un subespacio de . E.8. Demostrar que 0 debe pertenecer a para afirmar que , 2 es subespacio de . y ,
E.9. En el espacio vectorial , , , con las operaciones conocidas determinar si los subconjuntos y son subespacios: , 1
E.10. En el espacio vectorial , , , con las operaciones conocidas determinar si los subconjuntos siguientes , , y son subespacios: , , , , , , , , | | 0 | | 2
y ,
7. INTERSECCIN, UNIN Y SUMA DE SUBESPACIOS
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: , ,
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 , los dos subespacios y se denominan subespacios 0 . Si complementarios. 28

8. COMBINACIN LINEAL DE VECTORES. SUBESPACIO GENERADO POR UN CONJUNTO DE VECTORES. COMBINACIN LINEAL DE VECTORES Sea vectores , , , , ,, un espacio vectorial. Se llama combinacin lineal de los a todo vector de la forma:
Si
SUBESPACIO VECTORIAL GENERADO POR UN CONJUNTO DE VECTORES
0 la combinacin lineal se llama trivial.
Propiedades Ejercicios
Sea , , , un espacio vectorial y sea , ,, , el subconjunto 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 , , , .
9. INDEPENDENCIA Y DEPENDENCIA LINEAL
E.12. En el espacio vectorial , , , se consideran las matrices 1 0 1 0 0 0 , y . Determinar todas las combinaciones lineales 0 1 1 0 1 1 de , , que permiten obtener la matriz nula.
E.11. Comprobar si los vectores vectores 1, 0, 2 y 1, 2, 4 .
1, 1, 3 y 1, 2, 2 son combinacin lineal de los
Sea , , , 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: 0 0
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

0 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. Un conjunto de vectores es LI si ningn vector es CL de los dems. Si un sistema de vectores es LD, entonces tambin lo es cualquier sistema que 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 . algn 0
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 dimensiones son LD). Un conjunto de vectores -dimensionales es LD si su determinante es nulo.
Ejercicios
, , , , determinar si los siguientes vectores son E. 13. En el espacio vectorial LI: a) 1, 0, 0 , 0, 1, 0 , 1, 0, 0 ; b) 1, 1, 0 , 1, 1, 2 , 1, 0, 1 . E.14. Demostrar que las matrices 1 0 0 0 1 0 0 , , 0 0 0 1 0 0 0 0 son vectores LI. 1
E.17. Determinar
E.16. Estudiar la dependencia o independencia lineal de los vectores 2 y 3 en el espacio vectorial , , , y en el espacio vectorial , , , . para que sean LD los vectores 1, 4, 6 , 1, 4, 4 y 0, 4, .
E.15. Demostrar que el espacio vectorial de los polinomios reales sobre el cuerpo definido por ; 2 son LI.
10. SISTEMA DE GENERADORES DE UN ESPACIO O SUBESPACIO VECTORIAL
Sea , , , 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 . En efecto, sea , El conjunto 1, 0 , 0, 1 , 1, 1 es un SG de cualquier vector de ; deben existir escalares , , tales que: 1,0 0,1 1, 1 , . Es decir , , . Para , , , . 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 .
11. BASE DE UN ESPACIO VECTORIAL. DIMENSIN BASE
Sea , ,, un conjunto de vectores del espacio , , , . El conjunto es una base de , , , si es un conjunto LI y SG de . Se llama base cannica de a la formada por los vectores: , , , , , , , , .. , , , ,
Ejemplo
Determinar una base del subespacio de manera: , , .
Ejercicio
Si , , es un vector genrico de , entonces , , , , , 0, 0, , 1, 0,1 0, 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. E. 19. Proponer una base en cada caso: a) , , , b) , , , c) , , , d) , , , . es el conjunto de los nmeros complejos.
, , ,
definido de la siguiente
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

0, por definicin. dim 0 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 y
Ejemplo Determinar la dimensin de la suma de , , ; 2. , , : , ,
, , dim dim dim , 0,
Si
Si
12. COORDENADAS DE UN VECTOR RESPECTO DE UNA BASE. RANGO COORDENADAS DE UN VECTOR
Teorema de Steinitz (tambin llamado teorema de la base incompleta o teorema de extensin a una base). Sea , , , un espacio vectorial de dimensin , , ,, una base de y el conjunto , ,, un sistema libre de vectores de , con . Entonces existe algn sistema de vectores de tal que es una base de . Adems, los vectores de se pueden tomar de entre los de un base cualquiera , ,, de .
, , , , es un vector genrico de , entonces , , 0, , 0 1, 0,1 0, 1, 0 . Por tanto, dim 2. Como el vector comn a las bases de y es 1, 0,1 , entonces 1. De donde se deduce que: dim dim dim 2 2 1 3.
es un vector genrico de , entonces 0, 1, 1 . Por , 0, 0, , 1, 0,1
, , tanto,
Todo vector queda identificado mediante una nica CL de los vectores de una base dada. Estos coeficientes son las coordenadas del vector en la citada base. Se trata, pues, de expresar un vector como CL de los vectores de una cierta base , , , , de manera que: . Es decir, , ,,
Ejemplo
de
Sea el conjunto 1, 2, 1 , 1, 3, 0 , 1, 0, 0 . Comprobar que es una base 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 : es decir: 1 1, 2, 3 ;2 2 1, 2, 1 3 ;3 . De donde se deduce que: 2 3 1, 3, 0 1, 0, 0
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 : , ,, es libre si su rango es igual Como consecuencia, la familia al nmero de vectores que la forman. Adems, en un espacio vectorial de dimensin un sistema de vectores es generador si su rango es . 13. ECUACIONES PARAMTRICAS E IMPLCITAS DE UN SUBESPACIO VECTORIAL Sea , , , un espacio vectorial de dimensin . Consideremos el subespacio vectorial generado por los vectores , ,, . Si , entonces , ,, de , podremos escribir: dim
3,
4 3 ,
Si cada vector lo referimos a la base
Estas son las ecuaciones paramtricas del subespacio vectorial . Eliminando los parmetros , , , , obtendremos las relaciones entre las componentes , , , llamadas ecuaciones cartesianas o implcitas del subespacio vectorial . 14. CAMBIO DE BASE EN UN ESPACIO VECTORIAL Sea , , , un espacio vectorial de dimensin . Ya que cualquier vector queda determinado de manera nica conociendo sus coordenadas respecto de una base de , si elegimos otra base, tendr otras coordenadas distintas de las 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 poner de la siguiente manera: 1 2 3 3 1, 2, 1 1 1 1 2 3 0 1 0 0 43 1, 3, 0 3 43 23 23 1, 0, 0 se puede
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:
es la base ; es la matriz columna del vector donde es la base ; expresado en la base ; es la matriz columna del vector expresado en la base y es la matriz de paso expresada en trminos de la base . 15. EJERCICIO RESUELTO DE LOS APARTADOS 8 AL 14 Sea el subespacio vectorial generado por los siguientes vectores del espacio vectorial : 2,3,1,0 , 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 . f) Otras ecuaciones paramtricas distintas, a partir de las ecuaciones implcitas. g) El vector 1, 0, 0, 0 pertenece a ? h) Una base de que contenga a los vectores de una base de . i) Las ecuaciones del cambio de la base a la base cannica de . j) Las ecuaciones del cambio de la base cannica a la base . k) La expresin del vector cannico 0, 1, 0, 0 respecto de la base . . Por lo tanto, los . Se
Solucin
a) Empleando el mtodo de Gauss se comprueba que tres vectores son LD; se trata de un sistema ligado. Sea deduce que 2y 1: b) es un sistema ligado, una base de 34 es ,
, cuya dimensin es .

2 resulta que c) De la relacin coordenadas de respecto de la base , y 0 1 , . d) Como , se cumple que: , , , , , ; es decir, 2,1 son las . Entonces, 1 0 , es decir: , , , ,
o sea
son las ecuaciones paramtricas del subespacio vectorial , pues dando valores a 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: 4, dim 2, siendo el nmero de ecuaciones implcitas, como dim entonces 2. Basta, pues, encontrar dos relaciones independientes para eliminar los parmetros y . Dado que: 1 0 1 0 0 3 1 0 2 dim dim
por el teorema de Rouche-Frobenius se cumple que 1 0 1 0 0 3 1 0 2 1 0 0 0 3 0
luego todos los menores de tercer orden son nulos. Elegimos dos menores: 1 0 1 0 3 1 0; 0
es decir
son unas ecuaciones cartesianas o implcitas de . Obsrvese que si habra ecuaciones implcitas para definir .
no
35

f) Para pasar de las ecuaciones cartesianas a las paramtricas basta resolver el sistema de ecuaciones cartesianas. En este caso, en la ecuacin 3 0, se despeja una incgnita, por ejemplo : 3 Dando valores a y tenemos otras ecuaciones paramtricas de : 3 3
g) Sustituyendo 1, 0, 0, 0 en las ecuaciones cartesianas 3 3 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:
0 y
i)
Las ecuaciones del cambio de la base la expresin , donde
a la base cannica se obtienen aplicando es la base cannica y es la base :
j)
Las ecuaciones del cambio de la base cannica a la base premultiplicando por la matriz inversa de :
se calculan
por tanto
0, 1, 0, 0 respecto de la base B se obtiene k) La expresin del vector cannico e sustituyndolo en la expresin del apartado j): 36
1 0 1 0
0 10 3 00 100 0 01

0 1 3 1 0 0 1 3 0 0 1 13 1 0 0 0 0 1 , , , 0 1 0 0
es decir
37

Ejercicios 1. Sean y . Sea la adicin definida en por , , , . Sea el producto de nmeros reales por elementos de definido mediante la expresin , , . Es ( , , , un espacio vectorial? son
2. Demostrar que los vectores 1, 2, 1, 2 , 2, 3, 0, 1 , 1, 2, 1, 3 , 1, 3, 1, 0 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 conjunto ,
, , la base cannica de . En el mismo espacio vectorial tenemos el 6. Sea 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 expresiones matriciales de los cambios de base de a y de a . . Hallar las 8. Demostrar que el conjunto , 2 ,0 ; es un subespacio vectorial de . Obtener una base y determinar la dimensin y las ecuaciones paramtricas e implcitas del subespacio.
son base de un espacio vectorial de dimensin 3, el , tambin es una base de dicho espacio.
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 1, 4, 6, 2 y ampliar dicha base a una del espacio vectorial de . y el subespacio vectorial de engendrado por el vector 1, 1, 1 y sea 3 , , 0, 2 0 . a) Demostrar que es subespacio de . b) Obtener una base y la dimensin de . c) Hallar una base, dimensin y las ecuaciones paramtricas e implcitas de los subespacios y .
12. Sea
13. Sean los subespacios de y , , 2 y decir, .
0; , ,
:
,2 , , ; 2 , , . a) Son y subespacios suplementarios, es 0, 0, 0 . b) Hallar una base y la dimensin de 38

14. Consideremos el espacio de y la base , , . Si el conjunto , , es tal que: 2 ; 2 ; 2 : , , 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 FUNCIONES Y APLICACIONES LINEALES 1. 2. 3. 4. 5. 6. 7. 8. 9. RELACIONES FUNCIONALES O FUNCIONES CLASIFICACIN DE LAS FUNCIONES COMPOSICIN DE FUNCIONES APLICACIN LINEAL PROPIEDADES Y CLASIFICACIN DE LAS APLICACIONES LINEALES NCLEO E IMAGEN DE UNA APLICACIN LINEAL DIMENSIONES DEL NCLEO Y LA IMAGEN. RANGO DE UNA APLICACIN LINEAL MATRIZ ASOCIADA A UNA APLICACIN LINEAL CAMBIO DE BASES DE REFERENCIA EN DOS ESPACIOS VECTORIALES
Ejercicios
40

CAPTULO 3 FUNCIONES Y APLICACIONES LINEALES 1. RELACIONES FUNCIONALES O FUNCIONES Sean A y B dos conjuntos no vacos. A se llama dominio y B es la imagen o codominio. Se dice que es una funcin o aplicacin de A en B si es una relacin 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 no necesariamente lo es.
2. CLASIFICACIN DE LAS FUNCIONES 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 codominio carecen de antecedente en el dominio. Sea : P tal que x 2x donde el codominio se ha restringido al conjunto 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.
3. COMPOSICIN DE FUNCIONES
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 : son: x 2 1 , 3a
tal que
E.2. Las funciones : ,
Q y :Q
Determinar 4. APLICACIN LINEAL Sean , , , . La funcin : homomorfismo si ,
y calcular
2 y
12 .
, , , dos espacios vectoriales sobre el mismo cuerpo es una aplicacin lineal, transformacin lineal u ; , se cumple:
Ejercicios
E.4. Demostrar que : no es una aplicacin lineal.
E.3. Demostrar que la funcin : es una aplicacin lineal. tal que 42
definida por , ,

5. PROPIEDADES Y CLASIFICACIN DE LAS APLICACIONES LINEALES 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 biyectiva o ninguna de las tres. Pero: - Si es inyectiva entonces es un monomorfismo. - 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 : es un automorfismo. definida por , , , ,
6. NCLEO E IMAGEN DE UNA APLICACIN LINEAL 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 . / Propiedades 0 0 es un subespacio de . En un monomorfismo el nico elemento del ncleo es el vector nulo. 0 0
La imagen de una aplicacin lineal : es el conjunto imagen del domino, o sea, la totalidad de las imgenes de los vectores del espacio . /
IMAGEN
Propiedades 0
es subespacio de . En una aplicacin lineal : de es LD en .
la imagen de cualquier conjunto de vectores LD
43

, , , son vectores de tales que Si : es una aplicacin lineal y sus imgenes son LI en , entonces , , , son LI. La imagen de todo conjunto LI, dada por cualquier aplicacin lineal inyectiva, es un conjunto LI. E.6. Determinar el ncleo de : : , E.7. Determinar el ncleo y la imagen de 0 . 0 E. 9. Determinar el ncleo y la imagen de : E.8. Determinar el ncleo y la imagen de : , . , , tal que , ,
Ejercicios
tal que ,
7. DIMENSIONES DEL NCLEO Y LA IMAGEN. RANGO DE UNA APLICACIN LINEAL DIMENSIONES DEL NCLEO Y LA IMAGEN Sea una aplicacin lineal. Se demuestra que: dim dim dim
2 .
Ejemplo
En la aplicacin lineal : definida por , , , , 0 calcular: a) , una base de y su dimensin. b) La dimensin de y una base de la imagen. calculamos los vectores . Es decir: , , , , ,
a) Para determinar son el vector nulo de
es decir
, cuyas imgenes 0, 0 . O sea
por lo tanto, los vectores del ncleo son del tipo: , , ,
como
entonces el conjunto , , , , , , , , , , , es un SG de . Como, adems estos tres vectores son LI, constituyen una base, cuya dimensin es 3. Es decir: 44
, , ,
1, 1, 0, 0
1, 0, 1, 0
1, 0, 0, 1
b) De la expresin dim dim decir: . Como ,
dim
deducimos: 3 ,0
dim
4. Es
si
entonces:
o sea
, 1,0 1,0
,0 1,0 1, 0
por lo tanto, el vector
es una base de
RANGO DE UNA APLICACIN LINEAL: El rango de una aplicacin lineal dim y es la dimensin de su imagen.
dim
Si las dimensiones de los espacios dim dim , entonces:
son dim
y dim
, como
Propiedades Si Si Si
entonces es inyectiva y dim entonces es sobreyectiva. entonces es biyectiva.
0.
Ejemplos
Determinar las dimensiones del ncleo y la imagen de la aplicacin lineal : ; , , , .
Determinar las dimensiones del ncleo y la imagen de la aplicacin lineal : ; , 3 4 , 5 2 , 7 ,4 . 45
De , 0, 0 se deduce que , . Por tanto, un vector del ncleo es aquel cuyas tres coordenadas sean iguales, por ejemplo el vector 1, 1, 1 , cuya dimensin es 1: . Como dim dim dim 3 1 2. . Ya que la dimensin de la imagen coincide con 2 , es decir, la dimensin del espacio vectorial , entonces es sobreyectiva.

De 3 4 , 5 2 , 7 ,4 0, 0, 0, 0 se deduce tanto, el nico vector del ncleo es 0, 0 , cuya dimensin es 0. dim aplicacin es inyectiva. Como dim dim . 0, 0. Por . La , entonces
0,0,0 se deduce 0, 0, 2 4 0. Es decir: 0. Por tanto, el nico vector del ncleo es 0,0,0 , cuya dimensin es cero. . La aplicacin es inyectiva, pero dim dim dim , entonces . Como 3 coincide con las dimensiones de los espacios vectoriales y , entonces es biyectiva. De 8. MATRIZ ASOCIADA A UNA APLICACIN LINEAL Consideremos una aplicacin lineal : , sea , una base del espacio vectorial y , una base del espacio vectorial , entonces la aplicacin lineal queda caracterizada por una matriz de paso de dimensin . MTODO: Para hallar la matriz de la aplicacin lineal respecto de las bases y , se determinan las imgenes dadas por de los vectores de la base ; a continuacin se expresan estas imgenes en trminos de la base , o sea, como CL de los vectores de la base : La traspuesta de la matriz de coeficientes es . Como consecuencia de este mtodo: La imagen obtiene multiplicando . en el espacio de cualquier vector por la matriz de coordenadas de del espacio se respecto de la base
Determinar las dimensiones del ncleo y la imagen de la aplicacin lineal : 1 0 0 ; , , . 0 1 0 2 4 1 , ,
donde: : Matriz columna del vector imagen expresado en trminos de la base : Matriz de la aplicacin lineal : Matriz columna del vector del dominio expresado en trminos de la base Ejemplo grfico: Las coordenadas del vector velocidad de un avin en la base son las de de que navega solidario con el avin, es decir: un sistema de referencia , , , , . Pero, se necesitan las coordenadas del mismo vector velocidad 46

respecto a otra base representada por el sistema de referencia , , , tambin de , con origen en el centro de la Tierra, es decir: , , . Si es la matriz de la aplicacin lineal que permite pasar de la base a la base , entonces aplicando la expresin anterior:
En la aplicacin lineal : , , , . a) y Calcular la matriz de respecto las bases 1, 1, 1 , 1, 1, 0 , 1, 0, 0 en 2, 0 , 0, 1 en . b) Obtener la imagen del vector 1, 2, 3 expresado en la base cannica. a) Mediante obtenemos las imgenes de los vectores de la base 1, 1, 1 1, 1, 0 1, 0, 0 1 1 1 1, 1 0, 1 0, 0 1 0 0 2, 0 1, 1 1, 0 :
Ejemplo analtico:
Obsrvese que en este ejemplo los espacios vectoriales espacio vectorial .
son el mismo
Expresamos dichas imgenes como CL de los vectores de 2, 0 1, 1 1, 0 2, 0 2, 0 2, 0 0, 1 0, 1 0, 1
En donde se deduce que:
47

1 0 12 1 12 0 y
Por lo tanto, la matriz
de
respecto de las bases
es:
b)
Para obtener la imagen del vector 1, 2, 3 , expresado en la base cannica, es . necesario determinar sus coordenadas respecto a la base de es decir 1 1, 2, 3 ,2 1, 1, 1 ,3 1, 1, 0 , 1, 0, 0
3,
. Por lo tanto, 1, 3 1 1
La imagen de
es
: 1 2 2 0 1 1 2 0 ,
3 1 1
2 1
Obsrvese que si aplicamos directamente 1, 2, 3 1
y expresamos esta imagen como CL de los vectores de la base 4, 1 2, 0 0, 1
3, 2
a 1, 2, 3 : 3
4, 1
Obtenemos
9. CAMBIO DE BASES DE REFERENCIA EN DOS ESPACIOS VECTORIALES
es decir, las mismas coordenadas calculadas mediante la aplicacin lineal: 2, 1
2 1
Sea la aplicacin lineal : y la matriz de respecto de las bases y . Si se efecta un cambio de base en cada espacio vectorial, entonces est caracterizada por otra matriz respecto de las nuevas bases y , segn el siguiente esquema:
48
: Matriz de paso de la base : Matriz de paso de la base : Matriz de la aplicacin lineal : Matriz de la aplicacin lineal Pero, un vector en la base
a la base del espacio vectorial a la base del espacio vectorial respecto de las bases y respecto de las bases y se expresa en la base 1 empleando :
y un vector
en la base
se expresa en la base 2
empleando :
Pero, mediante la matriz
de la aplicacin lineal se cumple que: 3
y tambin sabemos que con la matriz
se cumple que: 4
De (2) y (3) deducimos:
y sustituyendo los valores de
de (4) y (1), obtenemos:
Como
son invertibles por ser matrices de paso, premultiplicamos por
Pero 49
entonces:
Ejemplo:
Sea : tal que , , , . a) Hallar la matriz de respecto de las bases cannicas de . b) Calcular las matrices de paso de las 0, 1, 1 , 1, 1, 2 , 1, 1, 1 y bases cannicas a las bases 1, 3 , 0, 2 . c) Calcular la matriz de respecto del nuevo par de bases. a) Mediante 1, 0, 0 1 0 0, 1 0 1, 1 0, 0, 1 0 1 0, 0 1 1, 1 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 1, 1 1, 0 1, 0 1, 0 1, 0 0, 1 0, 1 0, 1 obtenemos las imgenes de los vectores de la base cannica de :
En donde se deduce que:
Por lo tanto, la matriz
de
respecto de las bases cannicas es:
1 1
1 1
1 0
b) Para calcular las matrices de paso y expresamos los vectores de las bases y como CL de los vectores de las bases cannicas: 0,1,1 1, 1, 2 1, 1, 1 1, 0, 0 1, 0, 0 1, 0, 0 0 1 1 0, 1, 0 0, 1, 0 0, 1, 0 1 1 2 1 1 1 0, 0, 1 0, 0, 1 0, 0, 1
donde deducimos:
Por tanto la matriz de paso
es: 50
Anlogamente: 1, 3 0, 2 1 3 1, 0 1, 0 0, 1 0, 1 0 2
Es decir
Por lo tanto la matriz de paso
es:
c) Para calcular la matriz d)
empleamos la expresin 1 3 0 2 1 1 1 1 1 0 0 1 1 1 1 2
: 1 1 1
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 , , 0 y , , , , . a) Demostrar que es una base de . b) Hallar la matriz asociada a respecto a la base cannica. c) Hallar , , . 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 vectores son LI y es una base de . b) Determinacin de la matriz Como 3 2 0 siendo 1 1 ; 0 asociada a : la base cannica de 1 2 1 2 4 3 ; 0 1 1 , entonces: 0 2 1 3 0, por tanto los
expresiones que se pueden sintetizar en la siguiente:
51

3 2 0 1 4 2 0 1 1 1 1 0 2 3 1 0 2 1
por lo tanto:
es decir:
3 2 0
1 4 2 0 1 1
1 1 0
2 3 1
0 2 1
c) La funcin , , d) y
, ,
6 4 0
es:
3 2 0 :
2 4 1
Determinacin de
Un vector cualquiera de es 0, , 6 4 0
Cualquier vector , , , ,
, , 3
luego
es CL de
3, 2, 0 y det
2 , 2
ser de la forma: 4 ,
3 2 0
. Como 2 4 1
3 2
2 4
Por lo tanto, la ecuacin cartesiana de Determinacin de De la definicin de que cualquier vector de : , ,
x 3 2
2, 4, 1 ; es decir: y z 2 0 4 1 es: 2 0 3 ,
3, 2, 0
2, 4, 1
8 , 2
0. deducimos 4 :
es
Cualquier vector
, ,
6 4 0
, ,
ser de la forma:
3 2 0
. Como 2 4 1
52

, , es CL de 3, 2, 0 y 4, 0, 1 ; es decir: x y det 3 2 4 0 : z 0 1 es: 2 , , 3 4 ,2 , 3, 2, 0 0 4, 0, 1
luego
Por lo tanto, la ecuacin cartesiana de Determinacin de
0.
Como se aprecia, 2 3 8 0 es tanto la ecuacin cartesiana de f S como de . Es decir, los vectores de y son los mismos, entonces: : , ,
Clculo de
La ecuacin cartesiana de Cualquier vector de , , , , Luego un vector , ,
es CL de 1, 1, 0 y 1, 0, 1 ; es decir: x y det 1 1 1 0 z 0 1 0 0.
0 es precisamente 0. , , , , es de la forma: 1, 1, 0 1, 0, 1
Por lo tanto, la ecuacin cartesiana de
es:
El conjunto est formado por los vectores que cumplen, a la vez, las ecuaciones cartesianas de y : , , 0, 0
es decir:
o , , :
, , , ,
Cualquier vector
Como
, ,
ser de la forma: 0, ,
6 4 0
53
3 2 0
2 4 1
1 2 1

de donde se deduce que todos los vectores de son de la forma:
e) Determinacin de la matriz asociada a f respecto de la base U:
, ,
Como
, pero 1 1 0
2 3 1
0 2 1
, entonces 6 4 0
3 2 0
2 4 1
1 2 1 3 0 1
0 2 1
54

Ejercicios 1. Consideremos la aplicacin lineal : , ,
2. Sea :
a) Determinar los valores de para los que es biyectiva. b) Para 2, hallar una base, la dimensin y las ecuaciones implcitas del ncleo y la imagen. c) Para 2, hallar la matriz asociada a cuando se considera en ambos espacios la base 1, 1, 1 , 1, 1, 0 , 1, 0, 0 . d) Para 2, hallar 2, 0, 3 . la aplicacin lineal definida por: , , 2 3 , , 2
,2
dada por: ,
4. Sea :
3. Sea : tal que 1, 1, 0 3, 2, 0 ; 1, 0, 1 4, 1, 3 y 5, 1,3 . Determinar una base y las ecuaciones del ncleo y la imagen. la aplicacin lineal definida por: , , , 2 3 , 0,
a) Calcular la matriz asociada a respecto de la base cannica. b) Hallar una base y las ecuaciones cartesianas del ncleo. c) Sea , , . Hallar una base de los subespacios , . d) Hallar la matriz asociada a respecto de la base: 1, 2, 1 , 0, 1, 2 , 0, 0, 1 .
0, 1, 1
5. Sea :
Calcular: a) La matriz asociada a respecto a las bases cannicas. b) La matriz asociada a respecto a las bases 1, 2, 1 , 0, 1, 2 , 0, 0, 1 2, 1, 0, 1 , 0, 2, 0, 0 , 0, 0, 1, 0 , 0, 0, 0, 3 la aplicacin lineal definida por: , , 2 1 1 2 1 1 1 1 2
y 6. Sea : es: .
, ,
. Hallar una base de los subespacios
la aplicacin lineal cuya matriz asociada respecto a la base cannica 0 1 1 0 1 1 1 1 0
a) Hallar la imagen del vector
1, 3, 0 . 55

b) Hallar la base, dimensin y ecuaciones implcitas del ncleo y la imagen. c) Sea , , 0 . Probar que es un subespacio y hallar una base del dicho subespacio. d) Sea 2, 0, 1 , 0, 3, 0 , 1, 4, 2 una base. Hallar la matriz asociada a respecto a dicha base. la aplicacin lineal definida por 0, 0, 1 0, 0, 1, 0 . Calcular: 1, 1, 1 1, 2, 0, 0 ; 0, 1, 3
7. Sea : 1, 1, 0, 1 y
a) La expresin matricial de la aplicacin respecto a las bases cannicas. b) Sea 1, 1, 1 , 0, 1, 3 , 0, 0, 1 una base de . Hallar las coordenadas del vector 3, 5, 2 respecto a . Hallar una matriz tal que , donde son las coordenadas del vector respecto la base y respecto a la base cannica.
56

CAPTULO 4 DIAGONALIZACIN DE MATRICES Y FORMAS CUADRTICAS 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. VECTORES EN . MDULO Y VECTOR UNITARIO ADICIN Y PRODUCTO ESCALAR DE VECTORES EN ESPACIO VECTORIAL EUCLIDIANO. PRODUCTO INTERIOR NGULO DE DOS VECTORES ORTOGONALIDAD CONJUNTO ORTOGONAL DE VECTORES BASE ORTONORMAL ORTONORMALIZACIN DE UNA BASE VALORES Y VECTORES PROPIOS DE UNA MATRIZ POLINOMIO CARACTERSTICO DE UNA MATRIZ CUADRADA. DETERMINACIN DE LOS VALORES Y VECTORES PROPIOS MATRICES SEMEJANTES EN UNA APLICACIN LINEAL POLINOMIO CARACTERSTICO DE UNA APLICACIN LINEAL RACES DEL POLINOMIO CARACTERSTICO Y DIAGONALIZACIN DE MATRICES ECUACIN GENERAL DE LAS CNICAS. REDUCCIN FORMAS CUADRTICAS MATRIZ SIMTRICA ASOCIADA A UNA FORMA CUADRTICA DIAGONALIZACIN DE MATRICES SIMTRICAS Y REALES DIAGONALIZACIN ORTOGONAL UN PROBLEMA FSICO DE APLICACIN
Ejercicios
57

CAPTULO 4 DIAGONALIZACIN DE MATRICES Y FORMAS CUADRTICAS 1. VECTORES EN . MDULO Y VECTOR UNITARIO
En diversas ramas de ciencias que emplean el clculo vectorial, la base cannica de se designa con los vectores unitarios 1, 0, 0 , 0, 1, 0 y 0, 0, 1 . As, un vector cualquiera se expresa en funcin de sus componentes cartesianas de la siguiente manera: , ,
El mdulo o norma de
es la medida del vector. Se escribe
o :
Para calcular un vector unitario (es decir, un vector que mida 1) que tenga la misma direccin y sentido que , basta dividir por : 1 , ,
2. ADICIN Y PRODUCTO ESCALAR DE VECTORES EN Adicin
Producto escalar Se define el producto escalar como el escalar que resulta de multiplicar 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: luego 58 1 0

adems cos Ejercicios cos
E.1. Dados dos vectores , , y , , calcular 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
3. ESPACIO VECTORIAL EUCLIDIANO. PRODUCTO INTERIOR
Sea , , , un espacio vectorial sobre el cuerpo . El smbolo el producto interior (o producto escalar) de los vectores e de si aplicacin tal que: a) b) c) d) e) , ,
define es una
Propiedades
, 0
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 producto interior de cualquier vector por el vector nulo es cero. El mdulo o norma de un vector es la raz cuadrada no negativa del producto interior de dicho vector por s mismo. , 59

La distancia , entre dos vectores , e es el mdulo de su diferencia
es un vector unitario (de mdulo 1). Se cumple la desigualdad de Schwarz: ,
Se cumple la desigualdad triangular:
Ejemplo Sean , e dos vectores de , , , . La funcin
es un producto interior pues satisface las propiedades a), b), c), d) y e). Obsrvese que , , en es el producto escalar usual, pues:
Ejercicio E.3. Sea , , , y la matriz
Demostrar que es un producto interior. 4. NGULO DE DOS VECTORES Se define: , tal que
1 2
2 . Se define 5
cos e .
es el ngulo que forman los vectores
5. ORTOGONALIDAD Dos vectores es nulo. e son ortogonales o perpendiculares si su producto interior , 60 0 90

Ejercicio E.4. Determinar para que ortogonales con el producto interior usual. ,, 3 , 4,1 e , ,1
sean
6. CONJUNTO ORTOGONAL DE VECTORES
El conjunto de vectores , cualesquiera y distintos son ortogonales: , ,,
es ortogonal si dos vectores ,
es ortogonal
Propiedad
Todo conjunto ortogonal de vectores al que no pertenece el vector nulo es LI.
7. BASE ORTONORMAL es una base ortonormal si est formada por un conjunto ortogonal de vectores unitarios. Por tanto, una base ortonormal es tal que: , En Ejercicio E.5. Comprobar que la base de 1, 3 es ortonormal con el producto interior usual. formada por los vectores 3, 1 y ; , ; ,
, con el producto interior usual, la base cannica es ortonormal.
8. ORTONORMALIZACIN DE UNA BASE
Sea , ,, una base cualquiera. Para ortonormalizarla se realizan las siguientes combinaciones lineales:
El proceso de ortonormalizacin se ejecuta en dos pasos: primero se ortogonaliza la base y despus se normaliza: Primer paso: Se calculan los coeficientes ortogonalidad: de manera que se cumpla la condicin de
61

, 0 , 0 0 , , 0 0 , 0 , 0; ,
a)
es decir: , , ,
b)
es decir:
De estas dos condiciones se obtienen
. .
c) Y as sucesivamente, hasta calcular todos los Segundo paso: Determinada la base ortogonal , Ejemplo Ortonormalizar la base de formada por , ,
, se normaliza:
,,
Consideremos definido el producto interior usual. Hacemos:
1,1 y
1,2 .
calculamos: ,
, 2 , 1,1
donde se deduce que:
1,
1,1
0 1
1,2 , 1,1 2
1 2 62

por lo tanto: 12 1,1 32 1 1 1,1 1,2 1
Los mdulos de
son:
32
1, 1
entonces:
3 2 La base ortonormalizada es: 1
1,1 2
32 2 1, 1 ,
1, 1 1
2 1 32 2 1, 1
2 1, 1
1, 1
Ejercicio
E.6. Demostrar que , es un producto interior. Sea la base
9. VALORES Y VECTORES PROPIOS DE UNA MATRIZ
, donde y son polinomios en , 1, , . Ortonormalizarla.
El escalar es un valor propio (valor caracterstico o autovalor) de la matriz cuadrada si existe un vector no nulo , llamado vector propio (vector caracterstico o autovector) de la matriz , asociado al valor propio , tal que . 0; por tanto, De se deduce que 0, entonces para calcular el vector propio asociado a cada basta resolver el sistema lineal: 0 1 0 0 2 0 0 0 0 . 3
Veamos los valores y vectores propios de la matriz diagonal A 1 0 0 2 0 0 0 0 3
1 2 3
(1) (2) (3)
63

De (1) se deduce 1; y, para satisfacer simultneamente (2) y (3) con 1, 0. Anlogamente, de (2) se deduce 2; y, para satisfacer entonces 0. Por ltimo, de (3) se simultneamente (1) y (3) con 2, entonces 0. Por deduce 3; y, para satisfacer simultneamente (1) y (2), entonces tanto: Valor Propio 1 2 3 Propiedades Vector propio asociado 1,0,0 0,1,0 0,0,1
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. Los vectores propios asociados a valores propios distintos son LI. Si es un valor propio de la matriz entonces el determinante de es nulo: det 0
10. POLINOMIO CARACTERSTICO DE UNA MATRIZ CUADRADA. DETERMINACIN DE LOS VALORES Y VECTORES PROPIOS El polinomio caracterstico de la matriz . det Propiedad det 0 implica que caracterstico de . 1 2 3 2 2 6 de una matriz es el determinante
es un valor propio si es raz o cero del polinomio
Ejemplo n 1
Sea
2 2 . Determinar el polinomio caracterstico 6 det 1 2 3 2 2 6 2 2 6
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 5 6 ( 0, 3 y 2) se encuentran fcilmente. Pero, en una matriz de , el polinomio ser, en general, de grado ; si 3 el mtodo de Ruffini permite calcular las races enteras, pero suele ser difcil determinar aqullas que no pertenezcan al conjunto de los nmeros enteros. Obsrvese, tambin, que si es la matriz de orden de una aplicacin lineal 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, 0 tendr, en general, ceros entre races reales y parejas de races complejas conjugadas. Es decir:
Ejemplo n 2 Determinar los valores propios de
Hacemos 3 4 2 0 y aplicamos la regla de Ruffini a los divisores 1: enteros del trmino independiente. Ensayamos con 1 1 1 1 3 1 2 4 2 2 2 2 0
2.
o sea: 2 2 0 son
Las races de
Ejemplo n 3
Por tanto, los valores propios son 1, 1 , es , pero el nico valor propio sera 1 si el cuerpo es . Determinar los valores propios de 4 5 1
. Es decir: 1
si el cuerpo
Ejemplo n 4
En este caso, al aplicar la regla de Ruffini a 4 5 divisores enteros del trmino independiente 1 y 1 no son races de La dificultad aumenta conforme lo hace el grado de . 2 2 2 2 2 2 0
1 .
0, los
Determinar los valores y vectores propios de Valores propios: det 2 2
65

es decir:
Vectores propios: Para
2 2 2:
2;
Empleamos la expresin:
es decir: 2 o sea: 2
0 1 0 2 2 0 1 2 2 2 2 2 2 0 0 0 0
por tanto
y un vector propio es, por ejemplo: 1
Para
De forma anloga resulta
2:
y otro vector propio es, por ejemplo: 1
11. MATRICES SEMEJANTES EN UNA APLICACIN LINEAL Consideremos el endomorfismo del captulo anterior se convierte es el de la figura donde, como se comprueba, se estn empleando cuatros bases , , y del mismo espacio vectorial . En estas condiciones se dice que y son matrices semejantes, y se demuestra que la expresin se reduce a: , entonces el esquema del punto 18
66

12. POLINOMIO CARACTERSTICO DE UNA APLICACIN LINEAL Dos matrices semejantes y tienen el mismo polinomio caracterstico y, en consecuencia, los mismos valores propios. Si y son matrices semejantes de una aplicacin lineal su polinomio caracterstico es el de . Pero, puede ocurrir que dos matrices tengan el mismo polinomio caracterstico 1 0 1 3 y no sean semejantes. Por ejemplo, las matrices y tienen los 0 1 0 1 mismos valores propios, pero no son semejantes. 13. RACES DEL POLINOMIO CARACTERSTICO Y DIAGONALIZACIN DE MATRICES Propiedad Si los valores propios del polinomio caracterstico de son distintos, entonces existe una matriz de paso tal que es una matriz diagonal (se dice que es diagonalizable). La diagonal de est formada por los valores propios y las columnas de son los vectores propios que, adems, son LI. Ejemplo Determinar los valores y vectores propios de matriz de paso que satisface que sea diagonal. 3 1 2 y calcular la 2
El clculo es los valores propios es anlogo al del ejemplo n 4 del punto 10. 1 1 , y un vector propio es, por ejemplo, . Las soluciones son: 1 2 Para 4 2 , y un vector propio es, por ejemplo, . 1 1 2 Como det 0, los vectores propios y son LI. 1 1 La matriz diagonalizada se convierte en 1 0 0 4
con los valores propios en la diagonal principal Las columnas de la matriz de paso son los vectores propios colocados en el mismo orden que los valores propios en : 1 1 2 1
Se puede comprobar que 1 1
2 1
3 1
2 2
1 1
2 1
1 0 0 4
67

Propiedad tiene races mltiples, es Si el polinomio caracterstico de diagonalizable si el orden de multiplicidad de cada raz coincide con la dimensin del subespacio solucin que le corresponde. Dicho de otra forma, para que sea 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 0 0 0 1 no es diagonalizable. 1
1. Comprobar que la matriz
En efecto, su polinomio caracterstico 1 tiene una raz 1 cuyo orden de multiplicidad es 3. Los vectores propios asociados deben cumplir 0, es decir: 0 0 0 1 0 0 0 1 0 0 0 0
o sea:
2. Comprobar que la matriz
3 0 4 1 2 0 valores propios no son todos distintos.
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 . Obsrvese que el rango de la matriz de coeficientes del sistema de ecuaciones de , y es 2. Por lo tanto, la dimensin del subespacio solucin es dim n incgnitas rango 3 2 1. Como el orden de multiplicidad de es 3 1 entonces no es diagonalizable. 4 4 3 es diagonalizable aunque sus 1 1 0 tiene una
0 0
0 0
En efecto, su polinomio caracterstico raz doble 1 y otra simple 1. Los vectores propios asociados a es decir: 4 0 4 0 2 0 4 4 2 4
1 deben cumplir 0 0 0
0,
que se reduce a
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 y 0,1,0 son LI y constituyen una base del Los vectores 1. La dimensin de esta base es 2 y coincide subespacio solucin de con el grado de multiplicidad de 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. 1,0, 1 y 0,1,0 son dos vectores propios asociados a Luego 1 1 debe cumplir 0: El vector propio asociado a 2 4 2 0 2 0 4 4 4 3 0 0 0
1,0, 1
0,1,0
es decir:
Por tanto, cualquier vector propio es de la forma 2 , 2 , propio asociado a es, por ejemplo 2,2,1 . La forma diagonal de es: 1 0 0 1 0 0 0 0 1
2 2
. O sea, un vector
con los valores propios 1y 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 0 1 1 0 2 2 1 :
Se puede comprobar la relacin 1 0 0 1 1 0 2 2 1 3 0 4 1 2 0
69
4 4 3
1 0 0 1 1 0
2 2 1
1 0 0 1 0 0
0 0 1

14. ECUACIN GENERAL DE LAS CNICAS. REDUCCIN La elipse, la hiprbola y la parbola son curvas planas, llamadas cnicas, que responden a la ecuacin general , 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 resume el camino a seguir: Con los coeficientes de la ecuacin general se calcula 4 . Este valor permite discriminar el tipo de cnica, as: Si Si Si 4 4 4 0 es una elipse 0 es una hiprbola 0 es una parbola
Reduccin de la elipse y de la hiprbola
Primero se determinan las coordenadas de su centro , resolviendo el sistema de ecuaciones que resulta de anular las derivadas parciales de , : 0; 0
A continuacin se trasladan los ejes de coordenadas al centro . En estas condiciones, la ecuacin referida a los nuevos ejes , se transforma en: con 0
en la que no aparecen ya trminos lineales en , un ngulo tal que: Tras el giro desaparece el trmino en tan 2
e . Por ltimo, se giran los ejes
y la cnica se reduce a:
con 12 Ejemplo Reducir la cnica 4 ; 5 1 2 6 7 15 0
70

Como 4 4 4 1 5 calcula anulando las derivadas parciales: 0: 0: 4 2 0 es una elipse. El centro se 6 7 0 0
Las soluciones del sistema de ecuaciones son: 52, Trasladando el origen al centro , , la ecuacin se transforma en: pues 4 5 14 7 4 1 5 6730 1 5 3 0
10 4
8.
Si se giran los ejes un ngulo tan 2 2
tal que: 135; 16
15 1
1 4
como
1 2 1 entonces 3 22 3
12 1
16 1 4
1 0
22
22
22 1
que se puede expresarse de la forma
con 12 3 Reduccin de la parbola La ecuacin reducida de la parbola es: 22; 1 2 3 22
con cos
71

siendo sen cos Para Para Adems, con , 0, con 0, con 0y 0y cos 4 / / 0 entonces cos 0 entonces cos sen /4 2 0. 0
tal que
el nuevo origen
es:
15. FORMAS CUADRTICAS
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 , 4 5 14 0, es decir: 52 , 8 se reduce a por tanto, es una forma cuadrtica. 4 5 14
Por otro lado, en el ejercicio propuesto en el punto 3 se pretende demostrar que 1 2 , es un producto interior, siendo . Pues bien, sea 2 5 . Calculemos , : , 1 2 2 5
resulta que
es la forma cuadrtica de la elipse anterior. O sea, podemos afirmar que la matriz 4 5 . est asociada a la forma cuadrtica 72

Calculemos los valores y unos vectores propios de Los valores propios anulan el determinante de det 2 1 2 1 2 : 5 0 0 para cada 2 . 5
Los vectores propios son las soluciones del sistema valor propio con (obsrvese que la coordenada Unos vectores propios son: Para 3 22 3
22;
22
es la superior):
22
es decir:
1 0 0 1
1 2 1
2 5 2 0
0 0
por tanto, un vector propio es, por ejemplo, con 3 22 2 1 1
1:
Para
22
o sea:
1 0 0 1
1 2 1
2 5 0
0 0
por tanto, un vector propio es, por ejemplo, con 2 1 1
1:
Obsrvese que los vectores propios y son perpendiculares. En efecto, su producto escalar es nulo 0. Esta 2 1, 1 2 1, 1 propiedad se produce cuando la matriz es simtrica. Ahora podemos calcular la matriz diagonal tal que .
es diagonalizable porque tiene dos valores propios distintos. La matriz de paso se construye con los vectores propios y dispuestos en columna:
73

2 1 2 1 1 1 se forma colocando los valores propios en su diagonal principal: 3 22 0 0 3 22 :
y la matriz
Se puede comprobar que 2 1 1 Obsrvese que: 2 1
1 2 2 1 2 5 1 1 3 22 0 0 3 22
a) Los valores propios coinciden con los coeficientes y estn relacionados con los semiejes y de la elipse: 3 3 22 22
, que, a su vez,
b) El vector propio 3
2 1 , asociado con el valor propio 1 22, forma un ngulo con el eje de abcisas cuyo valor es: tag 67 30 2 1 1
Por tanto, el vector propio se encuentra sobre la direccin del nuevo eje , situado en el centro de la elipse. c) El vector propio 3 1 22, forma un ngulo tag 2 1 , asociado con el valor propio con el eje de abcisas cuyo valor es: 2 1 1
Por tanto, el vector propio se encuentra sobre la direccin del nuevo eje , situado en el centro de la elipse. d) Al diagonalizar la matriz asociada a la forma cuadrtica desaparecen los trminos en y slo se conservan los trminos en y . Es decir, los resultados coinciden con los obtenidos siguiendo el mtodo de reduccin de cnicas del punto 15. 74
22 30

son LI, perpendiculares y constituyen una base de Pero, aunque y unitarios. Encontremos una base ortonormal asociada a y . , no son 0, basta 1. De
es 1 2 Si la ecuacin del vector propio asociado a imponer la condicin de que su mdulo sea la unidad, es decir: estas dos ecuaciones se deduce que 12 2 2 y manera que un vector propio unitario es, por ejemplo: 1 2 2 2 1 2 1
2 . De
Anlogamente, si la ecuacin del vector propio asociado a
2 1
0, con 1 se deduce que 1 2 2 2 . As pues otro vector propio unitario es, por ejemplo: 1 2 2 2 1 2 1
es
2 y
Ahora podemos calcular otra matriz diagonal tal que se construye con los nuevos vectores propios y 1 2 Comprubese que cumple que: 2 2 2 2
. La matriz paso : 2 2
es una matriz diagonal
; pero, como cabe esperar, se
Adems, se produce una curiosidad:
Matriz ortogonal Una matriz cuadrada 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 de una forma cuadrtica, tal que sea diagonal. es ortogonal si .
75

reducen la elipse Acabamos de comprobar que tanto la matriz como la 4 5 6 7 15 0 diagonalizando la matriz , pero mientras que es ortogonal se puede comprobar que no lo es. 16. MATRIZ SIMTRICA ASOCIADA A UNA FORMA CUADRTICA Siguiendo con el ejemplo de la elipse 4 5 6 7 15 0 ya reducida a su forma cuadrtica , 4 5 , 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, e , por tanto es de orden 2. 1
b) La matriz es simtrica, con los coeficientes de los trminos al cuadrado situados en la diagonal principal: 5
c) El coeficiente simtrico respecto de la diagonal principal es la mitad del coeficiente del trmino en Y. En este caso: 42 2 1 2 2 5
Se procede de manera similar para construir la matriz simtrica , , la forma cuadrtica :
asociada a
b)
a) El orden de es el nmero de variables de la forma cuadrtica. En este caso: tres variables: , y es simtrica. Los coeficientes sitan en la diagonal principal , y de los trminos al cuadrado se 1 2
c) Simtricamente respecto de la diagonal principal se colocan 1 2 y 1 2 , como se indica a continuacin:
En estas condiciones podemos afirmar que, si el vector expresa en forma de matriz columna , la forma cuadrtica , , expresin: , ,
, , se responde a la
1 2
; 76
1 2
1 2

Y anlogamente se procede para construir la matriz simtrica asociada a una forma cuadrtica -dimensional en la que y :
17. DIAGONALIZACIN DE MATRICES SIMTRICAS Y REALES 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 distintos, son perpendiculares entre s. Toda matriz simtrica y real es diagonalizable. La matriz diagonal se forma situando los valores propios en la diagonal principal, de manera que , siendo la matriz de paso constituida con los vectores propios dispuestos en columna. Si los vectores propios de una matriz simtrica y real son unitarios, entonces la matriz de paso es ortogonal: .
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.
18. DIAGONALIZACIN ORTOGONAL Acabamos de ver que toda forma cuadrtica est caracterizada por una matriz simtrica respecto a una base . Si se considera otra base , el vector se representa mediante tal que donde es la matriz de paso. Sustituyendo:
llamando
se dice que
son congruentes y
Si la matriz de paso de la base a la base se construye con vectores propios de , entonces es diagonal. Y si se construye con vectores propios de unitarios, entonces es ortogonal: . Este proceso se conoce como diagonalizacin ortogonal y se dice que es un operador ortogonal.
77

En otras palabras: En toda forma cuadrtica se puede encontrar un sistema de coordenadas (una base) respecto al cual su matriz asociada sea diagonal, de manera 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: , ,
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
Pero, el recproco no siempre es cierto. Si es ortogonal, es invertible:
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. E.9. Determinar una matriz ortogonal que diagonalice a 2 2 . 2 1
E.10. Efectuar una transformacin de coordenadas que diagonalice la forma cuadrtica 3 10 3 .
19. UN PROBLEMA FSICO DE APLICACIN El cubo macizo de la figura, de masa y asista , gira en torno a un eje M-M diagonal con velocidad angular . Hallar la expresin del momento cintico respecto a los ejes , , . Hallar el tensor de inercia, la matriz diagonalizada y las direcciones principales de inercia. Clculo de los momentos de inercia ; ;
23
Por simetra: 78

23 14 Por simetra: 14
Clculo de los productos de inercia
El tensor o matriz de inercia respecto a los ejes XYZ es: 2 3 14 14 3 3 8 3 3 8
112
El vector velocidad angular respecto a los ejes XYZ es: 13
8 3 3
14 2 3 14
14 14 2 3
El momento cintico respecto a los ejes XYZ es: 63
Para diagonalizar la matriz de inercia 1 12 trabajamos con la matriz : 8 3 3
3 8 3 3 8 3 8
3 3 8 3 3 8
112
Valores propios: 3 3 8
8 3 3 3 3 0;
Vectores propios: Para 2:
2;
11
27
54
79

6 3 3 3 3 3 3 3 3 Para 3 3 3 3 6 3 3 3 6 0 0 0 0 0 0
11:
1,1,1 0
La matriz diagonalizada es: La matriz de paso es:
1,1,0
1,1,0
1,0,1
1,0,1
con
Comprubese que Anlisis de los resultados El vector propio cumple que pero
. 1,1,1 tiene la misma direccin que la diagonal M-M. Y se 1 1 1 1 11 10 1 10 11 0 0
es decir, no es perpendicular a , pues y se han generado con el mismo valor propio. Por tanto, aunque hemos encontrado una base, sta no est formada por vectores ortogonales. Busquemos una nueva base ortogonal: Como ya es perpendicular a , calculemos un vector , , perpendicular a y tal que 0 para satisfacer la condicin 0 impuesta por 11. 80
10
01

1,1,1 ; : : 1,1,0 ; 0 , , 1 2
La condicin (2) y, con (1), 2 0. Sea La matriz es ahora:
0 ya se cumple en (1) otra vez; 1: un vector es, por ejemplo:
se deduce de 1,1, 2 .
y se sigue cumpliendo
, pero continua siendo
Obsrvese que con estamos haciendo un cambio del sistema de coordenadas de la base cannica 1, 0, 0 , 0, 1, 0 , 0, 0, 1 al sistema de coordenadas formado por los vectores ortogonales , y que constituyen la base 1, 1, 1 , 1, 1, 0 , 1, 1, 2 , de manera que: es decir:
por tanto:
1 1 1
1 0 ; 0
1 1 0
0 1 ; 0
1 1 2
0 0 1
La base 1, 1, 1 , 1, 1, 0 , 1, 1, 2 es ortogonal, pero no ortonormal. Para ortonormalizarla basta dividir cada vector por su mdulo: 13 1, 1, 1 , 12 1, 1, 0 , 16 1, 1, 2
la ecuacin est referida a los ejes de la base , es decir, . podemos expresarla de la siguiente manera: y podramos calcular , pero refirindolo a los ejes sealados por , y de la base , o sea: . Es decir, basta expresar en coordenadas de la base y multiplicar por para calcular en coordenadas de la misma base . adems, los vectores propios de la base son las direcciones principales de inercia.
La matriz
asociada a la base
es:
81

y se sigue cumpliendo Comprobemos los resultados: Calculemos el valor de correspondiente a una velocidad angular 1,0,0 expresada en la base cannica: 112 8 3 3 3 8 3 3 3 8 1 0 0 112 , pero, ahora s, .
8, 3, 3
correspondiente a la misma velocidad angular Calculemos ahora el valor de 1,0,0 , pero en la base . Para ello determinamos las coordenadas de la velocidad angular en la base : 1,0,0 1,1,1 1,1,0 1,1, 2 . Es decir: 13, 12 y 16, por tanto: entonces: 12 13 , 12 , 16 1 3 12 1 6
(las coordenadas de en base Como comprobacin, calculemos de (con las coordenadas de expresadas en la base ): donde se deduce que 2 3 , 112 y resultado que el obtenido con la expresin 112 8, 3, 3 112 1,1,1 1,1,0
2 0 0
0 0 11 0 0 11
112
2 , 3
11 11 , 2 6 ) a partir
116. Es decir, el mismo .
1,1, 2
82

Ejercicios 1. Sea 0 12 12 una matriz cuadrada de orden 3 que verifica: 0 12 ; 12 13 13 13 2 13 13 ; 13 26 16 16 26 16 16
2. Sea :
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 : , , 2 2 . Hallar la matriz asociada. la aplicacin lineal definida por: , , 2 3 , , 2
3. Sea :
Hallar, si existe, una base en
respecto a la cual la matriz asociada a 2 1 1 2 1 1 1 1 2
sea diagonal.
la aplicacin lineal definida por: , ,
4. Sea : es:
Hallar una base en
respecto a la cual la matriz asociada a
sea diagonal.
la aplicacin lineal cuya matriz asociada respecto a la base cannica 0 1 1 0 1 1 1 1 0
5. Sea , , , , , hallar una base ortonormal respecto a la cual la matriz de la aplicacin lineal admita una expresin diagonal. 6. Sea : es: la aplicacin lineal cuya matriz asociada respecto a la base cannica 2 1 1 2 1 1 1 1 2
Hallar una base ortonormal respecto a la cual la matriz asociada a
sea diagonal.
7. Consideremos la forma cuadrtica de , , 2 . 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
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.

8. Sea 1 la aplicacin lineal cuya matriz asociada respecto a la 2 y sea : 1 base cannica es . Hallar: a) , , . b) Una base de respecto de la cual la matriz asociada a sea diagonal. c) La forma cuadrtica asociada a la matriz de . 1, 1, 1 5, 3, 3 ; 1, 1, 1 dada por: 3, 3, 1 ; 1, 1, 0 4, 1, 3
9. Consideremos la aplicacin lineal :
Calcular: a) La matriz asociada respecto de la base cannica. b) Estudiar si es diagonalizable y, en caso afirmativo, hallar una base respecto de la cual la matriz asociada a en dicha base sea diagonal. 10. Obtener una transformacin ortonormal que diagonalice la forma cuadrtica , 26 2 . 11. Hallar una transformacin ortogonal para reducir la forma cuadrtica 4 4 5 4 8 a una suma de cuadrados. , ,
84

Álgebra para Ingenieros

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Álgebra para Ingenieros

Încărcat de

Drepturi de autor:

Formate disponibile

Capitn de fragata ingeniero AGUSTN E.

LGEBRA PARA INGENIEROS

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

Matriz columna. Slo tiene una columna. Ejemplo:

. Se obtiene cambiando filas por columnas. Ejemplo: 2 3 , entonces 6 7 1 5 2 6 . 3 7

Algunas propiedades de las matrices transpuestas son:

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

Propiedades Asociativa: Conmutativa: Elemento neutro: 0

4. PRODUCTO DE MATRICES POR UN ESCALAR

, siendo 0 la matriz nula

5. PRODUCTO DE DOS MATRICES

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

es invertible o regular. Pero, si

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

transformaciones transformaciones de filas y columnas de filas y columnas

Ejemplo Calcular la matriz inversa de 1 1 2 0 2 1

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

10. DETERMINANTES. DEFINICIN

El procedimiento se generaliza para Propiedades

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

se puede comprobar que

De esta expresin se deduce que

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

la matriz columna de trminos independientes:

La expresin matricial del sistema de ecuaciones es:

Premultiplicando esta igualdad por

Ejemplo Resolver el sistema de ecuaciones 2 La matriz es: 5 1 2 1 1 1 1 1 5 1 4 0 10 11 18

cuyo determinante es:

lo que asegura que

es invertible, de manera que: 17

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

Siguiendo el mtodo del epgrafe 9, se llega a la matriz triangular superior equivalente:

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

Se trata del siguiente sistema de ecuaciones escalonado: 10 14 8

18. RESOLUCIN MEDIANTE DETERMINANTES O MTODO DE CRAMER

Las incgnitas se calculan como se expresa a continuacin: 1 1 1 1 1 1 1 10 1 det 2 11 1 1 18 1 1 1 1 det 2 1 1 1 5 1

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

la matriz de los coeficientes de

cuyo determinante es:

cualquier valor. Sea 10 7 1 1 1 1

. Empleando el mtodo de Cramer: 1 10 1 7 1 1 1 1

pues en ese caso la matriz

cuyo determinante es nulo.

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

5. Calcular el determinante de Vandermonde det

que verifica la identidad 0 2 12 0 33 8

Y generalizar el resultado hasta el exponente natural . 6. Resolver la ecuacin det 0 siendo 1 1 1 1 1 1 2 2 7 12

7. Hallar el rango de la siguiente matriz en funcin de los valores de sus parmetros: 2

8. En el dominio de las matrices cuadradas de orden 5, demostrar: det 32 det

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales

12. Hallar la potencia n-sima de la matriz 2 5 2 antisimtrica. 7 0 4 1 , descomponer 5 5

en una suma de una matriz simtrica y una

14. Demostrar que: det

LGEBRA PARA INGENIEROS. Agustn E. Gonzlez Morales