ALGEBRA

LINEAL Y TEORA MATRICIAL

ESTUDIANTE CI PARALELO

Chura Erazo Serena Micaela 10933964 LP 2E

Huanca Alarcn Jorge Luis 4861241 LP 2E

Butrn Garay Pedro Enrique 9909903 LP 2E

Aguilar Quispe Kevin Jhoel 13316890 LP 2E

Suagua Coarite Manuel 8435404 LP 2E

Camacho Snchez Mauricio 9116660 LP 2F

Cesar

Mamani Mamani Juan Jos 2F

Zuagua Huanca Luciana 4907197 LP 2F

Gonzales Paz Alain Daniel 9118781 LP 2O

Tangara Chvez Lilian Lucy 6932994 LP 2O

Torrejn Mujica Cristhian 12394510 LP 2O

Diego
Captulo 1

Matrices
Introduccin:
En todo problema en forma general se tienen 3 elementos:
V. de entrada V. de salida
PROCESO
(V. independiente) (V. dependiente)
En forma real existen varias variables en la entrada y otras tantas en la salida.
V. de entrada V. de salida
PROCESO
V1 Y1
V2 Y2
V3 Y3

producto/Tiempo Tiempo de proceso/ Producto

MI M II M III
A 2 3 1
B 5 6 2
C 5 0 3

Matriz:
Ordenamiento rectangular de elementos dispuestos en filas y columnas.
Nomenclatura:
A m xn

m x n : Orden de la matriz.

m : Indica la cantidad de filas.

n : Indica la cantidad de columnas.

Los elementos se simbolizan:

ai j

i : Indica la fila a la cual pertenece el elemento.

 n : Indica la columna a la cual pertenece el elemento.

En forma general:
A nxn= [ ai j ] A nxn=( ai j )

Ejemplo:

[ ]
2 3 1
A3 X3= 5 6 2
5 0 3

[ ]
3 5 22
B3X 4= 5 8 3 2
4 7 22

Nota:

1) Si m = n, A nxn se llama matriz cuadrada.

2) toda matriz A mxn tiene (m n) elementos.

Ejemplo:

[ ]
3 1 4 3 2
B 4 X 5 = 5 6 7 1 8
3 2 6 10 0
6 7 8 9 5

Indicar los elementos: a2 1 ; a1 3 ; a 4 5 ; a3 3 .

a2 1=5 a1 3=4 a 4 5=5 a3 3=6

Generacin de matrices:
En algunas ocasiones los elementos de una matriz responden a una regla de asignacin o
de recurrencia.

Ejemplo: [
A 3 X 3 = ai j=
(i+ j ) !
i! j ! ]
Sol.
 [ ]
a1 1 a1 2 a1 3
A 3 X 3 = a2 1 a2 2 a2 3
a3 1 a3 2 a3 3

( 1+1 ) ! ( 1+2 ) ! ( 1+3 ) !

a1 1= =2 a1 2= =3 a 13 = =4
1 ! 1 ! 1! 2! 1! 3 !

( 2+1 ) ! ( 2+ 2 ) ! ( 2+3 ) !
a2 1= =3 a2 2= =6 a2 3= =10
2 ! 1 ! 2 ! 2 ! 2 ! 3 !

( 3+1 ) ! ( 3+2 ) ! ( 3+3 ) !

a3 1= 4 a3 2= =10 a3 3 = =20
3 ! 1! 3 ! 2! 3! 3 !

[ ]
2 3 4
A 3 X 3 = 3 6 10
4 10 20

Ejemplo: Hallar:

[ i k si i= j
B 3 x 2= b i j= 1 sii< j
0 sii> j ]
Sol.

[ ] [ ] [ ]
b11 b12 1k 1 1 1
B 3 x 2= b 21 b22 B3 x 2= 0 2k B3 x2= 0 2 k
b 31 b32 0 0 0 0

Operaciones matriciales:
Producto escalar:

Sea A mxn =[ ai j ] y k un escalar, se define:

k Amxn =[ k ai j ]

Ejemplo: Sea la matriz:

A 2 X 3= [ 2 1 3
4 5 6 ]
Hallar: 2A 3A.

[ 4 2 6
8 10 12
][
6 3 9
=
2 1 3
12 15 18 20 5 6 ][ ]
Igualdad de matrices:
Dos matrices son iguales si al tener el mismo orden sus elementos correspondientes son
iguales.
A mxn =B mxn

[ ai j ]=[ bi j ]

Ejemplo: Hallar ( x+ y+ z ) xyz si las matrices son iguales.

[ ] [ ]
2 3+ x 4 2 4x+ y 2 x2 z
A= 5 1 2+ yx ; B= 4 x+1 1 2
z3 4 x+ 2 z x y 4 3

Sol.
A 3 x 3=B3 x3

[ ][ ]
2 3+ x 4 2 4x + y 2 x2 z
5 1 2+ yx = 4 x+ 1 1 2
z 3 4 x +2 z x y 4 3

3+ x=4x+ y (1) 4=2 x2 z( 2)

5=4 x+1( 3) 2+ yx =2(4)
z3=x y (5) x +2 z=3(6)

De (3 ) :5=4 x +1 x=1

De ( 4 ) :2+ yx =2 y=1

De (6 ) : x +2 z=3 z=1

Reemplazando:

( x+ y+ z ) xyz =( 1+1+ 1 )1 1 1=3

Suma de matrices:
Dos matrices A mxn y B pxq son con formables a la suma si tienen el mismo orden, por lo
tanto:
A mxn + Bmxn =Cmxn

Ejemplo: Sean.

[ ] [ ]
2 3 3 7
A= 5 4 B= 8 10
6 7 9 12

Hallar: A + B; 2A-3B.
Sol.

[ ][ ][ ]
2 3 3 7 5 4
A + B= 5 4 + 8 10 = 3 14
6 7 9 12 3 5

[ ] [ ][ ]
2 3 3 7 5 27
2 A3 B=2 5 4 3 8 10 = 34 22
6 7 9 12 39 50

Propiedades:
Siendo A, B y C matrices con formables para la suma se verifica:

1) A + B=B+ A

2) ( A + B ) +C=A + ( B+C )

3) A mxn +Omxn =A mxn

[ ]
0 0
Omxn : Matriznula Omxn =
0 0

4) A mxn +(A mxn)=Omxn

5) k ( A+B )=kA+kB

A

Nota: forman un grupo abeliano en consecuencia es posible realizar operaciones

algebraicas.
Ejemplo: Sean las matrices.

A= [ 2 5
4 3
B=
7 5] [
6 7
C=
1 4
5 3
D=
3 2
1 7 ] [ ] [ ]
Hallar una matriz X talque verifique la ecuacin:
2 ( A2 B+ C ) ( X +2 D )=3 X AB+3 C+ 4 D

Sol.
2 A4 B+ 2C X+ 2 D=3 X AB+3 C+ 4 D

3 A3 BC6 D=4 X

[ ] [
4 X=3 2 5 3 6 7 1 4 6 3 2
4 3 7 5 5 3 1 7 ][ ] [ ]
4 X= [ 31 10 1
/
44 51 4 ]

[ ]
31 5
4 2
X=
51
11
4

Producto de matrices:

Dos matrices A mxn y B pxq son con formables para el producto si se verifica:

A mxn B pxq =C mxq

Ejemplo: A 3 x 2 B2 x 4 =C3 x 4

B 2 x 4 A 3 x 2=El producto no esta definido .

Si A mxn =[ ai j ] y Bnxq =[ b j k ] ; C mxq =[ c i k ] . La definicin del producto:

[ ]
n
ai j b j k =[ c i k ]
j=1

Ejemplo: Multiplicar A B si:

 [ ]
3 5
A 2 X 3= [ 2 1 4
3 5 6 ]
B3 X 2= 7 8
2 6

Sol.
3
C1 1= ai j b j 1=a1 1 b1 1+ a1 2 b2 1 +a1 3 b 3 1
j=1

C1 1=2 ( 3 ) + (1 )(7 ) + 4 ( 2 )=21

3
C1 2= ai j b j 2=a1 1 b1 2 +a1 2 b2 2 +a 13 b3 2
j=1

C1 2=2 (5 ) + (1 ) ( 8 ) + 4 (6 )=42

3
C2 1= ai j b j 1=a2 1 b1 1+ a2 2 b2 1 +a 23 b3 1
j=1

C2 1=3 ( 3 ) + (5 ) (7 )+ 6 ( 2 )=56

3
C2 2= ai j b j 2=a2 1 b1 2 +a2 2 b 22 +a 23 b3 2
j=1

C2 2=3 (5 ) + (5 ) ( 8 ) +6 (6 )=91

A B= [ 21 42
56 91 ]
Si se tuviera:
A 4 x 3 B 3 x 5=C 4 x 5

Desarrollar 20 sumatorias de 1 a 3 resulta muy largo.

Primera regla practica: En el ejemplo anterior.
3 5
7 8
2 6
2 1 4 6+7+8 10824
3 5 6 9+35+12 154036
 [
A B= 21 42
56 91 ]
Segunda regla practica:

][ ][
3 5
A B= [ 2 1 4
3 5 6
7 8 =
2 6
21 42
56 91 ]
Ejemplo: Multiplicar A B si:

[ ]
4 1 3 3 1

[ ]
3 1 4 5
1 2 1 2 0
A= 2 2 3 6 B=
0 3 2 4 1
3 6 5 7
5 1 6 0 7

Sol.

][ ][
4 1 3 3 1

[ ]
3 1 4 5 36 22 48 23 42
1 2 1 2 0 =
A B= 2 2 3 6 40 5 34 2 41
0 3 2 4 1
3 6 5 7 29 7 37 23 51
5 1 6 0 7

Propiedades:
Siendo A, B y C matrices con formables para la suma se verifica:

1) A BB A

2) ( A B ) C= A ( B C )

3) A mxn + I nxn= A mxn

I nxn : Matriz Identidad

Se genera: I nxn = [10 sii=

si i j ]
j

Ejemplo:

[ ]
1 0 0 0

[ ]
I 2 x2 = 1 0 ; I 4 x 4 =
0 1
0
0
1
0
0
1
0
0
0 0 0 1
 A I =I A

4) A nxm 1
A mxn =I nxn

A1
mxn *
A nxm =I nxn

5) A ( B+C )= AB+ BC Premultiplica

( B+ C ) A=BA +CA Postmultiplica

6) A 2= A A ; A 3= A A A ; An =A A A

A
Estructuralmente ( mxn ,+, ) forman un anillo con divisores de cero y en consecuencia

no es posible dividir matrices.
Por lo que el primer problema fundamental del algebra lineal es hallar una expresin para
el inverso multiplicativo.
Si A y B son matrices no nulas puede suceder que AB sean la matriz nula.
Ejemplo:

[ ] [
A= 1 1 y B= 1 0
0 0 1 0 ]
A B= [ ][
1 1 1 0
0 0 1 0
=
0 0
0 0 ][ ]
Ejemplo: Hallare todas las matrices que conmutan con:

A= 2 1
1 3 [ ]
Sol.

X= y u
v w [ ]
A X= X A

[ ][ ] [ ][
2 1 y u = y u 2 1
1 3 v w v w 1 3 ]
 [ 2 yv
][
2uw = 2 yu y +3 u
y +3 v u+ 3 w 2 v w v +3 w ]
2 yv =2 y u ; 2uw= y +3u

v =u(1) y=u+w

y +3 w=2 vw ;u+3 w=v +3 w

yu=w ( 2 ) u=v

Como:

X= y
v [ ][ u = y
w u
u
y u ]
X= [ ][
y
0
0 0 u
+
y u u ]
X=y [ ] [
1 0
0 1
+u
0 1
1 1 ]
Otras operaciones matriciales:
Matriz traspuesta:

Sea la matriz A mxn =[ ai j ] se define la matriz traspuesta de A como:

A tnxm = [ a j i ]

Ejemplo: Sea.

[ ]
2 1
A= 3 4
5 7

Hallar At :

Sol:

[
A tnxm = 2 3 5
1 4 7 ]
Propiedades:
 t t
1) ( A ) =A

t t
2) ( k A )=k A
t t t
3) ( A+ B) = A + B
t t t
4) ( A B) = B A
t
5) ( I nxn) =I nxn

Diagonal principal:

Sea una matriz cuadrada A mxn =[ ai j ] se denomina diagonal principal a aquella que corta

a todas las filas y columnas.

Ejemplo: Indicar en A la diagonal principal.

[ ]
2 1 4 7
3 6 3 2
A=
5 1 5 3
9 8 1 4

a1 1=2 a2 2=6 a3 3=5 a4 4=4

Traza de una matriz cuadrada:

Sea una matriz cuadrada A nxn= [ ai j ] se define la traza de A como:

n
tr ( A nxn) = a ii
i=1

En el ejemplo anterior:
tr ( A nxn) =2+65=1

Propiedades:

1) tr ( A nxn) =tr ( A tnxn )

2) tr ( kA nxn ) =k tr ( A nxn )

3) tr ( A+ B )=tr A +tr B

Matrices especiales:
Son aquellas matrices que cumplen una particularidad especfica, las ms notables son:
Matriz involutiva:

A 2nxn=I nxn

Matriz idempotente:
2
A nxn= A nxn

Matriz nilpotente:

A knxn=O nxn donde k : es el indice de nilpotencia.

Matriz peridica:

A knxn+1=A nxn donde k :es el periodo de la matriz .

Matriz simtrica:
t
A nxn= A nxn

Ejemplo:

[ ] [ ]
2 1 4 2 1 4
t
A= 1 3 5 =A 1 3 5
4 5 6 4 5 6

Matriz anti simtrica:

A nxn=Atnxn

Ejemplo:

[ ]
0 3 4
B= 3 0 6
4 6 0

[ ] [ ]
0 3 4 0 3 4
B t= 3 t
0 6 =B = 3 0 6
4 6 0 4 6 0

En toda matriz anti simtrica se cumple:

ai i=0

Demostrando:
 A nxn=Atnxn

[ ai j ]=[ a j i ]

En la diagonal principal:
i= j

Entonces:
ai i=a ii

2 ai i=0

ai i=0

Teorema: Toda matriz cuadrada se puede expresar como la suma de una matriz simtrica
y otra anti simtrica.
A nxn S nxn + H nxn

Donde:
t
S=S ( Simetria)

H=H t ( Antisimetria )

En forma prctica:
1 1
S= ( A+ A t ) ; H= ( A At )
2 2

Ejemplo: Desglosar la matriz A como la suma de una matriz simtrica y otra anti simtrica.

[ ]
3 2 5
A= 4 1 6
7 2 3

Sol.

1
2
t
S= ( A+ A ) =
1
2
3 2 5
4 1 6 +
{[
3 4 7
2 1 2
7 2 3 5 6 3 ][
=
3 3 6
3 1 4
6 4 3 ]} [ ]
 1
H= ( AA t )=
2
1 3 2
2
5 3 4 7

{[0 1 1
4 1 6 2 1 2 = 1 0
7 2 3 5 6 3 1 2 0
2
][ ]} [ ]
[ ][ ][ ]
3 3 6 0 1 1 3 2 5
3 1 4 + 1 0 2 = 4 1 6
6 4 3 1 2 0 7 2 3

Matriz triangular superior:

Enxn=
[ e i j si i j
0 sii> j ]
Ejemplo:

[ ]
2 1 5
E3 x3= 0 3 4
0 0 6

Matriz triangular inferior:

Fnxn =
[ f i j si i j
0 si i< j ]
Ejemplo:

[ ]
5 0 0
E3 x3= 2 1 0
0 4 3

Teorema: Toda matriz cuadrada se puede expresar como el producto de una triangular
inferior por una triangular superior.
En forma general se escribe:
Lnxn=Triangular inferior .

U nxn=Triangular superior .

A nxn=L nxn U nxn

Matriz escalonada:
 [ ]
1 y /o 0 si i= j
A mxn = 0 si i> j
aij sii< j

Ejemplo:

[ ]
1 2 1 3
A3x 4= 0 1 2 0
0 0 0 5

Matriz escalonada reducida:

[ ]
1 y /o 0 si i= j
A mxn = 0 si i> j
aij sii< j

Ejemplo:

[ ]
1 0 0 5
A3x 4= 0 1 0 3
0 0 1 2

Matriz normal:

[
A mxn = 1 si i= j
0 sii j ]
Ejemplo:

[ ]
1 0 00
F 3 x 4= 0 1 0 0
0 0 10

Teorema: Toda matriz A mxn se puede transformar a su forma escalonada, escalonada

reducida o normal por medio de operaciones elementales.
Matriz ortogonal:
1 t
A nxn= A nxn

Matriz diagonal:

[
Dnxn= d ii si i= j
0 sii j ]
Ejemplo:
 [ ]
2 0 0
Dnxn= 0 4 0
0 0 6

Propiedad:

[ ]
k
D nxn= d ii si i= j
k

0 sii j

Ejemplo:

[ ]
100
2 0 0
100 100
Dnxn = 0 (4) 0
0 0 6100

Teorema: Toda matriz cuadrada se puede expresar como el producto de una triangular
inferior, diagonal y triangular superior.
A nxn=L nxn Dnxn U nxn

Operaciones elementales:

Son cambios que se pueden realizaren las filas o columnas de una matriz A mxn con el
objetivo de encontrar una matriz equivalente a la original.
A mxn Equivalentes Bmxn

1) AA

2) Si A B B A

3) Si A B y B C A C

Nomenclatura:
f i iesima fila de la matriz A .

c i iesima columna de lamatriz A .

Las operaciones elementales son 4:

1) Intercambiar 2 filas o columnas en una matriz.
fi f j ; ci c j

Por ejemplo:
 [ ] [ ]
2 1 3 4 3 0 1 7
A= 4 6 5 2 A= 4 6 5 2
3 0 1 7 2 1 3 4

f1 f3

2) Multiplicar a una fila o columna por un escalar no nulo.

Kfj ; K cj

Por ejemplo:

[ ] [ ]
2 1 3 4 2 1 3 4
A= 3 4 2 5 A= 6 8 4 10
6 2 8 7 6 2 8 7

2 f 2

3) Es posible sumar una fila o columna a otra.

f i+f j f ,j ; c i+ c j c ,j

Por ejemplo:

[ ][ ]
2 1 3 4 2 1 3 4
6 8 4 10 6 8 4 10
6 2 8 7 0 6 4 3

f 2+ f 3 f ,3

4) Se puede sumar el mltiplo de una fila o columna a otra.

Kf i +f j f ,j ; Kci +c j c ,j

Por ejemplo:

[ ][ ]
2 1 3 4 2 1 3 4
6 8 4 10 0 11 13 2
0 6 4 3 0 6 4 3

3 f 1 + f 2 f 2,

Mtodo del pivote:

Es una secuencia de pasos que permite llevar una matriz a su forma escalonada,
escalonada reducida o normal.
Primer paso: Buscar un uno principal en la primera columna y llevarlo a la posicin 1-1.
Segundo paso: Hacer cero los elementos restantes de la columna del uno principal.
Tercer paso: Buscar un segundo uno principal en la segunda columna pero no en la
primera fila y llevarlo a la posicin 2-2.
Cuarto paso. Hacer cero los elementos restantes de la columna del segundo uno principal.
Realizar el anterior esquema hasta llegar a la ltima columna.
Ejemplo: Llevar la matriz A a su forma escalonada, escalonada reducida y normal si fuera
posible.

[ ] [ ] [ ]
3 4 2 5 1 5 6 4 1 5 6 4
A= 4 5 6 7 4 5 6 7 0 25 18 23
2 1 8 9 2 1 8 9 0 11 20 17

[ ]
1 5 6 4
0 3 22 11
0 11 20 17

, , , ,
f 3+ f 1 f 1 4 f 1+ f 2 f 2 2 f 3+ f 2 f 2 4 f 2+ f 3 f 3

2 f 1 +f 3 f ,3

[ ] [ ] [ ]
1 5 6 4 1 5 6 4 1 5 6 4
0 3 22 11 0 1 108 61 0 1 108 61
0 1 108 61 0 3 22 11 0 0 302 172

[ ]
1 5 6 4
0 1 108 61
0 0 1 86 /151

f 2 f3 3 f 2 +f 3 f ,3 f 2

Forma escalonada
(1 /302 ) f 3
 [ ] [ ] [ ]
1 5 6 4 1 5 0 88 /151 1 0 0 247/ 151
0 1 108 61 0 1 0 77 /151 0 1 0 77 /151
0 0 1 86 /151 0 0 1 86 /151 0 0 1 86 /151

[ ]
1 0 0 0
0 1 0 77 /151
0 0 1 86 /151

6 f 3 + f 1 f ,1 5 f 2+ f 1 f ,1 ,
Escalonada reducida ( 77/ 151 ) c 2+ c 4 c 4
,
108 f 3 + f 2 f 2 (247/151 ) c 1 +c 4 c ,4

[ ] [ ]
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
0 0 1 86 /151 0 0 1 0

( 86/151 ) c 3+ c 4 c ,4 Normal

Matrices elementales:
Surgen al realizar la operacin elemental en la matriz identidad con formable a la matriz A.
Entonces se generan matrices elementales de filas y columnas, generalmente se
simboliza por:
Ei Matriz elementalde laiesima operacin elemental en filas.

F j Matriz elementalde la jesima operacinelemental en columnas .

Por lo tanto:
A mxn op . elementales Bmxn

Para la ecuacin que relaciona A con B se tiene:

Emxm A mxn F nxn=Bmxn

Entonces:
Ek E3 E2 E 1 A F 1 F 2 F 3 F J =B

Pmxm A mxn Qnxn=Bmxn

Ecuacin de la euivalencia de matrices

Ejemplo: Hallar las matrices elementales que transforman la matriz A en la matriz B y
verificar la ecuacin de equivalencia.

[
A= 2 3 7 y B= 2 0 1
5 6 4 0 4 3 ] [ ]
Sol.

[ ] [ ] [
2 3 7 2 3 7 1 15 17 1 15 17 1
5 6 4 1 15 17 2 3 7 0 27 27
0 1
0 27 27 ] [ ] [ ]
3 f 1 + f 2 f 2, f1 f 2 2 f 1+ f 2 f ,2 15 c 1 +c 2 c ,2 2
c1

,
16 c 1+ c 3 c 3 (1 /27 ) f 2

[ 2 0 1
0 1 1
] [
2 0 1
0 1 3

2 0 1
0 4 3 ] [ ]
4 c 2+ c3 c3, 4 c2 B

Matrices fundamentales:
En filas:

[ ]
I 2 x2 = 1 0
0 1 Realizamos las mismas operaciones elementales en la matriz

identidad.

E1= [ ] [ ] [
1 0
3 1
; E 2=
0 1
1 0
; E3 =
1 0
2 1
; E 4=
1
] [
0
0 1/27 ]
En columnas:

[ ]
1 0 0
I 3 x3 = 0 1 0 Realizamos las mismas operaciones elementales en la matriz
0 0 1

identidad.

[ ] [ ] [ ] [ ] [ ]
1 15 0 1 0 16 2 0 0 1 0 0 1 0 0
F1= 0 1 0 ; F 2 = 0 1 0 ; F 3= 0 1 0 ; F 4 = 0 1 4 ; F 5= 0 4 0
0 0 1 0 0 1 0 0 1 0 0 1 0 0 1
Entonces:
E4 E3 E2 E1 A F 1 F 2 F 3 F 4 F5 =B

E
P=( 4 E 3) ( E2 E1 )= 1 [ 0
][
1 0 0 1 1 0= 3
0 1/27 2 1 1 0 3 1 ][ ][ ] [
1
5/27 2/27 ]

[ ][ ] [ ][ ][ ]
1 15 0 1 0 16 2 0 0 1 0 0 1 0 0
Q=( 1 F 2) ( F 3 F 4 ) F 5 = 0 1 0 0 1 0 0 1 0 0 1 4 0 4 0
0 0 1 0 0 1 0 0 1 0 0 1 0 0 1

[ ]
2 60 44
Q= 0 4 4
0 0 1

][ ][
2 60 44
[ 3 1
][
2 3 7
5 /27 2/27 5 6 4
0
0
4
0
4 =
1
2 0 1
0 4 3 ]
P A Q=B

En aquellos problemas donde no se solicite las matrices elementales y solo nos pidan las
matrices P y Q entonces se procede de la siguiente manera:

Qnxn I nxn

op . elementales I mxm A mxn

filas

Pmxm B mxn

Una de las aplicaciones de las operaciones

elementales se da en la factorizacin L.U para ello:
A nxn op .elementales U nxn

E4 E3 E2 E1 A I =U
Entonces:

A=( E1
1 E 2 E3 E K ) U
1 1 1

A=L U

[ ]
3 2 1
Ejemplo: Descomponer la matriz A= 6 1 4 en la forma A=L D U siendo
9 3 5

[ ]
2 0 0
D= 0 3 0 ; L=triangular inferior ;U =triangular superior .
0 0 4

Sol.

[ ] [ ] [ ] [ ]
3 2 1 3 2 1 3 2 1 3 2 1
6 1 4 0 5 6 0 5 6 0 5 6
9 3 5 0 9 2 0 0 64 /5 0 0 64

9
2 f 1+ f 2 f ,2 ( )f 2 + f 3 f ,3 5f 3 B
5

3 f 1 + f 3 f ,3

Matrices elementales:

[ ]
1 0 0
I 3 x3 = 0 1 0
0 0 1

[ ] [ ] [ ] [ ]
1 0 0 1 0 0 1 0 0 1 0 0
E1= 2 1 0 ; E 2= 0 1 0 ; E3= 0 1 0 ; E4 = 0 1 0
0 0 1 3 0 1 0 9/5 1 0 0 5

Entonces:

E4 E3 E2 E1 A=B / premult . E1
4

E1 1
4 E 4 E3 E 2 E 1 A=E 4 B
 E3 E2 E 1 A=E1 1
4 B/ premult . E3

1 1 1
E3 E 3 E 2 E1 A=E3 E4 B

E2 E 1 A=E1 1 1
3 E 4 B / premult . E2

E1 1 1 1
2 E 2 E1 A=E2 E3 E 4 B

E1 A=E1 1 1 1
2 E 3 E 4 B / premult . E1

E1 1 1 1 1
1 E 1 A=E 1 E2 E3 E 4 B

A=E1 1 1 1
1 E2 E3 E 4 B ( )

[ ] [ ] [
1 0 0

0 0 1
1

] [ ]
1 0 0

3 0 1
1
1
E 1 = 2 1 0 ; E 2 = 0 1 0 ; E3 = 0
0
1
0 1 0 0
0 ;E = 0 1 0
0 9 /5 1/5 4 0 0 1/5

[ ][ ][ ]
1 0 0 1 0 0 1 0 0
( E E )( E E )= 2 1 0 0 1
1
1
1
2
1
3
1
4 0 = 2 1 0
3 0 1 0 9/5 1/5 3 9/5 1 /5

Entonces en ( ) :

[ ][ ]
1 0 0 3 2 1
A= 2 1 0 0 5 6
3 9/5 1 /5 0 0 64

B=D U

[ ][ ] [ ]
1 0 0 2 0 0 3 /2 0 1/2
A= 2 1 0 0 3 0 0 5 / 3 2
3 9/5 1 /5 0 0 4 0 0 16

A=L D U
Captulo 2

Determinantes e Inversas
Definicin:
Para definir un determinante existen dos enunciados que dicen:
1 Definicin: Un determinante es una aplicacin que asocia a toda matriz cuadrada un
valor escalar.
f : Anxn K

Nomenclatura: Se simboliza por:

 det ( A nxn) | A nxn |

Definiciones previas:
Permutacin: Una permutacin es un arreglo ordenado de n elementos tomados de n
en n.
Pn=n !

Si A= (1,2 ) n=2 P2=2 !

( 1,2 )

( 2,1 )

Si A= (1,2,3 ) n=3 P3 =3!=6

( 1,2.3 ) (2,3,1 )

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

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

Inversin:

La inversin es la cantidad de elementos menores y posteriores a todo elemento ai en

una permutacin.

Ejemplo: Hallar las inversiones en la permutacin: ( 9,10,8,2,3,7,6,5,4,1 )

Sol.
8+8+7 +1+1+ 4 +32+1

de inv .=

Producto elemental:

En toda matriz A nxn= [ ai j ] se define con un producto elemental como el producto de n

elementos que no pertenecen a la misma fila y columna.

En toda matriz A nxn existen n ! Productos elementales:

Si A 2 x 2=
[ a11 a12
a21 a22 ]
+a11 a22
a12 a21 producto elemental

+a11 a22 a33

+ a12 a23 a31

[ ]
a11 a 12 a13
A 3 x 3= a21 a 22 a23 + a13 a21 a32
Si a a22 a31 producto elemental
a31 a 32 a33 13
a11 a23 a32
a12 a21 a33

A 4 x 4 4!=24 producto elemental de 4 en 4.

A 5 x 5 5!=120 producto elemental de 5 en 5.

2 Definicin: El determinante de una matriz cuadrada A nxn es la sumatoria de todos

los productos elementales tomados con signo de acuerdo a la inversin asociada a los
segundos subndices.
Entonces:
A
a
( 11 a 22)
( a12 a 21 )
det ( 2 x 2)=
|
a11 a12
a21 a22
=
|

| |
a 11 a12 a13 a13 a22
det ( 3 x 3)= a21 a22 a23 = ( a11 a22 a33 ) + ( a12 a23 a 31) + ( a (
a13 a 21 a32 31
a31 a32 a33

a11 a23 a 32 (a12 a21 a33)

Regla de Sarrus:

| |
a 11 a12 a 13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32

Propiedades:
Se pueden aplicar las siguientes operaciones elementales en determinantes:

Si llamamos Ai i-esima fila o columna de la matriz A nxn :

1) | A 1 A 2 Ai A j A n | | A 1 A 2 Ai A j A n | Ai A j

2) | A 1 A 2 A3 KA i A n | K| A 1 A 2 A3 Ai A n |

3) | A 1 A 2 Ai A j A n | | A 1 A 2 Aij A i + A j An | Ai+ A j A j

4) | A 1 A 2 Ai A j A n= || A 1 A 2 KA i + A j A n | KA i + A j A j

5) | A 1 A 2 0 A n | 0

6) | A 1 A 2 Ai , A i A n | 0

A

7) det )= det ( A nxn )
t

A

8) det
n
det ( A nxn )=K

9) det ( Triangular superior o inferior )= ai i

i=1

10) det ( A B )=det ( A) det ( B)

11) det ( I nxn)=1

A
1
( 1 )=
12) det A
det

Nota: La inversa de una matriz existe si y solo si det ( A nxn ) 0

Ejemplo: Si el determinante:
 | |
a b c
d e f =8
g h i

Hallar el determinante de:

| |
a b c
2g 2h 2i
d3 a e3 b f 3 c

Sol.

| | | | | |
a b c a b c a b c
2g 2h 2 i =(1 ) ( 2 ) g h i =2 g h i
d3 a e3 b f 3 c d3 a e3 b f 3 c d e f

3 f 1 + f 3 f ,3 f 2 f3

Ejemplo: Calcular el determinante:

| |
4 3 2 2
2 5 2 3
3 1 4 6
4 5 3 2

Sol.

| || || || |
4 3 2 2 1 4 2 8 1 4 2 8 1 4 2 8
2 5 2 3 2 5 2 3 0 13 2 13 0 13 2 13
3 1 4 6 3 1 4 6 0 13 10 30 0 0 8 17
4 5 3 2 0 5 1 4 0 5 1 4 0 5 1 4

f 3 + f 1 f ,1 2 f 1 +f 2 f ,2 f 2+ f 3 f ,3 3 f 4 + f 2 f ,2

, ,
2 f 2+ f 4 f 4 3 f 1+ f 3 f 3
 | | | |
1 4 2 8 1 4 2 8
0 2 5 25 0 2 5 25

0 0 8 17 0 0 8 17
0 5 1 4 0 5 1 4

| || |
1 4 2 8 1 4 2 8
0 2 5 25 0 2 5 25
0 0 8 17 0 0 8 17
0 0 23 /2 67 /2 0 0 0 145/16

, ,
(5/2) f 2+ f 4 f 4 (23/16) f 2 +f 4 f 4

det ( A )=1 2 8 ( 145

16 )
=145

Matriz de cofactores:

Dada una matriz A nxn= [ aii ] se define la matriz de cofactores como:

cofact ( Anxn ) =[ c i j =(1)i + j|M i j|]

|M i j| : Determinante menor que queda en la matriz A nxn luego de anular la i-esima fila
y la i-esima columna.
Ejemplo: Hallar la matriz de cofactores de:

[ ]
2 4 5
A= 3 2 1
4 6 2

Sol.

[ ]
c11 c 12 c 13
cofact ( A3 x3 ) = c 21 c 22 c 23
c 31 c 32 c 33

| |
c 11=(1)1+1 2 1 =46=10
6 2

c 12=(1)1 +2 3 | |
1 =(6+ 4 )=2
4 2
 | |
c 13=(1)1+3 3 2 =18+8=26
4 6

| |
c 21=(1)2+1 4 5 =( 830 )=22
6 2

c 22=(1)2+2 2 |5 =4+ 20=16

4 2 |
| |
c 23=(1)2+3 2 4 =( 1216 )=4
4 6

| |
c 31=(1)3 +1 4 5 =410=14
2 1

| |
c 32=(1)3 +2 2 5 =( 215 )=13
3 1

| |
c 33=(1)3+3 2 4 =4 +12=16
3 2

[ ]
10 2 26
cofact ( A3 x3 ) = 22 16 14
14 13 16

Propiedades:
t t
1) cofact ( A )=(cofact ( A))
n1
2) cofact ( KA nxn ) =K cofact ( A nxn )

3) cofact ( A B )=cofact ( A ) cofact ( B )

Determinante por cofactores:

Tambin denominado desarrollo de La Place, nos dice:
n
det ( A nxn )= ai j (1)i + j|M i j|
i =1
j=1

La sumatoria se realiza alrededor de una fila o columna cualquiera.

Ejemplo: Hallar el determinante de:
 [ ]
2 4 5
A= 3 2 1
4 6 2

Sol.
Por cofactores alrededor de la segunda columna:

| A|=(4 )(1 ) 3 | | |
1 + ( 2) 2
4 2 | | |
5 ( 6 ) 2 5
4 2 3 1

| A|=4 (6+ 4 )+ 2 (4 +20 )6 ( 215 )=102

Regla de Cho:
En un determinante de orden n es posible realizar operaciones elementales con el
objetivo de conseguir la mayor cantidad de ceros en una fila o columna para luego aplicar
el desarrollo de cofactores y as ir reduciendo el orden del determinante.
Ejemplo: Hallar el determinante de:

| |
2 3 4 1 5
4 2 6 2 3
3 5 2 3 4
6 7 2 1 4
4 5 3 2 2

Sol.

| || || ||
2 3 4 1 5 2 3 4 1 5

|
8 4 14 13 0 3 3 13
4 2 6 2 3 8 4 14 0 13
3 14 10 19 3 15 10 19
3 5 2 3 4 3 14 10 0 19
8 4 6 1 0 5 5 11
6 7 2 1 4 8 4 6 0 1
8 1 11 12 8 1 11 12
4 5 3 2 2 8 1 11 0 12

2 f 1 +f 2 f ,2 f 4 + f 1 f ,1 c3 +c2 c2,

3 f 1 + f 3 f ,3 f 4 +f 3 f ,3

f 1 + f 4 f ,4
 | |
0 0 3 1
3 4 10 19
2 f 1 +f 5 f ,5
0 0 5 11
8 10 11 12

| |
0 0 0 1

| |
3 2 47
2
3 2 47 19
0 0 28 11
2 0 0 28 2(28)
8 5 25
3 2
8 5 | |
8 5 25 12

3 c 4+ c 3 c ,3

| A|=56 (1516 ) =1736

Ejemplo: Hallar el determinante de orden n.

| || |
n 1 1 1 1 n 1 1 1 1
n 2 1 1 1 0 1 0 0 0
n 1 3 1 1 0 0 2 0 0
= | A|=n 1 2 3 (n1)
n 1 1 4 1 0 0 1 3 0
1 0
n 1 1 1 n 0 0 0 0 n1

f 1 +f 2 f ,2

,
f 1 +f 3 f 3

f 1 +f 4 f ,4

,
f 1 +f n f n

| A|=n ( n1 ) !=n !

Inversa de matrices:
Una matriz se dice que posee inversa si se cumple:
1) Debe ser una matriz cuadrada.
A nxn

2) La matriz debe ser no singular.

- A nxn es no singular si | A| 0

- A nxn es singular si | A|=0

Propiedades:
1 1
1) ( A ) =A
1 1
2) A A =A A=I

1 1 1
3) (KA) = K A

t 11 t
4) ( A ) =( A )

1 1 1
5) ( AB) =B A

n 1 1 n
6) ( A ) = ( A )

Mtodo de Gauss Jordn:

A nxn operaciones elementales filas o columnas I nxn

De la equivalencia:
Ek E3 E2 E 1 A=I

1
A =E k E k1 Ek2 E2 E 1

Si se realizan solo operaciones en columnas:

A F 1 F 2 F 3 F J =I

A1=F 1 F 2 F 3 F J

En forma prctica se utiliza el siguiente esquema:

( A|I ) operaciones elementales en filas y columnas ( I | A1 )

Ejemplo: Hallar la matriz inversa de:

[ ]
3 2 1
A= 4 3 2
5 6 3
Sol.
3 2 1 1 0 0 f 1 +f 2 f ,2
4 3 2 0 1 0
5 6 3 0 0 1 2 f 1+ f 3 f 3
,

3 2 1 1 0 0
1 1 3 1 1 0 3 f 2 +f 1 f ,1
1 2 1 2 0 1
,
0 1 10 4 3 0 f 2+ f 3 f 3
1 1 3 1 1 0
0 3 2 3 1 1 f 1+ f 2 f 2
,

0 1 10 4 3 0
1 0 7 3 2 0 3 f 1 + f 3 f ,3
0 0 28 9 8 1
f 1

1
( )f
28 3

1 0 7 3 2 0 7 f 3 + f 1 f ,1
0 1 10 4 3 0
0 0 1 9/28 8 /28 1/ 28 10 f 1+ f 2 f ,2
1 0 0 21/28 0 7 /28
0 1 0 22 /28 4 /28 10 /28
0 0 1 9 /28 8 /28 1/28 1
A

[ ]
21 0 7
1
A1= 22 4 10
28
9 8 1

Matriz adjunta:

Sea una matriz A nxn= [ ai j ] se define la matriz adjunta como:

Anxn
cofact ( t)
t
adj ( A nxn )=(cofact (A nxn )) adj ( A nxn )=

Propiedades:
 A
t
1) ( t)= [ adj(A ) ]
adj

n1
2) adj ( k A )=k adj ( Anxn )

3) adj ( A B )=adj ( B ) adj ( A )

4) A adj ( A )=det ( A) I

n1
5) det ( adj ( A )) =det (A )

2
(n1 )
6) det ( adj ( adj ( A ) ) )=det ( A)

Ejemplo: Dada la matriz:

[ ]
2 1 3
A= 4 2 4
5 2 1

Se pide hallar:

a) adj ( A ) .

b) det ( adj ( A )) .

Sol.
a)
A
( t )

[ ]
| | | | |
+ 2
4
2
1
1
3
2
1
+ 1 2
3 4 |
| | | | |
4
4
5
1
+
2
3
5
1

3 4 |
2 4 =cofact

| | | | |
+4 5
1 2
2 5
1 2
+ 2 4
1 2 |

[ ]
10 7 2
adj ( A )= 24 13 20
2 9 8
b)

| | | || |
10 7 2 5 7 1 5 17
|adj ( A )|= 24 13 20 =2 2 12 13 10 =4 38 57
2 9 8 1 9 4 19 19 0
0 =4 |
38 57
19 19 |
10 f 1 + f 2 f 2,

4 f 1 + f 3 f 3,

|adj ( A )|=4 [ 38 ( 19 )57 ( 19 ) ] =1444

Por la propiedad:

det ( adj ( A )) =det n1 ( A )

| |
2 1 3 2 1
[ A ] = 4 2 4 4 2
5 2 1 5 2

[ A ] =( 4 +20+24 )( 30164 )=4810=38

Mtodo de inversin por la adjunta:

Para invertir una matriz por el mtodo de la adjunta partimos de:
1 1
A = Adj ( A )
det ( A )

En el anterior ejemplo:

[ ]
10 7 2
1 1
A = 24 13 20
38
2 9 8
Verificando A A1 =I

[ ][ ] [ ][ ]
2 1 3 10 7 2 38 0 0 1 0 0
1 1
4 2 4 24 13 20 = 0 38 0 = 0 1 0
38 38
5 2 1 2 9 8 0 0 38 0 0 1

Captulo 3

Sistemas de ecuaciones lineales

Un sistema de m ecuaciones lineales con n incgnitas se puede escribir en forma

general como:
Donde aij = coeficiente de la i-esima ecuacin que multiplica a la j-esima incgnita.

En forma matricial se tiene:

[ ][ ] [ ]
a 11 x1 b1
a 12 a 13 a1n
a 21 x2 b2
a 22 a 23 a2n
a 31 x3 = b3
a 32 a 33 a3n

a m2 a m3 a mn
a m1 xn bm

A mxn X nx1 = B mx1

Donde:
A mxn =Matriz de coeficientes del sistema .

X nx 1=Vector columna de incognitas.

B mx1=Vector columna de terminos independientes .

Para resolver un sistema de ecuaciones lineales utilizamos la equivalencia de matrices,

llamado mtodo de Gauss Jordn que es una generalizacin del mtodo de reduccion.
Ejemplo: Resolver el sistema.
2 x 13 x 2 + x 3=1

3 x1 +2 x 22 x 3=1

4 x 1+ 3 x 2 +3 x 3=11

Sol.
 [ ][ ] [ ]
2 3 1 x1 1
3 2 2 x2 = 1
4 3 3 x3 11

[ ] [ ] [ ]
2 3 1 1 2 3 1 1 0 13 7 5
,
3 2 2 1 1 5 3 2 1 5 3 2 1 f 1 + f 2 f 2
4 3 3 11 0 3 5 9 0 3 5 9
, ,
2 f 2+ f 1 f 1 4 f 3+ f 1 f 1

2 f 1 +f 3 f ,3

[ ][ ][ ]
0 1 13 41 0 1 13 41 1 0 68 203
1 5 3 2 1 0 68 203 0 1 13 41
0 3 5 9 0 0 44 132 0 0 1 3

,
5 f 1+ f 2 f 2 f1 f3

3 f 1+ f 3 f ,3 f 2

(1/44) f 3

Retornando al sistema:
x 168 x3 =203 x 1=1

2 x 2 +13 x 3=41 x 2=2

x 3=3

Clasificacin de los sistemas de ecuaciones:

- Determinado (nica solucin)

- Consistente
Sistema - Indeterminado (infinitas soluciones)
lineal
AmxnXnx1= Bmx1

- Inconsistente (No tiene

solucin)
Rango de una matriz:

Se simboliza por ( Amxn ) es la cantidad de filas no nulas que quedan en la matriz luego
de llevarla a su escalonada reducida.
Ejemplo:

[ ][ ][ ][ ][ ]
2 1 3 2 1 3 0 7 1 0 0 0 1 3 2
A 4 x 3= 3 2 5 1 3 2 1 3 2 1 3 2 0 1 1/7
5 1 8 1 3 2 0 0 0 0 0 0 0 0 0
8 3 13 0 7 1 0 7 1 0 7 1 0 0 0

, , ,
1 f 1+ f 2 f 2 1 f 2+ f 3 f 3 f 4 +f 1 f 1 (1/7) f 4

2 f 1+ f 3 f ,3 2 f 2+ f 1 f ,1

,
4 f 1+ f 4 f 4

( A 4 x 3 )=2

Anlisis de consistencia e inconsistencia de los sistemas de ecuaciones lineales:

Un sistema de ecuaciones lineales se clasifica por su solucin.

- Determinado (nica solucin)

- Consistente
Sistema - Indeterminado (infinitas soluciones)
lineal
AmxnXnx1= Bmx1

- Inconsistente (No tiene

solucin)

Cuando se tiene un sistema cuadrado:

A nxn X nx 1=B nx1 / Premult . A1

1 1
A A X= A B
 X =A1 B

Pero la inversa existe si y solo s.

det ( A ) 0

Por lo tanto:

- El sistema tiene nica solucin si det ( A ) 0.

- Si det ( A )=0 el sistema puede tener infinitas soluciones o no tener solucin.

Teorema de Rouche Frobenius:

Sea un sistema de ecuaciones lineales:
A nxn X nx 1=B nx1

Entonces:
1) El sistema es consistente determinado.
( A )= ( A B =n

2) El sistema es consistente indeterminado.

( A )= ( A B <n

3) El sistema es inconsistente.
( A ) ( A B

Ejemplo: Analizar el valor de k para que el sistema de ecuaciones tenga:

a) nica solucin.
b) Infinitas soluciones.
c) No tenga solucin.
Sol.
x+ 2 y + ( 3k ) z=1

( k 1 ) x + y + ( 2 k6 ) z =2

( 2k ) x + ( 2 k2 ) y + ( 2 k 2 3 k +4 ) z=k 3 2 k +2
 [ ][ ] [ ]
1 2 3k x 1
k1 1 2 k6 y = 2
2 3
2k 2 k2 2 k 3 k + 4 z k 2 k +2

| || |
1 2 3k 1 2 3K
det ( A )= k1 1 2 k6 K +1 5 0
2k 2 k 2 2 k 2 3 k +4 2
2K 2 K 2 2 k 3 k+ 4

2 f 1 +f 2 f ,2 2 c 1 +c 2 c ,2

(k 3)c 1 +c 3 c ,3

| |
1 0 0
K +1 2k + 3 (k +1)(k 3)
2K 6+4 K k 2+2 k +2
|
2 k +3 (k +1)(k 3)
6+ 4 K 2
k +2 k + 2 0 | |
2 k +3 (k +1)(k 3)
3 k 22 k 8 |
2 f 1 +f 2 f ,2

det ( A )=(2 k+ 3 ) ( 3 k 22 k 8 ) =0

3 4
k = ; k =2; k=
2 3

Para k=2:

[ ] [ ] [ ]
1 2 1 1 1 0 5 5 1 0 5 5
1 1 2 2 0 0 0 0 0 1 3 3 ( A )=2 ; ( A B )=2
0 2 6 6 0 1 3 3 0 0 0 0

f 1 +f 2 f ,2 f 3 + f 2 f ,2

,
(1/2) f 3 2 f 3+ f 1 f 1

El sistema tiene infinitas soluciones cuando k=2.

Para k= 3/2:

[ ] [ ] [ ]
1 2 3/2 1 1 2 3/2 1 1 2 3 /2 1
1 /2 1 3 2 0 0 15/4 5 /2 0 0 5/4 15/8
1 /2 1 4 19/8 0 0 5 /4 15 /8 0 0 0 25 /8
 1 ,
f +f 2 f 2 3 f 3 + f 2 f ,2
2 1

1 ,
f +f 3 f 3
2 1

( A )=2 ; ( A B )=3

Para k=3/2 el sistema no tiene solucin.

Para k=-4/3:

[ ][ ]
1 2 13/3 1 3 6 13 3
7 /3 1 26 /3 2 7 3 26 6
10 /3 14/3 104/9 62 /27 90 126 312 62

3f 1 2 f 1 +f 2 f ,2

3f 2 30 f 1+ f 3 f ,3

27 f 3

[ ] [ ] [ ]
3 6 13 5 0 51 13 3 0 51 13 3
1 15 0 3 1 15 0 0 1 15 0 0
0 306 78 0 0 306 78 28 0 0 0 10

3 f 2 + f 1 f 1, 6 f 1+ f 3 f ,3

f 2

( A )=2 ; ( A B )=3

2 3

Para k=-4/3 el sistema no tiene solucin.

Sistemas homogneos:
Un sistema de ecuaciones lineales se denomina homogneo si es de la forma:

A mxn X nx 1=Omx 1

Es decir:
a11 x 1+ a12 x 2 + +a1 n x n=0

a21 x 1 +a 22 x2 + + a2 n x2=0

an 1 x1 +a n 2 x 2+ +a mn x n=0

Por Frobenius:
( A )= ( A B

( A )= ( A O

( A )= ( A

Entonces el sistema homogneo siempre es consistente.

Si tiene nica solucin:

[]
0
X nx 1=Onx 1 = 0 solucin trivial

0

Si tiene infinitas soluciones:

X nx 1 Onx1 solucin no trivial

Si el sistema fuera:
A nxn X nx 1=Onx 1 tiene nica solucin si det ( A)0.

Regla de Cramer:
Se utiliza para resolver sistemas de ecuaciones lineales cuadrados con nica solucin.
A nxn X nx 1=B nx1

Dnde:
 det ( A i )
x i=
det ( A)

Cuando:
det ( Ai ) es el determinante de la matriz A reemplazando en lugar de la i-esima columna

de A la columna B nx1 .

Ejemplo: En el sistema de ecuaciones.

t t
x A=3 x

Dnde:

[ ] []
p 2 2 x
A= 2 p 2 ; x= y
2 2 p z

Hallar p talque:
a) Tenga nica solucin.
b) Tenga infinitas soluciones.
t
x A=3 x
t
/()t

t t t t
(x A ) =(3 x )

t t
A t ( x t ) =3 ( x t )

t
A x3 x=O

A
( t3 I ) x=O

[ ] [ ][ ]
p 2 2 1 0 0 p3 2 2
t
A 3 I = 2 p 2 3 0 1 0 = 2 p3 2
2 2 p 0 0 1 2 2 p3

| | | | | |
p3 2 2 p5 0 2 p5 0 0
| A 3 I|= 2 p3 2
t
0 p5 2 0 p5 0
2 2 p3 P+5 P+5 p3 0 0 p+1

c3 + c2 c2, f 1 + f 3 f ,3
 c3 + c1 c,1 f 2+ f 3 f ,3

| At 3 I|=( P5 )2 ( p+1 )=0

nica solucin (solucin trivial):

P 5 ; p 1

Infinitas soluciones (solucin no trivial):

P=5 ; p=1

Ejemplo: Resolver el sistema.

2 x 1x 2 +2 x3 =6

3 x1 +2 x 2x 3=4

4 x 1 +3 x 22 x 3=4

Sol.

[ ][ ] [ ]
2 1 2 x1 6
3 2 1 x2 = 4
4 3 2 x3 4

Por Cramer:

| |
2 1 2
det ( A )= 3 2 1 =( 8+ 4+18 ) ( 1666 )=26
4 3 2

| |
6 1 2
det ( A 1 )= 4 2 1 =( 24+ 4+ 24 ) (16188 )=62
4 3 2

| |
2 6 2
det ( A 2 )= 3 4 1 =( 1624+24 )( 328+36 )=44
42 4 2

| |
2 1 6
det ( A 3 )= 3 2 4 = (1616+54 ) ( 48+2412 )=6
4 3 4
 det ( A i )
x i=
det ( A)

62 31
x 1= =
26 13

44 22
x 2= =
26 13

6 3
x 3= =
26 13

Captulo 4

ESPACIOS VECTORIALES
Introduccin.-
El trmino vectorial est referido a vectores.
Vector.-
Es un segmento con direccin magnitud y sentido.

Sentido
Magnitud

Direcci
n
 P(x, y,
z)

P =( x , y , z ) R 3

Operaciones.-
Suma de vectores.-
Sean
u=( u1 , u2 , u3 ) y v = (v 1 , v 2 , v 3)

v + u =( u1 ,u 2 , u3 ) +(v 1 , v 2 , v 3)=( u1 +v 1 ,u 2+ v 2 ,u3 + v 3 )

Producto por escalar.-

Sean
u=( u1 , u2 , u3 ) y k un escalar no nulo.

k u =k ( u1 , u2 ,u3 ) =( k u1 , k u2 , k u 3 ) siendo k R 0

Ejemplo.-
Sean los vectores
u = ( -2, 5, 3 ) v = ( 4, -3, -2 )

Hallar

a) u + v

u +
v = ( -2, 5, 3 ) + ( 4, -3, -2 ) =(2,2,1)

b) 2 u -3 v
 2 u -3 v = 2(-2, 5, 3) -3(4, -3, -2)

2 u -3
v =(16,19,12)

El objetivo del captulo es generalizar las propiedades de las operaciones vectoriales y sus
propiedades para un conjunto numrico dotado con una operacin ley de
compocision interna, ley de composicin externa, y un campo de escalares k.

Definicin.-

Se dice que la cuaterna ( v , , , k ) forma una estructura llamado espacio vectorial si

satisfacen los siguientes axiomas.
1.) Ley de composicin interna. (clausura)

u , v V u v V

2.) Asociatividad

u , w v ( u v )
v, w = u ( v
w)

3.) Existencia del elemento neutro

u v e v /u e = u
4.) Existencia del elemento inverso

u v u -1 v /u u-1 = e
5.) Conmutatividad

u , v v u v = v u

Entonces ( v, ) forma un grupo abeliano

6.) Ley de composicin externa

u v ;k k k u v

7.) Distributividad de la ley de composicin externa (l.c.e) respecto a la l.c.i.

u , v v k k k ( u v )=(k u ) (k v

8.) Suma de escalares

u v k 1 , k 2 k ( k 1 + k 2 ) u =( k 1 u ) ( k 2 u )

9.) Producto de escalares


u v k 1 , k 2 k ( k 1 * k 2 ) u = k 1 ( k 2 u
10.) identidad

u v 1 u = u

Ejemplo.-
u v = ( u1 + v 1 , u2 + v 2 -1 )

k u =( ku1 , u 2 )

Siendo u = ( u 1 , u2 ) y v = ( V 1 , V 2 ) . Analizar si ( r 2 , , Z , ) es un espacio vecorial

Solucin
i. L.c.i. por definicin.
u = ( u 1 , u2 ); v = ( v 1 , v 2 ) ;
w = ( w1 , w 2 )

( u
v )
w = u (
v
w)

( u1 + v 1 , u 2 + v 2 -1 ) ( w1 , w 2 )

( u1 + v 1+ w1 , u 2 + v 2 +w 2 -1-1 )

u 1 +( v 1 +w 1
( , u2 +( v 2+ w 2 -1)-1 )

u 1 ,u2

v 1 + w1 , v 2+ w2 -1

u (
v
w )= u ( v
w)

ii. u e = u

e1 ,
e2 )
e =

u1 ,u2 ) ( e 1 ,e 2 ) = (u1 , u2 )

 u1 +e 1 , u2 +e 2 -1) = ( u1 , u2 )


u1 +e 1 ) = u1 e1 =0


u2 +e 2 -1) = u2 e 2=1

e0 = (0,1) R 2

iii.
u = ( u 1 , u2 ) u1=( u11 , u21)

u1 u1-1 = e

( u1 ,u 2 ) ( u 1-1 , u1
2 )=( e1 , e2 )

( u1 +u 1-1 , u2 +u1
2 -1)=( e1 , e2 )

-1
u1 + u1 = e1

-1
u1 + u1 =0

-1
u1=u1

( u2 +u1
2 -1)=e 2

( u2 +u1
2 -1)=1

u2 =2- u1
2

u 1 , 2u 2 ) R 2
u1
1 =

iv. u v = v u

( u1 + v 1 , u2 + v 2 -1)

( v 1 + u 1 , v2 +u 2 -1)
 v u = v u grupo abeliano

v.
k u R por definicion

vi.
k ( u v )=( k 1
u1 ) ( k 2
v2 )

k [(u1 , u2 ) ( v 1 , v 2

k [ u1 + v1 , u2 , v 21

vii. ( k 1 + k 2 ) u = k 1 ( k 2 u )

( k1 + k 2 ) u =(uk )k1 2

( k1 + k 2 ) u =u k k
1 2

viii. 1 u = u

u = u

( R , , Z , ) FORMAN UN ESPACIO VECTORIAL.

Los espacios vectoriales ms utilizados son:

1.) ( R2 ,+, R , ) vectores reales de n componentes con la suma habitual de vectores

y el producto escalar habitual.
( x 1 , x 2 , , x n ) + ( y 1 , y 2 , , ., y n ) =( x 1+ y1 , x 2+ y 2 , . , x n + y n )
k ( x 1 , x 2 ,, x n )=( kx 1 , kx 2 , , kx n )

2.) ( Pn ,+, R , ) polinomios de grado menor o igual a n, con la suma normal de

polinomios y el producto escalar
( an x n +a n1 x n1+ .. a 1 x+ a0 )+ ( bn x n+ bn1 xn1 + .. b1 x+b 0 )=( an +b n ) x n + ( an1+ bn1 ) x n1 +.. .+ ( a 1+b 1
k ( an x n +a n1 x n1+ ..a 1 x +a0 ) =k a n x n +k a n1 x n1+ . k a 0

3.) ( f ( x ) ,+ , R , ) funciones de variable real

 4.) ( M mn ,+, R , ) matrices de orden de m*n

Nota:
Vectores reales de n componentes se puede escribir

[]
X1
X2
( X 1 , X 2 , X 3 , , X n) o X 3

Xn

Tambin existe el espacio vectorial de los vectores complejos de n componentes

Sub espacio vectorial.-
Un sub espacio vectorial es un sub conjunto s del espacio vectorial (v, +, k,) tal que
debe ser espacio vectorial por s mismo con las mismas operaciones del espacio vectorial.

Espacio
Vectorial
(S, +, k, )

Entonces (s, +, k, ) debe satisfacer los 10 axiomas de espacio vectorial.

Pero al ser un subconjunto del espacio vectorial v solo es necesario demostrar dos
axiomas:
i u , v S u + v S (L .C . I )

ii u S k K k u S ( L. C . E)

Tambin es posible utilizar una combinacin de los dos anteriores axiomas.

u , v S k 1 , k 2 K k 1 u +k 2 v S

Ejemplo.-
Analizar si los siguientes subconjuntos son sub espacios en los espacios vectoriales
dados.

a) S= {( x , y , z ) R3 /2 x y +3 z=0 }
( t 1 ) ( t+1 ) +t
b) T ={P ( t ) P2 / P =P
 { }
x

c) U= f ( x ) f ( x ) /f ( x )+ f ( x ) dx =x2 +1
0

d) V = { A Rnn / A=A t }

Solucin

a) i S ea ( u 1 , U2 , U3 ) s 2 u1 - U2 +3 u 3 =0 y ( v1 , V2 , V3 ) s 2 v1 - V2 +3 v 3 =0

( u1 ,u 2 , u3 ) +( V1 , V 2 , V3 ) =(u1 + v 1 , u2 +v 2 , u3 +v 3 )
2 ( u1+v 1 ) ( u2 +v 2 ) +3 ( u3 +v 3 = 0
2u 1+2 v 1u2v 2+3 u3 +3 v 3=0

( 2 u 1 - U2 +3 u3 ) + ( 2 v 1 - V2 +3 v 3 )=0
0=0
ii k ( u 1 , U2 , U3 ) s

( Ku1 , Ku2 ,Ku 3 ) s

( 2 k u 1k u2 +3 u 3 )=0
k ( 2u 1 - U2+ 3 u 3 ) = 0
0=0
El subconjunto s es un sub espacio

b) P ( t ) T P ( t1 )=P ( t+ 1 )+ t
Q ( t ) T Q ( t1 )=Q ( t +1 )+ t
k1 Y k 2 R
entonces k 1 P ( t ) +k 2 Q ( t ) T

[ k 1 P ( t ) +k 2 Q ( t ) ] t=t 1 =[ k 1 P ( t ) +k 2 Q ( t ) ] t=t1 +t
[ k 1 P ( t1 ) + k 2 Q ( t1 ) ]=[ k 1 P ( t+1 ) + k 2 Q ( t+1 ) ]+t
k 1 { P (t 1 )P (t +1 ) } +k 2 { Q ( t 1 )Q ( t+1 ) } =t
k1 t + k 2 t=t
k
t( 1+ k 2 )=t

k 1 +k 2=1
 T no es un subconjunto por que k1 y k2 la suma en los reales no siempre
ser 1.

{ }
x

c) Sean f ( x ) L f (x )+ f ( x ) dx=x 2 +1
0

{ }
x
g ( x ) L g ( x)+ g ( x ) dx=x 2+1
0

k1 Y k 2 R
k 1 f ( x )+ k 2 g ( x) L
x

[ k 1 f ( x ) +k 2 g ( x ) ] +(k 1 f ( x ) + k 2 g ( x ))dx=x 2 +1
0

x x
k 1 f ( x )+ k 2 g ( x ) +k 1 f ( x ) dx+ g ( x ) dx=x 2+1
0 0

x x

( ) ( )
k 1 f ( x ) + f ( x ) dx + k 2 g ( x ) + g ( x ) dx =x 2 +1
0 0

x 2+1 x 2+1
x
k
2
( 1+k 2 )=x +1
( 2+1)

k
( 1+k 2 )=1

L no es un sub conjunto por que k1 y k2 la suma de ellos no siempre dar 1.

t
d) A U A= A

B U B=Bt

k1 Y k 2 R

k 1 A +k 2 B U
 k 1 A +k 2 B=( k 1 A+ k 2 B )t

k 1 A t + k 2 Bt =( k 1 A+k 2 B )t

(k 1 A )t +(k 2 B)t =( k 1 A +k 2 B )t

t t
( k 1 A +k 2 B ) =( k 1 A+k 2 B )

u es unespacio

Combinacin lineal.-

Sea un conjunto de vectores u1 , u 2 , , un ) definidos en el espacio vectorial (v, +, k,

(

) y un vector x en el mismo espacio vectorial. Se dice que x es combinacin lineal

del conjunto si existen escalares ( k 1 , k 2 , .. , k n ) y son nicos tal que se verifique:

x =k 1
u1 +k 2
u2 + .+k n
un

Ejemplo.-

Hallar el valor de a tal que l polinomio 3 t 3 2t 2 +3 t+(a5) sea combinacin lineal del
conjunto:
{2 t t +t3, t t+1 , 3 t + 4 t 5 } en ( P3 ,+, R , ) .
3 2 3 3 2

Solucin
3 t 3 2t 2 +3 t+ ( a5 )=k 1 (2 t 3 t 2 +t3) + k 2 (t 3t +1)+ k 3 (3 t 3 + 4 t 25)

3 t 3 2t 2 +3 t + ( a5 )= ( 2 k 1+ k 2 +3 k 3 ) t 3+(k 1 +4 k 3 )t 2 + ( k 1k 2 )t +( 3 k 1+ k 25 k 3 )

2 k 1 +k 2 +3 k 3 =3

k 1+ 4 k 3=2

k 1k 2 = 3

3 k 1+ k 25 k 3 =a5
 [ ][ ][ ]
2 1 3 3 0 3 3 3 0 1 1 1
1 0 4 2 0 1 4 1 0 1 4 1
1 1 0 3 1 1 0 3 1 1 0 3
3 1 5 a5 0 2 5 a+ 4 0 2 5 a+ 4

F3 + F2 = F2` (1/3) F1 -F1 +F2 =F2`

-2F3 + F1 =F1 -F2

[ ][ ][ ]
0 1 1 1 1 0 1 2 1 0 0 2
0 0 5 0 0 1 1 1 0 1 0 1
1 0 1 2 0 0 1 0 0 0 1 0
0 0 3 A+ 2 0 0 3 A+ 2 0 0 0 A+2

(-1/5) F2 F3 F1`

k 1=2k 2=1 k 3=0

a=2

Independencia y dependencia lineal.-

Sea un conjunto de vectores:
v1 ,
{ v 2 , . ,
v n } Definidos en el espacio vectorial (v, +, k, ).

Se dice que el conjunto es linealmente independiente si el vector nulo 0 se puede
escribir como combinacin lineal del conjunto.

=k 1 v1 + k 2 v 2+ ..+ k n v n

nica solucin

Por el contrario si el vector nulo no se puede escribir como combinacin del conjunto, se
dice que estos vectores son linealmente dependientes.

=k 1 v1 + k 2 v 2+ ..+ k i v i

Infinitas solucines
Ejemplo.-
Analizar el conjunto de vectores {(1, 3,-2,4) ; (2,5,-3,6) ; (3, -6,5,7)} en r 4.
Solucin
 (0, 0, 0, 0) = k 1 (1, 3,-2,4) + k 2 (2,5,3,6) + k 3 (3, -6, 5, 7)

k
(0, 0, 0, 0)= ( 1+2 k 2 +3 k 3 , 3 k 1 +5 k 26 k 3 ,2 k 13 k 2+5 k 3 , 4 k 1 + 6 k 2 +7 k 3 )

k 1 +2 k 2 + 3 k 3=0

3 k 1 +5 k 26 k 3 =0

2 k 13 k 2 +5 k 3=0

4 k 1 +6 k 2+ 7 k 3=0

[ ][ ][ ]
1 2 3 0 1 2 3 0 1 0 19 0
3 5 6 0 0 1 15 0 0 0 4 0
2 3 5 0 0 1 11 0 0 1 11 0
4 6 7 0 0 2 5 0 0 0 17 0

-3F1+F2 = F2 -F3 +F2 = 0 (-1/4) F2

2F1 +F3= F3 2F3 + F4 = 0
-4F1+F4 = F4

[ ][ ]
1 0 19 0 1 0 0 0
0 0 1 0 0 1 0 0
0 1 11 0 0 0 1 0
0 0 17 0 0 0 0 0

F2 = F3
11F2 +F3 = F3
(1/17)=F4
k 1=0 k 2=0 k 3=0

El conjunto es linealmente independiente.

Ejemplo.-
3 2 3 3 2 2
Analizar el conjunto { 3 t +2 t t+3, t t + 1, 4 t +2 t 3 t+ 4,t t +1} es linealmente

independiente o dependiente o dependiente en el espacio vectorial ( P3 ,+, R , ) .

Solucin
 0t 3 + 0t 2 +0t+0= k 1 ( 3 t 3 +2 t 2 -t+3 ) +K 2 ( T3 -t+1 ) + K 3 ( 4 t 3 +2 t 2 -3t+4 ) + K 4 ( T2 -t+1)

0t 3 + 0t 2 +0t+0= (3 k 1 + K 2 +4 k 3 ) T3 + ( 2 k 1 + 2k 3 + K 4 ) T2 + ( -k 1K 2 -2 k 3 K 4 ) t+ ( 3k 1 +K 2 +4 k3 +K 4 )

3 k 1 + K2 +4 k 3 =0

2 k 1 + 2k 3 + K4 =0

-k 1K2 -2 k3 K 4 =0

3k 1+ K2 +4 k 3 + K4 =0

[ ][ ] [ ]
3 1 4 0 K1 0
2 0 2 1 K2 0
=
1 1 2 1 K 3 0
3 1 4 1 K4 0

| |
3 1 4 0
2 0 2 1
1 1 2 1
3 1 4 1

3F3 + F4 = F4
F1 + F4 =F4

| |
3 1 4 0
2 0 2 1
2 0 2 1
0 0 0 1

Por cho

| |
3 14
2 02
2 02

| |
2 2
2 2

| A|=( 44 )=0
 El conjunto es linealmente dependiente.

Ejemplo.-

Hallar los valores de tal que e conjunto de polinomio en P2 . Sea

a) Linealmente independiente.
b) Linealmente dependiente.

( 5+1 ) T +2t+ ( 4+1 ) , ( 4-1 ) T + ( -1 ) t+ ( 4-1 ) , ( 6+2 ) T2 +2t+(5+2)
2 2

Solucin

0t 2 +0t+0= k 1 ( ( 5+1 ) T2 +2t+ ( 4+1 ) ) + K2 ( ( 4-1 ) T2 + ( -1 ) t+ ( 4-1 ) ) + K3 ( ( 6+2) T 2 +2t+(5+2) )

2 2
0t +0t+0= ( ( 5+1 ) K1 + ( 4-1 ) K 2 + ( 6+2 ) K 3 ) T + ( 2k1 + ( -1 ) k 2 +2 k 3 ) t+( ( 4+1 ) k 1+ ( 4-1 ) k 2 +(5+2) k 3 )

( 5+1 ) K 1 + ( 4-1 ) K2 + ( 6+2 ) K3 =0

2k1 + ( -1 ) k 2 +2 k 3 =0

( 4+1 ) k 1+ ( 4-1 ) k 2 +(5+2) k 3 =0

[ 2 ( -1 ) 2
][ ] [ ]
( 5 +1 ) 4 -1 ( 6 +2 ) K1 0
K2 = 0
( 4 +1 ) ( 4 -1 ) 5 +2 K3 0

|
| A|= 2
|
( 5 +1 ) 4 -1 ( 6 +2 )
( -1 ) 2
( 4 +1 ) ( 4 -1 ) 5 +2

F1 F2 = F1

|
| A|= 2
( ) 0 ()
( -1 ) 2
( 4 +1 ) ( 4 -1 ) 5 +2 |
C1 C3 = C3
 |
| A|= 2
( ) 0 0
( -1 ) 0
( 4 +1 ) ( 4 -1 ) +1 |
Utilizando cho

| A|= ( 1 )( +1 )=0

Entonces. =0 =1 =1

a) Es linealmente independiente 0, 1 y 1

b) Es linealmente dependiente si =0 =1 =1

Teorema.-
En todo conjunto linealmente dependiente un vector del conjunto se puede escribir como
combinacin lineal de los resultantes.
Como:

=k 1 v1 + k 2 v 2+ ..+ k i v i
entonces los escalares k 0.
k n1
k i1 v


=(k 1 / k 1) v1 +(k 2 /k 2 )v 2+ ..+

Ejemplo.-
Hallar los valores de a y b tal que el conjunto en r 2*2 sea linealmente dependiente.

{( 3 4 )(
1 5 2 b+5)(
2 1 ; 3 2 ; a+ 1 3
)}
Solucin.

[ 2 b +5 1] [
a+1 3 = 2 1 + 3 2
3 4 2
1 5 ] [ ]
2 1 +3 2=a+1

1 +2 2=3

3 1 2=2
4 1 +3 2=b+5

( |)
2 3 a+1
1 2 3
3 1 2
1 5 b+ 5

2F2 + F1 = F1
3F2 + F3 = F3
F2 + F4 = F4

( |)
0 7 a5
1 2 3
0 5 11
0 13 b7

-F2 = F2
(1/5)F3 =F3

( | )
0 7 a5
1 2 3
0 1 11/5
0 13 b7

2F3 + F2 = F2
-7F3 + F1 = F1
(-13)F3 + F4 = F4

(| )
0 0 a+52/5
1 0 3/5
0 1 11 /5
0 0 b+ 108/5

F2 F1

F3 F2
 (| )
1 0 7/5
0 1 11 /5
0 0 a+52/5
0 0 b+ 108/5

52 108
a+ =0 b+ =0
5 5

52 108
a= b=
5 5

En el caso del estudio de la independencia lineal o dependencia de un conjunto de

funciones se tiene;

{ f 1 ( x ) , f 2 ( x ) , .., f n ( x ) }
De la definicin
0=k 1 f 1 ( x ) + k 2 f 2 ( x ) + ..+k n f n ( x)

Obtenemos los (n-1) ecuaciones restantes derivando (n-1) veces la anterior ecuacin.
0=k 1 f 1 ( x ) + k 2 f 2 ( x ) + ..+k n f n ( x )

0=k 1 f 1 ( x ) +k 2 f 2 ( x ) + ..+k n f n ( x)

0=k 1 f 1 ( x ) +k 2 f 2 ( x ) + ..+k n f n (x )

n1 n1 n1
0=k 1 f 1 ( x ) + k 2 f 2 ( x ) + ..+k n f n ( x )

En forma matricial.
 f1 f2
f 1 f 2

fn

f n
f n1
1 f n1
2

( ) ()
k1 0
( f n ) k 2 = 0
( n1 )

kn 0

Por lo tanto:

i) Si det 0 el conjunto es linealmente independiente.

ii) Si det=0 el conjunto es linealmente dependiente.

Ejemplo.-
Analizar si los siguientes conjuntos de funciones son linealmente independientes o
dependientes.

a) C={ e x , x e x , x 2 e x }

b) D= 1, ,{
1 x 1
x x }

| |
x x 2 x
e xe x e
x x 2
det= e x e (x +1) e (2 x + x )
ex x x 2
e ( x+ 2) e (2+4 x + x )

Factorizando e x

| |
1x x2
det=e x e x e x 1 ( x +1) (2 x + x 2)
1 (x +2) (2+ 4 x + x 2)

-F1 +F2 = F2
-F1 + F3 = F3
 | |
2
1 x x
det=e 3 x 0 1 2x
0 2 2+ 4 x

- 2F2 + F3 = F3

| |
2
1 x x
3x
det=e 0 1 2x
0 0 2

Utilizando cho.
3x
Det 2 e 0 es Linealmente Independiente .

| |
1 1
1 1
x x
1 1
b) det=
0 x 2 x2
0 2 2
x 3 x3

| |
1 1
1 1
x x
det= 1 1 =0
0
x 2 x2
0
0 0

Entonces se dice que es linealmente independiente.

Conjunto generador

Sea un conjunto de vectores {v 1 , v 2, .. , v i }s e dice que un conjunto de vectores es

generador del espacio vectorial v si cualquier vector del espacio vectorial es combinacin
lineal del conjunto.
Conjunto={v 1 , v2, .. , v i }

Entonces
x =k 1 v 1 +k 2 v2 + ..+ k i v i (nica solucin)
Teoremas
i) Todo conjunto generador es linealmente independiente. Lo contrario no siempre
es vlido.
ii) Todo conjunto linealmente dependiente no genera al espacio vectorial pero si
genera un sub espacio vectorial.

Ejemplo.-
Analizar si el conjunto en r4 genera al espacio vectorial.
{(2, 3, 4,-3); (2, 1, 3, -5); (3, -2, -4, 6); (1, 3, -5, 7)}
Solucin
(a, b, c, d) = k1 ( 2,3, 4,3 ) + K2 ( 2, 1, 3, -5 ) + K3 (3,2,4,6)+ k 4 ( 1,3,5,7 )

2 k 1 +2 k 2+ 3 k 3 +1 k 4 =a

3 k 1 +1 k 2 +2 k 3+3 k 4 =b

4 k 13 k 2 +4 k 35 k 4=c

3 k 1+5 k 26 k 3 k 74 =d

[ ][ ] [ ]
2 2 3 1 K1 a
3 1 2 3 K2 b
=
4 3 4 5 K3 c
3 5 6 7 K4 d

Genera a R4 por lo que tiene nica solucin.

| |
2 2 3 1
3 1 2 3
| A|=
4 3 4 5
3 5 6 7

3F4 + F1 = F1
F4 + F2 = F2
F4 + F3 = F3
 | |
8 20 0 4
| A|= 5 10 0 8
1 1 0 7
2 6 1 1

| |
8 20 0 4
5 10 0 8
| A|=
1 1 0 7
2 6 1 1

Utilizando cho en c3

| |
52 2 33
| A|= 27 8 37
1 0 0

Por cho nuevamente

| A|=2 (37 )(33 )(8 )

| A|=338 0

Si genera a R4.
Ejemplo.-

Hallar el sub espacio en P3 generado por el conjunto:

Solucin.

Sea un polinomio p (t )=a t 3 +b t 2+ ct+ d Subespacio .

At 3 + Bt 2 +ct+d= k 1 ( 3 t 3 +2 t 2 -t+3 ) + K 2 ( T3 -t+1 ) + K3 ( 4 t 3 +2 t 2 +2t-4 ) + K4 ( 5t 3 + t 2 -1)

3 k 1 + K2 +4 k 3 +5 k 4=a

2 k 12k3 + K4 =b

K1 +K 2 +2 k 3 =c

-3k 1K2 -4 k 3 K 4 =d
 ( |)
3 1 4 5 a
2 0 2 1 b
1 1 2 0 c
3 1 1 1 d

-3F3 + F1 = F1
2F3 + F2 = F2
3F3 + F4 = F4

( | )
0 2 2 5 a3 c
0 2 2 1 b+2 c
1 1 2 0 c
0 2 2 1 d+3 c

F1 + F2 = F2
-F2 + F4 = F4

| )
a3 c

(
0 2 2 5
a+ b+c
0 0 0 6
c
1 1 2 0a 2 2 +d
0 0 0 0 3 3 b+3 c

r ( A )=r ( Am ) < 4

3=3
a 2 2
b+ c+ d=0
3 3 3

a2b +2 c+3 d=0 ( condicion )

Entonces
3 2
S={at + Bt + ct + d / a2 b+2 c+ 3 d=0 }

Base y dimensin.-
v 1 , v 2 , v 3 , .. , v n ) se dice que el conjunto es una base si:
Sea un conjunto de vectores (

i) Es linealmente independiente.
ii) Genera al espacio vectorial.
 La dimensin de una base simbolizada por dim bes la cantidad de vectores que tiene
la base.
Ejemplo.-
Hallar una base y dimensin del sub espacio generado por el conjunto en r 4 .
{(2, -3, 4, -3), (1, 2, -1, 2) , (3, -1, 3, -1) , (4, 1, 2, 1)}
Solucin

(a , b, c, d) = k 1 ( 2,3, 4,3 ) + K2 ( 1,2,1,2 ) + K 3 ( 3,1, 3,1 ) +K 4 (4, 1, 2, 1)

( |)
2 1 3 4 a
3 2 1 1 b
1 1 3 2 c
3 2 1 1 d

-F2 + F4 = F4
F1 + F2 = F1
F2 + F3 = F3

( |)
1 3 2 5 a+b
3 2 1 1 b
1 1 2 3 c +b
0 0 0 0 db

3F3 + F2 = F2
F3 + F1 = F1

( | )
0 4 4 8 a+2 b+ c
0 5 5 10 4 b+3 c
1 1 2 3 c+ b
0 0 0 0 db

(1/4)F1 = F1
(1/5)F2 = F2
 ( | )
a+ 2b +c
0 1 1 2 4
0 1 1 2 4 b+ 3 c
1 1 2 3 5
0 0 0 0 c +b
db

-F1 + F2 = F2

( | )
a+2 b+c
0 1 1 2 4
0 0 0 0 a 3 b 7 c
+ +
1 1 2 3 4 10 20
0 0 0 0 c +b
d b

a 3 b 7 c
+ + =0 db=0
4 10 20

S= {(a, b, c, d) /5 a6 b+ 7 c=0 bd =0 }

De las condiciones
bd=0 5 a6 b7 c=0

1
d=b a= (6 d +7 c)
5

( 6 d +75 c , d , c , d )
( a , b , c ,d ) =

d c
( a , b , c ,d ) = ( 6,5, 0, 5 )+ ( 7,0, 5, 0 )
5 5

B S= { ( 6,5, 0, 5 ) ; (7, 0, 5,0 ) }

Dim b = 2
Ejemplo.-

Si se tienen las funciones de la forma f ( x )=a e x + b cos x+ csenx , hallar una funcin f(x) tal

que el conjunto {3 e x 2 cosx+ senx ,2 e x 2 senx , f ( x ) } sea linealmente independiente.

Solucin.

=k 1 v1 + k 2 v 2+ k 3 v 3

0 e x +0 cosx+0 senx=k 1 ( 3 e x 2cosx+ senx ) + k 2 ( 2 e x 2 senx ) +k 3 ( a e x + b cos x+ csenx)

3 k 1 +2 k 2 +a k 3 =0

2 k 1+b k 3=0

k 12k 2+ c k 3=0

[ ][ ] [ ]
3 2 a k1 0
2 0 b k 2 = 0
1 2 c k 3 0

| |
3 2 a
| A|= 2 0 b
1 2 c

F3 + F1 = F3

| |
3 2 a
| A|= 2 0 b
1 0 c +a

Por cho en la c2.

| A|=2 2 | 4
b
c+ a|
2F1 + F2 = F2

| A|=2 2 | 0
b
a+2 b+c |
| A| (2 )2 ( a+2 b+ c ) 0

a+2 b+ c 0

Por lo mismo una funcin

 f ( x )=a e x + b cos x+ csenx

Debe cumplir la condicin

Si a=1, b=1 y c=1 cumple la condicin 1+2 ( 1 ) +1 0

40

f ( x ) =e x +cos x +senx

Bases cannicas o euclidianas y dimensin de espacios vectoriales.-

Se obtiene a partir de un elemento cualquiera del espacio vectorial y son las bases ms
simples de cada espacio vectorial. La dimensin de un espacio vectorial corresponde a la
dimensin de su base cannica.
Por ejemplo.
2
*en R (x, y) = x (1,0) + y (0, 1)

B e ={ ( 1, 0 ) ; ( 0,1 ) }

Dim R2 =2

En R3 (x, y, z) = x(1, 0, 0) +y(0, 1, 0) + z(0, 0, 1)

B e ={ ( 1, 0,0 ) ; ( 0, 1, 0 ) ; ( 0,0, 1 ) }

Dim R3 =3

En forma general
n
En R

B e ={ ( 1, 0,0, .,0 ) ; ( 0,1, .,0 ) ; ..; ( 0, .. , 0,1 ) }

n
Dim R =n

En P2 At2 +bt +c = a( t 2 )+ b(t) + c(1)

B e ={ t 2 , t , 1 }
Dim P2 =3

Generalizando
En Pn

B e ={ t n , t n1 , , t , 1 }

Dim Pn = n+1

En R22

[ ] [ ] [ ] [ ] [ ]
a b =a 1 0 +b 0 1 + c 0 0 + d 0 0
c d 0 0 0 0 1 0 0 1

{[ ] [ ] [ ] [ ]}
B c=
1 0 0 1 0 0 0 0
; ; ;
0 0 0 0 1 0 0 1

22
Dim R =4

En forma generalizada
Dim Rnm = n*m
No existe una base cannica para el espacio vectorial de las funciones de
variable real

Bases cannicas o euclidianas y dimensin de espacios vectoriales.-

Se obtienen a partir de un elemento cualquiera del espacio vectorial y son las bases ms
simples del espacio vectorial.
La dimensin del espacio vectorial es la dimensin de su base cannica y euclidiana.
Ejemplo.

En R3 (a, b, c) = a (1, 0, 0) +b (0, 1, 0) + c (0, 0, 1)

B e ={ ( 1, 0,0 ) ; ( 0, 1, 0 ) ; ( 0,0, 1 ) }

3
Dim R =3

En Rn

B e ={ ( 1, 0,0, .,0 ) ; ( 0,1, .,0 ) ; ..; ( 0, .. , 0,1 ) }

Dim Rn =n
 En P2

At 2 +bt +c = a( t 2 )+ b(t) + c(1)

B e ={ t 2 , t , 1 }

Dim P2 = 3

En Pn

At n + t n 1 +t n2

B e ={ t n , t n1 , , t , 1 }

Dim Pn = n+1

En R22

[ ] [ ] [ ] [ ] [ ]
a b =a 1 0 +b 0 1 + c 0 0 + d 0 0
c d 0 0 0 0 1 0 0 1

B c= {[ ] [ ] [ ] [ ]}
1 0 0 1 0 0 0 0
; ; ;
0 0 0 0 1 0 0 1

Dim R22 =4
nm
Dim R = n*m

Nota.-
1) No existe una base euclidiana para el espacio vectorial de las funciones de variable
real.
2) Ninguna base puede tener una dimensin mayor a la de su base cannica o la del
espacio vectorial.
3) Como un subespacio es un C.V., por s mismo entonces es posible determinar para los
subespacios bases y dimensiones.
Ejemplo.-

Hallar base y dimensin del sub espacio generado en R3 por el conjunto

{ ( 2,3,4 ) , ( 2,1,6 ) , ( 2,7,14 ) }

Solucin

(X,Y,Z)=K1 ( 2,3,4 ) +K2 ( 2,1,6 ) +K3 ( 2,7,14 )

(2 K1+2K2+2K3)=X
(3 K1-1K2+7K3)=Y
(-4K1+6K2-14K3)=Z

[ 2 2
3 1
2 X
7 Y
4 6 14 Z |]
(-F1)+F2=F2
2F1+F3=F3

[ 2 2
1 3
2
5 Y X
X

0 10 10 Z +2 X| ]
(-2F2)+F1=F1

[ 2 8 8 3 X2Y
1 3 5 Y X
0 10 10 Z +2 X| ]
1
F1
8

1
F3
10

[ ]
3 X 2 Y
0 1 1 8
1 3 5 Y X
0 1 1 Z +2 X
10
|
(-F1)+F3=F3
 [ ]
3 X 2 Y
0 1 1
1 3 5
0 0 | 8
YX
0 Z+2 X 3 X 2 Y
10

8

Z +2 X 3 X2 Y
=0
10 8

Z +2 X 3 X2 Y
=
10 8

8X+4Z=15X-10Y
7X-10Y-4Z=0

S= { ( X , Y , Z ) /7 x10 y4 z=0 } (plano)

Despejando
1
X= 7 ( 10 y+ 4 z )

10
Y=t z=r x= t+ 4 r
7

10,7,0 4,0,7
(x,y,z)= t r
)+ )
7 7

Bs= { ( 10,7,0 ) ,(4,0,7) }

Dim Bs=dim S=2

Ejemplo.-
Hallar una base y dimensin del espacio solucin del sistema.
2 x 1 +3 x 2x 3+ x 4 + 2 x 5=0

3 x1 +2 x 2+2 x 32 x 4 +5 x5 =0

4 x 12 x 2x 3+ 2 x 4 3 x5 =0

9 x 1+3 x 2 + x 4 +4 x 5 =0

7 x1 + x 3 +2 x5 =0
Solucin

( |)
2 3 1 1 2 0
3 2 2 2 5 0
4 2 1 2 3 0
9 3 0 1 4 0
7 0 1 0 2 0

(-F1)+F2 = F2
(-F2)+F3 = F3
(-2F3)+F4= F4

( |)
2 3 1 1 2 0
1 1 3 3 5 0
0 8 1 0 7 0
1 9 4 3 4 0
1 9 4 3 4 0

(-2F2) + F1 = F1
(-F4) + F5 = F5
2F1 + F3 = F3
(-F2) + F3 = F3
(-F2) + F4 = F4

( |)
0 5 7 7 4 0
1 1 3 3 3 0
0 8 1 0 7 0
1 9 4 3 4 0
0 0 0 0 0 0

2F3 + F1 = F1
4F3 + F5 = F5

( |)
0 5 7 7 4 0
1 1 3 3 3 0
0 2 13 14 15 0
0 8 1 0 7 0
0 0 0 0 0 0

(-F3) + F4 = F4
 F1 F2

( |)
0 1 19 21 26 0
1 1 3 3 3 0
0 2 13 14 15 0
0 0 51 56 67 0
0 0 0 0 0 0

(-1/51) F3

( |)
0 1 19 21 26 0
1 0 22 24 29 0
0 0 51 56 67 0
0 0 51 56 67 0
0 0 0 0 0 0

(-22F3) + F1 = F1
(-19F3) + F2 = F2

( |)
1 0 22 24 29 0
0 1 19 21 26 0
0 0 51 56 67 0
0 0 0 0 0 0
0 0 0 0 0 0

( |)
1 0 22 21 29
0
0 1 19 21 26
0
56
0 0 1 67/ 51 0
51
0 0 0
0 0 0
0 0 0
0 0 0

( |)
1 0 0 8/51 5 /515 0
0 1 0 17/51 53/51 0
0 0 1 56/51 67/51 0
000 0 0 0
000 0 0 0

8 5 8 5
x 1 x + x =0 x 1= t r
51 4 51 5 51 51
 17 53 17 53
x 2 x 4 + x 5=0 x2 = t r
51 51 51 51

56 67 56 67
x 3 x 4 + x 5=0 x 5= t r
51 51 51 51

Si x 4=t x 3=r

[ ] [] [ ]
8 5
t r
x1 51 51
8 5
x2 17 53
t r 17 53
51 51 t r
La solucin x3 = = 56 + 67
56 63 51 51
x4 t r 51 0
51 51
x5 0 51
t
r

{[ ] [ ]}
8 5
17 53
B c = 56 ; 67
51 0
0 51

Dim B = 2

Operaciones con subespacios.-

Los subespacios al ser subconjuntos son susceptibles a operarse.las operaciones ms
utilizadas son:
i. Interseccin de sub espacios.-
Sea s1 y s2 dos sub espacios en el espacio vectorial v, se define:

x V {x
S 1 S 2={ S 1 x S 2 }
ii. Suma de sub espacios.-

Si se tienen los subespacios s 1 y s2 en el espacio vectorial v se define:

x { x
S 1 +S 2= { S1 + S2 }

Teorema.-
Con respecto a las operaciones de subespacios se verifica los siguientes teoremas:
 dim ( s1 +S2 ) =dim ( s 1 ) +dim ( s2 ) -dim ( s1 S2 )
1.

2. s1 S2 =dim (s )+dim (s )
1 2

3. Dim =0

Nota.-

Pero el vector nulo genera el vaco para dos subespacios s 1 y s2 en el espacio

vectorial v.
Ejemplo.-

Sean los subespacios en R3

S1= { ( x , y , z ) /3 x y + z=0 }

S2= { ( x , y , z ) /3 xz=0 }

Se pide hallar una base y dimensin para

A. s1 y s2

B. s1 s2

C. s1 + s2

Solucin.-

A) s1 y s2

Para s1
Si 3x-y+z=0
Z=-3x+y

(x,y,z) s1 (x,y,-3x+y) s1

(x,y,-3x+y)=x(1,0,-3)+y(0,1,1)

Bs1= { ( 1,0,3 ) ,( 0,1,1) }

Dim(s1)=2
Para s2
3x-2z=0
2
X= 3 z
 2
(x,y,z) s2 ( 3 z ,y,z)

2 z
( 3 z ,y,z)=y(0,1,0)+ 3 (2,0,3)

Bs2= { ( 0,1,0 ) ,(2,0,3) }

Dim ( s 2 )=2

B) s1 s2= {( x , y , z )/3 x y + z=0 3 x z=0 }

El sistema
3x-y+z=0
3x -2z=0

(33 1 1 0
0 2 0 |)
-F2+F1=F1

(03 1 3 0
0 2 0 |)
F1 f2

(30 0 2 0
1 3 0 |)
1
F1
3

-f2

( 1 0
2
3
0 1 3
0
0 |)
2
X= z
3

Y= 3z
 2 2
(x,y,z)=( 3 x,3y,z)= 3 (2,9,3)

B s1 s2 = { ( 2,9,3 ) }

Dim( s1 s2)=1

C) s1 + s2= { U +V / U s 1 v S 2 }

2
U+ V=(x,y,-3x+y)+ ( 3 z ,y,z)

2
U+V=(x+ 3 z ,2y, ,-3x+y+z)

U+V= x(1,0,3)+y(0,2,1)+z(2,0,3)

U+V= (1,0,3), (0,2,1), (2,0,3)

Dim(s1 + s2)=3

Ejemplo.-

Sean los sub espacios en R3 S 1={ ( X , y , z ) =2 t , y=t , z=4 t } t R

Y s 2 generado por el conjunto { ( 2,1, 3 ) ; ( 3, 2,1 ) ; ( 5, 1, 4 ) } . Se pide hallar :

a S1 S2

b S 1 +S 2

Solucin.-
( x , y , z ) S 2

( x , y , z ) =k 1 ( 2,1,3 )+ k 2 ( 3,2, 1 ) +k 3 ( 5,1, 4 )

( |)
2 3 5 x
1 2 1 y
3 1 4 z

2F2 + F1 = F1
3F2 + F3 = F3
 ( | )
0 7 7 x +2 y
1 2 1 y
0 7 7 z 3 y

-F3 +F1 = F1

( | )
0 0 0 x yz
1 2 1 y
0 7 7 z3 y

x yz =0

S 2={ ( x , y , z ) x yz=0 }

a S1 S2

a S 1 S 2={( x , y , z )=2t , y=t , z=4 t y x yz=0 }

x=2 t

y=t

z=4 t

x yz=0

2t (t )4 t=0

t=0

t=0

x=0, y=0, z=0

( 0,0,0 ) S1 S2
BS S =
1 2

Dim S1 S 2=0

b S 1 +S 2=S1 S 2

Para S 1
 ( x , y , z ) =( 2t ,t , 4 t )=t (2,1, 4)

B S ={ ( 2,1, 4 ) }
1

Dim S1=1

Para S 2 x yz=0
x= y + z

( x , y , z ) =( y+ z , y , z )

y ( 1, 1, 0 ) + z ( 1, 0,1 )

B S ={ ( 1,1, 0 ) ; ( 1, 0,1 ) }
2

Dim S2=2

S 1 S2 ={( x , y , z ) S 1+ S 2 }

( 2t ,t , 4 t )+ ( y+ z , y , z )

(2 t+ y+ z ,t+ y , 4 t + z)

( 2t + y + z ,t + y , 4 t+ z ) =t ( 2,1, 4 ) + y (1, 1, 0 ) + z (1, 0,1)

B S + S = { (2,1, 4 ) ; ( 1, 1,0 ) ; ( 1, 0,1 ) }

1 2

Dim S1 +S 2=3

Dim ( s 1 + S2 ) =dim ( s1 ) +dim ( s 2 ) -dim ( s 1 S2 )

3=1+20

3= 3
Ejemplo.-

En el espacio vectorial R2 x 2 define los subespacios

a b
S= { c d( ) / 3a-2b+c-2d=0 y el subespacio generado por el conjunto
 { (23 15 )(34 12 )(17 14)(411 33)}
Se pide hallar una base y una dimensin para

a) s t

b) s + t
c) Que restricciones debe darse para que exista ST
Solucin.-
Primero generamos T

(ac bd ) = K (23 15 )+ K (34 12 )+ K (17 14)+ K (411 3333)

1 2 3 4

( |) ( | ) ( | )
2 3 1 4 a 0 1 1 2 a+ 2b 0 1 1 2 a+2 b
1 2 1 3 b 1 2 1 3 b 1 2 1 3 b
3 4 7 11 c ~ 0 10 10 20 c+3 b ~ 0 0 0 0 10 a+c17 b
5 1 4 3 d 0 9 9 18 d+ 4 b 0 0 0 0 9 a13 b+d

10 a+ c17 b =0

9 a13 b+ d =0

T= { (ac bd ) / 10 a+ c17 b =0 ^ 9 a13 b+ d =0}

El sistema a) S T= { (ac bd ) / 10 a+ c17 b =0 ^ 9 a13 b+ d =0 ^ 3a-2b+c-

2d=0}
El sistema:
3a-2b+c+2d=0
10a+17b-c=0
9a+13b-d=0

( |) ( |) ( |)
3 2 1 2 0 3 2 1 2 0 0 71 13 20 0
10 17 1 0 0 ~ 1 23 4 6 0 ~ 1 23 4 6 0
9 13 0 1 0 0 19 3 7 0 0 19 3 7 0
 ( |) ( |) ( |)
0 5 1 8 0 0 15 1 8 0 0 0 34 117 0
~ 1 4 1 1 0 ~ 1 4 1 1 0 ~ 1 0 29 101 0
0 19 3 7 0 0 1 7 25 0 0 1 7 25 0

( |) ( |)
1 0 29 101 0 1 0 0 41/34 0
0 1 7 25 0 ~ 0 1 0 31/34 0 a=-41d/34, b=-31d/34, c=117d/34
0 0 1 117 /34 0 0 0 1 117 /34 0

S T= { (ac bd ) / a=-41d/34, b=-31d/34, c=117d/34}

(ac bd ) = (41 d /34

117 d /34
31 d /34
d ) =d/34 (41
117
31
1 )
B s t ={ (41
117
31
1 ) }

Dim (S T) =1

1
De S 3a-2b+c-2d=0 a= 3 (2b-c+2d)

( )
1
(2bc +2 d) b
( )
a b
c d = 3
c d
=-b/3 (20 30) +c/3 (13 00) +d/3 (20 03)

B s ={
(20 30) ,(13 00) , (20 03) }

Dim s=3

De t 10 a+ c17 b =0 ^ 9 a13 b+ d =0

C=10a+17b d=9a+13b

(ac bd ) = (10 a+17

a
b
b
9 a+13 b ) =a (101 09) +b (170 151 )
 B t ={ (101 09),( 170 151 ) }

Dim t=2

( )(
1
( 2bc +2 d) b
S+T= 3
c d
a b
10 a+17 b 9 a+13 b )

( )
2b 1c 2d
a+ 2b
= 3

3
10 a+17 b+ c
3
9 a+13 b+ d
=a (101 09) +b (2/3
17 17)
2
+c (1/3
1 0)
0
+d

(2/3
0 1)
0

B s+t ={ (101 09),( 2/3 2

17 17 ) , (1/ 3 0
1 0 ) , ( 1)
2/3 0
0 }

Dim (S+T) =4
Dim ( s 1 + S2 ) =dim ( s1 ) +dim ( s 2 ) -dim ( s 1 S2 )

4=2+3-1
4=4

C) para que exista ST S T =

Para que S T = a=0, b=0, c=0, d=0

S ={ (ac bd ) / 3a-2b+c=0; d=0}

T ={ (ac bd ) / 10a+17b-c=0 ^ 9a+13b ^ d=0}

ST = dim =0
La condicin d=0

Espacios de filas y columnas de una matriz.-

Sea una matriz an*m se define el espacio de filas de la matriz a como un subespacio en
n
R cuya base son los vectores fila no nulos que quedan en la matriz a luego de llevarla
a su forma escalonada solo utilizando operaciones elementales en filas.

De manera similar se define el espacio de columnas de a como un subespacio en Rn ,

cuya base son los vectores columna no nulos que quedan en la matriz a luego de
escalonarla utilizando operaciones elementales en columnas. Se verifica que:
Dim esp. Filas =Dimesp . Columnas

Ejemplo.-
Hallar una base y dimensin del espacio de filas y columnas de la matriz.

[ ]
2 3 1 4 5 6
A= 3 2 4 1 3 2
5 5 3 3 8 8
7 8 2 7 13 14

-F1 +F2 = F2
-2F1 + F3 = F3
-3F1 + F4 = F4

[ ]
2 3 1 4 5 6
1 1 5 5 2 4
A=
1 1 5 5 2 4
1 1 5 5 2 4

-2F2 + F1 = F1
-F2 + F3 = F3
-F3 + F4 = F4

[ ]
0 5 11 14 9 14
A= 1 1 5 5 2 4
0 0 0 0 0 0
0 0 0 0 0 0

B esp . Filas={ ( 0, 5,11, 14, 9,14 ) ; (1,1,5,5,2,4 ) }

Dim esp. Filas =2

Para el espacio de columnas

[ ]
2 3 57
5 2 5 8
1 4 8 2
A=
4 1 3 7
5 3 8 13
6 2 8 14

2f3 +f1 = f1
3f3 + f2 = f2
-f4 + f5 = f5
-f4 + f6 = f6

[ ]
0 11 11 11
0 14 14 14
1 4 3 2
A=
4 1 3 7
1 4 5 6
2 3 5 7

4f3 +f4 = f4
2f3 + f6 = f6
(1/11) f1 = f1
(1 / 14) f2 = f2

[ ]
0 1 1 1
0 1 1 1
1 4 3 2
A=
4 15 15 15
1 8 8 8
2 11 11 11

-f1 + f2 = f2
-15 f1 + f4 = f4
-8f1 +f5 = f5
-11f1 + f6 = f6
 [ ]
0 1 1 1
0 0 0 0
1 4 3 2
A=
0 0 0 0
0 0 0 0
0 0 0 0

B esp .Columnas={( 0, 1,1,1 ) ;(1,4,3, 2)}

Dim esp. Columnas=2

Matriz y vector de coordenadas.-

Sea un vector

X y una base b = {
V 1 ,
V 2,
V 3 ,... ,
V n } en el mismo espacio vectorial,
entonces:
L.I .
B C . G.

X
= k 1 V 1+k 2 V 2+ k 3 V 3+...........+k n V n

nica solucin

Se define al vector de coordenadas de X respecto a la base b, como aquel vector
cuyos componentes son los escalares de la combinacin lineal.
(
X )b=(k 1+ k 2+ k 3+ ..+k n )

Se define matriz de coordenadas de X respecto a la base b, como aquella matriz
columna cuyos elementos son los escalares de la combinacin lineal

[]
k1
k2
[
X ] B2= k 3

kn

Ejemplo.-
Hallar el vector y la matriz de coordenadas de
2
3 t 4 t +5

Respecto a la base B={ 2 t 2t+1 ; t 2t+1 ; 3 t 2+t +1 } en P2

Solucin:

3 t 24 t +5=k 1 ( 2 t 2t+ 1 ) +k 2 ( t 2 t+1 ) + k 3 ( 3t 2 +t+ 1 )

2 F 3+ F1 F 1

[ |] [
2 1 3 3 F 2 + F3 F 3

|]
1 1 1 4 0 3 5 5
1 1 1 5 1 1 1 4 (1) F2
1
0 0 2 1 2F3

1
F3

[ |] [
3
1 1 1 4

| ]
0 3 5 5 1 1 1 4 5
3 F 3+ F 2 F 2
0 0 1 1 0 1 5 /3 5 /3
F3+ F1 F1
0 0 1 1

[ | ]
1 1 0 9 /2
F + F F1
0 1 0 15/ 6 2 1
0 0 1 1/2

[ | ]
1 0 0 2 k 1 =2
0 1 0 5/2 k 2=5/2
0 0 1 1/2 k 3=1/2

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

[ ]
2
2
[ 3 t 4 t +5 ]B = 5/2
1/2
Matriz de transicin.-

Sean dos bases B 1= {

v1 ,
v2 ,
v 3 , ,
vn } y B 2= {
u1 ,
u2 ,
u3 , ,
un } en el mismo espacio
vectorial.

Entonces al ser B 1 y B 2 bases, es posible escribir cada vector de la base B 1 como

combinacin lineal de la base B 2 lo que implica.

 }
v1 = 1
u1 + 2 u2 + 3 u3 ++ n
un
v 1 = 1
u1 + 2
u2 + 3 u3++ n
un
v1 = u1 + 2
u2+ 3
u3 ++ n
un nica solucin

v 1= 1
u1+ 2 u2 + 3 u3+ + n un

Por lo que se puede hallar las matrices de coordenadas de vector de la base B1

respecto a las base B 2

[] [] [] []
1 1 1 1
2 2 2 2
[
v 1 ]B = 3 ; [
2
v 2 ]B =
2
3 ; [
v 3 ]B =2
3 ; [
v n ]B =
2
3

n n n n

Se define la matriz de transicin o de paso de la base B1 respecto a la base B2 ,

como aquella matriz cuadrada cuyas columnas son matrices de coordenadas de cada
vector de la base B 1 respecto a la base B 2

Nomenclatura.-
Mat BB 12 ( I )= Matriz de transicin de la base b1 a la base b2

[ (
V 1 ) ] B2
| | |
|[ (
V 2 ) ] B2 |..........|[ (
V n ) ] B2
| | |
B1
Mat B 2 ( I )=

De manera similar se puede definir la matriz de transicion de la base b 2 respecto a la base

b1

[ ( V 1 ) ] B1

| | |
|[ (
V 2 ) ] B1 |..........|[ (
V n ) ] B1
| | |
B2
Mat B 1 ( I )=

En forma practica se aplica la propiedad de las matrices de transicion son inversas mutuas
 1
Mat BB 12 ( I )=[ Mat BB 21 ( I ) ]

1
Mat BB 21 ( I )=[ Mat BB 12 ( I ) ]

Ejemplo.-
Hallar las matrices de transicion entre las bases

B1= { ( 2,1 ) ;(1, 3)} y b2 = { ( 1,1 ) ;(3,1)} en 2

Solucion.-
Para la matriz de transicion de b1 a b2
( 2,1 )= 1 (1, 1 ) + 2 ( 3,1 ) ( 1,3 )= 1 ( 1,1 ) + 2(3,1)

Como se puede ver, tiene la misma matriz de coeficientes, entonces resolvemos en uno
solo

[ | ]
1 3 2 1
1 1 1 3 [ | ]
1 3 2 1
0 4 3 2 [ |
1 3 2 1
0 1 3/ 4 1/2 ]
F1 (-1) +F2F2 F2 (-1/4) F2 (-3) +F1F1
1 5
1= - 1=
[ |
1 0 1/4 5/2
0 1 3/4 1/2 ] 2=
3
4
2=
2
1
4 2

[] []
1 5
[ ( 2,1 ) ] B2= 4 ; [ ( 1,3 ) ] B2= 2
3 1
4 2

[ ] [
1 5

B2
Mat B 1 ( I )=
4
3
2
1
B2
Mat B 1 ( I )=
1 1 10
4 3 2 ]
4 2

Como:
1
Mat BB 12 ( I )=[ Mat BB 21 ( I ) ]

1
B1
Mat ( I )=
B2
4 3 2[[
1 1 10
]]
Entonces:

Mat BB 12 ( I )=
1

1
[
2 10
1 230 3 1 ]
4

Mat BB 12 ( I )=4 [
1 2 10

28 3 1 ]
Mat BB 12 ( I )= [
1 2 10
7 3 1 ]

Capitulo 5

ESPACIOS VECTORIALES CON PRODUCTO VECTORIAL

Introduccin: Otra de las operaciones vectoriales es el producto escalar.

Si: u=(u1 ,u 2 , u3 ) y v =( v 1 , v 2 , v 3 )

u v =u1 v 1 +u2 v 2+ u3 v 3

Ej.

Si: u=(2,3,2) y v =(1,4,3)

u v =21+ (3 )4 +23

u v =4

El producto interior es la generalizacin del producto escalar para cualquier espacio

vectorial.
Definicin:
El producto interior es una regla de asignacin entre dos vectores hacia un escalar, la
mencionada regla para que sea denominada producto interior debe satisfacer los
siguientes axiomas.
Nomenclatura:
u , v > Productointerior entre los vectores u y v

1 Axioma de conmutatividad
u , v = v , u
2 Axioma de distributividad
u , v + w = u , v + u , w
3 Axioma de homogeneidad
k u , v = u , k v =k u , v
4 Axioma de positividad
u , u 0
u

Ejemplo.-
Analizar si la regla:
1
p ( t ) , q ( t ) > p ( t ) q ( t ) dt
0

Es un producto interior en P2
SOL.
i) A. Conmutatividad
p ( t ) , q ( t ) >< q ( t ) , p ( t ) >

p ( t ) q ( t ) dt= q ( t ) , p ( t ) >
0

q ( t ) p ( t ) dt= q ( t ) , p ( t ) >
0

q ( t ) , p ( t ) >< q ( t ) , p ( t ) >

ii) A. Distributividad
p ( t ) , q ( t ) +r ( t )> < p ( t ) , q ( t )>+ p ( t ) ,r (t)>
 1

p ( t ) (q ( t ) +r ( t )) dt= p ( t ) , q ( t )>+ p ( t ) ,r (t)>

0

[ p ( t ) q ( t ) ]+ [ p ( t ) r (t)]= p ( t ) , q ( t ) >+ p ( t ) ,r (t)>

0

1 1

p ( t ) q ( t ) dt+ p ( t ) r ( t ) dt= p ( t ) , q ( t ) >+ p ( t ) ,r (t)>

0 0

p ( t ) , q ( t ) >+ p ( t ) , r ( t ) >< p ( t ) , q ( t ) >+ p ( t ) , r (t)>

iii) A. Homogeneidad
k ( p ( t ) , q ( t ) )> k < p ( t ) , q ( t )>

k p ( t ) q ( t ) dt= k < p ( t ) , q ( t )>

1

p (t ) q ( t ) dt= k <p (t ) , q ( t ) >

1
k
0

k < p ( t ) , q ( t ) > k < p ( t ) , q ( t ) >

iv) A. positividad
p ( t ) , p ( t )> 0

p ( t ) p ( t ) dt 0
0

p2 ( t ) dt 0
0

Si es un producto interior.
Ejemplo.- Hallar el valor de a para que la regla sea un producto interior en R 2.

u=
[]
u1
u2 y v
=
v1
v2 []
 u , v > ut A v siendo A= 2 4
[
4 a3 ]
i) A. Conmutatividad
u , v >< v , u >

u t A v =v t A u

[ u1 [
u2] 2
4 a3 v 2 ][ ]
4 v 1 =v t A u

[ 2 u1 + 4 u2 4 u1 +(a3)u2 ]
[]
v1
v2
=vt A u

( 2 u1+ 4 u 2) v 1+ ( 4 u1 + ( a3 ) u2 ) v 2=v t A u

2u 1 v 1+ 4 u2 v 1 +4 u 1 v 2+ ( a3 ) u2 v 2=v t A u

( 2 v 1 +4 v 2 ) u1+ ( 4 v 1+ ( a3 ) v 2 ) u 2=v t A u

[ 2 v 1 +4 v 2 4 v 1 +(a3) v 2 ]
[]
u1
u2
=v t A u

[ v1 [
v2 ] 2
4 a3 u 2 ][ ]
4 u 1 =vt A u

v t A u =v t A u

ii) A. Distributividad
u , v +
w > <u , v >+ u ,
w >

u t A ( v +
w )= u , v >+ u ,
w >

u t A v + u t A
w= u , v >+ u ,
w >

u , v >+ u ,
w u , v >+ u ,
w >

iii) A. Homogeneidad
k u , v > k < u , v >
 ( k u )t A v =k < u , v >

k ut A v =k < u , v >

k < u , v k < u , v >

iv) A. positividad
u , u > 0

u t A u 0

[ u1 [
u2] 2 4 u1 0
4 a3 u2 ][ ]
[ 2 u1+4 u2 4 u1 +(a3)u2 ]
[]u1
u2
0

( 2 u1+ 4 u 2) u1 + ( 4 u1 + ( a3 ) u2 ) u2 0

2u 12 + 4 u2 u1+ 4 u1 u2 + ( a3 ) u22 0

2u 12 +8 u1 u2 + ( a3 ) u22 0

2(u12 +4 u 1 u2 )+ ( a3 ) u 22 0

Completando cuadrados:

2(u12 +4 u 1 u2 +2 u222 u22)+ ( a3 ) u22 0

2(u1 +2 u2)2 + ( a34 ) u22 0

2(u1 +2 u2)2 + ( a7 ) u22 0

a7 0

a7

Norma, Distancia y ngulo: Sea un espacio vectorial dotado de un producto interior

u , v > , se definen los siguientes conceptos.
Norma o magnitud de un vector: El mdulo, norma o magnitud de un vector se define
como:
u , u >
u =

Entonces:
2
u = u , u

Distancia entre vectores: Sean dos vectores u y v

v
u + d=

v u
d=

Entonces:
d u , v = v u = u v

Angulo entre vectores: Sean los vectores u y v que forman un ngulo , se

verifica:
u , v
cos =
u v

En el caso especial que =90 los vectores u y v son perpendiculares, lo que se

denominan ortogonales

Entonces u es ortogonalmente a v

u , v =0

Subespacio ortogonal: Sea un conjunto de vectores v1 ,

{ v2
, v 3 .,
v k } podemos formar

un subespacio ortogonal a todos los vectores del conjunto:

S= {x x1 , v1 = x 2 , v2 == xk , vk =0 }
Complemento ortogonal: Sea un subespacio SV, se define complemento ortogonal de S

simbolizado por S como aquel subespacio cuyos vectores son ortogonales a una de
las bases del subespacio S.

S ={ x x , v1 = x , v2 == x , vk =0 }

Si y solo si: B={ u1

, u2 , u3 , ,
uk } es una base de S.

Ejemplo.- Hallar los vectores en R 3 que son ortogonales al vector (2.-1,3) y forma 60 con
el vector (2,1,1)
Utilice el producto interior
( u1 ,u 2 , u3 ) ; ( v1 , v 2 , v 3 ) > u1 v 1 +2u 2 v 2+3 u3 v 3

SOL.

Sean los vectores buscados: ( a , b , c )=x entonces:

( a , b , c ) ; ( 2,1,3 ) > 0

2 a+2 (b )+ ( 3 c )=0

2 a2 b+ 9 c=0(1)

x , v
cos 60 =
x v

x , v = ( a , b , c ) ; ( 2,1,1 ) =2 a+2 b+3 c

( 2,1,1 ) ;> = 22 +2 12 +3 12
v = v , v =

v =3

Vamos a asumir x =1 unitarios

x = ( a , b , c ) ; ( a , b , c ) = a2 +2 b2 +3 c 2=1

a2 +2 b2 +3 c 2=1(2)

2 a+2 b+3 c 1
cos 60 = =
1 3 2
 3
2 a+2 b+3 c= (3)
2

Del sistema:
2 a2 b+ 9 c=0

3
2 a+2 b+3 c=
2

3
4 b+ 6 c=
2

b=
1
4 {
6c+
3
2 }
En (1)

2 a2
1
4{ 3
}
6 c+ + 9 c=0
2

3
2 a3 c +9 c=0
4

a=
1
2{6 c +
3
4 }
En (2)
2 2

({
1
2
6 c +
3
4 }) ( {
+2
1
4
6c+
3
2 }) + 3 c =1
2

1 3 1 9
4 ( ) (
36 c 29 c+ + 36 c 2 +18 c+ +3 c2 =1/(8)
4 8 4 )
9 9
72 c2 18 c+ +36 c 2 +18 c+ +24 c 2=8
8 4

2 9 9
132 c =8
8 4

c=
37 37
c 2=
8 2 2
 a=
1
2 { ( ) }
6
37 3
+
2 2 4

a=
2 {
1 3 212 37
4 2 }
b=
1
4 {( ) } {
6
37 3 1 6 37+ 3 2
+ =
2 2 2 4 22 }
x = ( 3 212
8 2
37 , 6 37+ 3 2 , 37
4 2 2 2 )

Ejemplo.- Hallar una base dimensin del componente ortogonal al subespacio S generado
en R4 por el conjunto:

{ ( 2,1,1,3 ) ; ( 3,1,1,2 ) ; ( 5 ,2,2,5 ) ; ( 1,1,1,4 ) }

Utilice el producto interior:

( u1 ,u 2 , u3 ,u 4 ) ; ( v 1 , v 2 , v 3 , v 4 ) > 3 u1 v 1 +u2 v 2 +u3 v 3 +3 u4 v 4

SOL.
Primero generamos el subespacio:
( a , b , c ,d ) =k 1 ( 2,1,1,3 ) +k 2 ( 3,1,1,2 ) +k 3 ( 5,2,2,5 )+ k 4 ( 1,1,1,4 )

( |) ( | ) ( | )
2 3 5 1 a 0 1 1 1 a2 b 0 1 1 1 a2 b
1 1 2 1 b 1 1 2 1 b 1 1 2 1 b
1 1 2 1 c ~ 0 0 0 0 c+ b ~ 0 0 0 0 b+ c
3 2 5 4 d 0 1 1 1 d3 b 0 0 0 0 a5 b+ d

b+ c=0 ; a5 b+d=0

b=c ; a=5 cd

( a , b , c ,d ) =(5 cd ,c , c , d)

( a , b , c ,d ) =c (5,1,1,0 )+ d (1,0,0,1)

B s= { (5,1,1,0 ) ; (1,0,0,1) }
 S ={ x <x , u20 }
u1 x ,

Donde: u1 , u2 } base de S
{

Entonces sea:

x =( x , y , z , u ) S

x ,
u1 ( x , y , z ,u ) , (5,1,1,0 ) > 3 (5 x ) + ( y )+ z +3( 0)=0

15 x + y + z=0( )

x ,
u2 ( x , y , z ,u ) ,(1,0,0,1)> 3 (x )+ 0+0+3 u=0

3 x +3 u=0

xu=0( )

S ={ x 15 x+ y+ z=0 ; xu=0 }

De : x=u En 15 ( u ) + y + z=0 y=15 u+ z

( x , y , z , u )=( u ,15u + z , z ,u ) =u ( 1,15,0,1 ) + z (0,1,1,0)

B S ={ ( 1,15,0,1 ) ,( 0,1,1,0) }

Dim S =2

Vector unitario y proyeccin de un vector sobre otro: Sea un vector v en un

espacio vectorial se define el vector unitario de v como:

1
unit v =
v
v

El mdulo es unitario lo que se denomina vector normal.

Para la proyeccin del vector u sobre el vector v que dorman un ngulo tenemos:

U
Proy v u

V
 Proy v u
u , v > =
uv u
=
cos

u , v >
v
Proyv u=
El vector Proy v u tiene la misma direccin que el vector unitario de v .Entonces:

Proy v u=Proy v u
u nit v

1
u , v > v
v v
Proy v u=

u , v > 2 v
v
Proy v u =
Del grfico:

Proy v u +( Proy v u )b=u

(Proy v u ) =u Proy v u

u , v > 2 v
v
( Proy v u ) =u
Proceso de Ortonormalizacin de Gran Schmidt:
Este proceso permite ortonormalizar una base cualquiera del espacio vectorial.

Si se tiene B={
v1 ,
v2 ,
v3 , ,
vn } luego de ortonormalizar se transforma en B*.

B = {
u1 ,
u2 ,
u3 , ,
un }

Ortonormalizamos vector a vector:

1er paso.-
1
u1= v

v 1 1

2do paso.-
 Proy u
1
v 2Proyu
v 2= v2 1

v2,
u1 >
u1
Proy u
v 2=
v 2 2
1

u1

Proy u
1
v 2=
v 2
v 2 , u1> u1

v2 v2 ,
u1>
u1
u2=

v 2
v2 , u1
u1>
3er paso.-

Proy v 3=
u
u
1,
v 3
2
v3 ,
u1 >
u1
v3 ,
u2 >
u2

v3 v3 ,
u1 >
u1
v3,
u2 >
u2
u3=

v 3
v3 ,
u1 >
u1
v3, u2
u2 >
En forma general:
k=1
v k
v k , ui>
ui
i=1
uk =

k=1
Proyeccin de un vector sobrek base
vuna v k , uortonormal:
ui
i>
i=1

Sea la base ortonormal B = {
u1 ,
u2 ,
u3 , ,
un } y un vector x en el espacio vectorial V,
se define:
n
Proy B x = x ,
ui > ui
i=1

Proy B x = x ,
u1 >
u1 + x ,
u2 >
u2 ++ x ,
un >
un
Ejemplo.- Ortonormalizar la base B={ 1, t , t 2 } con el producto interior:

1
p ( t ) , q(t )> p(t)q(t) dt
0

SOL. Por Gram Schmidt

B={ 1, t , t 2 }

B ={q1 , q2 , q3 }

1er paso.-
1
q1 = P
P1 1

t / 10=1

P1 , P2 >= 12 dt=
0

P1=

1
q1 = 1=q1=1
1

2do paso.-
P2 P 2 , q1 > q1
q 2=

1
P2 , q 1> <t , 1> t ( 1 ) dt
0

1 1
t (1) (2 t 1)
2 2
q 2= =

K 2< X , X >= KK XX

K X , K X >= KX
K X
KX
=

 2 t 1


2

2 t1 3

32 10


1

0
2 t1=

2 t1 =
1
3

3(2 t1)
(2 t1)
q 2= =q 2=
1
3

3er paso.-
p 3 P3 , q1 >q1 p 3 , q 2> q2
q3 =

1 3
t 1
p 3 ,q 2 t , 1 t 2 dt= 10 =
2

0 2 3

p 3 ,q 2 t 2 , 3(2 t1)>

1
p 3 ,q 2 t 2 3(2 t1) dt
0

p 3 ,q 2 3
4 {
2 t4 t 3 1
0
3 }
p 3 ,q 2 3 {12 31 }= 63
2 1 3
t ( 1 ) 3(2 t1)
3 6
q3 =

 2 1 1
t t+
3 2
q3 =

2 1 1 2
t t + (6 t 6 t+1)
6 6
q3 = =

2 2
6 t 6 t+1, 6 t 6 t+1>
6 t 26 t +1=

6t

26 t +1 2 dt


1

0
=

t5
5
t3
3
72 4 12 3 12 2 1
= 36 +36 +t t + t t
4 3 2
0

=
36
5
+12+11846=
36
56
1 1
7= =
5 5
6 t 26 t +1
q3 = = 5(6 t 26 t +1)
1
5

B = {1, 3 ( 2T 1 ) , 5(6 t 26 t+1) } polinomio de rodriguez

Ejemplo.- Hallar una base orto normal para sub espacios generado en P3 por el

conjunto

{2 t 3t 2 +3 t 2, t 33t 2 +4 t3,3 t 3+ t 2 +2 t1,t 3 +2t 2t +1 }

Utilice el producto interior p(t ) ,q(t ) > p(0) q(0) + p(1 ) q(1) + p(1 ) q(1)

Sea p (t )=at 3 +bt 2ct +d

at 3+ bt 2ct+ d=K 1 ( 2t 3t 2 +3 t2 ) + K 2 ( t 33t 2 +4 t3 ) + K 3 ( 3 t 3 +t 2+ 2t1 ) + K 4 (t 3+ 2t 2t +1)

Generamos el sub espacio
2 K 1+1 K 23 K 3 +1 K 4 =a

1 K 13 K 21 K 3 +2 K 4 =b

3 K 1+ 4 k 221 K 4 =c

2 K 13 K 21 K 3 +1 K 4 =d

( |) ( | )
2 1 3 1 a 0 5 5 5 a+2 b
1 3 1 2 b 1 3 1 2 b
3 4 2 1 c ~ 0 5 5 1 3 b+ c
2 3 1 1 d 0 3 3 3 d2 b

|
abc

( )
0 0 0 0
1 3 1 2 b 3
3 b+c abc=0 ; d2b+ ( c+ 3 b )=0
0 5 5 5 5
3
0 0 0 0 d2 b+ 5 ( c +3 b )

abc=0 ; b3 c +5 d=0

S= { a t 3 +b t 2+ ct+ d abc=0 ; b3 c+5 d =0 }

1
a=b+c ; d= ( b3 c )
5

3 2 3 2 1
a t + b t +ct +d=(b+ c) t +b t +ct+ ( b3 c )
5

3 2 b 3 2 c 3
a t + b t +ct +d= ( 5 t +5 t +1 ) + (5 t +5 t3)
5 5

B={( 5t +5 t +1 ) ,(5 t + 5 t3) }

3 2 3

Ortonormalizamos por Gran Schmidt

1er paso.-
1
q1 = P
P1 1
 P1 , P1 >= 12 +112 +12= 123
P1=

1
q1 = ( 5 t 3 +5 t2 +1 )
123

2do paso.-
P2 P 2 , q1 > q1
q 2=

1
3 2
P2 , q 1> < ( 5 t +5 t 3 ) , ( 5 t 3 +5 t 2+1 ) > (3 ) 1 + 77 13
123 123 123 123
61
P 2 , q 1>
123

3 2 61 1 1
5 t + 5t 3 ( 5 t 3 +5 t2 +1 ) 3 2
(310 t 305 t +615 t 430)
q 2=
123 123 =
123

5 3 2
(62t 61 t +123 t86)
123
q 2=

62 t3 61t 2 +123 t86=(86)2 +(36)2 +(332)2= 37146

B =
{ 1
123
( 5 t3 +5 t 2+1 ) ; 1 ( 62t 361 t 2+123 t86)
37146 }
1 2
1)La base en R2 B= 1 ; 1 {[ ] [ ]} ortonormaliza en B=

{ [] }
1 1
;
u
10 1 2

Segn el producto interior:

u , v > ut A v siendo A= 1 2
2 a3 [ ]
Se pide:
a Hallar el valor de a
b El vector u2
 1
u1=
v

v 1 1

v 1 , v 1 >= [ 1 1 ] 1

v 1=
[
2 1
2 a3 1 ][ ]

v1= [ 3

[]
a1 ] 1 = 3+ a1= a+2
1

u1=
1 1
= []
1 1
a+2 1 10 1 []
a+2=10

a=8

v 2 v 2 ,u1 >u1
u2=

v 2 ,u 1[ 2 1 ] [ ]
1 2
=
1
2 5 10
[ 0 1 ] 1 = 1
1 10 []
[ ]
2 + 1 1 1
1 10 10 1 [] [ ] [ ]
=
1 21
10 9
=
3 7
10 3

[ ] [ [ ][ ]
7 = 7 3 ] 1 2 7 = [ 1 1 ] 7 = 10
3 2 5 3 3

[ ]
u2 =

1 7
10 3 [ ]
SOLUICIONARIO DEL 2do PARCIAL
1 Sea una base

[ ][ ]
1 2 0 a 1 2 0 a
A= 3 0 1 b 4 1 0 b+d
2 1 1 c 1 0 0 c+ d
1 1 1 d 1 1 1 d
 3= F ,3 2= F ,2
4 + F 4 + F
F F

[ ][ ][
1 2 a 7 0 a2 b2 d
4 1 d +b 4 1
1 0 c+ d 1 0
b+d
c +d
7 a2 d 2b 0
1 c+ d ]
a2b2 d=0
7 ( c+ d )+ 1

7 c7 d +a2 d2 b=0

a2b9 d 0 condicion

EJEMPLO.- a=c=b=d=1

1279 0

3 2
p( x )=x + x +x +1

T { (x , y , z )/ x=2t ; y=3 t ; z=3 t }

a Hallar S T sea unespacio en R3

b Base y dimensin de S T

Sol.- S T ={( x , y , z )/3 x + ( a5 ) y+ 2 z=0 x=2 t ; y=3 t ; z=3 t }

i si u =(U 1 , U 2 ,U 3) S T

3 U 1+ ( a5 ) U 2 +2 U 3=0 U 1=2 t ; U 2=3 t ; U 3 =3 t

si v =(V 1 , V 2 , V 3 ) S T

3 V 1+ ( a5 ) V 2 +2 V 3=0 V 1=2t 1 ; V 2=3 t 1 ; V 3=3 t 1

Debemos demostrar que:

1 V + 2 V S T
 1 ( U 1 , U 2 , U 3 ) + 2 (V 1 ,V 2 , V 3)

( 1U 1+ 2 V 1 , 1 U 2 + 2 V 2 , 1 2 V 2 , 1 U 3+ 2 V 3)

( 1U 1 + 2 V 1 )+ ( a5 ) ( 2 V 2 , 1 U 2 ) +2( 1 U 3 + 2 V 3 ) =0

3

3 V 1+ ( a5 ) V 2 +2V 3 =0
1 ( 3 U 1 + ( a5 ) U 2+ 2U 3 ) + 2

0=0

1 U 1 + 2 V 1=2 t 2 2 V 2 + 1 U 2=3 t 2 1 U 3 + 2 V 3 =3 t 2

2t
3t
( 1)=3 t 2
( 1)=2 t 2 2 (3 t ) + 1
1 (2t )+ 2

2( 1 t + 2 t 1)=2 t 23( 2 t + 1 t 1)=3 t 2

2t 2=2 t 23 t 2 =3 t 2

3( 1 t + 2 t 1)=3t 2

3 t 2=3t 2

S T es subespacio aR

Base y dimensin
3 x+ ( a5 ) y +2 z=0 x=2 t ; y=3 t ; z=3 t

3(2 t )+ ( a5 ) (3 t )+2(3 t)=0

 2t + ( a5 ) (t )+2 t=0

t(2( a5 ) +2)=0

0
t= a 9 ; t=0
9a

B S T =; Dim S T =0

3 P1 , P2 > P1 P2 dx
0

a ngulo x+3; 2x+4

b Proy. Ortogonal de x+3 sobre x+2

P1 , P2 >
P1P2
=
cos

1 1
P1 , P2 > ( x+3 )( 2 x+ 4 ) dx =2 ( x +3 ) ( x+2 ) dx
0 0

P1 , P2 > 2 { 13 + 52 +6}=2 {536 }= 533

1
( x +3 )3
P1 , P1 >= ( x +3 ) dx=
0
2
3
=
64 27
3
=
3
37
3
P1=

1
( x +2 )3
0
2
P2 , P2 >= ( 2 x+ 4 ) dx =2
3
=2

27 8
=2
3 3
19
3
P2=
53 53
3 3 53
= = =cos1
2 2 37 19

37
3
2
19
3 3
37 19
cos

b)

Proy v u =uProy v u
 Proy P P1=P1Proy P P 1
2 2

P1 , P 2 > 2 P2
P2
Proy P P1=2

53
P1 , P2 >
6

P2 =
2
( )19
3
=
19
3

53
6
Proy P P1= ( x +2 )
2
19
3

53
Proy P P1=( x +3 ) ( x+ 2 )
2
2 ( 19 )

15 4
Proy P P1= x+
2
38 19

4
3 x+2 y +3 z8 w=0
2 x + y +3 z +3 w=0
x+ 3 z +14 w=0

( |) ( |) ( |) ( |)
3 2 3 8 0 0 2 6 50 0 0 0 0 0 0 1 0 3 14 0
2 1 3 3 0 ~ 0 1 3 25 0 ~ 0 1 3 25 0 ~ 0 1 3 25 0
1 0 3 14 0 1 0 3 14 0 1 0 3 14 0 0 0 0 0 0

x 1+3 x 3 +14 x 4=0

x 23 x3 25 x 4=0

x 1=3 x 314 x 4
x 2=3 x3 +25 x 4
 [ ][ ] [ ] [ ]
x1 3 x 314 x 4 3 14
x2 3 x 3 +25 x 4 3 + x 25
= =x 3 4
x3 x3 1 0
x4 x4 0 1

{[ ] [ ]}
3 14
3 25
B= ;
1 0
0 1

Gran Schmidt
v1=(3)2+ 32 +12= 19

[]
3
1 3
u1=
19 1
0

v2 v2 ,
u1>
u1
u2=

v 2
v2 , u1
u1>

[ ] []
14 3
25 1 3 1 117
v 2 , u1> <
, > [ 42+75 ] =
0 19 1 19 19
1 0

[ ] [ ][ ] [ ] [ ]
14 3 14 3 85
25 117 1 3 25 117 3 1 124
0 19 19 1 0 19 1 19 117
1 0 1 0 19
= =

[ ]
85
124
= 852 +1242 +117 2+ 192= 36651
117
19
 [ ]
85
1 124
u2=

36651 117
19

Captulo 6
TRANSFORMACIONES LINEALES
Introduccin.- Recordemos que en estructuras algebraicas se analiz los llamados
morfismo u homomorfismo entre dos grupos abelianos sean los grupos abelianos
( A , ) y ( B ,) un morfismo es una aplicacin entre dos grupos abelianos que
verifica el siguiente axioma:
f : ( A , ) (B ,)

a , b A y f ( a ) ; f ( b) B Entonces:

f (a b )=f (a ) f (b)

Los espacios vectoriales son estructuras algebraicas entonces podemos definir una
funcin entre dos espacios vectoriales.
Ejemplo:
3
f :R R

f ( x , y , z )=ln (x 2 + y 2 + z 2)

f : R R3

f ( t )=(cos t , e t sin t , et )

Definicin.- Una transformacin lineal es una aplicacin (funcin) entre dos espacios
vectoriales U y V y que debe satisfacer los axiomas de linealidad y homogeneidad.

i) Axioma de Linealidad
x , y U T ( x + y )=T (x )+ T (y )

ii) Axioma de Homogeneidad

x U k R T ( k x ) =k T ( x )

Ejemplo: Analizar si las siguientes aplicaciones son transformaciones lineales

3 2
a) T : R R definida por:
 T ( a , b , c )=( a+2 b+3 c ,2 a+3 b+ 4 c )

b) L: P2 P3 definida por:
t
L { p(t ) }=P ( t+1 )+ P ( t ) dt +1
0

c) f : Rn n R definida por:
f ( a )=Det ( a )

T ( x +y )=T (x )+T (y ) (Axioma de linealidad)

T ( k x )=k T (x ) (Axioma de homogeneidad)
a)
u


u=(u1 ,u 2 , u3 ) T

v


v =(v 1 , v 2 , v 3 ) T

i) Axioma de linealidad
T ( u +v )=T (u1 +v 1 ,u 2+ v 2 ,u3 +v 3)

T ( u + v )=( u 1+ v 1+ 2 ( u 2+ v 2 ) +3 ( u3 + v3 ) , 2 ( u1 +v 1 ) +3 ( u2 + v 2 ) +4 ( u3+ v 3 ) )

T ( u + v )=( u1 +2 u2 +3 u3 +v 1 +2 v 2 +3 v 3 , 2u1 +3 u2 + 4 u3 +2 v 1+ 3 v 2 +4 v 3 )

T ( u + v )=( u1 +2 u2 +3 u3 ,2 u1 +3 u2 +4 u 3 ) +(v 1+ 2 v 2+3 v 3 , 2 v 1 +3 v 2 +4 v 3 )

u

v
T ( u + v )=T

ii) Axioma de Homogeneidad

T ( k u ) =T (k u 1 , k u2 , k u3)
T ( k u ) =(k u1 +2 k u2 +3 k u3 , 2 k u1 +3 k u2 + 4 k u3 )
T ( k u ) =k (u1 +2 u2 +3 u3 ,2 u1 +3 u2 +4 u3)
T ( k u ) =kT ( u )
T es una transformacion lineal
b)
 t
p(t) L { p(t ) }=p ( t +1 ) + p ( t ) dt +1
0

t
q(t) L {q(t) }=q ( t +1 ) + q ( t ) dt+1
0

i) Axioma de linealidad
p ( t )+ q ( t ) dt +1

t

+
0
p (t ) +q ( t )
t=t +1
0
L ( p (t ) +q ( t ) )=
t t
L ( p ( t ) +q ( t ) )= p ( t +1 ) +q ( t+1 ) + p ( t ) dt + q ( t ) dt +1
0 0

t t
L ( p ( t ) +q ( t ) )= p ( t +1 ) + p ( t ) dt +1+q ( t+ 1 ) q ( t ) dt
0 0

L { p(t ) }
L {q(t) }

L ( p ( t ) +q ( t ) ) L { p(t ) }+ L {q(t) }

L no es unatransformacion lineal
c)
f ( A ) =Det ( A ) f ( B )=Det ( B )

i) Axioma de linealidad
f ( A+ B )= Det ( A+ B ) Det ( A )+ Det ( B )

ii) Axioma de Homogeneidad

f ( kA )=Det ( k A n n ) =k n Det ( A ) kDet ( A )

f no es es una transformacion lineal

2
Ejemplo: Para la transformacin lineal T : R P2 definida por:

T ( a , b )=( a+ b2 ) t 2 + ( 2 a+b ) t + ( 3 a+2 b )

Se pide:
 a) Hallar la imagen de u= (2,3 ) y v =( 3,4 )

b) Hallar la imagen de u + v

3 u2 v
c) Hallar la imagen de

Solucin
2
a) T ( u ) =T ( 2,3 ) =( 2+2 (3 )) t + ( 2 ( 2 ) 3 ) t+2 (3 )

T ( 2,3 )=4 t 2 +t
2
T ( v )=T ( 3,4 )=( 3+2 ( 4 ) ) t + ( 2 ( 3 ) +4 ) t + ( 3 ( 3 )+ 2 ( 4 ) )

T ( 3,4 )=11 t 2+10 t+ 17

b) T ( u +v )=T ( u ) +T ( v )
2 2
T ( u + v )=4 t +t+11 t +10 t+17
T ( u +v )=7 t 2+11t +17

c) T ( 3 u2 v )=T ( 3 u )T (2 v )
T ( 3 u2 v )=3 T ( u )2T (v )
2 2
T ( 3 u2 v )=3 (4 t + t ) 2(11 t +10 t +17)
2
T ( 3 u2 v )=34 t 17 t 34

Ncleo e Imagen de una transformacin lineal.-

Para toda transformacin lineal T :U V es posible definir

Ncleo o Kernel de la transformacin.-

Se define como subespacio en el espacio vectorial dominio U, tal que la nica imagen es
el vector nulo del codominio V
N (T )= { x U /T (x )= V }
O;O

Al ser subespacio de U es posible encontrar una base y dimensin del ncleo.

La dimensin del ncleo se denomina nulidad.
DimN ( T )=Nulidad
Imagen de la transformacin lineal.-
Se define como un subespacio del espacio vectorial codominio V tal que esos vectores
siempre tienen una preimagen en el dominio.
I ( T )={ y V / T (x )=y /x U }

Al ser un subespacio en V es posible encontrar una base y dimensin de la imagen. La

dimensin de la imagen se llama Rango o recorrido
 DimN ( I )=Rango o Recorrido

Teorema de la Dimensin.- Para toda transformacin lineal T :U V se verifica:

Dim N ( T ) + Dim I ( T ) =Dim . Esp . Vect . Dominio

Dim N ( T ) + Dim I ( T ) =Dim U
Nulidad + Rango=Dim U

Ejemplo:
Para la transformacin lineal T : P3 R3 definida por:
3 2
T ( a t +b t + ct+ d ) =( a+2 b+ 3 cd ,2 a+ b+2 c+ 3 d , 3 a+3 b+ 5 c+2 d )
Se pide hallar bases para para el ncleo, imagen y verificar el teorema de la dimensin:
Solucin:

Para el Ncleo N (T )={a t 3+ b t 2 +ct +d /T (a t 3 +b t 2 +ct +d )=(0,0,0)}

( a+2 b+3 c d ,2 a+b +2 c+3 d , 3 a+3 b+5 c +2 d )=( 0,0,0 )

a+2 b+3 c d=0

2 a+b+2 c +3 d=0

3 a+3 b+5 c +2 d=0

[ ] [ ]
1 2 3 1 0 1 2 3 1 0
2 12 3 0 0 3 4 5 0
3 35 2 0 0 3 4 5 0

[ ]
1 2 1/ 3 7 /3 0
0 3 4 5 0
0 0 0 0 0

f 1 (2 )+ f 2 f 2 ' f 2 (1 )+ f 3 f 3 ' f 2 (1/3 )

f 1 (3 ) +f 3 f 3 ' f 2 ( 2/3 ) + f 1 f 1 '

 [ ]
1 0 1/3 7 /3 0
1 7 4 5
0 1 4/3 5 /3 0 a+ c+ d=0 b+ c d=0
3 3 3 3
0 0 0 0 0

{ 1 7
3
4
3
5
N (T )= a t 3 +b t 2 + ct+d /a+ c + d=0 b+ c d=0
3 3 }
Pero
1 7 4 5
a= c d b= c+ d
3 3 3 3

a t 3+ b t 2 +ct +d= ( 13 c 73 d )t +( 43 c + 53 d )t +ct +d

3 2

a t 3+ b t 2 +ct +d= ( c3 )(t +4 t 3 t )+( d3 ) (7 t 5 t 3)

3 2 3 2

BaseN ( T )= {t 3 +4 t 23 t ; 7 t 35 t 23 }

DimN ( T )=2

Para la Imagen: I ( T )={( x , y , z)/T ( a t 3 +b t 2+ ct+ d)=( x , y , z) }

( a+2 b+3 c d ,2 a+b +2 c+3 d , 3 a+3 b+5 c +2 d )=( x , y , z )

a+2 b+3 c d=x

2 a+b+2 c +3 d= y

3 a+3 b+5 c +2 d=z

[ ] [ ]
1 2 3 1 x 1 2 3 1 x
2 12 3 y 0 3 4 5 2 x+ y
3 35 2 z 0 3 4 5 3 x+ z

[ ]
x
1 2 1/ 3 7 /3
1 2
0 3 4 5 x+ y
3 3
0 0 0 0
x y+ z
 f 1 (2 )+ f 2 f 2 ' f 2 (1 )+ f 3 f 3 '

f 2 (1/3 )

f 1 (3 ) +f 3 f 3 ' f 2 ( 2/3 ) + f 1 f 1 '

[ ]
x
1 0 1/3 7 /3
1 1
0 1 4/3 5 /3 x+ y x y+ z=0
6 3
0 0 0 0
x y+ z

Pero: z y=x

( x , y , z ) =(z y , y , z )

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

1,1,0
( 1,0,1) ;
BaseI ( T ) =

DimI ( T )=2

Dim N ( T ) + Dim I ( T ) =Dim . Esp . Vect . Dominio

2+2=4
4=4

Ejemplo: Para la transformacin lineal T : R2 2 P2 definida por:

[ ]
T a b =( a+2 b+3 c+ 4 d ) t 2 + ( 2 a+3 b+ 4 c +5 d ) t+ ( 4 a+7 b +10 c+13 d )
c d

Se pide hallar bases para el ncleo, imagen y luego verificar el teorema de la dimensin.

Solucin: si T :U V

N (T )= { x U /T (x )= V }
O;O

I ( T )={ y V / T (x )=y /x U }

Para el ncleo

[ ] [ ]
T a b /T a b = 0t 2 +0 t +0
c d c d
 ( a+2 b+3 c + 4 d ) t 2 + ( 2 a+3 b+ 4 c +5 d ) t+ ( 4 a+7 b+ 10 c+13 d ) =0 t 2 +0 t +0

a+2 b+3 c + 4 d=0

2 a+3 b+4 c +5 d=0

4 a+7 b+10 c +13 d=0

[ ] [ ] [ ]
1 23 4 0 1 2 3 4 0 1 0 1 2 0
2 34 5 0 0 12 3 0 0 12 3 0
4 7 10 13 0 0 12 3 0 0 0 0 0 0

f 1 (2 )+ f 2 f 2 ' f 2 (1 )+ f 3 f 3 '

f 2 (1 )+ f 3 f 3 '

f 1 (4 )+ f 3 f 3 ' f 2 ( 2 ) +f 1 f 1 '

[ ] [ ]
1 0 1 2 0 1 0 1 2 0
0 12 3 0 0 1 2 3 0
0 0 0 0 0 0 0 0 0 0

ac2 d=0 b +2 c+3 d =0

f 2 (1 )

{[ ]
N (T )= a b ac2 d=0 b+2 c+ 3 d=0
c d }
Pero: a=c +2 d b=2 c3 d

[ ][c d c d 1 0 ] [
a b = c+2 d 2 c3 d =c 1 2 +d 2 3
0 1 ] [ ]
{[
BaseN ( T )= 1 2 ; 2 3
1 0 0 1 ][ ]}
DimN ( T )=2

Para la Imagen

T [ ] [ ]
a b
c d
/T
a b
c d
2
= p 2 t + p1 t + p 0
 ( a+2 b+3 c + 4 d ) t 2 + ( 2 a+3 b+ 4 c +5 d ) t+ ( 4 a+7 b+ 10 c+13 d ) =p 2 t 2+ p 1 t + p 0

2
a+2 b+3 c + 4 d= p2 t

2 a+3 b+ 4 c +5 d= p1 t

4 a+7 b+10 c +13 d= p 0

[ 1 23 4

] [ 4

]
p2 1 2 3 p2
2 34 5 p1 0 12 3 2 p2 + p1
4 7 10 13 p0 0 12 3 4 p 2+ p 0

[ 1 0 1 2 3 p2 +2 p 1
0 12 3 2 p 2 p1+ p 0
0 0 0 0 4 p2 + p0 ]
f 1 (2 )+ f 2 f 2 ' f 2 (1 )+ f 3 f 3 '

f 2 (1 )+ f 3 f 3 '

f 1 (4 )+ f 3 f 3 ' f 2 ( 2 ) +f 1 f 1 '

[ 1 0 1 2 3 p2 +2 p 1
0 12 3 2 p 2 p1+ p 0
0 0 0 0 2 p 2 p1+ p 0 ]
[ 1 0 1 2 3 p 2+2 p1
0 1 2
0 0 0
3 2 p2 + p1 p0
0 2 p2 p1 + p0 ]
2 p2 p1 + p0=0

f 2 (1 )

I ( T )={ p2 t + p1 t+ p0 2 p2 p1 + p0=0 }
2

Pero:
p0=2 p2 +p 1

2 2 2
p2 t + p 1 t + p0= p2 t + p1 t+ ( 2 p2 + p1 )= p2 ( t +2 )+ p 1 ( t+ 1 )

BaseI ( T ) ={ t 2+2 ; t+ 1 }

DimI ( T )=2
 Dim N ( T ) + Dim I ( T ) =Dim . Esp . Vect . Dominio
2+2=4
4=4
3
Ejemplo: Para la transformacin lineal L: P3 R definida por:

L ( a t 3 +b t 2+ ct+ d )=( p (1) + p(0 ) , p(1 ) p(0 ) , p(2 )+ p (1) )

Se pide hallar bases para el ncleo, imagen y luego verificar el teorema de la dimensin.

L ( a t 3 +b t 2+ ct+ d )=(a+b +c +d +d , a+b+ c+ dd , 8 a+4 b+2 c +d +a+b +c +d )

L ( a t 3 +b t 2+ ct+ d )=(a+b +c +2 d , a+ b+c , 9 a+15 b+3 c +2 d)

Para el ncleo:

N (L)={( a t +b t + ct+ d ) / L ( a t +b t + ct+ d )=0 }

3 2 3 2

( a+b +c +2 d , a+ b+c , 9 a+5 b+3 c +2 d )=( 0,0,0 )

a+b +c +2 d=0

a+b +c=0

9 a+5 b+ 3 c+2 d =0

[ ][ ][ ]
1 1 12 0 0 0 0 2 0 0 0 0 1 0
1 1 10 0 1 1 1 0 0 1 1 1 0 0
9 5 32 0 0 4 6 2 0 0 1 3/2 1 /2 0

f 2 (9 ) + f 3 f 3 ' f 1 ( 1/ 2 ) f 1 ( 1/2 ) +f 3 f 3 '

f 2 (1 )+ f 1 f 1 ' f 3 (1/4 )

[ ]
1 1 1
0 0
3 3
1 1 0 0 a+b+ c=0 a+ b+ c=0 d=0
2 2
1 0
0 0 0

{ 3
N ( L ) = ( a t 3 +b t 2 +ct+ d ) a+ b+c=0 a+b+ c=0 d=0
2 }
 3
a=bc b= c d =0
2

1
a= c
2

c 3 c
a t 3+ b t 2 +ct +d= t 3 c t 2+ c t+ 0= (t 3 3 t 2 +2 t)
2 2 2

BaseN ( L )= { t 3 3 t 2 +2 t }

DimN ( L )=1

Para la Imagen

I ( L)= {( x , y , z ) / L ( a t 3+ b t 2 +ct +d ) =( x , y , z ) }

( a+b +c +2 d , a+ b+c , 9 a+5 b+3 c +2 d )=( ( x , y , z ) )

][ ] [ ]
a

[
1 1 12 x
b=
1 1 10 y
c
9 5 32 z
d

En A hallamos el espacio de columnas C R 3 ( Imagen )

[]
119
t 115
A=
119
202

[ ][ ][ ]
119 1 1 9 1 1 9
115 0 0 4 0 0 1

119 0 0 0 0 0 0
202 0 2 16 0 216

f 1 (1 )+ f 2 f 2 ' f 2 (1/4 ) f 2 (9 ) + f 1 f 1 '

f 1 (1 )+ f 3 f 3 ' f 2 ( 16 ) + f 3 f 3 '
 f 1 (2 )+ f 4 f 4 '

[ ][ ][ ]
1 1 0 110 100
0 0 1 001 001

0 0 0 000 000
0 2 0 010 010

f 3 (1/2 ) f 3 (1 )+ f 1 f 1

BaseI ( L )={ ( 1,0,0 ) ; ( 0,1,0 ) ;(00,1)}

Base cannicaen R3

DimI ( L )=3

Dim N ( L )+ Dim I ( L )=Dim . Esp . Vect . Dominio

1+3=4
4=4

Ejemplo: De una transformacin lineal T : P2 R 3 se conocen las imgenes de la base

B={ t 2 +2t +1 ; t 2 +t +1; t 21 }

T ( t 2+ 2t +1 )=(2,3,1)

t
T ( 2+ t+1)=(2,3,2)

t
T ( 21)=(1,1,2)

Se pide hallar:
Hallar la frmula para T

Como B es base en P 2

t
( 21) T
2 2 2
a t + bt +c=k 1 ( t +2 t +1 ) + k 2 ( t +t + 1 ) +k 3

t
t
( 21)
( 21) 2 2 2
(*)
T ( a t +bt +c)=k 1 T ( t + 2t +1 ) +k 2 T ( t + t +1 ) + k 3 T
k 1 ( t +2 t+ 1 ) +k 2 ( t 2 +t +1 ) +k 3
2

T ( a t 2 +bt +c)=T

T ( u + v )=T ( u ) +T (v )

T ( k u ) =k T ( u )

k 1 +k 2+ k 3=a

2 k 1 +k 2=b

k 1 +k 2k 3 =c

[ ]
ac

[ ] [ ]
1 1 1 a 0 0 2 ac 0 0 1
2
2 1 0 b 0 1 2 b2 c 0 1 2
b+2 c
1 1 1 c 1 1 1 c 1 1 1
c

f 3 (1 )+ f 1 f 1 ' f 1 ( 1/2 ) f 1+ f 3 f 3'

f 3 (2 )+ f 2 f 2 ' f 2 (1 ) f 1 ( 2 ) +f 2 f 2 '

[ ] [ ]
ac ac

0 0 1 2 0 0 1 2
0 1 0 ab+c 0 1 0 ab+c
1 1 0 a+ c 1 0 0 a+2 bc

2 2

a+2 bc ac
k 1= k 2 =ab+c k 3=
2 2
 f 2 (1 )+ f 3 f 3 '

Remplazando en la ecuacin (*)

ab +c +(2,3,2)+ ( ac2 )(1,1,2)

a+2 bc
T ( a t +bt +c)=( )(2,3,1)+
2
2

T (a t 2 +bt +c)= ( 5 a+82 b7 c ; a+2 c ; 7 a62b+ 3 c )

Verificando:

T (t 21)= ( 5+20+7 ; 12; 703

2 )
t
T ( 21)=(1,1,2)

Verifica laregla de Correspondencia

T (a t 2 +bt +c)= ( 5 a+82 b7 c ; a+2 c ; 7 a62b+ 3 c )

Representacin Matricial de una transformacin lineal.-

Sea una transformacin lineal T :U V y se conocen las bases B={ u1 , u2 , u3 , , un }

U y C={ v1 , v1 , v1 , , v n }

V .

Entonces se puede hallar las imgenes de cada vector de la Base B.

u1 T u1
u1
u2 T u2
u2
U T u3
u3
u3
, ,
,
B T un
U C
 Por lo tanto podemos escribir las imgenes de cada vector de la base B como
combinacin lineal de la base C.
T (
U 1 ) = 1
U 1 + 2
U 2 + 3
U 3+ + n
Un

T (
U 2 ) = 1
U 1+ 2
U 2+ 3
U 3 + + n
Un

T (
U 3 ) = 1
U 1 + 2
U 2+ 3
U 3 + + n
Un

.
.
.
T (
U n ) = 1
U 1 + 2
U 2+ 3
U 3 + + n
Un

En consecuencia podemos encontrar las matrices de coordenadas de las imgenes

de cada vector de la base.
B con respecto a la base C.

[] [] []
1 1 1
2 2 2
3 3 3
[ 1 ] . , [T (
T (
U ) = U 2)]= . , [ T ( U n ) ]=

.
. . .
. . .
n n n

Se define la representacin matricial de la transformacin de la base B con respecto

a la base C. como aquella matriz cuyas columnas son las matrices de coordenadas de las
imgenes de cada vector de la base B con respecto a la base C.
 Nomenclatura.-
C
Mat CB ( T )=[ T ] B =Representacion matricial de la

transformacion de la base B con

respecto ala base C .

[
Mat CB ( T )= [ T (
U 1 ) ]C , [ T (
U 2 ) ]C , [ T (
U 3 ) ]C [ T ( ]
U n ) ]C m n

Donde:
m = Dimensin del espacio vectorial codominio V
n = Dimensin del espacio vectorial dominio U

Nota: Si la transformacin lineal fuera T :U U entonces para la representacin

matricial solo es necesario una base B={ u1 , u2 , u3 , , un } en U entonces se busca hallar.

[
Mat BB ( T ) = [ T (
U 1 ) ]B , [ T (
U 2 ) ]B , [ T (
U 3 ) ]B [ T (
U n ) ]B ] n n

Ejemplo.

Para la transformacin lineal T : R2 2 P2

Definida por:

[ ]
T a b =( a+b +c +d ) t 2 + ( 2 ab+3 c +d ) t + ( 5 a+2 bcd )
c d

Se pide hallar la representacin matricial con respecto a las bases:

B=
{[ ,
1 1 1 1][
1 1 1 1 1 1 1 1
, ,
1 1 1 1 ][ ][ ]}

C={ t 2+2 t+ 1; t 21 ; t+ 4 }

Sol.
Hallamos las imgenes de la base B.

T [1 1 (
1 1 ] 2 2
= 1111 ) t + ( 2+131 ) t + ( 32+1+1 )=2 t t+3

a=1; b=c=d=1

[ ]
T 1 1 = (1+111 ) t 2 + (2131 ) t + (3+2+1+1 )=2t 27 t +1
1 1

b=1; a=c=d=1

[ ]
T 1 1 = (11+11 ) t 2 + (2+1+31 ) t+ (321+1 )=2t 2 +t5
1 1

c=1 ; a=b=d=1

[ ]
T 1 1 = (111+1 ) t 2 + (2+13+1 ) t+ (32+11 )=2t 23 t 5
1 1

d=1 ; a=b=c=1

Escribimos las ecuaciones con respecto a la base C.

2 t 2t+ 3= 1 ( t 2 +2 t+1 ) + 2 ( t 21 )+ 3 ( t+ 4 )

2 t 27 t+1= 1 ( t 2+ 2t +1 ) + 2 ( t 21 ) + 3 ( t + 4 )

2 t 2+ t5= 1 ( t 2 +2 t+1 ) + 2 ( t 21 ) + 3 ( t+ 4 )

2 t 23 t5= 1 ( t 2 +2 t+1 ) + 2 ( t 21 ) + 3 ( t +4 )

Tienen la misma matriz de coeficientes, por lo que resolveremos todos los sistemas en
uno solo

[ ] [ ]
1 1 0 2 2 2 2 1 1 0 2 22 2
2 0 1 1 7 1 3 0 2 1 3 3 5 1
1 1 4 3 1 5 5 0 2 4 5 3 3 3

(2 ) f 1+ f 2 f '2' (1 ) f 2+ f 3 f '3'
 (1 ) f 1+ f 3 f '3'

[ ]
2 2 2 2

[ ]
1 1 0 2 2 2 2 1 1 0
0 2 1 3 3 5 1
0 2 1 3 3 5 1
2 6 8 4
0 0 3 2 6 8 4 0 0 1
3 3 3 3

(1 ) f 2 f '2' f 3 +f 2 f '2'

( 13 ) f f
3
''
3

[ ] [ ]
2 2 2 2 2 2 2 2
1 1 0 7 15 23 7 1 1 0 7 15 23 7
0 2 0 3 3 3 3 0 1 0 6 6 6 6
0 0 1 2 6 8 4 0 0 1 2 6 8 4
3 3 3 3 3 3 3 3

( 12 ) f f
2
''
2 (1)f 2 + f 1 f ''1

[ ]
5 27 11 5
6 6 6 6
1 0 0
7 15 23 7
0 1 0
6 6 6 6
0 0 1
2 6 8 4
3 3 3 3

C1 = i

C2 =i

C3 = i

C 4= i
 [] [ ] [ ] []
5 27 11 5
6 6 6 6

[ 1 1 C 6
2
]
T 1 1 = 7 ; T 1 1
1 1 [[ ]]
C 6
6
[[
= 15 ; T 1 1
1 1 ]]
C 6
8
[[
= 23 ; T 1 1
1 1 ]] C
= 7
6
4
3 3 3 3

[ ]
5 27 11 5
1
Mat CB ( T )= 7 15 23 7
6
4 12 16 8

Ejemplo: Hallar la representacin matricial de la transformacin T : P2 P 2

Definida por:
T ( p ( t )) =P ( t1 )+ P ' ( t ) + P ( 0 )

Con respecto a la base:

B={ t 2t +1; 2 t 2+t +3 ; t 21 }

Sol:

como p ( t )=at 2 +bt + c

2 2
P (t1 ) =a ( t1 ) + b ( t1 )+ c=at + (2 a+ b ) t+ab+ c

P' ( t )=2 at+ b

P ( 0 )=C

Entonces sumando:

T ( at 2 +bt+ c )=at 2 + (2a+ b+2 a ) t+ ( ab +c +b+c )

T ( at 2 +bt+ c )=at 2 +bt+(a+ 2c )

T ( t 2t+ 1 )=t 2t +3= 1 ( t 2t+1 ) + 2 ( 2t 2 +t+3 ) + 3( t 21)

a=1
 b=1

c=1

T ( 2 t 2 t+1 ) =2 t 2 +t+ 8= 1 ( t 2 t+1 ) + 2 ( 2t 2 +t+ 3 ) + 3 (t 2 1)

a=2

b=1

c=3

T ( t 21 ) =t 21= 1 ( t 2t +1 ) + 2 ( 2t 2+ t+3 ) + 3 (t 2 1)

a=1

b=0

c=1

[ 1 2 1 1 2 1

1 3 1 3 8 1
1 2 1 1 2 1
][
1 1 0 1 1 0 0 3 1 0 3 1
0 1 2 2 6 2 ]
'' ''
f 1+ f 2 f 2 (-2) f 3+ f 1 f 1

'' ''
(1)f 1 + f 3 f 3 (3) f 3+ f 1 f 1

][ ]
3 10 5

[
1 0 5 3 10 5 1 0 5
6 15
0 0 7 6 15 7 0 0 1 1
7 7
0 1 2 2 6 2 0 1 2
2 6 2

( 17 ) f f
2
''
2 (2)f 2 + f 3 f ''3

''
(5)f 2+ f 1 f 1
 [ ][ ]
9 5 9 5
0 0
7 7 7 7
1 0 0 1 0 0
6 15 2 12
0 0 1 1 0 1 0 0
7 7 7 7
0 1 0 0 0 1
2 12 6 15
0 1
7 7 7 7

f3f2

i i i

[ ]
9 5 0
1
Mat BB ( T ) = 2 12 0
7
6 15 7

Matriz Estndar de la transformacin lineal.-

La representacin matricial estndar o llamada matriz estndar de la transformacin es
aquella que se encuentra con las bases cannicas o euclidianas de los espacios
vectoriales dominio y codominio.

Es decir si T :U V y las bases cannicas son B en U y B en V.

'

Mat BB ( T )= A=Matriz Estandar

Teorema.- Toda transformacin lineal T :U V se puede escribir en la forma:

T ( x )= A x

Siendo A la matriz estndar

Ejemplo.
Hallar la matriz estndar de la transformacin.

T ; R2 2 P2

Definida por:

[ ]
T a b =( a+bc +2 d ) t 2 + ( 2 ab+2 c+ d ) t + ( a+3 b2 c +2 d )
c d

Sol:
Bases canonicas:
 {[ ] [ ]
B= 1 0 ; 0 1 ; 0 0 ; 0 0
0 0 0 0 1 0 0 1 }
B ' ={ t 2 , t , 1 }

[ ]
T 1 0 =t 2+ 2t +1= 1 ( t 2 ) + 2 ( t ) + 3(1)
0 0

[ ]
T 0 1 =t 2t+ 3= 1 ( t 2 ) + 2 (t ) + 3 (1)
0 0

[ ]
T 0 0 =t 2+ 2t2= 1 ( t 2 ) + 2 ( t ) + 3 ( 1 )
1 0

[ ]
T 0 0 =2 t 2 +t +2= 1 ( t 2 ) + 2 ( t ) + 3
0 1

[ 1 0 0 1 1 1 2
0 1 0 2 1 2 1
0 0 1 1 3 2 2 ]
i i i i

[ ]
1 1 1 2
A= 2 1 2 1
1 3 2 2

Clasificacin de transformaciones lineales:

Como una transformacin lineal es una funcin se puede clasificar segn:

1) Si T :U V es inyectiva se la denomina Monomorfismo.

2) Si T :U V es suryectiva se la denomina Epimorfismo.
3) Si T :U V es biyectiva se la denomina Isomorfismo.
4) Si T :U U se la denomina Endomorfismo.
5) Si T :U U es biyectiva se la denomina Automorfismo.

Operaciones de transformaciones lineales.-

Se pueden realizar las siguientes operaciones:
Suma y/o diferencia de transformaciones lineales.- sean dos transformaciones lineales:
 T :U V en la forma T ( x )= A x

L: U V enla forma L ( x )=B x

Donde A y B son las matrices estndar de las transformaciones se define T L:U V

Como:
( T L )( x )=(A B)x

Composicin de transformaciones lineales.- Sean dos transformaciones lineales:

T :U V en la forma T ( x )= A x

L: V W en laforma L ( x )=B x

Donde A y B son matrices estndar de las transformaciones:

U T V L
W

LT :U W

Se define:

L T ( x )=( B A) x

Inversa de transformaciones lineales.- Si se tiene la.

 T :U V que es biyectiva se puede definir:

T 1 :V U

Entonces si T :U V en la forma T ( x )= A x siendo A la matriz estndar entonces se

define:

T 1 ( y )= A y

Ejemplo:

Sea la transformacin lineal T : R3 P2 definida por:

T ( a , b , c )=( 2 ab+2 c ) t 2 + ( a+2 b3 c ) t +( 4 ab+ c)

3 2
Y la transformacin lineal L: P2 R definida como:

2
L ( a t +bt +c )= [ ab+c a+ b+c
a+bc 2 a+ b+3 c ]
Se pide hallar:
a) L T
b) T-1

Sol.
a)
Sabemos
L=T ( x )=B A x

Siendo A y B matrices estndar. Hallamos la matriz estndar.

Para A:
B 1={ ( 1, 0,0 ) ; ( 0, 1, 0 ) ; ( 0,0, 1 ) }
 B 2={(t 2 , t , 1) }

T ( 1, 0,0 )=2 t 2 +t +4= 1 ( t 2 ) + 2 ( t ) + 3 (1)

T ( 0, 1,0 )=t 2 +2 t1= 1 ( t 2 ) + 2 ( t ) + 3 (1)

T ( 0, 0,1 )=2 t 23 t +1= 1 ( t 2 ) + 2 ( t ) + 3 (1)

[ 1 0 0 2 1 2
0 1 0 1 2 3
0 0 1 4 1 2 ]
i i i

[ ]
2 1 2
A= 1 2 3
4 1 1

Para B:

B 2={(t 2 , t , 1) }

B 3=
{[ ] [ ]
1 0 0 1 0 0
; ;
0 0 0 0 1 0
;
0 0
0 1

}
2
L( t )=
1 1
1 2 [
= k1
1 0
0 0 ] [ ] [ ] [ ] [ ]
+k 2
0 1
0 0
+ k3
0 0
1 0
+k 4
0 0
0 1

L ( t )= [ 1 1
1 1
=l 1] [ ] [ ] [ ] [ ]
1 0
0 0
+l 2
0 1
0 0
+l 3
0 0
1 0
+l 4
0 0
0 1

[ 0 0 ] [ ] [ ] [ ] [ ]
L ( 1 ) = 1 1 =m 1 1 0 + m 2 0 1 + m3 0 0 + m 4 0 0
1 3 0 0 1 0 0 1

[ ]
1 0 0 0 1 1 1
0 1 0 0 1 1 1
0 0 1 0 1 1 1
0 0 0 1 2 1 3
 [ ]
1 1 1
1 1 1
B=
1 1 1
2 1 3

[ ][ ][ ]
1 1 1 5 4 6
2 1 2
1 1 1 3 2 4
B A= 1 2 3 =
1 1 1 1 2 2
4 1 1
2 1 3 17 3 4

[]
a
( a , b , c )=k 1 ( 1, 0,0 )+ k 2 ( 0,1, 0 ) +k 3 ( 0, 0, 1 )=[ ( a , b , c ) ] B = b
1

[ ][ ] [ ]
5 4 6 5 a 4 b 6c
3 2 4 a 3 a 2b 4 c
L T ( a , b , c )= b=
1 2 2 a 2b 2 c
c
17 3 4 17 a 3 b 4 c

[
L T ( a , b , c )= 5 a4 b +6 c 3 a+2 b4 c
a+2 b2 c 17 a3 b+ 4 c ]
3 1 3
b) si T : R P2 entonces T : P2 R

T 1 ( x )=A 1 x

Hallamos A-1

| || ||
2 1 2 6 1 2
| A|= 1 2 3 13 6 8 6 1
4 1 1 9 2 5
13 1 |
| A|=613=7

[ ] [ ]
2 1 4 1 1 1
A t = 1 2 1 Adj ( A )= 13 6 8
2 3 1 9 2 5
 [ ][ ]
1 1 1 a
1
A= 13 6 8 b
7
9 2 5 c

1 2 1
T ( a t + bt+c ) = ( a+ b+c ,13 a+ 6 b8 c , 9 a+2 b5 c )
7

Cambio de Base.- Sea una transformacin lineal T :U V de la cual se conoce la

representacin lineal de la transformacin con respecto a las bases:
B 1={
U 1 ,
U 2,
U 3 , ,
U n } U n=Dim U

C1 ={
V 1,
V 2 ,
V 3, ,
V m } V m=Dim V

Es decir se tiene :

Mat CB ( T )m n
1

El objetivo es hallar la representacin matricial de la transformacin con respecto a una

nueva base.
B 2={
W 1 ,
W 2 ,
W 3, ,
W n } W

C2 ={ r 3 , , rn } r
r 1 , r2 ,

Es decir buscamos:

Mat CB ( T )=?
2

Con ayuda de las bases se puede hallar las matrices de transicin de la base B 1 en U, y
de la base C1 a la base C2 en V.

Mat BB ( T )=[ [
2

1
U 1 ]B [
2
U 2 ]B [
2 2
U n ] B ]n n
U 3 ]B [ 2

Mat CC ( T )=[ [
2

1
V 1 ]C [
2
V 2 ]C [
2 2
V m ]C ]m m
V 3 ] C [ 2

Entonces:
Mat CB ( T )=Mat CC ( T ) Mat CB ( T ) Mat BB ( T )
2

2
2

1
1

1
2

1
Equivalencia de matrices:

B m n=P mm A m n Q n n

En el caso de que la transformacin lineal

fuera un endomorfismo, es decir T :U U para
las representaciones matriciales se necesita
nicamente una base si se conoce la matriz de la
transformacin con respecto a la base B1.

Es decir: Mat BB ( T )= A ( dato )

1

Buscamos la representacin matricial con respecto a una nueva base B 2, es decir :

Mat BB ( T )=B=?
2

Podemos encontrar la matriz de transicin de:

Mat BB ( I )=P
1

B2 1
Mat B ( I )=P
1

Por lo tanto:
Mat BB ( T )=Mat BB ( I ) Mat BB ( I ) Mat BB ( I )
1

2
2

1
1

1
1

B=P1 A P

Semejanza de matrices.

Ejemplo: Para la transformacion Lineal T : P1 P1

Definida por:
T ( a+ bx ) =( 2 a3 b )+ (3 a+4 b ) x

Se pide hallar:
 a) La representacin matricial con respecto a la base.
B 1={ 1+ x ; 1x }
b) Utilizando el cambio de base hallar la representacin matricial con respecto a.

B 2={ 3+2 x ; 24 x }

c) Verificar el anterior resultado.

Sol:
a)
T ( 1+ x )=1+ 7 x= 1 ( 1+ x )+ 2 (1x )

T ( 1x )=5x= 1 ( 1+ x ) + 2 (1x )

[ ] [
1 1 1 5 1 1 1 5 1 1 1 5
1 1 7 1 0 2 8 6 0 1 4 3 ] [ ]
(1 ) f 1+ f 2 f ''2 ( 12 ) f f (1) f + f f
2
''
2 2 1
''
1

[ 1 0 3 2
0 1 4 3 ]
A=Mat B ( T )=
B1
1 [ 3 2
4 3 ]
b)
B1 B2 B1 B1
Mat B ( T )=Mat B ( I ) Mat B ( I ) Mat B ( I )
2 1 1 2

B=P1 A P

Para P = Mat BB ( I ) C.L.

1

3+2 x=k 1 ( 1+ x ) + k 2 ( 1x )

24 x=m1 ( 1+x ) +m2 (1x )

 [ ]
3 2
[ 1 1 3 2 1 1 3
1 1 2 4
2 1 1
0 2 1 6 0 1
1
2
] [ ] 3

(1 ) f 1+ f 2 f ''2 ( 12 ) f f (1) f + f f
2
''
2 2 1
''
1

[ ]
5
1
1 0 2
0 1 1
3
2

1 1
1
[
P= 5 2 para P1=
2 1 6
1 5 2
2 1 6 ] ([ ]) [ =2 5 2
1 6 ]
P =2
1
[
1 6 2 1 1 6 2
32 1 5
.P =
16 1 5 ] [ ]

B=P1 A P= [
1 6 2
][
3 2 P
16 1 5 1 5 ]
B= [
1 10 18 1 5 2

16 23 13 2 1 6
=
1 68 88
32 102 124 ] [ ] [ ]
B1
Mat B ( T )=B=
2 [
1 34 44
16 51 62 ]
c) para verificar realizamos lo del inverso a) para B 2
T ( 3+2 x )=17 x= 1 ( 3+ 2 x ) + 2 (24 x)

T ( 24 x )=1610 x= 1 ( 3+2 x )+ 2 (24 x )

 [ 3 2 0 16
2 4 17 10
] [
1 6 17 26
2 4 17 10

1 6 17 26
0 16 51 62 ] [ ]
1
(1 ) f 2+ f 1 f ''1 (2)f 1+ f 2 f '2' f f '2'
16 2

][ ]
34 44

[
17 26
1 6 1 0 16 16
51 62
0 1 0 1 51 62
16 16
16 16

(6 ) f 2 + f 1 f '1'

B
B=Mat B ( T )=
1

2
1 14 44
16 51 62 [ ]
Ejemplo.

Para la transformacin T : P2 P 2 de la cual se conoce la representacin matricial

respecto a la base.

B 1={t 2 +2 t+1, t 2t+ 3,2 t 2 +3 t +2 } Que es la matriz

[ ]
2 1 4
A= 1 2 1 Si se conoce la matriz de transicin.
1 3 0

[ ]
3 2 2
De la base B2 a la base B1 que es igual a: 4 1 1
1 3 4

Se pide hallar:
a) La representacin matricial con respecto a la base B 2.
b) La base B2.

Sol.
Por el cambio de base.

Mat BB ( T )=Mat BB ( I ) Mat BB ( I ) Mat BB ( I )

1

2
2

1
1

1
1

2
 1
B=P A P

[ ]
3 2 2
1
P= 4 1 1 ; hallamos P
1 3 4

| || ||
3 2 2 11 2 0
|P|= 4 1 1 0 1 0 11 2 =|P|=11
1 3 4 11 3 1
0 1 |

[ ] [ ] [ ]
3 4 1 1 2 0 1 2 0
t 1 1
P = 2 1 1 ; Adj ( P )= 15 14 11 P = 15 14 11
11
2 1 4 11 11 11 11 11 11

[ ][ ]
1 2 0 2 1 4
1 1
B=P A P= 4 1 1 1 2 1 P
11
1 3 4 1 3 0

[ ][ ] [ ]
0 5 2 3 2 2 18 1 3
1 1
B= 33 20 74 4 1 1 B= 105 268 342
11 11
22 22 55 1 3 4 99 187 242

[ ]
3 2 7
B1
b) como P=Mat ( I ) B2 C.L.= 4 1 1
1 3 4

B 2=( P1 , P 2 , P 3 )

P1= 1 (t 2+ 2t +1 ) + 2 ( t 2t +3 ) + 3 (2 t 2 +3 t+2)

P2= 1 (t 2+ 2t +1 ) + 2 ( t 2t +3 ) + 3 (2 t 2 +3 t +2)

P2= 1 ( t 2 +2t +1 ) + 2 ( t 2 t+3 ) + 3( 2t 2+ 3 t+2)

[ ]
1 1 1
B
P Mat B ( I )= 2 2 2
1

3 3 3
 P1=3 (t 2 +2 t+1 ) + 4 ( t 2t +3 ) + (1 ) ( 2t 2 +3 t+2 ) =t 2t +13

P2=2 (t 2 +2 t+1 ) + (1 ) ( t 2 t+3 )+ 3 ( 2t 2 +3 t+2 ) =3 t 2 +14 t +5

P2=2 (t 2 +2 t+1 ) +3 ( t 2t +3 ) + 4 ( 2 t 2 +3 t+ 2 )=5 t 2+ 17 t+7

B 2={t 2 t+13 ; 3 t 2+14 t+5 ; 5 t 2 +17 t+ 7 }

Captulo 7

Autovalores y Autovectores
Introduccin.- sabemos que toda transformacin lineal T :u u (endomorfismo) se
puede expresar en la forma

T ( x )= An n X

Siendo A n n la matriz estndar de la formacin. El objetivo del captulo es encontrar un

conjunto de vectores no nulos X u cuya imagen es un mltiplo de s mismo

X
T ( x )= An n X=

Siendo es escalar factor de multiplicador.

Definicin
Se define auto valores como el escalar factor de multiplicacin asociados a un auto
vector.
Tambin se lo denomina valor propio o eigen valor.
Se define un autovector, como aquel vector no nulo cuya imagen es un mltiplo de si
mismo.
Tambin se lo nombra valor propio o eigen valor.
Para hallar los auto vectores y auto valores se utiliza el siguiente procedimiento.
A n n X n 1= X n 1

A n n X n 1 X n 1=

A n n X n 1I n n X n 1=

( An nI n n ) X n 1 = n 1
La anterior expresin en un sistema de ecuaciones homogneo.
Pero

{
Unica Solucin
X n 1= n 1= det ( A n nI n n ) 0
SISTEMA DE
ECUACIONES HOMOGENEO
Infinitas Soluciomes
n 1= n 1= det ( A n nI n n )=0
X

Por lo tanto:
det ( A n nI n n) =0

a11
a12 a 13

a2 n
a 21
a1n

a
a23 22


a n1

1
0 0

0
0
0

0 1


0

A n nI n n=[ an 2 an 3 ann ] [ 0 0 1 ]
 a 11 a12 a13
a1 n


a21
a31

a23 a22 a 32 a33

a2 n
a3 n

A n nI n n=[ an 1 an 2 an 3 ann ]

a 11 a12 a13
a1 n


a21
a31

a23 a22 a32 a33

a2 n
a3 n

| a n 1 an 2 a n3 a nn|=0

n
P()=
+b n1n1 +bn 2 n2 ++b 22 +b 1+b 0=0

Polinomio Caracteristico
EcuacionCaracteristica

El conjunto de los soluciones o races se lo denomina espectro de la matraz A

( A )= {1 ,2 ,3 , ,n }

Para encontrar los auto vectores se resuelve el sistema de ecuaciones homogneo:

( AI ) X=
Para cada valor de .

Los auto vectores forman una base denominado base de los espacios propios
1 , X 2 , X
B={ X 1 2 3 , , X n }
3 n

Ejemplo.- Hallar los auto valores y los auto vectores de la trasformacin lineal

T : P1 P1 Definido por:

T ( a+ bx ) =(6 a10 b )+ (15 a+ 19 b ) x

Sol.-
Necesitamos Matriz Estndar
B c ={ 1, x }

T ( 1 )=16+15 x=1 ( 1 ) +2 ( x )

T ( x )=10+19 x= 1 ( 1 ) + 2 ( x )

[ 1 0 6 10
0 1 15 19
A
] [
A= 6 10
15 19 ]
Autovalores
| AI |=0

AI =
[
6 10
15 19

0 1
=
][ ][
1 0 610
15

]

6

19

[
| AI |= 610 =
15 ]
114 19+6+2 +150=0

213+36=0
 (9 ) (4 )=0

9 ;=4

( A )= { 9,4 }

Autovectores
[ AI ] X =

[ 610
15
x
1 =
x2
0
0 ][ ] [ ]
Para 9

( |)
0 0
( 15 10 0
15 10 0 |) ( 0 0 0
15 10 0 |) 1
2
3
0
0
2
x 1+ x 2=0
3

Si x 2=t

2
x 1= t
3

[][ ]
2
x1
x2
t t
= 3 = 2
t
3 3 [ ]
19= 2
X
3 [ ]
Para 4

(10
15
10 0
15 0 |) ( |) ( |)
1 10
1 10
1 10
0 00
x 1+ x 2=0

Si x 2=t= x 1=t

[][ ] [ ]
x 1 t
x2
=
t
=t 1
1
 X []
24 = 1
1

{[ ] [ ]}
B esp . propios = 2 , 1
3 1

Diagonalizacin.- Es un proceso por el cual toda matriz cuadrada es semejante a una

diagonal.
La semejanza de matrices:

B=P1 A P

Entonces:
d 11
0

0 0 0 d 22
0
0 0
0
0 d 33 0

0 0 d nn
B=D=

Por lo tanto
1
D=P A P premultiplicamos P

1
AP
PD=PP
I

PD= AP Vamos a suponer

[

P= X 1


X 2 X n
]
 ][ ]
d 11 0 0

[ X 1



2
X

X n

0
0 d 22

0
0

d nn

[

= A X1 X 2

X n
]

}
d 11 X 1= A X 1
d 22 X 2= A X2
d33 X 3= A X 3
X
pero: A X=
d 44 X 4 =A X 4


d nn X n= A X n

Entones la matris P esta formando por los autovectores y la diagonal debe tener a los
autovalores
Condiciones de diagonalizacion
i) Cada autovalor genera su propio autovector.
ii) Si un autovalor tiene multiplicidad k debe generar k autovectores

En el ejemplo anterior.

[
P= 2 1 P1=
3 1
1 1
]1 P1= 1
2+3 3 2
1
3 2 [ ] [ ]
1
D=P A P

D= [ 1
][
1 6 10
3 2 15 19
P=
9
] [
9 2 1
12 8 3 1
= D=
9 0
0 4 ][ ] [ ]
Ejemplo.- diagonalizar la matriz

[ ]
1 4 2
A= 3 4 0
3 1 3

Sol.
Autovalores
det ( AI )=0


[
1 4 2 1 0 0 1 4
AI = 3 4 0 0 1 0 = 3
3 1 3 0 0 1 3 ][ ][ 2
4 0
1 ]



1 4
3
0
2
4 0
3+ 3
1 4
3
0
2

0 |
4 0
|
| |
1 4 2
| AI |= 3 4 0
3 1

3


3

1

4

1;=2 ;=3

( A )= {1,2,3 }

Autovectores

( AI ) X =


[ ][ ] [ ]
1 4 2 x1 0
3 4 0 x2 = 0
3 1 x3 0

Para 1

[ ][ ][ ][ ]
2 4 2 0 1 2 1 0 1 2 1 0 1 0 1 0
3 3 0 0 3 3 0 0 0 3 3 0 0 0 0 0
3 1 2 0 0 2 2 0 0 1 1 0 0 1 1 0

x 1x3 =0

x 2x 3=0

[ ] [] []
x 3=t x1 t 1
x 2=t = x2 = t = t 1
x 1=t x2 t 1
1
X

Para 2

][ ]
0 0 0 0

[ ][ ][
3 4 2 0 0 2 2 0 0 0 0 0
2
3 2 0 0 3 2 0 0 3 0 2 0 1 0 0
3
3 1 1 0 0 1 1 0 0 1 1 0
0 1 1 0

2
x 1 x =0
3 3

x 2x 3=0

Si

[ ][ ] []
x 3=t 2
x1 t 2
2 3 = t
x 1= t x 2 = 3
3 t 3
x3 3
x 2=t t

X 2

Para 3
 ][ ]
1 3 2 0

[ ][ ][
4 4 2 0 1 3 2 0 1 3 2 0
3
3 1 0 0 3 1 0 0 0 8 6 0 0 1 0
4
3 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0

[ ] [ ][ ] []
1 1 t
1 0 0 1 x1 = t x
4 x1 x 3 =0 4 4
4 1
t 1
3 3 x = 3 = 3
0 1 0 3 x= t 2 t 4
4 x 2 x3 =0 2 4 x 3 4 4
4
0 0 0 0 x 3 =t t X3

[ ]
1 2 1 1
P= 1 3 3 D=P A P

1 3 4

Hallamos P1

| | |
1 2 1 1 2 1
|P|= 1 3 3 0 1 2 =|P|=1
1 3 4 0 1 3

+

+

+

+


+
11123313 4
Pt =

[ ]
3 5 3
P1= 1 3 2
0 1 1

Reemplazando.-

[ ][ ]
3 5 3 1 4 2
D= 1 3 2 3 4 0 P
0 1 1 3 1 3
 [ ][ ]
3 5 3 1 2 1
D= 2 6 4 1 3 3
0 3 3 1 3 4

[ ]
1 0 0
D= 0 2 0
0 0 3

Teorema.- dos motrices semejantes tienen siempre los mismos autovalores.

1
Como: B=Q A Q

Entonces: det ( BI )=det ( AI )

Demostrando

det ( BI )=det ( Q1 AQI ) =det ( Q1 AQQ1 Q)

det ( BI )=det ( Q1 AQQ1 IQ )

det ( BI )=det ( Q1 ( AI ) Q )

det ( BI )=det ( Q1 ) det ( aI ) det ( Q )

1
det ( BI )= det ( AI ) der ( Q )
det ( Q )

det ( BI )=det ( AI )

Diagonalizacion Ortogonal.- Se aplica nicamente a matrises simtricas:

A= A t

Para la diagonalizacion ortogonal la matriz P de los autovalores es ortogonal:

P1=Pt

Pero previamente la base de los autovectores debe ser ortonormalizado por el proceso de
Gram Schmidet utilizando el producto escalar entonces:
1
D=P A P

Ser:
 D=Pt A P

Nota.- si los autovalores son distintos entonces los autovectores ya son ortogonales, en
consecuencia solo se los normaliza
Funcin Matricial.- En muchas de las aplicaciones se utilizan funciones matriciales, para
ellos utilizamos el hecho que toda funcin analtica se puede expresar como una serie de
potencial alrededor de x 0=0 , denominada serie MClaurin.

Potencial de Matrices

Como: D=P1 AP premultiplicamos P

postmultiplicamos P1

PD P =P
1

P AP P
1 1

I I

A=PD P1

A 2= AA=PD P
P D P1= A2=P D2 P1
1

3 2 2 3 3
P D P = A =P D P
A = A A=P D P
1 1 1

En forma general

A n=P Dn P1

[ ] [ ]
n
1 0 0 1 0 0
n
0 2 0 0 2 0
Donde D= D n=

n
0 0 k 0 0 k

Entonces para las funciones

Por ejemplo
k
X
e =
x

k =0 k!

Entonces

Ak P Dk P1 k
e A=
k=0
=
k ! k=0 k!
=P ( Dk !
k=0
) P1

e A=P e D P1

Donde

[ ]
e 1
0 0

0 e 2
0
eD=

0 0 e k

Por lo tanto

f ( A ) =Pf ( D ) P1

Ejemplo.-

ln ( A )=P ln(D) P1

tan ( A ) =P tan (D)P1

Teorema de Hamilton-Cayley.- Toda matriz A n n satisface la ecuacin de su polinomio

caracterstico.
Como:
n n1 n 2 2
+ bn1 +b n2 ++ b2 + b1 +bo =0

Por Hamilton-Cayley:

{ A n+ bn1 A n1+ bn2 A n2+ +b2 A 2 +b1 A +b0 I = }

n=orden de lamatriz

Una aplicacin es hallar A1 , para ello:

A n +b n1 An1 +b n2 An2 ++ b2 A 2+ b1 A+ b0 I = A1

A N1 +bn1 A n2 +bn2 A n3 ++b 2 A+ b1 I +b0 A1=

{ A1=
1 n1
bo
[ A + bn1 A n2+ bn2 A n3+ +b2 A +b 1 I ] }
Ejemplo.- dada la matriz

[ ] [ ]
5 4 2 5 b c
A= b 5 2 A t = 4 5 a
c a 2 2 2 2

Se pide:
a) Diagonalizar ortogonalmente
n At
b) A y e
c) A1 por Hamilton-Cayley.

Sol.-

Diagonalizacion ortogonal A= A t

Entonces
5=5 4=b 2=c 2=a 2=2

[ ]
5 4 2
A= 4 5 2
2 2 2

Autovalores: | AI |=0

[ ]
5 4 2
AI = 4 5 2
2 2

51+ 2 2
4

2

| AI |= 4
2|
5 4 2
| | 9 0
5 2 | 02| 4
2 2
4
|
1 2
0

1



 1

9

2

( 2)
1 ,=10

( A )= { 1(2) ,10 }

( AI ) X=
Autovectores:

[ ][ ] [ ]
5 4 2 x1 0
4 5 2 x 2 = 0
2 2 x3 0

Para 1

[ ][ ]
4 4 2 0 0 0 0 0
4 4 2 0 0 0 0 0
2 2 1 0 2 2 1 0

2 x 1 +2 x2 + x 3=0
x 2=t x3 =r
r
x 1=t
2
 [][ ]
x 1 t r

[][]
1 1
2 r
x2 = = t 1 + 0
t 2
x3 0
2
r

X
X
1 2

Para 10

[ ][ ][ ][ ]
5 4 2 0 1 8 14 0 1 8 14 0 1 0 2 0
4 5 2 0 0 9 18 0 0 1 2 0 0 1 2 0
2 2 8 0 2 2 8 0 0 18 36 0 0 0 0 0

x 1 +2 x3 =0
x 22 x 3=0

si x 3=r
x1 =2r
x2 =2r

[ ][ ] []
x1 2r 2
x 2 = 2 r = r 2
x3 r 1
x 3

{ [ ][ ] [ ] }
1 1 2
B= 1 , 0 , 2
0 2 1

v v
1
v 2 3

G . Schmidt Normaliza

1 paso
1
u 1= v
v 1 1

v1= (1 ) +12 +02 =2

2

[]
1
1
u 1= 1
2 0

2 pas
 v 1 v 2 , u 1 u 1
u 2=
v 1 v 2 , u 1 u 1

v 1 , u 1 =
[ ] [ ]
1
0
2
,
1
1
1 =
2 0
1
2

/

/

u 2=
1

2[] []
0
1 1 1

1
2 2 0

[ ]
1
1 = (1 ) + (1 ) + 4 = 18=3 2
4
2 2 2

[]
1
1
u 2= 1
3 2
4

Para u 3

1
u 3= v
v 3 3

v3= 22 +22+ 12= 9=3

[]
2
1
u 3= 2
3
1
 [ ]
1 1 2
2 3 2 3
1 1 2
P=
2 3 2 3
4 1
0
3 2 3

P1=Pt

[ ]
1 1
0
2 2
1 1 4
Pt =
3 2 3 2 3 2
2 2 1
3 3 3

D=Pt AP

[ [] ]
1 1
0
2 2 5 4 2
1 1 4
D= 4 5 2 P
3 2 3 2 3 2 2 2 2
2 2 1
3 3 3

[ ][ ]
1 1 1 1 2
0
2 2 2 3 2 3
1 1 4 1 1 2
D=
3 2 3 2 3 2 2 3 2 3
20 20 10 4 1
0
3 3 3 3 2 3

[ ]
1 0 0
D= 0 1 0
0 0 10