Apuntes Algebra

Francisco Daniel Salazar Pia
lgebra Lineal
Evaluacin
20 % Examen
20 % Participaciones
30 % Tareas
30 % Asistencia
Unidad 1
Espacios vectoriales y transformaciones lineales
Unidad 2
Matrices, determinantes, valores y vectores propios
Unidad 3
Polinomios y ecuaciones
Unidad 4
Transformaciones regidas en
~1~

Matrices
Una matriz es un arreglo rectangular de datos que sirve para almacenar nmeros y datos, se utiliza para
almacenamiento, presentacin y manipulacin de datos.
Ejemplo: consumo de energa en USA
Petrleo
Carbn
Gas
E=
6.5
3.2
3.4
5.5
Zona de donde se consume
2.8
1.1
2.0
1.5
Petrleo
Hidroelctric
Gas
Importacin
Geotrmico y
3.0
0.5
1.1
3.3
sinttico
0.2
0.5
0.1
0.6
Nuclear
0.5
0.2
0.4
0.2
Norte
Sur
Oeste medio
Oeste
E=RxC
Norte Oeste
E=4 x 5
Sur
Oeste medio
Ejemplo. Tipo de automvil
E=
Tamao
Compactos
Subcompacto
Mediano
6.5
3.2
2.8
1.1
s
3.0
0.5
Norte
Oeste
3.4
5.5
2.0
1.5
1.1
3.3
medio
Sur
Oeste
N=4 x 3
Una matriz es un arreglo de
tamao
m renglones y n columnas de nmero o datos en este caso se llaman matrices de
mxn .
Los componentes de la matriz se enumeran de la siguiente manera:
a11
a12
a13
~2~
a1 n
a21
a22
am 1
a2 m
aij
El componente general
a12
a2 n
amn
a3 m
es el que corresponde a la columna
y rengln
i ( amxn .
Una matriz se denota con letras maysculas.

Ejemplo de
3 x2
a31=0
Dnde:
9 1
A= 8 4
0 6
a22=4
a32=6
Ejemplo:
32 50
A= 8 20
10 10
8 0
A= 10 30
20 10
N
E
S
S
Consumo de
energa
2010
N
E
S
S
Consumo de
energa
2011
Suma de Matrices
A=( aij ) B=( b ij ) ,
Sea
A + B y es igual a
dos matrices del mismo tamao
mxn . La suma de
A + B=( aij + bij )

Propiedades de la suma de matrices
1.
Si
A , B son matrices mxn entonces
A + B=B+ A ser conmutativa.
~3~
A B
se denota como
A= 8 1
3 2
B= 5 3
1 9
A + B=B+ A
8+5
1+3
31
2+ 9
2. Si
13
5+8
3+1
1+3
92
13
A , B , C son matrices de mxn , entonces ( A +B ) +C=A + ( B+C )
C=3 0
24
( A +B ) +C=13 4 + 3 0 =16 4
2 7 2 4 4 11
A +(B+C )=8 1 + 5+3 3+ 0 =16 4
3 2 1+2 7+ 4 4 11
3. Existe la matriz neutro aditivo para el conjunto de matrices
aij =0
mxn ; es la matriz cuyos componentes
i, j
4. Cada matriz
de tamao
A= 8 1
3 2
mxn , tiene inverso aditivo
A , que satisface:
A + (A )=0
A=8 1
3 2
A + (A )= 0 0
0 0
Multiplicacin por un escalar de matriz
Sea
A una matriz de
mxn
un nmero real (llamado escalar), la multiplicacin
mxn se define: A=a ij

Ejemplo:
~4~
de tamao
=9
A=7 1 23 100
A=7(9) 1(9) 23 ( 9 ) 100 ( 9 )=63 9 207 900

Ejemplo:
Petrleo
Carbn
Gas
E=
6.5
3.2
3.4
5.5
5 E=
2.8
1.1
2.0
1.5
Petrleo
Hidroelctric
Gas
Importacin
Geotrmico y
3.0
0.5
1.1
3.3
sinttico
0.2
0.5
0.1
0.6
Nuclear
0.5
0.2
0.4
0.2
5 periodos con el mismo comportamiento

Propiedades de la multiplicacin por escalar
1.
Sea
A ,B
matrices de
2.
( + ) A=A + A
3.
( A )= (A )
4.
1 A= A
Ejemplo:
mxn y ,
dos escalares,
( A + B )=A+ B
( A+ B ) =A +B
6 13 4
A=74 26 0
9 2 3
5 6 7
B=50 60 70
9 19 29
11 19 3 110 190 30
6 13 4
5 6 7
( A+ B ) =10 74 86 70 =740 860 700=10 74 26 0 +10 50 60 70 =
9 21 32 90 210 320
9 2
3
9 19 29
60 130 40
740 260
0 +
90 20
30
50 60 70 110 190 30
500 600 700=740 860 700
90 190 290 90 210 320
~5~
Norte
Sur
Oeste medio
Oeste

Naturales
= {1,2,3, }
Suma
Cerrada
Conmutativa
Asociativa
neutro aditivo
inverso aditivo
Multiplicacin
Cerrada
Asociativa
Conmutativa
neutro
multiplicativo
Enteros
={ ,3,2,1,0,1,2,3, }
Racionales
{ab|a ,b son enteros b 0}

Reales
R= {unin de los nmeros racionales e irracionales }

Irracionales
Un nmero es irracional si su expresin decimal no es peridica; es decir, es infinita
{ 2 , , e }
Suma
Cerrada
Conmutativa
Asociativa
neutro
neutro aditivo
Multiplicacin
Cerrada
Conmutativa
neutro
Asociativa
inverso
multiplicativo
multiplicativo
~6~
Definicin:
Campo es un conjunto
-
con dos operaciones llamadas suma y multiplicacin que cumplen con las propiedades:
Cerradura
Conmutatividad
Asociacin
neutro
Distributiva
Ejemplo:
inverso
,$,
C={ ,, @ }
Suma
Multiplicacin
Del ejemplo anterior:

La suma y la multiplicacin son cerradas y conmutativas.
Asociatividad (suma)
~7~
@+ j
@+
Asocitatividad (multiplicacin)
$ ( )=$
La suma y la multiplicacin son asociativas
-
neutro para la suma: &
neutro multiplicativo: $
neutro aditivo
Ejemplo
Inverso
Aditivo
Inverso
Multiplicativo
Distributiva
@ ( + )=
@ ( ) +@ ( ) =+=@
Construccin del campo
~8~
C={ 0,1,2,3,4 } , trabaja con el coeficiente de construccin del campo
primo
Suma
0
0
1
1
2
2
3
3
4
4
0
0
1
0
2
0
3
0
4
0
Multiplicacin
Espacios Vectoriales
Espacio vectorial
Campo
sobre el campo
+, . v ,+
Sus elementos
Se llaman escalares
Conjunto con
suma
Multiplicacin por escalar
~9~
Definicin de ev: un ev
C , es un conjunto
sobre el campo
en una operacin de suma que satisface lo
siguiente:
v1
1) Cerradura: si
v2 v ,
( v1 + v 2 )+ v 3=v 1+ ( v 2 + v3 ) v 1 , v 2 , v 3 v
neutro aditivo en v
4)
v1 + v2 v
v 1 + v 2=v 2 + v1 v 1 , v 2 v
2) Conmutativa: si
3) Asociativa:
v v
5) Cada elemento
llamado
cero
que satisface:
tiene inverso aditivo, denotado por
v +0=v v v
v , el cual satisface:
v + (v ) =0 y debe
tener una operacin llamada multiplicacin por escalar que satisfaga lo siguiente:
6) Si
7) Si
8) Si
v , v v
, cv v
c v1 , v2 v
Distributiva por escalar

9) Si
, c ,vv
Asociativo
10)
(v )= ( v)
1 v=v v v neutro implicativo
Espacio Vectorial
R reales
Matriz mxn
(+, )
Producto Escalar
Ejemplo:
v ={ polinomiio de grado n }=Pn

Con la suma de polinomios y la multiplicacin por escalar con los nmeros reales, se forma un EV:
Ejemplo de EV:
2
R = plano={ ( x , y )|x , y R }
~ 10 ~
P 1 P2 P3 Pn
( x1 , y1 )
Si
( x2, y2) R
x
( 1+ x 2 , y 1 + y 2)
Suma:
( x 1 , y 1 ) + ( x 2 , y 2 ) =
Multiplicacin por escalar:
R ,( x , y ) R 2
( x , y ) =( x ,y)
Propiedades de la suma
1.
La suma es cerrada, de acuerdo a como se define
2.
( x 1 , y 1 ) + ( x 2 , y 2 ) =( x 2 , y 2 ) + ( x 1 , y 1 )
3.
[ ( x 1 , y 1 ) + ( x 2 , y 2 ) ]+ ( x3 , y 3 )=( x 1 , y 1) + [ ( x 2 , y 2 ) +( x 3 , y 3 ) ]
4.
neutro para la suma ( 0,0 ) que satisface ( x , y ) + ( 0,0 ) =(x , y )
5.
( x , y ) inverso aditivo (x , y )( x , y ) + (x , y )=( 0,0 )
conmutativa
asociativa
Propiedades de la multiplicacin
6.
7.
8.
9.
10.
( x , y ) =( x , y ) R2
( x 1 , y 1 ) + ( x 2 , y 2 ) = ( x 1 , y 1 ) + ( x2 , y 2 )
( + ) ( x , y )= ( x , y ) + (x , y )
( ) ( x , y )=a [ ( x , y ) ]
1 ( x , y )=( x , y )
El EV
R3
o tridimensional
R = { ( x , y , z )|x , y , z R }
2
R = {( x , y , ) }
R3={ ( x , y , z ) }
n
R = {( x 1 , x 2 , , x n ) } cada componente es un nmero real

Ejemplo: egresos de un pas
~ 11 ~
E={( E 1 , E2 , E 3 , E32 )} donde
Ei : Estado de la Repblica i
Ejercicio: muestre que el siguiente conjunto de matrices es un EV sobre el campo de los reales, con la suma y la
multiplicacin por escalar
{ |
v = 0 0 a es un real
a 0
Solucin para la suma:

1.
0 0 +0 0 = 0
0
v la suma es cerrada
este resultado est en
a 0 b 0 a+b 0
2.
0 0 + 0 0 =0 0 + 0 0
la suma es conmutativa
a 0 b 0 b 0 a 0
3.
[( ) ( ) ] ( ) ( ) [ ( ) ( ) ]
4.
(0a 00)+( 00 00)=(0a 00)
0 0 + 0 0 + 0 0=0 0 + 0 0+ 0 0
la suma es asociativa
a 0 b 0
c 0
a 0
b 0 c 0
5. Cada matriz
( )(
(0a 00)
)
neutro aditivo
tiene inverso en
6.
0 0 = 0 0 est en v
a 0
a 0
7.
0 0 + 0 0 = 0 0 + 0 0
a 0 b 0
a 0
b 0
v :
(a0 00)
la multiplicacin por escalar cerrada
[( ) ( ) ] ( ) ( )
~ 12 ~
( ) ( ) ( )
8.
( + ) 0 0 = 0 0 + 0 0
a 0
a 0
a 0
9.
0 0 = 0 0
a 0
a 0
10. 1
[ ( )]
( )
(0a 00)=(0a 00)
es un espacio vectorial (EV)
Ejemplo
{( )}
v = 0 0 a es un real ?
a 1
1.
(0a 01)+( 0b 01)=( a+b0 02)
2.
(0a 01)+( 0b 01)=(b0 01)+(0a 01)
3.
([ 0a 01)+( 0b 01)]+(0c 01)=(0a 01)+[( 0b 01)+(0c 01)]
4.
(0a 01)+( 00 00)=(0a 01)
5. La matriz
6.
(0a 01)
( )(
0 0= 0 0
a 1
a 1
la suma no es cerrada
la suma s es conmutativa
asociativa
neutro aditivo
no tiene su inverso en
dado que
)
~ 13 ~
(a0 10 )
no pertenece a
[( ) ( ) ] ( ) ( )
7.
0 0 + 0 0 = 0 0 + 0 0
a 1 b 1
a 1
b 1
8.
( + ) 0 0 = 0 0 + 0 0
a 1
a 1
a 1
9.
0 0 = 0 0
a 1
a 1
( ) ( ) ( )
( )
10. 1
[ ( )]
(0a 01)=(0a 01) NO es un espacio vectorial
Ejemplo: de una operacin definida en un conjunto y que satisface propiedades similares a las de la suma.
S=R{ 1 }
Con la siguiente operacin si
1.
a , b son reales ab=a+bab
54=5+ 45 ( 4 ) =11
36=3+6 3 ( 6 )=21
2.
ab=ba conmutativa
3.
( ab )c=( a+ bab )c=a+ bab+c( a+ bab ) c

( ab )c=a( bc ) Asociativa
4.
a en S
a?=a+?a?=a=? ( 1a )=0 ?=0 ( 1a )=0,
neutro aditivo
5.
a en S
a=a
~ 14 ~
pero
1a 0
porque 1
S =0
a=a+ a =0
( 1a )=a
=
a
es el inverso de a 0 1
1a
a=3
Verificando
3 3 3
=
=
13 2 2
( 32 )=3+( 32 )3( 32 )=0
Propiedades de un espacio vectorial

1.
Si
2. Si
u,v
son elementos de
y si
sobre un campo
u+ v=u , entonces v =0
u+ v=u+w , entonces v =w
Demostracin 1
Demostracin 2
'
H 0 :u+ v=u
H o : u+v =u+w
u+u+ v=u+ u
( u )+ (u +v )=u+(u+w)
(u+ u ) +v =0
(u+ u ) +v =(u+u )+ w
v =w
Por propiedades del neutro para la suma
Espacio Vectorial
c ,+ ,
( )
a b
c d
v ,+, neutro aditivo
Propiedad:
vector v V =0
0 ( 1,8,5 )=( 0,0,0 )
~ 15 ~
5 ( 0,0,0 )=( 0,0,0 )
Ejemplo:
v =R
w={ ( a , b )|3 ab=0 }

1.
El neutro de
2. Sea
( a1 , b1 )
v (0,0)
y
est en
( a2 , b2 )
en
w
w
( a1 , b1 ) w 3 a1 b1=0
( a2 , b2 ) w 3 a2 b2=0
( a1 , b1 ) + ( a2 , b 2) =( a 1+ a2 ,b 1+ b2 )=3 ( a1+ a2 ) ( b1 +b 2)
3 a1 +3 a2b1b 2
3 a 1b1 3 a 2b2
+
s es cerrada en w
0
0
R (a , b) w
3.
( a , b )= ( a , b )=3 ( a )b=
v R
3 ab
0=0 ( a , b ) w s es un espacio vectorial
0
w={ ( x , y , z )|x =2 y , z=3 y }

(x , y , z) el neutro de
1.
2. Sea
3. Sea
est en
w?
y=0 ( 0,0,0 ) w
Si
Sea
( 2 y 1 , y 1 ,3 y 1 ) ( 2 y 2 , y 23 y 2 )=[ 2 ( y 1 + y 2 ) , y 1 + y 2 ,3 ( y 1 + y 2 ) ]
R ( 2 y , y ,3 y ) w w
un espacio vectorial,
es un espacio vectorial
tiene dos subespacios vectoriales
~ 16 ~

1)
{ 0 }=w
2)
subespacio trivial
es un espacio de si mismo (subespacio impropio)
Subespacios triviales en
R2
1) Subespacios triviales en
R2
2) Reales que pasan por el origen

3) El mismo
R2
Subespacios vectoriales en
R3
1)
2)
3) Planos que pasan por el origen
4) El mismo
Combinacin Lineal
Sea
v1 , v2 , v3 , vn
v 1 v 2 , v 3 , , v n
Ejemplo en
vectores de un espacio vectorial
si existen escalares
1 , 2 , 3 , , n
v , se dice que es combinatoria lineal de
tal que
v =1 v 1 ,2 v 2,
R4
v 1= (1,2,3,4 )
v 2= ( 0,2,1,1 )
v 3= ( 3,4,10,13 )
Existen escalares
v3
1 y 2 ( 3,4,10,13 )=1 ( 1,2,3,4 )+2 ( 0,2,1,1 ) ?
Es combinatoria lineal de
v1 y v2
Sol: (usando los escalares para realizar el sistema de ecuaciones)
~ 17 ~
3=1 +0
Sistema de
Ecuaciones Lineales
4=2 122
1=3
13=4 ( 3 ) +2 2=1
4x4
de
10=3 1 +2
Si
1 y 2
Sustituir
13=4 1+2
en
las dems ecuaciones

para comprobar
( 3,4,10,13 )=3 ( 1,2,3,4 )+1 ( 0,2,1,1 )=( 3,6,9,12 )+ ( 0,2,1,1 )= (3,4,10,13 ) v 3

v1
s es combinacin lineal de
v2
Subespacios vectoriales
Sea
un espacio vectorial sobre los reales y
se llama subespacio vectorial de
vectorial de
v, w
0 , entonces
w es un subespacio
si:
se tiene
w 1+ w 2 w
es real y w W , entonces w W
w 0 es que W neutro aditivio del espacio vectorial de v
Una condicin equivalente a
2) Si
Ejemplo
v ={ matriz de 2 x 2 }=M 2 x 2
{( )}
w= a 0 , a , b son reales ?
0 b
Mostrar que
es un subespacio vectorial de
1) El neutro de
2) Sean
( )
v , 0 0 W
0 0
a1 0
0 b1
) (
y
V ,w
satisface todas las propiedades del espacio vectorial con la suma y
un subconjunto de un espacio vectorial
w1 , w2 w
1)
un subespacio (subconjunto) diferente del vaco de
V.
la multiplicacin por escalar de

Teorema: Sea
si
a2 0
W
0 b2
~ 18 ~
a1 0
a 0
a +a
0
+ 2
= 1 2
W
0 b1
0 b2
0
b1 +b2
)(
)(
(a0 0b) W
un real y
3) Sea
a 0 = a 0 W
0 b
0 b
( )(
W s es un subespacio vectorial de v
2
V =R ={ ( a , b ) } a , b son reales ?
w={ ( x ,0 )| x 0 }
1) El neutro de
v ( 0,0 ) W
( x1 , 0) y ( x2 , 0) W
2) Sea
( x 1 , 0 ) + ( x2 , 0 ) =( x 1+ x 2 , 0 ) W
( x 1+ x 2 0 ) W
3) Si
< 0 y ( x , 0 ) W ( x 0 )
( x , 0 )=( x ,0) pero x <0 W W

1) El neutro de
2) Sea (
no es subespacio vectorial de
v : R3
R3 ( 0,0,0 ) N
x 1 , y 1 , z1
( x 2 , y 2 , z 2 ) W
3 x1 4 x 1 +2 z 1=0
3 x2 4 x 2 +2 z 2=0
( x 1 , y 1 , z 1 ) +( x 2 , y 2 , z2 ) =( x 1+ x 2 , y 1+ y 2 , z1 + z 2 )=3 x 1 +3 x2 4 y 14 y 2 +2 z1 +2 z 2 W
3) Sea
un nmero real y ( x , y , z ) W
3 x4 y+ 2 z=0
( x , y , z )=( x , y , z )=3 x4 y +2 z=0 ( x , y , z ) W W
v
~ 19 ~
s es subespacio vectorial del

Espacio Vectorial
v1 , v2 , , vn
Sea
v1 , v2 , , vn
vectores del espacio vectorial
V,
al conjunto de datos de las combinaciones de
se les denota como:
gen { v 1 , v 2 , , v n } < v1 , v 2 , , v n >
v =1 v 1 +2 v 2+ +n v n
uv
escalar
1 , 2 , , n
v 1 , , v n se les llama conjunto de generadores del espacio
A los
v1 , , vn
Proposicin: Sean
gen { v 1 , v 2 , , v n }
gen { v 1 , , v n }=( v V :1 v 1 ++n v n )
es un
w= 1 v 1+ + n v n v + w=( 1 1 ) v1 + + ( n n ) v n v +w
es una
vectores del espacio vectorial,
subespacio vectorial
Demostracin:
i)
Como
0=0
v 1 +..+0 v n 0 gen { v 1 , , v n }
ii)
Sean
v =1 v 1 ++n v n
combinacin lineal de
iii)
Sea
v 1 , v 2 , , v n v +w gen { v 1 , , v n } ?
v =1 v 1 +2 v 2++n v n
en
gen { v 1 , v 2 , , v n }
v= 1 v 1 ++ n v n v gen { v 1 , , v n } ?
Ejemplo
Espacios generados
v : R2
v 1= (2,3 ) v 2=( 0,0 ) gen { v1 } ={ v=1 v 1}
Ejemplo
v : R2 v 1=( 1,0 ) v 2= (1,1 ) gen { v 1 , v 2 }= {v=3 v 1=v 2= ( 3,1 ) } R2

Sea
Si
( x , y ) , R 2 ?
escalares 1 , 2 tales que
x+ y=1 ( 1,0 ) +2 ( 1,1 )
x=1+2
~ 20 ~
un escalar
y=0x 2 y=1 2=y , =x+ y

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

Verificando numricamente tenemos:
( x , y )=( 7,3 )
Determine si el conjunto dado de vectores genera el espacio vectorial
() () ()
1)
V =R , v 1= 1 , v 2= 2 , v 3= 2
1
1
2
2)
v 1= 1 , v 2= 2 , v 3= 5
1
2
5
() () ()
3
3) En
4) En
P2
() ( ) ()
1
1
5
v 1= 2 , v 2= 2 , v 3= 2 ,
3
3
3
v 1=1x v 2=3x
Solucin
1) Sea
( xy ) R ,
2
escalares
1 , 2 y 3
tales que
( xy )= (11)+ (21)+ (22)

1
x=1+ 22 +23
y =1 +2 +3
x y=2
Sustituyendo en
x=1+ 2 ( x y ) +2 3
1 +2 x2 y +23
x +2 y=1 +23
se le puede dar valor arbitrario a una de las incgnitas
~ 21 ~
2 yxc
1=c 3=
2
Comprobacin
2 y xz 2
y) 2 +
1
2
2
( xy )=0( 11)+( x
()
()
x=c+2 x2 yxc = x
( y=c+
x y+ 2 y x+ c ) ( y )
( xy )=( 83)=2(11)+5(21)+(2) (22)
Numricamente
1=2
2=x y=83=5
3=
2)
Sea
2 yx c 2 ( 3 )82 610
=
=
=2
2
2
2
() () ()
v 1= 1 , v 2= 2 , v 3= 5
1
2
5
( xy ) R ,,
2
escalares
1 , 2 y 3 tales que
( xy )= (11)+ (22)+ (55)

1
x=1+ 22 +53
y=1 +22 +5 3
x y=0, Escalares
3) En
() ( ) ()
1
1
5
R : v 1= 2 , v 2= 2 , v 3= 2
3
3
3
3
~ 22 ~

Sea
()
x
3
y R , escalares 1 , 2 y 3 tales que
z
() () ( ) ()
x
1
1
5
=
+
+
y
1 2
2 2
3 2
z
3
3
3
x=12+5 3
y=2 1+2 2+ 23
z=3 1+3 2 +3 3
1 1 5
2 2 2
3 3 3 =( 6+306 ) + (306+ 16 )=0,
1 1 5
2 2 2
escalares
Solucin 2
Sea
a0 +ai x +a2 x 2=0 p2 , escalares 1 , 2 tales que
a0 + a1 x +a2 x 2=1 ( 1x ) +a2 ( 3x2 )

a0 =1 +3 2
a1 x=x 1
2
a0 =1 +3 2
a1=1
a2 x =x 1
a2=2
1=a1
a0 =a13 a2
2=a2
escalares que generen el espacio vectorial de
a0=a1 3 a2
~ 23 ~
p2
Escalares
1 , 2 , 3

tales que
( ) ( ) (
) ( )
v 1= 2 1 , v 2= 0 0 , v 3= 3 1 , v 4 = 0 0
0 0
2 1
0 0
3 1
( ) ( ) (
) ( )
M 2 x 2=1 2 1 ,+2 0 0 +3 3 1 + 4 0 0
0 0
2 1
0 0
3 1
(20 0 )+( 20 0 )+(30

1
x=2 1 +3 3
3
0 = 2 1 +3 3 13 x y
+ 0
34 4
z w
0
22 +3 4 2+ 4
1 =
)(
)(
x33
2
)( )
2=
3= y+ 1
y=13
z34
2
4=w2
z=2 2 +3 4
w=2+ 4
Dependencia e Independencia Lineal
Sea
v1 , v2 , vn
independientes si
V,
se dice que
son linealmente
escalares 1 , , n no todos 0 tales que 1 v1 +2 v 2+ +n v n=0
v 1 , v 2 , , v n son linealmente independientes si los nicos escalares que satisfacen

son todos cero;
v1 , , vn
1 v1 +2 v 2+ +n v n=0
1 , .. ,n=0
Ejemplo
(20 10) ,(02 01),(30 10) ,(03 01)

1 =
3 b+ a
a2b
,2=3 dc , 3=
, 4=c2 d
5
5
Suponiendo
a , b , c ,d =0 1=2=3=4 =0
, las matrices son linealmente independiente (LI)
~ 24 ~

Ejemplo
4 ,
(13 24) (2
6 8 )
Son LI?
Como un vector es mltiplo del otro

Proposicin: sean
vw
ser LD; pero, si 1=2,2=1, son LI
V ,
vw
mltiplos escalares uno del otro
son LD
v 1 w u= w , udw=c
i)
Es decir que
vw
ii)
v w son LD porque al menos un escalar es 0
son LD,
despejando a
v=
, son mltiplos escalares uno del otro?
2 w
v
1
escalares
1 , 2 0
tales que
1 v1 +2 v 2=0
supongamos
v , se tiene:
es mltiplo escalar de
Ejemplo
v =p 2 , es LI?
2
x , x 2 x ,3 x +5 x
2
p2=a 0+ a1 x +a 2 x =0
a0 + a1 x +a2 x 2=1 (x ) +2 ( x2 +2 x ) +3 ( 3 x +5 x2 ) =0
a0 =0
a x =1 x2 x+ 33 x=0
2
a2 x =2 x +5 3 x =0
12 2+ 33=0
2 +5 3 =0
1=c 1 BC
12 (5 3 ) +3 3=0
1 +10 3 +3 3=0
2=5 3
2=5 c
1 +13 3 =0
3=c
~ 25 ~
s son LI
1 0

Proposicin I: cualquier conjunto de vectores
v r =0
ejemplo, si
, se consideran escalares
v1 , v2 , , vn
1 , .. ,k
de un espacio vectorial que contenga a cero es LI; por
iguales a cero excepto
r=0,
tiene:
1 v1 +2 v 2+ +r v r + +k v k =0
0 v 1 +0 v2 ++ r ( 0 )+ +0 v n=0
v1 , v2 , , v k
son LD
Ejemplo numrico
{ ( 1,1,1 ) , ( 1,4,0 ) , ( 0,0,0 ) , (3,1,5 ) }

Proposicin II:
otro vector
1 , 2 , , k =0
v k +1 ,
algn
i 0 ;
si
v1 , v2 , , vn
es un conjunto LD, al agregarle cualquier
el conjunto que se obtendr ser tambin LD.
NOTA: Se agrega una matriz cualquiera:
(13 10 ) ,(30 30) ,(01 00)

LD
) (
) ( )( )
3 1 1 +1 3 3 + 0 0 0 = 0 0
3 0
0 0
1 0
0 0
Proposicin III: si
v1 , v2 , , vn
es un conjunto LI en un espacio vectorial,
cualquier subconjunto
de este conjunto, es LI
Ejemplo
En
V R3 , v 1=( 1,1,1 ) , v 2=( 1,2,0, ) , v 3=( 1,0,0 ) 1 ( 1,1,1 )+2 ( 1,2,0 ) +3 ( 1,0,0 )= ( 0,0,0 )
1+2 +3=0
1+2=0
1=0
2=0
v 1 , v 2 v 3 son LI
~ 26 ~
1=0
Si tenemos
3=0
v 1= (1,1,1 ) , v 2= (1,1,0 ) 1 ( 1,1,1 ) +2 ( 1,1,0 )=( 0,0,0 )
1+2=0
2=0
v 1 v 2 son LI
1=0
Para qu valor de
sern LI los siguientes vectores?
( )( )( )
1
2
3
,
,
2 1
3
4
4
Dado el sistema de ecuaciones lineales homogneo
x 1+ x 2 +7 x 3x 4=0
2 x 1 +3 x 28 x 3+ x 4 =0
1) Escribe las soluciones en trminos de uno o ms

2) Vectores LI
() ( ) ( ) ()
1
2
3
0
1 2 +2 1 +3 = 0
3
4
4
0
1+2 2+ 33=0
) ()
1 2 3
0
2 1 = 0
3 4 4
0
212 +3 =0
3 1 + 4 2+2 3=0
2( 1 +2 2+3 3)
212 +3
5 26 3 +3
(6+ ) 3
(3 ) 1 +22 +3 3
~ 27 ~
3 1 + 4 2+ 4 3
2 25 3
6+ = 0 =( 25 ) ( 122 ) =25122=13+ 2 13 =
5
0
2
(5
2
)()
x 1x 2+ 47x 4=0 x 4=x 1x 2 +7 x3 2 x 1 +3 x2 8 x3 + ( x 1x 2 +7 x 3 ) 3 x1 +2 x 2x 3=0
1)
x 3=2 x 2x 3 , x 4=x 1x 2+ 7 ( 2 x 2 +3 x 1) x 4=22 x 1+ 13 x 2=0 x 1=

x 1=
13 c
x1x 2 +7 x 3=x 4
22
x 3=2 c+ 3
( 1322 c ) x =2c ( 3922 c )= 522c

3
2 x 1 +3 x 28 x 3+ x 4 =0
2)
Base: sea
un espacio vectorial, una base
v1 , v2 , , vn
i)
NOTA: cualquier
v V
v1 , v2 , , vn
ii)
genera a
es un conjunto de vectores
es combinacin lineal de
v1 , v2 , , vn
es LI
Ejemplo
V R3
v 1= (1,1,1 )
v 2= (1,1,0 )
v 3= ( 1,0,0 )
Son
13 x 2
22
v1 , v2 v3
LI?
( x , y , z ) =1 ( 1,1,0 ) +2 ( 1,1,0 ) +3 ( 1,0,0 )
~ 28 ~
v1 , , vn
tales que:
x=1+2 +3
2= y 2 3=x y
y=1 +2
v1 , v2 v3
generan
Ejemplo
3
otra base es la cannica
{ ( 1,0,0 ) , ( 0,1,0 ) , ( 0,0,1 ) }
son LI
cumplen i)
cumplen ii)
Ejemplo
VR
v 1= (3,12 )
v 2= (1,4 )
v1
Forman
v2
una base en
no forman base en
Son LD
R3
Ejemplo
v R
v 1= (1,1 )
v 2= (1,0 )
v 3= ( 3,4 )
i)
{v 1 , v 2 , v 3 } es base de
z=1
v R
aR
( x , y )=1 (1,1 ) +2 ( 1,0 ) +3 ( 3,4 )

x=1+2 +3 3
y=1+ 4 3
Operando sistema
~ 29 ~
R3
1=4 3 y
Ahora decimos que
3=c
y=4 c y +2 +3 c
x=7 c y +2
2=x+ y7 c
14 c+ y
ii)
Hay una infinidad de soluciones
v 1 , v 2 , v 3 s generan a
R2
LI
0=1 +2+ 33
0=1 +4 3
Resolviendo el sistema
1=4 3
0=4 3 +2+3 3
2=7 3 damos valor arbitrario a 3=c
suponiendo c=1 tenemos :
4 (1,1 ) + (7 )( 1,0 ) +1 ( 3,4 ) =0
0=0 v 1 , v 2 , v 3 son LD
Teorema: 2 bases cualesquiera de un EV
tienen el mismo nmero de elementos
Ejemplo
V R3
{ ( 1,1,1 ) , ( 1,1,0 ) , ( 1,0,0 ) }
es base de
R3
{ ( 1,0,0 ) , ( 0,1,0 ) , ( 0,0,1 ) }
es base de
R3
Ambas bases tenan tres elementos
~ 30 ~
Dimensin: Sea

un espacio vectorial, la dimensin de
cualquiera de sus bases. Si un espacio vectorial
V , se define como el nmero de elementos de
V , tiene una base con una igualdad de elementos, se dice que
tiene dimensin infinita.
Es decir:
V = { polinomio de cualquier grado }

Base (V )={ 1, x , x 2 , x 3 , x 4 , x5 } es dimensin infinita
Ejemplo
{ }
V =M 2 x 2= a b
c d
{( ) ( ) ( ) ( )}
Base (V )= 1 0 , 0 1 , 0 0 , 0 0
0 0 0 0 1 0 0 1
Dimensin
M 2 x 2=4
NOTA:
V =M mxn Dim ( M mxn )=mxn

Ejemplo
V = p3 ={( p ( x ) : P ( x ) polinomio de grado 3 }

Base ( V ) ={ 1, x , x2 , x3 }
a0 + a1 x +a2 x 2+ a3 x 3 dimensin=4
Regla General para los polinomios
V =Pn { p ( x ) : P ( x ) polinomio grado n } Dim ( Pn )=n+1
Teorema: Si
w es un subespacio vectorial V , Dim ( w ) Dim ( V )
Ejemplo
~ 31 ~
{( )|
{( )| }
{( )| }
{( ) ( ) ( )}
( )
) ( )}
V =M 2 x 2 ; w= a b a , b , c R , Base ( w1 )= 1 0 , 0 1 , 0 0 Dim ( w1 )=3

c d
0 1 0 0 1 0
{(
w 2= 0 a a , b R Base ( w2 )= 0 1 , 0 0 Dim w 2 =2
a 0
1 0 0 1
w 1 w 2=
0 a a R Dim w w =1
( 1 2)
a 0
Nuevo subespacio
Base ( w1 w 2 )=
{(
0 1
1 0
)}
NOTA: al intersectar subespacios, obtenemos otro subespacio
w1, w2
Proposicin I: Si
son subespacios vectoriales del espacio vectorial
V , entonces
w 1 w 2
es
subespacio vectorial
Demostracin:
w 1 w 2
i)
ii)
Sea
0 w 1 0 w2 0 w1 w 2
v 1 v 2 w1 w2 , v 1 v 2 w1 w 1 es subespacio , v 1 +v 2 w1
Sean
Tambin
iii)
subespacio,
v 1 v 2 w2 w2 es subespacio , , v 1+ v 2 w1 w 2
v R , v w 1 w2 v w 1 v w 2
Como
w 1 es subespacio , v w1
Como
w 2 es subespacio , v w2
v w1 w2
Ejemplo
Encontrar una base para el conjunto solucin de los siguientes sistemas de ecuaciones lineales
x 12 x 2 + x 3=0
2 x 23 x 2 + x 3=0
x + x 2=0
x 1=x 2 proponemos
x 1=c
x 12 x 2+ x 3=0, x 3=x1 +2 x 2=c+ 2c c , {( x 1 , x 2 , x 3 ) ( c , c , c )|c R } , c ( 1,1,1 ) Base= { (1,1,1 ) }
~ 32 ~
Dim ( subespacio de solucin )=1

Ejercicio
Encontrar una base para los siguientes subespacios
w={( x 1 , x 2 , x3 , x 4 , x 5 ) , a1a3 a4 =0 } , w es subespacio de R5

x 2=x 3+ x 4 ; damos valores arbitrarios a
x2 x5
Como
x 3=c x 4=d
no tienen restricciones se les asignan
Valores arbitrarios,
x 2=a x 5=b
w={( x 1 , x 2 , x3 , x 4 , x 5 ) }=( c +d , a , c , d , b )|a , b , c R }=( c , 0,0, )+ ( d , 00, d , 0 )+ ( 0, a , 0,00 ) }
Ejemplo
v R3
B={( v 1=( 1,1,0 ) , v 2= ( 2,0,1 ) , v 3 =( 2,2,1 ) }
v 1 , v 2 >2+0+0=2 0 v 1 v 2 no son ortogonales
w1= (1,1,0 ) , w 2=( 2,0,1 )=
2 ( 1 ) +0 ( 1 ) +1 ( 0 )
( 1 )2+ ( 1 ) 2 + ( 0 )2
(1,1,0 )
( 2,0,1 )( 1,1,0 )= (1,1,1 )

w 2=v 2
( v2 , w 2 )
2
|w1|
( w1 )
|w 1|
w 3=( 2,2,1 )
w 3=v 3
2 ( 1 ) +2 ( 1 ) +1 ( 0 )
2 ( 1 ) +2 (1 ) +1 ( 1 )
( 1,1,0 )
(1,1,1 )
2
12 +12 +12
v 3w 1
2
|w1|
( w 1)
v 3w2
2
|w2|
( w2 )
)}
9
1
1 1 1
w 3=( 2,2,1 ) ( 1,1,0 )
( 1,1,1 ) = ( 1,1,0 ) , ( 1,1,1 ) ,
, ,
s es base ortogonal
2
3
3
3 3
()
~ 33 ~
( 1,1,0 ) |( 1,1,0 )|= 12+12 +0= 2 ; ahora, si queremos normalizar el vector o hacerlo ortogonal, slo
NOA:
multiplicamos
el
vector
por
) |(
1
1 1
( 1,1,0 )=
,
,0
2
2 2
el
inverso
de
su
normal
para
este
caso
1
2
tenemos
)| ( ) ( )
1 1
,
,0 =
2 2
1 2 1 2
+
+ 0= 1
2
2
Si lo realizamos sin utilizar el inverso de su normal, tenemos que no es ortogonal en ninguna de sus 3 vectores,
v3
tomando a
tenemos:
1 1 4
6 6
+ + = =
9 9 9
9 3
1 1 2
1 1 2
1 2 1 2 2 2
, ,
, , =
+
+
=
3 3 3
3 3 3
3
3
3
)| ( ) ( ) ( )
) |(
|v|
es la longitud del vector o la distancia del vector o la distancia del origen al punto de coordenadas
(x, y)
( 5,3 )=u
1
5
Ejercicio
Sea
={ ( 3,0,4 ) , (1,0,7 ) , ( 2,9,11 ) } una base en R3 , aplicar el proceso de Gram-Schimidt para encontrar una base
ortogonal
|w 1|= 9+16=5
w 1=( 3,0,4 )
w 2=v 2
( w1 , v 2 )
2
|w1|
( w1 )=(1,0,1 )
( 3,0,4 ) (1,0,7 )
(3,0,4 )=(4,0,3 )
25
v
( 3 , w1 )
2
|w 1|
( w 1 )
v 3 , w2
( | | )(
w2
w3 =v 3
w 2)
~ 34 ~
|w 2|= 16+9=5
w 3=( 2,9,11 )
( ( 2,9,1125) ( 3,0,4) ( 3,0,4 ))( ( 2,9,1125) (4,0,3 ) (4,0,3 ))= ( 0,9,0 ) = {( 3,0,4 ) ,( 4,0,3) ,( 0,9,6 ) } es ortogonal
Base Normal: tomando el ejercicio anterior
|w 3|= 02 +9 2+ 02=4,
entonces tenemos que uno entre la normal del
mismo
( 13 ( 3,0,4 ) , 13 (4,0,3 ) , 19 ( 0,9,0) } {( 35 ,0, 45 ) ,( 45 ,0, 35 ) , ( 0,1,0) }
Ejercicio
Encontrar una base para el siguiente subespacio
w=( x 1 , x 2 , x 3 , x 4 , x 5 ) x 2=x 3=x 4 , x1 + x 5=0, w es subespacio de R 5

x=x 3=x 4 =c , w={( x 1 , x 2 , x 3 , x 4 , x 5 ) , (b ,c , c , b )|b , c R } Base ( w )={ (1,0,0,0,1 ) , ( 0,1,1,0 ) } Dim ( w ) =w
Base Ortonormal: Sea
={( v 1 , v 2 , , v k ) }
una base del espacio vectorial
V ,
se llama base ortonormal
del espacio vectorial, si adems de ser ortogonal cada vector de ella tiene norma o longitud 1.
v 1 , v 2
=0 producto punto de vectores multiplicaciones
Ejemplo
{ (1,0,0,0,1 )( 0,1,1,1,0 ) }
es una base ortogonal de
1 ( 0 ) +0 ( 1 ) +0 ( 1 ) +0 ( 1 ) +1 ( 0 )=0
Norma o longitud de
( x 1 x 2 , , . x n )=|( x 1 x2 , , . x n )|= x1 ++ x n
2
Ejemplo
|(1,0,0,0,1 )( 0,1,1,1,0 )|= (1 )2 +12= 2 1 { (1,0,0,0,1 ) ( 0,1,1,1,0 ) } no es una base ortonormal

Proceso o Mtodo de Gram-Schimindt
~ 35 ~
={ v 1 , v 2 , , v k )
Sea
=( w 1 , w 2 , , w k )
cualquier base de un espacio vectorial, se construye otra base
ortogonal del EV de la siguiente forma:
w 1=v 1
w 2=v 2
( v 2 , w2 )
(| | )
( | | ) (| | )
w 3=v 3
w1
( v3 , w 1)
w1
( w1 )
( w1 )
v 3 , w2
w2
( w2 )
Transformaciones Lineales
Sean
V W dos campos vectoriales sobre los reales, una transformacin lineal de
funcin
T : vw
i)
ii)
que satisface:
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 ) v 1 v 2 V
T ( v )=T ( v ) v V todo escalares
+,
+,
v 1 ( 1,2 )
T ( v 1) (2,1,1 )
v 2 (3,0 )
T ( v 2 ) ( 0,3,3 )
v 1+ v 2=( 2,2 )
T ( v 1) + T ( v 2 ) =T ( v 1+ v 2 )=(2,4,2)
Ejemplo
T : R2 R 3
T ( x , y ) =( y , x + y ,x )
T ( 1,2 ) =(2,1,1 )
T (3,0 )=( 0,3,3 )
T ( ( 1,2 )+ (3,0 ) ) =T (2,2 )= (2,4,2 )
T ( 1,2 ) +T (3,0 ) =( 2,1,1 )+ ( 0,3.3 )= (2,2,2 )
~ 36 ~
en
W , es una

Ejemplo
Demostrar que
i)
Sean
es lineal
( x 1 , y 1 ) ( x 2 , y 2 ) R2
T [ ( x 1 , y 1 ) + ( x 2 , y 2) ]=T ( x 1 + x 2 , y 1 + y 2 )=[ ( y 1+ y 2) ( x 1 + x 2 )+ ( y 1+ y 2 )( x 1 + x 2) ]=T ( x 1 , x 2 ) +T ( y 1 , y 2 )=( y 1 x 1+ y1
ii)
Sea
R 2 ( x , y ) R 2
T [ ( x , y ) ] =T ( x , y )=( y , x + y , x ) , T ( x , y )= ( y , x + y ,x )=( y , x + y , x )
Ejemplo
T : R2 R2 ; T ( x , y ) =( 0, y 2)
T [ ( x , y ) + ( x 2 , y 2) ]=T ( x 1 + x 2 , y 1 + y 2 )=( 0, ( y 1+ y 2 )2)
i)
T ( x 1 , y 1 ) +T ( x2 , y 2 )=( 0, y 21 ) + ( 0, y 22) =( 0, y 21 + y 22 )
no cumple
ii)
Ejemplo
T : R3 R3 ={ ( 1,1,1 ) , ( 1,1,0 ) , ( 1,0,0 ) } ; T : R 3 R4
Encontrar la transformacin
lineal que cumpla con esto
T ( 1,1,1 )=( 2,4,6,8 )

T ( 1,1,0 )= (1,7,5,6 )
T ( 1,0,0 )= ( 0,8,0,5 )
Sea
( x , y , z ) R3 , entonces ( x , y , z ) es combinacin lineal de los elementos de la base:
( x , y , z )=z ( 1,1,1 )+ ( yz )( 1,1,0 ) + ( x y ) ( 1,0,0 )
T ( x , y , z )=T [ z ( 1,1,1 ) + ( yz ) ( 1,1,0 ) + ( x y ) ( 1.0.0 ) ] =Tz ( 1,1,1 ) +T ( yz ) ( 1,1,0 ) +T ( ( x y ) ( 1,0,0 ) )=zT ( 1,1,1 ) +T ( z y ) (
~ 37 ~
v1 , v2 , vn
Teorema: Sea
vectorial

una base de un espacio vecotiral
V w1 , w 2 , , w n
vectores de otro espacio
W , entonces existe una nica transformacin T : R2 R2 tal que.
T ( v 1) =w 1 , T ( w2 )=w2 , ,T v n=wn
Ejemplo
Existe una transformacin
T : R R
tal que
T ( 1,0 )= (3,5 )
T ( 3,0 )=(2,1)
( 3 ( 1,0 ) ]=3 T ( 1,0 ) =3 ( 3,5 )=( 9,15 ) T no es lineal

( 2,1 ) =T ( 3,0 )=T
Ejercicio
T : P2 P1 ; T ( a 0 , a1 x , a 2 x 2 )=a1 x +a 2 x
T ( 53 x+ 4 x 2 )=3 x+ 4 x 2
T
Demostrar que
es lineal
i)
T ( ao + a1 x +a2 x 2) ( b0 +b 1 x +b2 x2 ) =T [ ( a0 + bo ) + ( a1+ b1 ) x+ ( a2 +b2 ) x 2 ]=( a1+ b1 ) + ( a2+ b2 )
ii)
T ( a 0+ a1 x +a 2 x ) =T ( a0 + a1 x + a2 x ) =a 1+ a2 x
T ( a0 +a 1 x +a2 x 2) = ( a1 +a2 x )= a1 +a 2 x
Suma de Transformaciones
Sean
T : v w U : v w
dos transformaciones lineales de
tambin es transformacin lineal y se define coo:
T +U ( v )=T ( v )+ U ( v ) v V
Ejemplo
T : R2 R 3
~ 38 ~
en
w , la suma de ellas
T +u : w
T ( x , y ) =( x+3 y , 0,2 x4 y )
U ( x , y )=( x y , 2 x , 3 x 2 y ) ( T +U ) ( x , y )=T ( x , y ) +U ( x , y )=( x +3 y ,0,2 x4 ) + ( x y , 2 x .3 x 2 y ) =2 x +2 y ,2 x
Numricamente
T ( 3,7 ) =( x+3 y , 0,2 x 4 y ) =( 24,0,22 )

U ( 3,7 )=( 9,6,23 )
Demostrar ue
T +U
es una transformacin lineal si tanto
T coo U son lineales
H 0 :T es lineal
T ( u+ v )=T ( u ) +T ( v )
T ( v )=T ( v )
u es lineal
U ( u+v ) =U (u )+ U (v )
U ( v ) =T (v )
i)
T +U ( u+ v )=T ( u+ v ) +U ( u+v ) =T ( u ) +T ( v )+ U (u )+ U ( v )=[ T ( u )+U ( u ) ]+ [ T ( v ) +U ( v ) ] = (T + v ) ( u ) + ( T + U ) ( v )

ii)
T +U ( v )=T ( v ) +U ( v )= T ( v ) +U ( v )= [ T ( u ) +U ( v ) ]= ( T +U ) ( v ) la suma es lineal
Ejemplo
T : P3 P2
T ( a0 +a1 x+ a2 x 2 +a3 x 3 )=a1+ 2 a2 x +3 a3 x 2
U :P 3 P2
U ( a 0+ a1 x +a 2 x 2+ a3 x3 ) =a 2a0 x 2
( T +U ) ( a0 +a1 x+ a2 x 2 +a 3 x 3 )=a1 +2 a2 x +3 a3 x 2+ ( a2 xa 0 x 2 )
T ( 54 x +8 x 25 x 3 )=4 x+ 16 x 15 x 2
U ( 54 x +8 x 25 x 3 ) =8 x5 x2
T +U ( 54 x+8 x 25 x 3 )= (4+16 x15 x 2 ) + ( 8 x5 x 2) =4+ 24 x20 x 2
~ 39 ~
Ejemplo
T : M 2x 2 M 2x 2
Sea
A= 8 13
2 11
T ( B )= AB , es T lineal?
c
(82 1311 )(ac bd)=( 82 a+13
a+11 c
)(
)(
T 7 5 = 4 144
4 8
30 98
) (
)(
8 b+13 d T 0 2 = 13 29
2b+ 11 d
1 1
11 15
)
) (
) (
T 7 3 = 17 115 =T 0 2 +T 7 5
3 7
119 85
1 1
4 8
Composicin: Sea
(denotadaUpor
T :U V
y adems
L:V W
L T esV la transformacin
W lineal
T
dos transformaciones lineales, a composicin de
L T :W W
L
T(V)
L[T(U)
Ejemplo
T : R2 R 4
L: R 4 R3
T ( x , y ) =( y ,x , 0, x+ y )
L ( x 1 , x 2 , x3 , x 4 )=(x 2 ,x 1 , x 2)
L T : R2 R3
( L T )( x , y ) =L [ T ( x , y ) ] =L ( y ,x , 0, x+ y ) =(x , y , x )
Numricamente
~ 40 ~
tal que:
T,L
T ( 4,6 )=( 6,4,0,10 )

T ( 4,6 )=(6,4,6 )
L T =L
Ejemplo
T : M 2 x 2 P3
( )
T a b =c+bx+d x 2 +a x 3
c d
L=P3 R
L ( a0 +a 1 x +a2 x 2+ a3 x 3 ) =( a1 , a2 , a3 , a4 )
( ) ( ( ))
L T =M 2 x 2 P 3 , entonces L T a b =L T a b =L ( c +bx +d x2 +a x 3 ) =( b , d , a , c )
c d
c d
Numricamente
( )
T 3 2 =7+2 x +x 2+3 x 2
7 1
L T =( 2,1.3,7 )
L: R 2 R 3 una transformacin lineal tal que:
T ( 1,0 )= (1,2,3 ) , Halle T ( 2,4 ) , T ( 3,7 )
T ( 0,1 )= (4,0,5 )
{ ( 1,0 ) , ( 0,1 ) } es base de R2

( 2,4 ) =( 2,0 ) + ( 0,4 )=2 (1,0 )+ 4 ( 0,1 )
T ( 2,4 ) =T ( 2 ( 1,0 )+ 4 ( 0,1 )) =T [ 2 ( 1,0 ) ] +T ( 4 ( 0,1 ) ) T es lineal
2T ( 1,0 )+ 4 T ( 0,1 )=2 ( 1,2,3 )+ 4 (4,0.5 )=( 2,4,6 ) + (16,0,20 )=(14,4,26 )
T (3,7 )=T (3 ( 1,0 ) +7 ( 0,1 ) ) =T (3 ( 1,0 ) ) +T ( 7 ( 0,1 ) ) T es lineal
( 3,6,9 ) + (28,0,35 )=(25,6,44 )
~ 41 ~

Multiplicacin de Matrices
A=( aij )
Sea
una matriz
C=AB
denota como
mxn B=( b ij )
de tamao
nxp , la multiplicacin de
una matriz
AB
es la matriz que se
mxp tal que:
a
( i1 , ai 2 , ,a ) ( b1 j , b2 j , , bnj )
producto punto
C ij =
rengln ide A columna j de B
a11 a 1n a11 a1 p
a11 b11 + a12 b21 ++ a1 n b n 1 a11 b12 +a12 b22+ +a1 n bn 2 a11 b1 p +a 12 b2 p ++
AB = a 21 a21 = a21+ b11 +a 22 b21 ++ a2 n b n 1
am 1 amn an 1 anp
am1 +b11 + am 2 b21 + +a mn b n1
am 1 b1 p+ am 2 b2 p +
)(
)(
Ejercicio
) (
A= 3 1 0 , B= 3 1 0
1 1 2
1 1 2
A B y B A
Calcular
A B=
)(
)(
)(
5 1
3 ( 5 )+ (1 ) ( 1 ) + ( 0 ) ( 2 ) 3 (1 ) + (1 ) ( 4 )+ 0 (3 )
3 1 0
14 7
=
1 4 =
1 1 2
10 9
1 ( 5 )+1 ( 1 ) +2 ( 2 )
1 (1 ) +1 ( 4 ) +2 ( 3 )
2 3
( )(
)(
5 1
14 6 2
B A= 1 4 3 1 0 = 7
3
8
1 1 2
2 3
9
1
6
NOTA: la multiplicacin de matrices no es conmutativa
A B B A
La multiplicacin de matrices es asociativa?
C= 5 1 ( A B ) C=A (B C)
1 4
tenemos que : ( A B ) C=
)(
)(
5 1
14 7
77 14
1 4 =
10 9
41 46
2 3
~ 42 ~
3 1 0
por otro lado : A ( B C )=
1 1 2
Ahora
) [(
)(
)] (
3 1 0 5 1
3 1 0
=
1 1 2 1 4
1 1 2
)(
)(
26 1
77 14
s e s asociativa
1 7 =
41 46
7 14
A + ( B+C )=AB + AC
A= 8 1
4 2
B= 1 5 3
0 6 4
C= 3 2 1
5 0 9
A ( B+C )= 8 1
4 2
)[(10
)] (
)(
)(
)(
5 3 + 3 2 1 = 8 1 2 6 1 = 21 42 3
6 4
5 0 9
4 2 5 6 5
18 12 6
[( )(
)] [(
)(
)] (
)(
)
)(
AB+ AC = 8 1 1 5 3 + 8 1 3 2 1 = 8 34 28 + 29 8 25 = 21 42 3
4 2 0 6 4
4 2 5 0 9
4 8 20 22 4 26
18 12 6
Ahora
( B+ C ) A=BA+CA
()
3
A= 2
3
B= 1 5 3
0 6 4
C= 3 2 1
5 0 9
[(
)(
[(
)(
( B+ C ) A= 1 5 3 + 3 2 1
0 6 4
5 0 9
)] [(
)](
) ( )( ) (
)( )] ( ) ( ) (
3
3
2 6 1
21
=
2
2 =
5 6 5
12
3
3
3
3
BA +CA= 1 5 3 2 + 3 2 1 2 = 16 + 5 = 21 , s se cumple
0 6 4
5 0 9
0
12 12
3
3
~ 43 ~
T : A3 A 6 , T =( x , y , z )=( x , y , z , x+ 2, y z , x+ y )
Decodificar con el siguiente cdigo
A :T ( 0,0,0)
A=(0,0,0)
A=(0,0,0)
C :T (1,0,0)
C=(1,0,0)
S=( 1,0,1 ) sobra
E :T ( 0,1,0)
E=(0,1,0)
T =(0,1,1)
I : T (0,0,1)
I =( 0,0,1)
M :T (1,1,0)
M =( 1,1,0)
M =(1,1,0)
T :T ( 0,1,1 )
T =(0,1,1)
S :T ( 1,0,1 )
S=(1,0,1)
O:T (1,1,1)
O=(1,1,1)
Transformaciones
A= ( 0,0,0,0,0,0 )
A,A
C=( 1,0,0,1,0,1 )
A ,S
E= ( 0,1,0,0,1,1 )
E,I
I ,W
I =( 0,0,1,1,1,0 )
M =( 1,1,0,1,1,2 )
T =( 1,0,1,2,1,1 )
S=( 1,0,1,2,1,1 )
O=( 1,1,1,2+2+2 )
S
O
Sistema de Ecuaciones Lineales
mxn
Un sistema de ecuaciones lineales
mxn , consta de
m ecuaciones con cada ecuacin teniendo
de la siguiente forma:
a11 x 1+ a12 x 2 ++ a1 n x n=b 1

a21 x 1 +a 22 x2 + + a2 n xn =b2
~ 44 ~
incgnitas
am 1 x 1+ am 2 x 2 ++ amn x n=bm
Los trminos
aij
son los coeficientes del sistema y los trminos
x 1 , x 2 , , x n son n incgnitas
Un sistema tiene 2 matrices que se le asocian:
a11 a12 a 1 n
a
a22 a 2 n
A= 21
a m 1 am 2 amn
Y la aumentada:
a21
am 1
a11
a12
a1 n b1
a 22
a2 n b2
am 2
amn bm
A=
Ejemplo
3 x1 4 x 2 + x 3=1
x 1+ x 22 x 3=8
Matriz Asociada
Matriz Aumentada
A= 3 4 1
1 1 2
A=
(31
4
1 1
1 2 8
~ 45 ~
bj
son los trminos independientes.
a11 a12 a 1n x 1
b1
a21 a22 a 2n x 2
b
= 2
a m1 am 2 amn x n
bm
)( ) ( )
() ()
x1
x
x = 2 , B=
xn
Si
b1
b2
, A x =B
bm
Ejemplo
()(
x1
3 4 1
1
x =
1 1 2 2
8
x3
Consideremos el sistema
a11 x 1+ a12 x 2=b 1
a21 x 1 +a 22 x2 =b2
Una solucin del sistema de ecuaciones lineales que no afectan al conjunto de soluciones del sistema
1. Intercambiar 2 ecuaciones no afecta al conjunto de soluciones
2. Multiplicar de una ecuacin por una constante diferente de cero
3.
k 0 k a 11 x 1 +k a 12 x 2=k b1
a21 x 1 +a 22 x2 =b2
Sea
( s1 , s 2) soluciones de 3
Se multiplica por
como
a11 s1 +a 12 s 2=b 1
k k a11 s 1 +k a22 s 2=kb ( s 1 , s2 ) es solucin de 4
k a11 s1 +k a 12 s 2=b 1
a21 s 1+ a22 s2=b2
Como
k 0, se divide a la primer ecuacin entre k
a11 s1 +a 12 s 2=b 1 ( s 1 , s2 ) es solucin del sistema
~ 46 ~
4. Sumarle a una ecuacin un mltiplo diferente de cero de otra ecuacin
a11 x 1+ a12 x 2
a21 x 1 +a 22 x2 =b2
k 0 si multiplicamos la ecuacin por k
k a21 x1 +k a 22 x 2=k b2
y la sumamos a la p rimer ecuacin
a11 x 1+ k a21 x 1 +a12 x2 +k a22 x 2=b1 + k b 2

el nuevo sistemaque se obtiene
( a11 + k a21 ) x1 + ( a12+ k a21 ) x 2=b 1+ k b2

a21 x 1 +a 22 x2 =b2
entonces sea ( s 1 , s2 ) una solucin de 3 ,
a11 s1 +a 12 s 2=b 1
a21 s 1+ a22 s2=b2
Sustituyendo ( s1 , s 2) en la primer ecuacin de 4
( a n+ a21 ) s1 +( a12+ k a22 ) s1 =b1

a11 s1 +k a 21 s 1 +a21 s 1+ k a22 s2=a11 s 1+ a12 s2 + k ( a21 s1 +a 22 s 2 )=b1+ k b2
Inversamente si
( s1 , s 2) es solucin , entonces
( a11 + ka21 ) s 1+ ( a12 +k a22 ) s 1=b 1+ k b2

a21 s 2+a22 s2=b2
Por igualdad se obtiene
a11 s 1+k a21 s 1+ a12 s2 +k a 22 s 2=b 1+ k b2
a11 s1 +a 12 s 2+ k ( a21 s 1+ a22 s2 ) =b1 +k b 2
sustituyendo b 2
a11 s1 +a 12 s 2+ k b2=b1 +k b2 , a 11 s 1+ a12 s2=b1 satisface el sistema 3
~ 47 ~

Mtodo de Gauss para resolver sistemas de ecuaciones
Se considera a matriz aumentado del sistema y se le aplican algunas de las operaciones siguientes:
i)
Intercambio de 2 renglones
ii)
Multiplicacin de un rengln por una constante diferente de cero
iii)
Suma de un rengln con un mltiplo diferente de cero de otro rengln y entonces transformar la
matriz a otra con la siguientes caractersticas:
1) El primer coeficiente diferente de cero del
er
rengln es 1
2) El primero coeficiente diferente de cero de cada rengln est ms a la derecha del primer
coeficiente diferente de cero del rengln anterior
3) Las componentes estarn abajo del primer elemento diferente de cero de algn rengln
Ejemplo
Resolver el sistema
2 x 13 x 2 +2 x 3=0
x 1+ x 2 + x 2=3
3 x1 x2 3 x 3=4
2 3 2 0
1 1
1 2
R 1( 2) + R 2 1
1
1 2
1 1
1 2
CAMBIAR R 2 POR R 1
R 1( 3) + R 1
R 2 ( 1 ) +R 2
1 1
1 2
2 3 2 0
0 5 0 4
0 5
0 4
3 1 3 4
3 1 3 4
3 4 6 2
3 4 6 2
4 1 1 2
1
1 1
1 2
0 1
1 2
R(
+
R
1
3 )
0 1 6 2
R 2 ( 4 ) +R 3
x 1+ x 2 + x 3=2, x2 6 x3 =2, x 3=
0 1 6 2
0 1
6 2
5
1
0 0 1
3 4 6 2
3 4 30 6
5
R 3 ( 1) + R 2
) (
x 2=2+6
( 15 )= 45 ( s , s , s )=( 75 , 54 , 15 )
1
4 1 7
x 1=2 + =
5 5 5
NOTA: verificar en el sistema
Dos matrices se llaman semejantes si una se obtiene de la otra aplicando alguna de las 3 operaciones elementales.
Dos sistemas de ecuaciones lineales se dicen equivalente si tienen el mismo conjunto solucin.
Ejemplo
~ 48 ~
x 1+3 x 2=2
2 x 15 x 2=2
R ( 2)
1
3
2
R ( 5 ) +3 R
2 5 2 1 R (3 )+4 R
5 4 12
3 9 6
5 x 14 x 2=12
1
0
0
0
3 2
2 R ( 11 )
1 2 +3 R
1 22
0 0
1
0
0
0
3 2
1 2
0 22
0 0
) ( ) ( )
3 x 19 x 2=6
x 2=2, x 1 +3 x 2=2 x 1+3 ( 2 )=2, x 1=4, ( s 1 , s2 )= (4,2 )
Ejemplo
x+ y2 z=1
2 x yz3 w=4
x+ 2 y 3 z + w=3
2 x + y 3 z +w=0
) (
( 1) +3 R
1 1
2 0 1
R (2) +2 R
2 1 1 3 4 ( 2)+ 4 R
1 2 3 1
3
2 1 3 1 0
) (
1 1
2 0 1
1
0 3 3 3 6 2 R ( 3 )
0 1 1 1
2
0 1 1 1 2
z=b , w=c , entonces
x=1 y +2 b , y=2+b=c
x=1( 2+bc ) +2 b x=2+b +c
Solucin general del sistema
( x , y , z , w )=( s1 , s 2 , s 3 , s 4 )= (1+b+ c , 2+bc , b , c ) b , c R

Numricamente
b=7, c=2 x=1+ b+c=1+7+2=8, y=7, z=7, w=2

Sustituyendo
~ 49 ~
1 1
2
0 1
1
0 1
1
0 1 1
0
1
1
1
1
2 2renglones diferentes de ce
2
2
x+ y2 z=1
1+b +c +2+bc2 c=1
1+7+ 2+ 2+ 722 (7 )=1

8+714=1
1=1
Ejemplo
x+ yw=0
x+ z w=1
x + y2 z +w=3
)(
)(
1 1 0 1 0
1 1 0 1 0
1 1 0 1 0
tenemos 1 0 1 1 1 0 1 1 0 1 0 1 1 0 1 , no tiene solucin por lacon tradiccio
1 1 2 1 3
0 2 2 0 3
0 0
0 0 1
El rango de una matriz escalonada es el nmero de renglones diferentes de cero de dicha matriz.
Se comparan los rangos de la matriz escalonada y asociada al sistema y de la matriz escalonada acumulada al
sistema; si los rangos son diferentes, el sistema no tiene solucin.
En el ejemplo anterior, el rango de la matriz asociada es 2 y el rango de la m aumentada es 3.
Ejemplo
Resolver el sistema
2 x + y + z +w=0
x y+ z2 w=0
Un sistema de ecuaciones se llama

homogneo cuando cada una de las
ecuaciones est igualada a 0, siempre
tiene solucin (nica o infinita)
4 x +3 yz w=0
)(
)(
)(
)(
2
1
1 1 0
1 1 1 2 02
1 1 1 2 0
1 1
1 2 0
1 1
3 2
1 1 1 2 0
1 1
1 1 0
0 1 3 3 0
0 1 3 3 0
0 1 3 3
4
3 1 1 0
4 3 1 1 0
0 1 3 9 0
0 1
3 9 0
0 1
3 9 0
Rango=3, 43=1
Incgnitas=4
~ 50 ~
x+ yz +2 w=0
y3 z3 w=0, 6 w=0 w=0
Slo se dan valores a
z=c
ya que
w=0 , y se sustituye en la 2a ecuacin, y =3, x=2 c
Comprobacin:
2 x + y + z +w=0
4 x +3 yz w=0
2 (2 c ) +3 c+ c+ 0=0
4 (2 c ) +3 ( 3 c ) c0=0
4 c + 4 c +0=0
8 c+ 9 cc0=0
0=0
0=0
x yz +2 w=0
2 c3 c +2 ( 0 )=0
0=0
Ejercicio
3 x+2 y + z=5
2 x +3 y + z=1
2 x + y +3 z=1
)(
1
3 2 1 5
3 2 1 5
2 3 1 1 2 3 1 1
2
2 1 3 11
2 1 3 11
2
)(
)(
2
3
3
1
1 5
1 2/3 1/3 5 /3
1 2/3 1 /3 5/3
1 2/3 1/3 5
3 3
2 3
1 1 0 5/3 1/3 7/ 3 0 1
1
1 1
0 2
2 10
0 1
1 5
0 5/3 1/3
3 11
Ejercicio
2 x 1+ x2 +6 x 3=18
5 x1 +8 x 3=16
3 x1 +2 x 320 x3 =3
x 1=4
x 2=7
x 3=
1
2
~ 51 ~
)(
)(

Ejercicio
Dividir 180 en 3 partes de modo que la mitad de la primera, el tercio de la segundo y el cuarto de la tercera sean 3
nmeros iguales
x , y , z , cul es valor de cada variable?
x y z
x y
y z
= = = ,3 x=2 y adems como = , 3 y=3 z
2 3 4
2 3
3 4
)(
1 1
1 1 1 180
3 2 0 0 1 1
0 4 3 0
0 0
)(
)(
1 180
1 1
1
1 1 1 80
3
108 0 5 3 540 0 1
5
0
4 3 0
1 80
0 4
)(
)(
1
1 1 180
1 180
1 1
3
0
1
108
3
1 1
108
5
5
25
0 0
432
3 0
0 0
5
x+ y+ z=180
40+ 60+ 80=180

180=180
Ejercicio
3 obreros trabajan en una obra, el primero y el segundo podran hacerlo en 8 das; el primero y el tercero en 9 das;
el segundo y el tercero en 10, cunto tiempo tardaran cada uno para hacerlo solos?
Sean x , y , z los tiemposindividuales por obra terminada

x+ y=8
x+ z =9
y +z=10
x=
7
2
y=
9
2
z=
11
2
~ 52 ~
1 1
3
1
5
1 8
Problema de Trnsito
20
0
800
GF
60
0
60
0
x6
x1
70
0
x7
x2
x4
200
x3
400 Morelos
x5
Cantidad de vehculos por hora que entran y salen
16 :0017 : 00 hrs
Objetivo: minimizar el paso de vehculos en Morelos entre Rayn y Sor Juana de tal forma que no haya
congestionamiento en las 6 esquinas del diagrama
Esquina
llegan 400+ x 4
600+x 2 400+ x 4 =600+x 2
B : x 2 + x 5=100+ x 4
x 1x 4=200
C :300+ 400=x 3 + x 5
x 2x 4 + x 5=100
D: 800+ x 1=x 2+ x 7
x 3+ x 5=700
E :600+ x 6=x 2+ x7
x 1x 6=100
F : x 7+ x3 =200+700
x 2+ x 6 + x 4 =600
x 3+ x 7 =900
Matriz Identidad
La matriz identidad
nxn es la siguiente:
~ 53 ~
1 0
I= 0 1
0 0 1
La componente
)
ij de la matriz es:
I ij = 1 si i= j
0 sii j
I es el neutro multiplicativo en el conjunto de matrices nxn
Es decir, si
es matriz de
nxn , entonces
AI =IA= A
Ejemplo
)( )
3 0 1
3 0 1 1 0 0
A= 2 4 1 , AI = 2 4 1 0 1 0 = A
5 1 6
5 1 6 0 0 1
Matriz Inversa
Sea
una matriz
nxn , otra matriz nxn denotada por
A A1 =I
A1 A=I
( )
A= a b , A 1= d b
c d
c a
Ejemplo
( )
A= 5 3
3 2
~ 54 ~
es la matriz inversa de
A , si satisface:
A1= 2 3
3 5
( )(
)( )
A A1 = 5 3 2 3 = 1 0
3 2 3 5
0 1
)( ) ( )
A1 A= 2 3 5 3 = 1 0
3 5 3 2
0 1
Ejemplo
Encontrar la matriz inversa de
7/3
2
2 4
A= 4 5
3 1
Hallar
(
(
8/3
1 11 /3 /3
11 /3
6 1 0 0
6 0 1 0 =(1 )
1 0 0 1
)( )
A de A , B de B , AB y ( AB )
2 1 1
A= 1 1 1
1 2 3
3 1 1
B= 1 1 1
4 2 3
)
)
)(
1/2
0
2 1 1 1 0 0
1 1/2 1/2 1/2 0 0
1 1/2 1/ 2
1
0
1 1
1 0 1 0 = 0 1/2 3/2 1 /2 1 0 = 0 1
3
1 2 3 0 0 1
0 5/2 5/2 1 /3 0 1
0 1
1 2 /13 0
| )(
~ 55 ~
)(
0
1 1/2 1/ 2 1/ 2
0
=0 1
3
1
2
0 0
4 17 /150
5
1
2
1
5
5
.2
1
.4
1
4
3
A = .8 1 .6 =
1
5
5
.6 1
.2
3
1
1
5
5
5
6
1
7
B =
6
1
3
( )
( )
( )
1
6
5
6
1
3
1
3
2
3
1
3
2
3
4
3
1
5
1
10
A B1 = 1
21
2
5
11
30
5
6
2
15
Determinante
2 1 4
0 1
5 =2 [ ( 1 ) (4 ) ( 3 )( 5 ) ] 1 [ 0 ( 4 )6 (5 ) ]
6 3 4
Sea
A=
a11 a12
a 21 a22
, el
detA | A| se define como el nmero real siguiente:
detA =a11 a22a12 a 21
Si
a11 a12 a13

a
a
a
a
a
a
A= a 21 a22 a 23 se define como det A=a11 det 22 23 a 12 det 21 23 +a 13 det 21 22
a32 a33
a31 a33
a 31 a32
a 31 a32 a33
( (
Ejemplo
~ 56 ~
))
5 0 1
A= 2 0 4 =0
3 0 1
Propiedades de los Determinantes
1.
Si una matriz
2. Si la matriz
tiene un rengln de ceros o una columna de ceros, entonces
A , el multiplicar un rengln o columna de
se obtiene de
detA =0
A
por un escalar
c 0,
detB=c ( detA ) :
entonces el
2 1 4
B=(92 )(2 )=184
B= 0 2 10 det
rengln 2 por (2 ) tomado de la matriz A
6 3 4
B obtiene de la matriz
detB=detA
3. Si
intercambiando 2 de sus renglones o dos de sus columnas, entonces
2 1 4
B= 6 3 4 , det B=2 ( 15+ 4 )1 (30+ 0 ) +4 ( 60 )=92
0 1
5
Ejemplo
Calcular del A
)(
1
3 1
3
3 1
A= 1 4 2 5 4 2
2
0
1
0
0
1
3 =3
det A= 3
5 4
Calcular
det A
)(
)(
)(
1 3 5 6
1 8 5 6
1 8 4 6
1 8 4 8
2
4
0
3
2
6
0
3
2
6
0
3
A=
2 6 18 7
1 5 4 2
1
0 4 2
1
0 0
2
1
0 0
0
4 02 7
4 20 2 7
4 20 34 7
4 20 34 15
~ 57 ~
0 4
0
30 18 29 Recordando los signos tenemos :
48 34 53
(4 ) 30 29 =792
48 53
3 11 0
det 1 1 1 1 =44
4 2 3 2
1 5 2 4
22
14 5 12
3
1 det 4 3 5 det
46
22 5 14
3
11
3
=44
17
3
Definicin
det
a11 a1 n
1+1
1+2
1+ n
=(1 ) a11 det M 11 + (1 ) a12 det M 12++ (1 ) det M 1 n
a n1 anm
M ij
Donde
es la matriz menor correspondiente a ala componente
i la columna
aij ,
que se obtiene eliminando el rengln
Con el determinante se puede encontrar por cualquier rengln de acuerdo al rengln
i simo, la definicin es
A= (1 )1+i ai 1 det M 1 j + (1 )i+2 ai 2 det M 2 j+ + (1 )1 +n a det M

det
Matriz Transpuesta de
A , denotada por
como renglones de
) (
A t , es la matriz obtenida de
At
3 1 1
3
6 5
t
A= 6 0 1 A t = 1
0 9 A ( aij ) aij =a ji
5 9 2
1 1 2
~ 58 ~
A , al considerar las columnas de

t
det A=44 det A =44

Propiedad:
det A=det A t
Ejemplo
8 23 10
B= 5 4 3 =2det 142 23 =2976
40 4
30 0
2
B
det
A
Propiedad:
( A B )=det
det
)(
)(
3 1 1 8 23 10
1 65 31
det ( A B )= 6 0 1 5 4 3 = 18 138 58 =131,944
5 9 2 30 0 2
145 79 81
det A=44 det B=2976 44 ( 2976 ) =130,944
At
det =1 det ( At )=
Propiedad:
1
det A
A
I =1=det
( A A t ) =det
I =1 det
1 0 0
0 1 0 =det
0 0 1
A A t=I det
( )
Matrices Espaciales
Matriz Diagonal: matriz
de tamao
nxn tal que aij =0 sii j
Ejemplo
~ 59 ~
8
0
A=
0
0
0
3
0
0
0
0
1
0
0
0
=det A=8 (3 ) ( 1 )( 5 )=120
0
5
El determinante de una matriz diagonal es igual al producto de los elementos de su diagonal

Matrices Triangulares Superiores
2 4 3
A= 0 1 5 aij =0 sii> j
0 0
6
El determinante de una matriz triangular superior es igual al producto de los elementos de su diagonal
A x =B
Si el sistema
nxn tiene solucin y
tiene inversa
A1 :
1
1
A ( A x )= A B
A
1
(1 A) x =Ix=x = A B
Ejemplo
Resolver el sistema de ecuaciones
3 x+2 y + z=0
2 x +3 y + z=1
2 x + y +3 z=11
( )( ) ( )
(
) () (
3 2 1 x
5
2 3 1 y = 1
2 1 3 z
11
A1=
)( ) ( ) ( ) ( )
x
x
2
1 8 5 1
1 8 5 1 5
1 24
=
=
=
4 7 1
y
4 7 1 1
24
y
2
12
12
12
4 1
5
z
4 1
5 11
36
z
3
~ 60 ~

Factorizacin en Irreducibles en
C [ x]
x 53 x 4 +4 x 34 x4=[ x( 1+i ) ][ x( 1+i ) ][ x( 1+i ) ] [ x ( 1+i ) ] ( x+1 )

Teorema Fundamental del lgebra
Sea
f ( x ) en C [ x ] de grado mayor que uno, entonces f ( x ) tiene al menos una raz en C
a ( x )=( x1 ) b ( x )
con grado
[ b ( x ) ]< grado [ a ( x ) ]
se aplica el teorema a
b ( x ).
Hasta obtener un factor
de grado 1
Un polinomio de grado n en
C , tiene
n races en
C , aunque Q [ x ] a+ b
a Q b
Ejemplo
Factorizar
4
3
2
2 x x 17 x + 15 x9=0 sabiendo que 1 2 es raz
211715 9
22 2
53 26 +9 29
212 2123 29+ 9 2 0

2+2 2 3+3 299 2
239 0
2 x 23 x9=0 x=
Factorizacin en
3 9+72
3
x 1= , x 2=3
4
2
R[x]
( 32 ) ( x+ 3) [ x ( 1+ 2) ][ x( 1 2) ]
2 x 4 x 317 x 2+ 15+ 9= x
Factorizacin en
Q [x]
( 32 ) ( x+ 3) ( x 2 x1)=x (1 2) x( 1 2) x+ (1)
2 x 4 x 317 x 2+ 15+ 9= x
~ 61 ~
es una raz de
f (x)
con

2
x x 2 xx + 2 x 1=x 2 x1
Ejemplo
Factorizar el polinomio
x 16 x 8 x1=0
Cuando no tienen trmino cbico:
x 4=16 x 2 +8 x+ 1
x 4=( 4 x +1 )2
x 2= ( 4 x +1 )
x=4 x+1 3 x=1 x=
1
3
x=4 x1 5 x=1 x=
Factorizar el polinomio en
Factorizar en
1
5
R [ x ] C [ x ] : x 42 x 3 +6 x 22 x +5 sabiendo que i es una raz
Q [x]R [x]
el polinomio:
x x 8 x +2 x +21 x 9 x54
raz
Determine cules son los polinomios son irreducibles en el campo que se da:
Q [ x ] x 22 x +4 x +5 x 28 x 2
i)
En
ii)
En
R [ x ] x 28 x +8 x 22 x+ 4
iii)
En
C [ x ] x 22 x + 4 x+ 7 xi
Transformaciones de
9
4
R2 ( PLANO CARTESIANO )
~ 62 ~
sabiendo que
2+ i
es una
Ejemplo
T 1 ( x , y )=(2 x , 3 y )
T 1 ( 3,8 )=(6,24 ) ; T 1 ( 0,1 ) =( 0,3 )
T 2 ( x , y )= (3 x + y ,2 x )
T 2 (5,4 )=(11,10 ) ; T 2
T 3 ( x , y )= ( 0, x )
T 3 ( 4,1 ) =( 0,4 ) ; T 3 ( 0,3 ) =( 0,0 ) ; T 3 ( 4,5 )=( 0,4 )
(5 , 23 )=(3 5+ 23 ,2 5)
T 3 no es inyectiva porque ( 4,1 ) ( 4,5 ) ; pero de ambas el resultado es(0,4)

Ejemplo
T 1 , inyectiva?
Demostracin
Sean
( x , y ) . ( x ' , y ' ) R2
Suponemos
T 1 ( x , y )=T 1 ( x' , y' )
(2 x ,3 y )= (2 x ' , 3 y ' )
x=x '
2 x =2 x '
y= y' ( x , y )=( x ' , y ' ) T 1 es inyectiva
3 y=3 y '
Ejemplo
T 2 , inyectiva?
Demostracin
Sean
( x , y ) , ( x' , y ' ) R 2
Suponemos
T 2 ( x , y )=T 2 ( x' , y ' )
( 3 x+ y ,2 x ) =( 3 x' + y ' ,2 x )
2 x=2 x '
~ 63 ~

'
'
( x , y )=( x , y ) T 2 es inyectiva
T es sobreinyectiva si la imagen de T es todo el plano

encontrar otra pareja
R2 ; es decir, si para cada pareja
( x , y ) R2 tal que T ( x , y ) =( a , b )
Ejemplo
T 3 ( x , y )=(0, x)
La imagen de
T3
son los puntos del eje
y nicamente T 3
Ejemplo
T 1 , sobreyectiva?
Demostracin
T 1 ( x , y )=(2 x , 3 y )=( a , b )
2 x=a
3 y=b
~ 64 ~
no es sobreyectiva
( a , b ) R2
se puede
a
b
x , y se tiene que x=
, y=
2
3
Despejando a
T 2 ( x , y )=T 2
( a2 , b3 )=( a , b)
3
y=a+ b
2
3 x+ y =a
x=
2 x=b
T2
b
2
( a , b ) R2 , la pareja
es sobreyectiva porue para cualquier
T2
( b2 , a+ 32 b)=( a ,b )
T2
( b2 , a+ 32 b)=[3 ( b2 )+a+ 32 b ,2( b2 )]=( a , b)
Definicin
Una transformacin que es inyectiva y sobreyectiva se llama
transformaciones tienen la propiedad de tener inversa
T1
es no singular y su inversa
( x2 , 3y )
T ( x , y )=
T =[ T 1 ( x , y ) ]=T (2 x , 3 y )=( x , y )
T 1 ( p )= p +(1,3)
Si
( b2 , a+ 32 b) R tal que :
p=( x , y ) T 1 ( x , y )=( x , y ) + ( 1,3 )=( x+1, y +3 )
Si ( 0,0 )= (1,3 )
Si ( 3,2 )=( 4,5 )
Si (3,8 )=(2,11 )
Traslada cada uno de los puntosuna unidad en x , 3 en y
~ 65 ~
transformacin no sin ular ;
estas
Ejemplo: 2 iv) del Grossman
T 4 ( x , y )=( x ' , y ' )

'
x =|x|
y'= y
T 4 ( x , y )=(|x|, y )
i)
Sea
ii)
Si
( x , y ) , si x> 0,T ( x , y )=( x , y )

x< 0,T ( x , y )=(x , y )
La mitad del plano que corresponde al eje x positivo queda igual, la mitad del plano que corresponde al eje x negativo
Ejemplo
T 5 ( x , y )=x ( 2,0 ) + y ( 0,2 )=( 2 x , 0 ) + ( 0,2 y )=( 2 x ,2 y )

La transformacin agranda al punto; lo estira con una razn de 2 unidades
Ejemplo
T 6 ( x , y ) =( x , x ) Si T 6 ( 2,3 )=( 2,2 ) , Si T 6 (4,2 )=(4,4 )
~ 66 ~
La
transformacin
manda a un punto a
x= y
la
, x= y
en
el
punto que tiene el

mismo valor de su
T 1 ( x , y ) =( y , x )
La transformacin es una rotacin de 90
T 1 ( 1,0 )=( 0,1 )

T 1 ( 0,1 )=(1,0 )
T 1 ( 2,2 )=(2,2)
Transformaciones Rgidas
Definicin
Una transformacin de
se llama Rgida si preserva distancias esto es si
el plano:
| p q |=|T ( p )T (q )|
Transformaciones Rgidas
- Traslaciones
- Rotaciones
- Reflexiones
~ 67 ~
p , q
estn en

Una traslacion es de la forma
T ( p )= p + q donde q es fija
Ejemplo
T ( p )= p +(2,3)
T ( q )=(2,3)
El plano se traslada 2 unidades a la derecha y 2 unidades hacia arriba
Proposicin: una traslacin es una transformacin rgida y es no singular

Demostracin
Sea la traslacin
Tenemos 2 puntos
T ( p )= p + s ; s fijo
p , q en el plano:
|T ( p )T ( q )|=|( p + s ) ( q + s )|, sustituyendo aT ( p ) ,T ( q ) | p q| es rgida

T ( p )= p + s es no singular, pues su inverda es T ( p ) = p s
Comprobacin:
T [T ( p ) ]=T [( p + s ) ]=( p +s )s = p
Ejercicio
Determine las traslaciones T que transforma el punto
Dar la regla general de la traslacin
Po ( x 0 , y 0 ) en el punto Q0 ( x1 , y 1)
T ( x , y ) que concluya en:
T ( P0 ) =Q0
~ 68 ~
T ( P0 ) =P0 + ( Q0P0 ) =Q 0
T ( x , y ) =( x , y ) +Q0P0 =( x , y ) + ( x 1x 0 , y 1 y 0 )
T ( x , y ) =( x , y ) + (23,36 )
( x , y ) + (5,3 )
P0
Q0
Definicin
Una rotacin U ( x , y ) es una transformacin de la forma:
U ( x , y )=xu+ y u1 donde u=( u1 ,u 2) es un vector unitario ( de norma 1 ) u1 =(u 2 , u1 ) es el ortogonal de u .

Ejemplo
U ( x , y )=
1
(2 x3 y , 3 x 2 y ) ; determinar el vector U de estarotacin
13
U ( x , y )=
1
[ (2 x ,3 x ) + (3 y ,2 y ) ] = 1 [ x (2,3 ) + y (3,2 ) ]=x 1 (2,3 ) + y 1 (3,2 ) u= 1 (2,3 )
13
13
13
13
13
|u|= a2 +b2 |u|=
1
1
4 +9=
13
13
13
1
Proposicin: Una rotacin U es una transformacin rgida, es no singular,
U es una rotacin
NOTA: propiedad de producto punto

Si
p=( x , y ) p p=( x , y ) ( x , y )=x 2 + y 2=| p| | p|= x 2+ y 2 p p=| p|

(2,3)
~ 69 ~
i)
Sean
( x , y ) , ( x' , y ' ) R 2
'
'
'
'
P . D|u ( x , y )u ( x , y )|=|( x , y ) ( x , y )|
2
P . D|u ( x , y )u ( x ' , y ' )| =|( x , y )( x' , y ' )|

2
|u ( x , y )u ( x ' , y ' )| =|( xu+ y u1 ) ( x' u+ y ' u1 )|
( xx ' ) u+ ( y y ' ) u1
2
2
2
( xx ' ) u [ ( xx ' ) u+ ( y y ' ) u1 ] =( xx ' ) u u+ ( xx ' ) ( y y ' ) u u1 + ( y y ' ) u 1 u+( y y ' ) u1 u1= ( xx ' ) + ( y y ' ) =|( x , y
Ejercicio
Determna la rotacin que transforma
( 2,4 ) en ( 4,2 )
(2,4)
(4,2)
Encontrar
U tal que :U ( 2,4 ) =2u+ 4 u' = ( 4,2 ) 2 ( u 1 , u2 ) + 4 (u2 ,u1 ) =( 4,2 )
2u 14 u 2=4
4 u 1+ 2u2=2
4 (2 u14 u2=2)
2 ( 2u1 4 u 2=4 )
2( 4 u1 +2 u2=2)
4 ( 4 u1 +2 u2=2 )
~ 70 ~
8 u116 u2 =16
4 u 18 u2=8
8u 14 u 2=4
16 u1 +8 u2=8
20 u2 =12
20 u1=16
u2=
3
5
|u|=
u1=
16 9
+ =1
25 25
u ( x , y ) =xu+ y u1
Verificacin:
u ( 2,4 )=2
( 45 , 35 )+ 4( 5,43 , 45 )=( 4,2)
U es unarotacin
Demostracin
1
u ( x , y )=xu+ y u con|u|=1
u ( u1 ,u 2) u1= (u 2 , u1 )
Planteado para encontrar la inversa:
U ( x , y )=x ( u1 ,u2 ) + y (u2 ,u 1 )=( x u1 y u2 , x u 2+ y u1 ) =( a , b )

u1=( x u1 y u2=a )
u2=( x u2 + y u 1=b )
x u21 y u1 u2=au 1
x u22 + y u1 u 2=b u2
2
2
1
x u =a u1
u1 +u 2=a u1 +b u2
x ( u21 ,u 22) =( au 1+ bu 2 ) x=
a u1 + b u2
x u2 =b u2
u2 ( x u1 y u2 =a )
~ 71 ~
4
5
u1 ( x u2 + y u1=b )
x u1 u2 y u2=au 2
x u1 u 2 y u 21=b u1
y ( u 21+u 22) =au 2b u1 y=b u1a u2
u ( a , b )=( x , y )=( a u1 +b u2 , b u1au 2)

Cambiamos el nombre de las variables en
U , en lugar de a , x y en lugar de b , y
U ( x , y ) =( u1 x +u2 y ,u1 yu 2 x )
U es lainversa de U
Verificacin:
U ( u ( x , y ) ) =U ( u1 x+u 2 y , u1 y u2 x ) =( u1 ( x u1 y u2 ) +u 2 ( x u2+ y u 1) , u1 ( x u2 + y u1 )u 2 ( x u1 y u2 ) ) =( x u 1+ x u2 , y u1 + y
U es unarotacin
U ( x , y ) =( u1 x +u2 y ,u1 y +u2 x ) =( u1 x ,u2 y ) + ( u2 y , u1 y )=x ( u1 ,u2 ) + y ( u2 ,u 1 ) ( u1 ,u2 ) es unitario

L
( u2 ,u 1 ) =( u2 , u1 )
Ejemplo
Determinar la rotacin que transforma a
Encontrar
u ( 1,0 )=
u ( x , y ) tal que u ( 1,0 )=
( 1,0 ) en
1
( 1,1 )
2
1
( 1,1 )
2
1
1
( 1,1 )=1 ( u1 ,u2 ) + 0 ( u2 , u1 )= ( 1,1 )
2
2
u=( u1 , u2 ) =
1 1
1 1
1 1
x x
y y
x y x+ y
1
,
u ( x , y )=x
,
+y
,
=
,
+
,
=
,
= ( x y , x + y )
2 2
2 2
2 2 2 2 2 2
2 2 2
) (
)(
~ 72 ~
)(
)(
Verificacin:
Determine
1
1 2
, ) = ( , 0)=( 1,0 )
( 1
2 2 2 2
U( x , y)
U ( x , y ) =x
( 12 , 12 )+ y ( 12 , 12 )=( x2 , x 2 )+( y2 , y2 )= 12 ( x+ y , yx )
Grficamente
Teorema: Propiedades de la Rotacin

a)
u ( a ) u ( b ) =a b
b)
a u ( b )=u ( a ) b
c)
u ( a ) =( u ( a ) )
Demostracin
( b 1 , b2 ) con u ( x , y )=x ( u1 ,u 2 )+ y ( u2 , u1 ) tal que|( u1 , u2 )|=1

a =( a1 , a2 ) b=
Sea
a)
(b 1 ( u1 , u2 ) +b 2 (u2 ,u1 ) )=a1 b 1 (u 21+u 22) +a2 b2 (u21 +u22 )=a1 b1 +a 2 b 2=a b
a b=a
1 b1 +a 2 b 2=( a 1 ( u1 , u2 ) +a 2 (u2 ,u1 ) )
~ 73 ~
( a )=u ( u ( b ) ) = a u ( b )
( a )u
u ( a ) b=u
( u ( b ) ) u
b)
ya que
u es inversa de U , como
es rotacin, satisface a)
si cumple , satisface
u ( a )=a1 ( u 1 , u2 ) +a 2 (u2 ,u 1 )=( a1 u1 a2 u 2 , a 1 u2 +a2 u1 ) ( u ( a ) ) =(a1 u2a 2 u1 , a1 u 1a2 u2 )
c)
Comparando con:
u ( a ) =u (a2 , a1 )=a2 ( u1 ,u 2 )+ a1 (u 2 , u1 )= (a1 u 2a2 u1 ,a 1 u1a2 u 2)

u ( a1 )=( u ( a ) )
Ejercicio
Determinar la rotacin alrededor del origen que transforma al eje
x en la recta
u ( x , y )=xy + y u1 ,|u|=1
u ( 1,0 )=t ( 1,3 )=( t , 3 t )
|( 1,0 )|=11= t 2 +9 t 2= 10t 2= 10 t t =
1
10
( 110 , 310 )
u= (1,0 )=
( 110 , 310 )
u= (1,0 )=
Primer caso: si
u ( 1,0 )=
t=
1
10
( 110 , 310 ) (u ,u )+ 0 (u , u ) u=( 110 , 310 ) u =( 310 , 110 )

1
~ 74 ~
y= {t ( 1,3 ) }

Demostracin
T ( x , y ) =x a + y b
|a |=|b |=1
a b=0
x 2 , y 2( x1 , y 1)
x 2 , y 2( x1 , y 1)
2
'
'
|T ( x , y ) T ( x , y )| =
|T ( x ' , y ' )T ( x , y )|=

T ( x 2 , y 2 ) T ( x 1 , y 1 ) ( T ( x 2 , y 2) T ( x 1 , y 1 ) ) =( x 2x 1 )2 + ( y 2 y 1 )2
Definicin
Una reflexin respecto a la recta
L que pasa por el origen es una transformacin de la forma:
V ( x , y )=xu y u donde |u|=1

V (1,0 )=1 u0 u =u el punto medio del segmento que una a i con u est sobre la recta
Ejemplo
~ 75 ~
L:
i+ u
2
V ( x , y )=x
Encontrar la recta de reflexin de la transformacin
u=
( 213 , 313 ) y ( 313 , 213 )
( 213 , 313 )
|u|=
13
=1
13
( 213 , 313 )= 113 (2,3)
V (1,0 )=
L debe tener direccin i+ u=( 1,0 ) +
Checando si
V ( 2,3 )=2
( 213 , 313 )=(1+ 213 , 313 )
( 2,3 ) se traslada a otro punto
( 213 , 313 )3( 313 , 213 )=( 1313 ,0)= (13 , 0)
El punto medio entre los puntos
( 2,3 ) +( 13 ,)0
2+ 13 3
=
,
2
2
2
( 23 ) ( 13 ,0 ) es:
Ejemplo
Determine la reflexin que enva al punto
( 1,3 ) en (3,1 )
V (1,3 )=1 ( u1 ,u2 ) 3 (u 2 , u1 ) =(3,1 )

u1 +3 u2=3
3 u1 +u2 =1
~ 76 ~
Ejemplo
Determine la reflexin que enva al punto
( 1,3 ) en (3,1 )
V (1,3 )=1 ( u1 ,u2 ) 3 (u 2 , u1 ) =(3,1 )
( u1 +3 u2 ,u 23 u1 )=(3,1 )
u1 +3 u2=3, u1=
3
5
3 u1 +u2 =1,u 2=
4
5
V ( x , y )=x
( 35 , 45 ) y ( 45 , 35 )=( 3 x54 y , 4 x5+3 y )
Teorema: Sea
una reflexin,
V =V
es una transformacin rgida, es no singular
Demostracin
Sea
V ( x , y )=xu y u con|u|=1
2
|V ( x 2 y 2 )V ( x 1 , y 1 )| =|( x 2 u y 2 u )( x 1 u y 1 u )| =[ ( x 2 u y 2 u )( x1 u y 1 u ) ( x2 u y 2 u ) ( x 1 u y 1 u )] =x 22 u u
Prueba que
es la inversa de ella misma
Demostracin
V ( x , y )=x ( u1 , u2 ) y ( u2 , u1 )=( x u1 + y u 2 , x u 2 y u 1 )
2
V ( V ( x , y ) )=V ( x u1 + y u2 , x u2 y u1 )=( x u1 + y u2 )( u1 , u2 ) ( x u 2 y u 1) (u2 , u1 )=( x u1 + y u2 u1 + x u2 y u1 u 2 , x u1 u2 + y u 2
~ 77 ~

2
1
2
2
Como|u|=1, u +u =1
Ejercicio 11c)
L1 :2 x3 y=0, y =
2x
3
L2 : x =2t
y=3 t
Si x=3 y=2 p ( 3,2 ) L1
Aplicando una rotacin
A ( 3,2 )
u ( 3,2 )=( 2 t , 3 t )
Sea
|( 3,2)|=|32 +22|= 9+ 4= 13
|(2 t , 3 t)|= 13
u ( 3,2 )=(2,3)
4 t 2+ 9 t2 =13 t 2= 13= 13t t= 1

Obteniendo la regla general
u ( 3,2 )=3 ( u1 ,u 2 )+ 2 ( u2 , u1 )=( 2,3 )=( 3 u1 ,3 u2 ) + ( 2 u2 ,u 1)

3 u1u2=2 2 ( 3 u 12u 2=2 ) 6 ( u 14 u 2=4 )
3 u2+ 2u 1=3 3 ( 2u 1+ 3u 2=3 ) 6 u1 9 u2=9
13 u2 =5
u2=
5
12
u1=
13
13
u ( x , y ) =x
( 1213 , 135 )+ y( 513 , 1213 ) (2,3)
Ejercicio 13c)
Determnese la reflexin respecto a la recta
L que pasa por el origen cuando:
d) Es la recta de pendiente -1
L: ( x ,x ) : x R
L= x=t
y=t
y=mx +b
si
m=1
y=x
Para la reflexin:
~ 78 ~
V ( x , y )=xu y u ( 1,0 )+ ( u1 ,u2 ) =( x ,x ) valor de x

u1=x 1
1+u1=x
u2=x
V (1,0 )=1 ( u1 ,u2 ) =( x1,x )
Sustituimos
|( 1,0 )|=1= ( x1 )2+ (x )2= x 22 x+1+ x 2= 2 x2 2 x +1=2 x 22 x=2 x ( x1 )

x=0 x=1
Si
x=0, u1=1,u 2=0
V ( x , y )=x (1,0 ) y ( 0,1 )
Si
x=1,u 1=0, u2=1
V ( x , y )=x ( 0,1 ) y (1,0 )
( 12 , 23 )
1 3
3 1
U ( x , y )=x ( ,
+y
, =( a ,b )
2 2 ) ( 2 2)
Checarlo
( 0,1 ) en
( 2x y 23 )=a
( x2 y2 3 =a)
x 3 y
+ =b
2
2
( x 2 3 + 2y =b)
x 3 3 y
+ = 3 a
2
2
x 3 y
+ =b
2
2
y 2 y=b 3 a
y=
b 3 a x y 3
x
3 b 3 a
b 33 a b 3 a x a+b 3
a+ b 3

=a =a+
=a+
=
x=
2
2
2
2
2
2
4
2
2
4
2
( a+ b2 3 , b2 3 a x2 )=( a2 , 32 a )+( b 23 , b2 )=a( 12 , 23 )+b( 23 , 12 )
u ( a ,b )=
Secciones 6.1 y 6.2 Grossman
~ 79 ~

Definicin
Valor propio: Sea
una matriz
nxn ,
un nmero,
se dice valor propio de
A , si
un vector V Rn ,V 0 tal que :

Av =v
Ejemplo
tiene dos valores propios:
A= 10 18
6 11
El vector correspondiente
1=1, 2=2
()
A , 1 es 2 =v
1
)( ) ( )
Av = 10 18 2 = 2
6 11 1
1
Para
()
)( ) ( ) ( )
2=2: v= 3 Av= 10 18 3 = 6 =2 3
2
6 11 2
4
2
1=1 2=2 son valores propios

Los vectores que satisfacen la condicin anterior se llaman vectores propios de
Propio = Eligen valores = Caractersticas
Av =v
Av v=0
Esto es un sistema de ecuaciones homogneo con solucin
v 0 det ( AI )=0
Av Iv=0
( AI ) v=0
det ( AI ) es un polinomio de grado
en la variable
. Dicho polinomio se llama polinomio caracterstico
de A
det ( AI )=0 es la ecuacin caracterstica
~ 80 ~

Las races o soluciones el polinomio caracterstico son los diferentes valores propios de
Luego se sustituye cada uno de los valores
A : 1 , 2 , 3 , , k
i en ( AI ) v=0 obtenidos en el sistema
El cual, al darle solucin, nos da todos los vectores propios asociados a
Ejemplo
Encontrar los valores propios y vectores propios asociados de:
( )
A= 4 2
3 3
( ) ( )( )( )(
2 =( 4 ) ( 3 )6=127 + 26= 27 +6 polinomio c

AI= 4 2 1 0 = 4 2 0 = 4
3 3
0 1
3 3
0
3
3
27 +6=0 ecuacin caracterstica
( 6 )( 1 ) =0 1=6, 2=1 valores propios de la matriz

1
Para
sustituir
AI :
(23 23)( xy )=(00)

(
1 2 2
2 3 3
) (13 13 ) (10 10 )
x y=0, x= y =a
Solucin General:
{ ( x , y ) : ( x , x ) } vectores asociados 1 =6
Verificando
Av =v
(34 32)(55)=(3030)=6(55)
(34 32)( xx )=(66 xx)=6( xx )
~ 81 ~
2=1
Para
(33 22)( xy)=(00)

x=a
Para
2 y=3 a y=
3 a
2
Solucin General:
{( x , y ) : y =32 a , x=a}={( x , y )=(a , 32a )}={a (1, 32 )} {a ( 2,3 ) }

Verificando:
Si
a=6 6 ( 2,3 )=( 12,18 )
12 = 12 =1 12
(34 32)(18
) (18) (18)
(34 32)(32aa)=(32 aa)=1(32 aa)

Ejemplo
Encontrar los valores propios y vectores propios asociados de la matriz
1 1 4
A= 3 2 1
2 1 1
AI=
1 1
4
3
2
1
2
1
1
) (
1 1
4
3
0
3
1
0
1
1
0
0
det 3
2
1 =det 3
2
1 =3 det 3 2
1 =3 det 3 2
4 =( 3
2
1 1
2
1
1
2
1
1
2
1
3
~ 82 ~

Hallar sus vectores propios
1=1 ; sustituir en
Para
0 1 4 x
0
3 1 1 y = 0
2 1 2 z
0
0 1 4
3 1 1
2 1 2
AI :
)( ) ( )
)(
0 1 4
3 0 3
2 0 2
)(
1 1
4
0 1 4
3
2
1 = 3 1 1
2
1
1
2 1 2
y + 4 z=0
3 x+ y 0
2 x + y 2=0
)(
0 1 4
1 0 1
2 0 2
)(
0 1 4
x =x 3
1 0 1 1
x 2=4 x 3
0 0 0
Solucin General:
{( x 1 , x 2 , x 3 ) : (x3 , 4 x 3 , x3 ) }
Verificando:
Av =v si x 3=1
)( ) ( )
1 1 4 1 1
3 2 1 4 = 4 vector propio 1=v 1
2 1 1 1
1
Para
2=2
3 1 4
3 4 1
2 1
1
)(
3 1 4
15 0 15
5 0 5
)(
3 1 4
1 0 1
5 0 5
)(
1 1 0
1
0 1
5
0 5
)(
Solucin General:
{( x 1 ,x 1 ,x 1 ) }
~ 83 ~
1 1 0
1
0 1 x 2=x1 ; x 3=x1
0
0 0
Av =v
Verificando:
() ()
1
1
V 2= 1 E2= 1
1
1
Para
3=3
)( ) ( )
2 1 4 x1
0
2 1 0
x =x
=
Aplicando
Operaciones
3 1 1 x2
0
1 0 1 3 1
x 2=2 x 1
2
1 4 x3
0
0 0
0
V-
() ()
1
1
V 3= 2 E 3= 2
1
1
Espacio propio: Sea
Definicin
una
E = { v Rn : Av=v } se le llama al espacio propio de

E
Proposicin:
es
m subespacio vectorial de
matriz
nxn ,
asociado a
un
valor
propio
de
Rn
Demostracin:
0 E porque A0 =0=
0
i)
ii)
Sean
v 1 , v 2 vectores propios asociados a , entonces :
A v 1= v 1 , A v 2= v 2= A ( v 1 , v 2) = A v 1 + A v2 =x v1 + v 2=x ( v1 , v 2 ) v 1+ v 2 vector propio

iii)
Sea
v vector propio , c=esclar
Av =v=A ( cv )=cAv =c ( v )= ( cv ) cv es un vector propio E x es un subespacio vectorial

A la dimensin del subespacio vectorial
Continuacin del ejercicio anterior:
E ,
se le llama la multiplicidad geomtrica de
1=3, 2=2, 3=1
Calcular los vectores propios

Para
1=3
~ 84 ~
A ,
)( ) ( )
)(
2 x y + 4 z=0
3 x yz=0
2 x + y4 z=0
2 1 4 x
0
3 1 1 y = 0
2
1 4 z
0
2 1 4
3 1 1
2
1 4
2 1 4
3 1 1
0
0
0
)(
5 0
5
3 1 1
0
0
0
)(
)(
1 0 1
3 1 1
0 0
0
1 0 1
0 1 2
0 0
0
xz=0
y2 z=0 dando un valor arbitrario a z=a

E3= { ( x , y , z )=( a ,2 a , a ) :a R }
a=( 1,2,1 ) es subespacio vectorial de R3
Base de
E3
{ ( 1,2,1 ) } dim de E3=1 multiplicador geomtrica de ( 1=3 ) =1
es
1 1 4
A= 3 2 1 Polinomio caracterstico p ( )=( 3 )( +2 ) ( 1 ) , 1=3, 2=2, 3=1
2 1 1
Para
Ejemplo
3 2 4
B= 2 0 2 encontrar sus vectores propios y la multiplicidad geomtrica de cada valor propio
4 2 3
BI=
1)
3 2
4
2
2
4
2 3
2)
det ( BI )=det
) (
3 2
4
3
2
4
det 2
2
2
4
2 3
0
2+2 1
(1 ) ( 1+ )( 8 ) ( +1 ) valores propios 1=1, 2=8
~ 85 ~
)(
)(
3 2 4
3 10
2
2 = 2
4
0
2 1
0
0
4
3
2 =(1 ) det
1

Vectores Propios Asociados a
1=1
)(
3 2
4
4 2 4
B( ) I = 2
2 =2 1 2
4
2 3
4 2 4
)( )
2 1 2
0 0 0 2 x + y +2=0 y=2 x 2 z ; sea x=a =b
0 0 0
Solucin General:
{( x , y , z )|( a ,2 a2b ,b )|a , b R }=E1 ( a ,2 b2 a , b )=( a ,2 a , 0 ) + ( 0,2 b , b )=a ( 1,2,0 )+ b ( 0,2,1 ) Base de
es 2
Es linealmente independiente?
R=C 1 ( 1,2,0 ) +C2 ( 0,2,1 )=( 0,0,0 )

C1 +0=0
2 C 12C 2=0 s son linealmente independientes
C2 =0
Definicin
Sea
de
7 x7
con polinomio caracterstico:
p ( ) =(1 ) ( 8 )( +5 )2 ( 1 ) ( + 4 )
Valores propios:
1=8
Multiplicidad geomtrica 1
2=5
3=1
4=4
Teorema: Sea
una matriz
nxn
con valores propios diferentes
respectivamente a cada valor propio, entonces
v1 , v2 , , vm
Ejemplo
3 2 4
B= 2 0 2 valores propios 1=1, 2=8
4 2 3
E1= {( 1,2,0 ) , ( 0,2,1 ) }
~ 86 ~
1 , 2 , , m
vectores propios asociados
son linealmente independientes
2=8
Vectores propios asociados a
5 2
4
B8 I = 2 8 2
4
2 5
)(
5 2 4
18 0 18
9
0 9
)(
5 2 4
0 0 0
9 0 9
)(
0 2 1
0 0 0
1 0 1
a
xz=0 si damos valor arbitrario a z =a , entonces y= E8 ={ ( x , y , z ) =( 2a ,a , 2 a ) =a ( 2,1,2 ) }
2
2 yz=0
Aplicando el teorema:
1=1 2=8,
Como
los vectores propios
( 1,2,0 ) , ( 2,1,2 )
asociados respectivamente a
1 8
son
linealmente independientes
Verificacin:
C1 ( 1,2,0 ) +C 2 ( 2,1,2 ) =( 0,0,0 )

C1 +2 C2 =0
2 C 1+C 2=0
son linealmente independientes
C 2=0, C1 =0
Ejemplo
5 5 9
A= 8
9 18 Encontrar valores propios de A y determinar su multiplicidad algebrica y geomtrica
2 3 7
AI=
5 5
9
5 5
9
5 5 9
det
(
AI
)
=det
=
(
1
)
det
8
9
18
8
9
18
2
1
0 =(1 )
2
3 7
2
3 7
2 3 7
Valores propios:
=1 con multiplicidad algebraica 3
~ 87 ~
)(
)(
)(
4 5 9
0
1
3
2 3 6
2 0 3
A 1 I = 8 10 18 = 0 2 6 = 0
1
3 = 0 1 3
2 3 6
2 3 6
0
0
0
0 0 0
2 x=3 z
y=3 z
Solucin General:
( x , y , z )=
( 32a ,3 a , a)|a R }, z=a {valor arbitrario } multipliidad geomtrica (1) =1
Definicin
Sean A B matrices de nxn , se dice que A B
son matrices semejantes, si
una matriz
nxn invertible C tal que :

B=C
AC CB= AC
Ejemplo
A= 2 1
0 1
B= 4 2
5 3
)
(
2 1 tal que B=C1 AC

A B son semejantes porque existe C=
1 1
( )
( )(
)(
)(
2 1 = 4 2 , entonces s son semejantes

C1= 1 1 , entonces C1 AC = 1 1 2 1
1 2
1 2 0 1 1 1
5 3
Definicin
Diagonalizacin : Se a A una matriz nxn , se dice ue A es diagonizable si A es semejante a una matriz diagonal D ;
es decir , existe una matriz invertible C , tal que :
Ejemplo
( )
A= 4 2
3 3
~ 88 ~
(43
2 =(4 ) ( 3 )6=( 124 3 + 26 )= ( 27 +6 ) =0, entonces ( 6 ) ( 1 )=0 =6, =1 valo

3
2 =det
( AI )= 4
3
3
Para
)( ) ( )
=6 2 2 x = 0
3 3 y
0
2 x +2 y =0
3 x3 y=0
x= y
{ ( x , y )|( x , y ) } x ( 1,1 )
Para
( )( ) ( )
=1 3 2 x = 0
3 2 y
0
3 x+2 y=0
3 x+2 y=0
x=
2 y
, valor arbitrario y=a
3
Solucin General:
{ |(
(x , y )
)} (
2a
2
,a a
, 1 si a=3, entonces ( 2,3 ) 1
3
3
Ejemplo
( )
A= 4 2
3 3
=1, =6, C= 2 1
3 1
C1=
1 1 1
1
1
1
C1 AC= 1 1 2 1 4 2 4 2 = 1 1 2 6 = 5 0 = 1 0 =D A es dig
5 3 2
5 3 2 3 1 3 3 3 3 5 3 2 3 6 5 0 30
0 6
Teorema: Una matriz
)(
)( )( ) (
)(
) (
)( )
A nxn es diagonizable tiene n vectores propios linealmente independientes
es una matriz cuyas columnas son vectores propios linealmente independientes
es una matriz iagonal cuyas componentes en la diagonal son vectores propios de
Ejemplo
~ 89 ~
3 2 4
A= 2 0 2
4 2 3
Diagonalizar
1=1, 2=8
E1= { a (1,2,0 ) +b ( 0,2,1 ) }
E8= { a ( 2,1,2 ) }
)
(
)
)(
2 1
0
1 2 1 2
C= 1 2 2 ; C1=
5 2 4
9
2 0
1
4
2 5
D=C
)(
A nxn
Proposicin: Una matriz

algebraica
) (
)(
es diagonalizable si para cada uno de sus valores propios
( )= multiplicidad geomtrica ( )
Ejemplo:
5 5 9
B= 8
9 18 Valor propio =1
2 3 7
Multiplicidad Alg
Multiplicidad Geo
1 son diferentes , entonces B no es digonizable
Definicin
) (
)(
0
0
8
1 2 1 2 3 2 4 2 1
1 16 8 16 2 1
1 72 0 0
AC =
5 2
4 2 0 2 1 2 2 =
5 2 4 1 2 2 =
0
9 0=0
9
9
9
4
2 5 4 2 3 2 0 5
4 2
5 2 0
1
0
0 9
0
Una matriz A de tamao nxn , se dice simtrica si aij =a ji i , j
Ejemplo:
8 1 4 2
A= 1 5
2 4
2
4 1 6
Proposicin: Una matriz
)
A de tamao nxn
se dice ortogonal si es invertible y
~ 90 ~
A1= A t
, la multiplicidad

Ejemplo:
1
2
1
A=
2
1
2
3
2
1
= 2
3
2
1
0
3
( )( ) (
0
1
6
1
6
2
6
3
3 2 6 2 3
3 2 6 2 3
3 2 3 2
1
1
3 = 1
T
A
=
3 2 6 2 3
3 2 6 2 3
6
6
6
6
6
3
0
26 2 3
0
26 2 3
2 3 2 3
3
3
)[ (
nxn es diagonizable ortogonalmente sus columnas forman una base ortonormal
Proposicin: Una matriz de

de
6
6
6
6
2 6
6
Rn
Definicin
Una matriz A e nxn es diagonizable ortogonalmente A es simtrica
Ejemplo:
5 4 2
5
4
2
A= 4 5 2 AI = 4
5
2
2 2 2
2
2
2
det ( AI )=det
) (
) (
Encontrando los valores propios para
=1
( )( )
4 4 2
AI= 4 4 2
2 2 1
Sean
5
4
2
5
4
2
5 4
2
5 4 10
=det
=
(
1
)
=
(
1
)
det
4
5
2
0
1 22
0
1 2
0
1
0
2
2
2
2
2
2
2
2 2
2
2 6
2 2 1
0 0 0 2 x+ 2 y + z=0
0 0 0
x=a , y=b , entonces z=2 a2 b
Solucin General:
{ ( x , y , z )=( a , b ,2 a2 b )=a (1,0,2 ) +b ( 0,1,2 ) } son linealmente independientes
Ejemplo
~ 91 ~
Si
es invertible, los valores propios de
son:
1 1
1
, ,,
1 2
n
Por definicin:
Av = i v multiplicar
A1 Av= A1 i v
( 1 ), A
v=
1
1
v es valor propio de A 1
i
i
Ejemplo
Si
tiene valores propios
1 , 2 , 3 , , k , los valores propios de A m son : m1 , m2 , , mk m 1
Por definicin:
Av = i v Multiplicar
A 2 v= i Av = i ( Av )= i ( i v ) = 2i v
2
A v= i v i es valor propio de A
2
A v= i Av = i ( i v ) = i v
Proposicin:
Si
a11 0 0
D= es una matriz de nxn diagonal ,
entonces:
0 0 ann
a11 0 0
D n= 1
0 0 annn
Ejemplo
Si
es semejante a
B , entonces
A n es semejante a B n si existe C
~ 92 ~
invertible

Si
C invertible , B=C1 AC B2=B B=[ C1 AC ][ C1 AC ] =C 1 A 2 C , B3 =[ C1 AC ][ C1 AC ] [C 1 AC ] =C1 A 3 C

Ejemplo
Suponga que
A D son semejantes , A n Dn son semejantes

D=C
n
C AC =D , demuestre que para cualquier n A =C D C
A C
1
C D =C C A C= A CC multiplicar por C
C Dn C1= A n C C1= An
~ 93 ~

Apuntes Algebra

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apuntes Algebra

Uploaded by

Copyright:

Available Formats

Francisco Daniel Salazar Pia

Espacios vectoriales y transformaciones lineales

Matrices, determinantes, valores y vectores propios

Francisco Daniel Salazar Pia

Zona de donde se consume

Ejemplo. Tipo de automvil

m renglones y n columnas de nmero o datos en este caso se llaman matrices de

Los componentes de la matriz se enumeran de la siguiente manera:

Francisco Daniel Salazar Pia

es el que corresponde a la columna

Una matriz se denota con letras maysculas.

A=( aij ) B=( b ij ) ,

dos matrices del mismo tamao

A + B=( aij + bij )

A , B son matrices mxn entonces

A + B=B+ A ser conmutativa.

Francisco Daniel Salazar Pia

A , B , C son matrices de mxn , entonces ( A +B ) +C=A + ( B+C )

mxn ; es la matriz cuyos componentes

mxn , tiene inverso aditivo

un nmero real (llamado escalar), la multiplicacin

mxn se define: A=a ij

Francisco Daniel Salazar Pia

A=7(9) 1(9) 23 ( 9 ) 100 ( 9 )=63 9 207 900

5 periodos con el mismo comportamiento

Francisco Daniel Salazar Pia

{ab|a ,b son enteros b 0}

R= {unin de los nmeros racionales e irracionales }

Francisco Daniel Salazar Pia

Del ejemplo anterior:

Francisco Daniel Salazar Pia

neutro para la suma: &

Francisco Daniel Salazar Pia

C={ 0,1,2,3,4 } , trabaja con el coeficiente de construccin del campo

Multiplicacin por escalar

Francisco Daniel Salazar Pia

en una operacin de suma que satisface lo

tiene inverso aditivo, denotado por

Distributiva por escalar

1 v=v v v neutro implicativo

v ={ polinomiio de grado n }=Pn

Francisco Daniel Salazar Pia

La suma es cerrada, de acuerdo a como se define

neutro para la suma ( 0,0 ) que satisface ( x , y ) + ( 0,0 ) =(x , y )

( x , y ) inverso aditivo (x , y )( x , y ) + (x , y )=( 0,0 )

R = {( x 1 , x 2 , , x n ) } cada componente es un nmero real

Francisco Daniel Salazar Pia

E={( E 1 , E2 , E 3 , E32 )} donde

Solucin para la suma:

(0a 00)+( 00 00)=(0a 00)

la multiplicacin por escalar cerrada

Francisco Daniel Salazar Pia

(0a 00)=(0a 00)

es un espacio vectorial (EV)

(0a 01)+( 0b 01)=( a+b0 02)

(0a 01)+( 0b 01)=(b0 01)+(0a 01)

([ 0a 01)+( 0b 01)]+(0c 01)=(0a 01)+[( 0b 01)+(0c 01)]

(0a 01)+( 00 00)=(0a 01)

Francisco Daniel Salazar Pia

(0a 01)=(0a 01) NO es un espacio vectorial

a , b son reales ab=a+bab

( ab )c=( a+ bab )c=a+ bab+c( a+ bab ) c

Francisco Daniel Salazar Pia