Professional Documents
Culture Documents
EXTENSION LATACUNGA
Latacunga 2014.
Contenido
1. SCILAB. .................................................................................................................................. 5
1.1 Dnde encontrar SCILAB? ............................................................................................. 6
1.2 Qu se puede hacer con SCILAB?.................................................................................. 6
1.3 Ambiente de Scilab. ...................................................................................................... 6
1.4 Resumen de comandos y operadores. .......................................................................... 7
1.4.1 Operaciones Bsicas .............................................................................................. 7
1.4.1 Grficos. ................................................................................................................ 7
1.4.2 Programacin. ....................................................................................................... 9
1.4.3 Vectores .............................................................................................................. 10
1.4.4 Matrices y Algebra Lineal. ................................................................................... 10
1.4.5 Nmeros Complejos ............................................................................................ 11
2. MATRICES ............................................................................................................................ 11
2.1 Definicin: ................................................................................................................... 11
2.1 Matrices en Scilab ....................................................................................................... 11
2.2 Orden de una matriz ................................................................................................... 12
2.3 Igualdad de Matrices................................................................................................... 12
2.4 Transpuesta de una matriz.......................................................................................... 12
2.5 lgebra de Matrices. ................................................................................................... 13
2.5.1 Suma.................................................................................................................... 13
2.1.1 Multiplicacin de una matriz por un Escalar. ...................................................... 14
2.1.2 Producto Matricial............................................................................................... 15
2.2 Algebra de Matrices Utilizando Scilab. ....................................................................... 15
2.3 Operaciones elementales en una matriz. ................................................................... 18
2.4 Matrices equivalentes. ................................................................................................ 20
2.5 Matriz Escalonada ....................................................................................................... 20
2.6 Matriz escalonada reducida. ....................................................................................... 20
2.7 Rango de una matriz. .................................................................................................. 20
3.7 Tipos de Matrices ........................................................................................................ 21
3.7.1 Matrices Cuadradas. ........................................................................................... 21
3.7.1 Matriz Simtrica. ................................................................................................. 21
3.7.2 Matriz Antisimtrica ............................................................................................ 21
3.7.3 Matriz Triangula superior. ................................................................................... 22
3.7.4 Matriz Triangular Inferior. ................................................................................... 22
3.7.5 Matriz Diagonal. .................................................................................................. 22
3.7.6 Matriz Escalar. ..................................................................................................... 22
3.7.7 Matriz Identidad ( ). ....................................................................................... 22
3.7.8 Matrices Elementales. ......................................................................................... 23
3.7.9 Matriz Nula. ......................................................................................................... 23
3.8 Tipos de Matrices cuadradas (Parte II). ......................... Error! Marcador no definido.
3.8.1 Matriz Nilpotente. ............................................................................................... 23
3.7.1 Matriz Idempotente. ........................................................................................... 23
3.7.2 Matriz Involutiva ................................................................................................. 23
3.7.3 Matriz Ortogonal. ................................................................................................ 24
3.8 Potencia de una Matriz Cuadrada. .............................................................................. 24
3.8.1 Potencia de una Matriz con Scilab ...................................................................... 26
3.9 Inversa de una matriz. ................................................................................................. 27
3.9.1 Propiedades de la matriz inversa. ....................................................................... 27
3.9.2 Mtodos para obtener la inversa de una matriz................................................. 27
4 DETERMINANTES................................................................................................................. 29
4.7 Mtodos de para obtener el determinante de una matriz. ........................................ 29
4.7.1 Determinante de una matriz de orden dos......................................................... 29
3.7.1 Determinante de un amatriz de orden tres ........................................................ 30
3.7.2 Mtodo por menores para encontrar el determinante de una matriz. .............. 30
3.7.3 Determinantes con Scilab. .................................................................................. 32
3.8 Propiedades de los determinantes ............................................................................. 32
3.9 Adjunta de una Matriz. ............................................................................................... 32
3.10 Inversa de una matriz mediante determinantes......................................................... 33
4 SISTEMAS DE ECUACIONES LINEALES. ................................................................................ 35
4.7 Sistemas de ecuaciones lineales. ................................................................................ 36
4.8 Representacin matricial de un sistema de ecuaciones lineales. ............................... 36
4.9 Solucin de un Sistema de Ecuaciones Lineales. ........................................................ 37
4.10 Sistemas Lineales Homogneos .................................................................................. 37
4.11 Tipos de sistemas de Ecuaciones Lineales .................................................................. 37
4.12 Sistemas de ecuaciones de dos incgnitas. ................................................................ 37
4.13 Sistemas de ecuaciones de tres incgnitas. ................................................................ 37
4.13.1 Eliminacin Gaussiana......................................................................................... 37
4.13.2 Mtodo de Cramer. ............................................................................................. 39
4.13.3 Mtodo Grafico: .................................................................................................. 40
5. ESPACIOS Y SUBESPACIOS VECTORIALES. ........................................................................... 45
5.1 ESPACIOS VECTORIALES. ............................................................................................. 45
5.2 SUBESPACIOS VECTORIALES........................................................................................ 46
5.2.1 Rutina de determinacin de subespacios vectoriales de R3 ............................... 49
5.3 COMBINACIONES LINEALES ........................................................................................ 54
5.3.1 Rutina para analizar combinaciones lineales.. ........................................................... 55
5.4 Conjunto Generador ................................................................................................... 56
5.5 Cpsula de un Conjunto .............................................................................................. 57
5.6 Dependencia e Independencia lineal .......................................................................... 58
5.7 Base y Dimensin ........................................................................................................ 60
5.7.1 Base: .................................................................................................................... 60
5.7.2 Dimensin: .......................................................................................................... 60
La dimensin de un espacio vectorial, es el nmero de vectores que posee las bases del
espacio vectorial. ................................................................................................................. 61
5.7.3 BASES CANNICAS .............................................................................................. 61
5.8 SUMA E INTERSECCIN DE SUB- ESPACIOS VECTORIALES.......................................... 67
5.8.1 Interseccin: ........................................................................................................ 67
5.8.2 Suma:................................................................................................................... 68
5.8.3 Suma Directa: ...................................................................................................... 68
Primeramente hallar una base para 1 ....................................................................................... 70
6. ESPACIOS EUCLDEOS: ......................................................................................................... 74
6.1 Producto interno ......................................................................................................... 75
6.2 ESPACIO EUCLDEO ..................................................................................................... 76
6.3 NORMA (MDULO) ..................................................................................................... 76
6.3.1 PROPIEDADES DE LA NORMA.................................................................................. 77
6.4 Distancia entre Vectores ............................................................................................. 77
6.5 PARALELISMO.............................................................................................................. 78
6.6 PERPENDICULARIDAD ................................................................................................. 78
6.7 PROYECCIN DE VECTORES ........................................................................................ 79
6.8 NGULO ENTRE VECTORES. ........................................................................................ 80
6.9 PROCESO DE ORTOGONALIZACION ............................................................................ 81
PROCESO DE GRAM SCHMIDT.......................................................................................... 81
7. TRANSFORMACIONES LINEALES ......................................................................................... 86
7.1 Propiedades de las Transformaciones lineales: ...................................................... 89
7.2 Aplicacin Lineal asociada a una matriz...................................................................... 92
7.3 Matriz asociada a una aplicacin lineal....................................................................... 93
7.4 Matriz de Rotacin ...................................................................................................... 94
7.5 Matriz Asociada a una Transformacin Lineal en funcin a otra Base ....................... 95
7.6 Matriz cambio de base ................................................................................................ 98
7.6.1 Propiedades de las matrices de cambio de base. ............................................... 98
7.7 Ncleo e Imagen de una Transformacin Lineal ......................................................... 99
7.7.1 Ncleo ................................................................................................................. 99
7.7.2 Imagen................................................................................................................. 99
7.8 Aplicacin Lineal Inyectaba ....................................................................................... 101
7.9 Transformacin Lineal Sobreyectiva. ........................................................................ 101
7.10 Transformacin Lineal Biyectiva ............................................................................... 101
7.11 Isomorfismo .............................................................................................................. 102
7.12 Inversa de una Transformacin Lineal ...................................................................... 102
7.13 Algebra de transformaciones Lineales ...................................................................... 103
7.13.1 Suma.................................................................................................................. 103
7.13.2 Producto por escalar ......................................................................................... 103
7.13.3 Composicin de Transformacin Lineal ............................................................ 104
1. SCILAB.
Scilab es un software matemtico, con un lenguaje de programacin de alto nivel, para
clculo cientfico, interactivo de libre uso y disponible en mltiples sistemas operativos
(Mac OS X, GNU/Linux, Windows). Desarrollado por INRIA (Institut National de
Recherche en Informatique et Automatique) y la ENPC (cole Nationale des Ponts et
Chausses) desde 1990, por Scilab Consortium dentro de la fundacin Digiteo desde 2008,
Scilab es ahora desarrollado por Scilab Enterprises desde julio 2012.
Scilab fue creado para hacer clculos numricos aunque tambin ofrece la posibilidad de
hacer algunos clculos simblicos como derivadas de funciones polinomiales y racionales.
Posee cientos de funciones matemticas y la posibilidad de integrar programas en los
lenguajes ms usados (Fortran, Java, C y C++). La integracin puede ser de dos formas:
por ejemplo, un programa en Fortran que utilice Scilab o viceversa.1 Scilab fue hecho para
ser un sistema abierto donde el usuario pueda definir nuevos tipos de datos y operaciones
entre los mismos.
Scilab viene con numerosas herramientas: grficos 2-D y 3-D, animacin, lgebra
lineal, matrices dispersas, polinomios y funciones racionales, Simulacin: programas de
resolucin de sistemas de ecuaciones diferenciales (explcitas e implcitas), Xcos:
simulador por diagramas en bloque de sistemas dinmicos hbridos, Control clsico,
robusto, optimizacin LMI, Optimizacin diferenciable y no diferenciable, Tratamiento de
seales, Grafos y redes, Scilab paralelo empleando PVM, Estadsticas, Creacin de GUIs,
Interfaz con el clculo simblico (Maple, MuPAD), Interfaz con TCL/TK.
1.1 Dnde encontrar SCILAB?
1.4.2 Grficos.
-->plot(x,y,"ttulo_eje_x","ttulo_eje_y","ttulo_del_grfico")
--> grid(n)
Para cambiar parmetros del grfico: color, tipo de lneas, fondo, espesor de lneas, etc.,
ver:
--> xset( )
--> xbasc()
--> plot2d(x,y,[style,strf,leg,rect,nax])
-->xtitle(Nombre_del_grfico,Nombre_eje_x, Nombre_eje_y)
-->Plot3d(x,y,z[,theta,alpha,leyenda,flag,ebox]).
Donde theta y alpha son los ngulos (en grados sexagesimales) representado las
coordenadas esfricas del punto de vista, leyenda contiene las leyendas
identificadoras de los ejes.
Contorno en 3 dimensiones:
--> contour(x,y,z[,theta,alpha,leyenda,flag,ebox])
--> contour2d(x,y,z[,theta,alpha,leyenda,flag,ebox])
1.4.3 Programacin.
Operadores de comparacin: = =, <, >, <=, >=, <> ~ =
Operadores lgicos: & (and), | (or), ~ (not)
Lazo FOR:
Lazo WHILE:
while condicin
<comandos o instrucciones>
end
Condicional IF:
if condicin then
<comandos o instrucciones>
else
<comandos o instrucciones>
end
select nombre_variable
case valor_1
<comandos o instrucciones>
case valor_2
<comandos o instrucciones>
.
end
Definicin de funciones usando archivos (extensin del archivo sci) : Primera lnea del
archivo debe empezar con:
Se recomienda que el nombre del archivo sea el mismo que el de la funcin. La funcin
puede ser creada usando el editor.
Para utilizar una funcin primeramente debe ser cargada usando el comando getf:
getf(nombre_de_archivo_de_funcin)
EndFunction
Continuacin de una lnea: en caso que requiera dividir una lnea de comando en ms
de una lnea, se tienen que colocar los caracteres () al final de la lnea:
Ejemplo: A = [ 1 2 3 5 6]
save(nombre_de_archivo, lista_de_variables)
load(nombre_de_archivo)
print(nombre_de_archivo, lista_de_variables)
1.4.4 Vectores
2. MATRICES
2.1 Definicin:
Una matriz definida sobre un campo , es un arreglo rectangular de filas y columnas. Se
utilizan letras maysculas para su identificacin y sus elementos se encierran en parntesis.
11 12 13 1
21 22 23 2
=( )
1 2 3
x =
0 1 1 2
Creacin de una matriz = (1 2 3 4)
2 0 2 0
-->A=[0 1 1 2;1 2 3 4;2 0 2 0]
A =
0. 1. 1. 2.
1. 2. 3. 4.
2. 0. 2. 0.
= ( )
Donde:
: representa el elemento.
: representa la posicin del elemento. i: la fila ; j : la columna.
: indica el nmero de filas que tiene la matriz.
: indica el nmero de columnas que tiene la matriz.
Ejemplo 1 : Sea la matriz A definida sobre el campo de los reales.
1 2 4 6 6
4 1 5 23 12
=( )
11 7 0 18 20
21 3 13 3 8
1 2 6 1 4 + 2 6
3 1 12 3 1 9+3
=( ) ; =( )
14 7 20 7+7 92 20
21 3 8 34 21 3 8 34
12 = 12
2 = 4 + 2
Ejemplo 3
1 2
1 3 4
Sea = (3 0) Su Transpuestas es = ( )
2 0 6 23
4 6 32
Propiedades.
( ) =A
( + ) = +
( ) = ,
( ) =
(1 ) = ( )1
Matriz Original
-->A=[1 -2 4 6 -6;-4 -1 5 23 12;11 -7 0 18 20;-21 3 13 -3 8]
A =
1. - 2. 4. 6. - 6.
- 4. - 1. 5. 23. 12.
11. - 7. 0. 18. 20.
- 21. 3. 13. - 3. 8.
Matriz Transpuesta.
-->A=[1 -2 4 6 -6;-4 -1 5 23 12;11 -7 0 18 20;-21 3 13 -3 8]'
A =
1. - 4. 11. - 21.
- 2. - 1. - 7. 3.
4. 5. 0. 13.
6. 23. 18. - 3.
- 6. 12. 20. 8.
+ = ( ) + ( )
+ = ( + )
+
Esto es,
1 0 7 1
+ =( 3 2 ) + (5 4)
6 2 8 9
1+7 01
+ = ( 3+5 24 )
6 + 8 2 + 9
8 1
+ = ( 8 2)
2 7
Por lo tanto la suma se matrices se puede realizar nicamente si las matrices tienen el
mismo orden.
Sean , ()
Clausurativa ( + ) ()
Conmutativa ( + ) = ( + )
Asociativa ( + ) + = + ( + )
Existencia del Elemento Neutro.
() () + = + =
Elemento Opuesto.
() () + () = () + =
= ( )
= ( )
Clausurativa () () .
Distributiva respecto a la suma de matrices. ( + ) = +
Distributiva del producto respecto a la suma de matrices.
( + ) = +
Asociativa. () = ()
Elemento neutro 1. =
= ;
( ) ( ) = ( )
Donde: = =1
Ejemplo 6: Sean:
1 3
1 2 5
= (2 1) = ( )
2 0 3
0 4
1 3 7 2 14
1 2 5
= (2 1) ( )=( 0 4 7)
2 0 3
0 4 8 0 12
2
23 = 2 3
=1
23 = 2 3 = 21 13 + 22 23 = 2 5 + (1) 3 = 7
=1
Suma de Matrices:
-->A=[1 -2 4 6;-4 -1 5 23;11 -7 18 20;-21 3 13 -5]
A =
1. - 2. 4. 6.
- 4. - 1. 5. 23.
11. - 7. 18. 20.
- 21. 3. 13. - 5.
0. 2. - 3. 7.
4. 9. 8. - 8.
- 1. - 3. - 5. 8.
1. 0. 3. - 7.
-->A+B
ans =
1. 0. 1. 13.
0. 8. 13. 15.
10. - 10. 13. 28.
- 20. 3. 16. - 12.
Si el resultado se quiere guardar en una nueva matriz basta con poner:
-->C=A+B
C =
1. 0. 1. 13.
0. 8. 13. 15.
10. - 10. 13. 28.
- 20. 3. 16. - 12.
1. - 2. 4. 6.
- 4. - 1. 5. 23.
11. - 7. 18. 20.
- 21. 3. 13. - 5.
0. 2. - 3. 7.
4. 9. 8. - 8.
- 1. - 3. - 5. 8.
-->A*B
!--error 10
Multiplicacin inconsistente.
EJERCICIOS RESUELTOS.
1. Realice las siguientes demostraciones:
a. La propiedad conmutativa de la suma de matrices en el campo de los reales.
b. La propiedad clausurativa del producto por escalar, en el campo de los reales.
Desarrollo:
A B A B Axioma Re flexivo
A B (aij ) mxn (bij ) mxn Def . de matrices
A B (aij bij ) mxn Def . suma de matrices
A B (bij aij ) mxn Axio. Conmutativo de suma de reales.
A B (bij ) mxn (aij ) mxn Def . suma de matrices
A B B A
Sea () , P.D ()
A A Axioma Re flexivo
A (aij )mxn Def . de matriz
A ( aij )mxn Def . Pr oducto por escalar
( aij )mxn M ( R) mxn
1 3 2
3 3 1
= ( 2 0 4 ) , = ( ) = ( 4 6)
0 1 3
1 + 3 3
Desarrollo:
(2 + ) = (2 ) + ( )
(2 + ) = 2( ) + [( ) ( ) ]
(2 + ) = 2 +
1 3 2
3 3 1
2 ( 2 0 4 ) + ( 4 6) ( )
0 1 3
1 + 3 3
1 3 3 + 2 3 + 2 0 (1 ) + 2 (1 3)
2 ( 2 0 4 ) + ( 4 3 + 6 4 3 + 6 0 4 (1 ) + 6 (1 3) )
1 + 3 3 3 + 3 3 + 0 3 (1 ) + (1 3)
2 2 6 5 3 1 7
( 4 0 8 + 2 ) + (12 6 12 10 22 )
2 6 2 2 8 9 4
2 5 5 7
( 16 6 12 2 20 )
10 6 9 + 2 2
Con el Software Scilab si se pueden realizar estas operaciones utilizando los siguientes
comandos:
A =
0.2113249 0.6653811 0.8782165 0.7263507
0.7560439 0. 0.0683740 0.1985144
0.0002211 0.8497452 0.5608486 0.5442573
0.3303271 0.6857310 0.6623569 0.2320748
-->A(2:3,1:2)=1 La submatriz A(2:3,1:2) se llena con unos
A =
0.2113249 0.6653811 0.8782165 0.7263507
1. 1. 0.0683740 0.1985144
1. 1. 0.5608486 0.5442573
0.3303271 0.6857310 0.6623569 0.2320748
2.8.1.1 Instrucciones especficas para las operaciones entre filas de una matriz:
A =
1. - 2. 4. 6. - 6.
- 4. - 1. 5. 23. 12.
11. - 7. 0. 18. 20.
- 21. 3. 13. - 3. 8.
A =
1. - 2. 4. 6. - 6.
0. - 9. 21. 47. - 12.
11. - 7. 0. 18. 20.
- 21. 3. 13. - 3. 8.
Donde:
A(2,:)+4*A(1,:) Indica que a los elementos de la fila 2 se les sumara cuatro veces los
elementos de la fila 1.
Para seguir introduciendo ceros en la primera columna de la matriz dada es suficiente seguir
realizando operaciones elementales asi: si se quiere introducir un celo en la posicin 31
basta con poner:
-->A(3,:)=A(3,:)-11*A(1,:)
A =
1. - 2. 4. 6. - 6.
0. - 9. 21. 47. - 12.
0. 15. - 44. - 48. 86.
- 21. 3. 13. - 3. 8.
2.9 Matrices equivalentes.
Sean () . La matriz B es equivalente por filas a la matriz A ( ), si la
matriz B se obtiene de A al aplicar una o ms operaciones elementales. Ejemplo.
1 2 6
Ejemplo 7: Sea: = (3 1 12 )
14 7 20
1 2 6 3 1 12 3 1 12
= (3 1 12 ) 1 2 ( 2 4 12)
2 ( 1 2 6) 2
14 7 20 14 7 20 14 7 20
3 1 12
3
32 ( 2 4 12)
8 19 56
Esta ltima matriz que la llamaremos B, es equivalente a la matriz A.
3 1 12
= ( 2 4 12)
8 19 56
Ejemplo 8:
1 0 2 1 4
0 1 3 5 2
=( )
0 0 0 1 1
0 0 0 0 0
Ejemplo 9:
1 0 2 0 4
0 1 3 0 2
=( )
0 0 0 1 1
0 0 0 0 0
Ejemplo 10:
1 0 2 0 4
0 1 3 0 2
=( )
0 0 0 1 1
0 0 0 0 0
() = 3
Para obtener el rango de una matriz se utiliza las operaciones elementales de fila de una
matriz.
Ejemplo 11:
1 2 6
= (3 1 12 )
14 7 20
A una matriz cuadrada de la representa de la siguiente manera. = ( ) , donde
representa el orden de la matriz.
En una matriz cuadrada hay que destacar un elemento, este es su diagonal principal.
11 12 13 1
21 22 23 2
=( )
1 2 3
Ejemplo 12:
3 5 6
=( 5 1 12)
6 12 0
3 5 6
= ( 5 1 12)
6 12 0
2.13.3 Matriz Antisimtrica
Sea = ( ) , La matriz A se dice que es antisimtrica ssi = .
Ejemplo 13:
0 1 2
= (1 0 3)
2 3 0
0 1 2
= ( 1 0 3)
2 3 0
0 1 2
= (1 0 3)
2 3 0
=
Ejemplo 14:
1 1 2
= (0 2 3)
0 0 1
2.13.5 Matriz Triangular Inferior.
Una matriz = ( ) , es triangular inferior ssi: = 0, < .
Ejemplo 15:
1 0 0
=( 3 2 0)
6 2 1
2.13.6 Matriz Diagonal.
Una matriz = ( ) , es diagonal ssi: = 0 , .
Ejemplo 16:
1 0 0
= (0 2 0 )
0 0 3
2.13.7 Matriz Escalar.
Una matriz = ( ) , es escalar si es diagonal, en los cuales los elementos de la matriz
diagonal son los mismos. = = = 0 .
Ejemplo 17:
3 0 0
= ( 0 3 0 ) , = 3
0 0 3
2.13.8 Matriz Identidad ( ).
Una matriz = ( ) se denomina identidad si cumple las siguientes
condiciones: , = 1
Las matrices siguientes son matrices elementales pues todas ellas se obtuvieron a partir de
la matriz 3 por medio de la nica operacin elemental de fila:
2 3 , 1 23 32 , respectivamente.
Ejemplo 19:
1 0 0 1 0 2 1 0 0
(0 0 1) , (0 1 0 ) (0 3 0)
0 1 0 0 0 1 0 0 1
Ejemplo 20:
0 0 0
= (0 0 0)
0 0 0
2.13.11 Matriz Nilpotente.
Una matriz = ( ) es nilpotente de orden r, si existe un r tal que es igual a , donde
r es el menor entero positivo que cumple con la condicin.
Ejemplo 21:.
0 3 0
= (0 0 0)
0 4 0
0 0 0
2 = (0 0 0)
0 0 0
Ejemplo 22:
0 0
=( )
1 1
0 0
2 = ( )
1 1
Ejemplo 23:
0 1
=( )
1 0
1 0
2 = ( )
0 1
Ejemplo 24:
sin cos
=( )
cos sin
Las matrices ortogonales de orden 2 son de la forma:
=( ) 0 =( )
Para = 1
1 0 1 0
1 = ( )=( )
1 1 1 1
Para =
1 0
= ( )
1
Para encontrar = + 1
1 0 1 0
= ( )( )
1 1 1
1 0 1 0
+1 = ( )=( )
1 1 ( + 1) 1
1 0
Por lo tanto queda demostrado por induccin que: = ( )
1
El segundo mtodo para encontrar la potencia n-esima de una matriz est condicionado a
encontrar una matriz B nilpotente as por ejemplo:
1 0 1 0
=( )1( ) ; = 1
1 1 0 1
0 0
=( )
1 0
La matriz A deber tener los mismos elementos en su diagonal principal caso contrario no
se podr encontrar la matriz nilpotente.
0 0
2 = ( )
0 0
Para este caso la matriz B es nilpotente de orden de nilpotencia igual a 2. Por lo tanto la
matriz A se le puede reescribir de la siguiente manera:
= +
= (+ )
= ( ) ( )0 0 + ( ) ( )1 + ( ) ( )2 2 + + ( ) ( )0
0 1 2
0 0 0 0
Como 2 = ( ), todos los dems trminos de la sumatoria sern ( ) , por lo tanto
0 0 0 0
los trminos a desarrollar queda:
= ( ) ( ) 0 + ( ) ( )1
0 1
= ( ) ( ) + ( ) ( )1
0 1
! !
= +1 + 1
0! ( 0)! 1! ( 1)!
Recordemos que: = , 0! = 1
! !
= + 1
! ( 1)!
( 1)! 1
= +
( 1)!
= + 1
1 0 0 0
= ( ) + 1 ( )
0 1 1 0
0 0 0
= ( )+( )
0 1 0
0
= ( )
1
Como = 1
1 0
= ( )
1
2.14.1 Potencia de una Matriz con Scilab
Para obtener la potencia de una matriz se definir la matriz y se le elevara a la potencia
correspondiente, as por ejemplo:
-->A=[1 0;-1 1]
A =
1. 0.
- 1. 1.
-->A^2
ans =
1. 0.
- 2. 1.
-->A^3
ans =
1. 0.
- 3. 1.
-->A^4
ans =
1. 0.
- 4. 1.
Se puede observar que el nico elemento de la matriz que se altera al encontrar las
deferentes potencias es el elemento 21 , y este elemento coincide con la potencia de la
matriz en ese instante, con lo cual podemos generalizar que la potencia de es:
1 0
= ( )
1
2.15 Inversa de una matriz.
En lgebra lineal, una matriz cuadrada A de orden n se dice que es invertible o inversible
(no singular), si existe otra matriz cuadrada B del mismo orden tal que AB=I, si se cumple
la matriz B es la inversa de A y se representada como 1 , tal que:
1 = 1 =
Una matriz no invertible se dice que es singular o degenerada. Una matriz es singular si
y solo si, su determinante es cero.
1 1 2 1 0 1 0 2 1
2 1 (0 1) 1
2 ( 2)
3 2 3 1
1 2 2 0 1 2
2 1
1 = ( 3 1)
2 2
EJERCICIOS PROPUESTOS.
1. Una fbrica produce dos modelos de lavadoras: A y B, en cada uno de los tamaos
grande, pequeo y mediana. Produce diariamente 400 grandes, 200 pequeas y 50
medianas del tipo A, 300 grandes, 100 pequeas y 30 medianas del tipo B, la del tamao
grande gasta 30 horas de taller y 3 horas de administracin, la del tamao pequeo gasta
20 horas de taller y 2 horas de administracin, la del tamao mediano gasta 15 horas de
taller y 1 hora de administracin, represente la informacin en matrices.
2. Una empresa de muebles fabrica tres modelos de estantera: A,B,C en cada uno de los
tamaos grande y pequeo. produce diariamente 2000 estanteras grandes y 4000
pequeas del tipo A, 5000 grandes y 3000 pequeas del tipo B, 4000 grandes y 6000
pequea del tipo C. Cada estantera grande lleva 20 tornillos y 6 soportes y cada
estantera pequea lleva 12 tornillos y 4 soportes, en cualquiera de los tres modelos,
represente esta informacin en matrices.
3. Ilustrar cada una de las propiedades de las matrices estudiadas con un ejemplo.
1 2 3
10. Si = (1 5 3), Explicar 2 mtodos diferentes como hallar 1 y cual es la inversa.
1 0 8
1 2 3 2
1 3 4
11. Si = ( ) , = (3 5) = ( 1 0), Calcular: B+C; AB; BA; AC;
2 3 1
2 0 1 4
CA; A(3B- 2C ).
0 0 +2
b. = ( )
+2 0 0
0
14. Sea = ( ), donde es un escalar e es la unidad imaginaria, verificar que 2 =
2 2 , obtenga .
16. Demostrar que el producto de dos matrices simtricas es una matriz simtrica, sii las
matrices dadas son conmutativas.
17. Demostrar que el producto de dos matrices antisimtrica es una matriz simtrica si y
slo si, las matrices dadas son conmutativas.
1 1
21. Hallar todas las matrices que conmuten con la matriz: = ( ).
0 1
3. DETERMINANTES.
Histricamente la teora de los determinantes precedi a la teora de matrices, y muchos
resultados familiares de la teora de matrices fueron originalmente formulados en trminos
de determinantes.
11 12
= ( 22 )
21
12
|| = |11 22 | = 11 22 21 12
21
Ejemplo 26:
1 2
Sea = ( ), encontrar su determinante.
3 5
|| = | 1 2| = (1)(5) (3)(2)
3 5
|| = 5 + 6
|| = 11
11 12 13
21 22 23
|| = 31 32 33
11 12 13
21 22 23
|| = 11 22 33 + 21 32 13 + 31 12 23 13 22 31 23 32 11 33 12 21
|| = 11 22 33 + 31 12 23 + 21 32 13 13 22 31 23 32 11 33 12 21
1 3 1
Ejemplo 27: Sea = ( 2 4 5 ), encontrar su determinante.
3 0 2
1 3 1
2 4 5
|| = 3 0 2
1 3 1
2 4 5
|| = (1)(4)(2) + (2)(0)(1) + (3)(3)(5) (1)(4)(3) (5)(0)(1) (2)(3)(2)
|| = 8 + 0 45 12 0 + 12
|| = 53
1. Si = 1, det(11 ) = 11
| | (1)+ | |
= (1)+ | |
1 3 1
= (2 1 2)
0 4 3
|| = (1)+ | |
=1
|| = (1)2+1 21 |3 1
| + (1)2+2 22 |
1 1
| + (1)2+3 23 |
1 3
|
4 3 0 3 0 4
|| = (1)2+1 2 |3 1
| + (1)2+2 (1) |
1 1
| + (1)2+3 2 |
1 3
|
4 3 0 3 0 4
|| = (1)(2)(5) + (1)(1)(3) + (1)(2)(4)
|| = 10 3 8
|| = 21
A =
1. - 2. 4.
- 4. - 1. 5.
1. - 3. 8.
-->det(A)
ans =
- 15.
Sean , ()
1. Para cualquier matriz A, A y su transpuesta tienen el mismo determinante: || = | |
2. Si B se obtiene de A intercambiando dos filas (o columnas) cualquiera entonces: || =
||
3. Si B se obtiene de A sumando un mltiplo de un fila (o columna) a otro fila (o
columna) de A, entonces. || = ||
4. Si la matriz A es triangular (superior o inferior), su determinante es el producto de los
elementos de la diagonal principal.
5. Si A tiene una fila (o columna) de ceros, entonces || = 0
6. Si A tiene dos filas (o columnas) que son iguales, entonces || = 0.
7. Si A tiene dos renglones (o columnas) que son mltiplos entre s, entonces || = 0.
8. Si A es cualquier matriz y es cualquier escalar, entonces || = ||
9. El determinante de un producto de matrices es el producto de los determinantes de los
factores.|| = ||||, |1 2 | = |1 ||2 | | |
10. | | = ||
1 2 1
Ejemplo 28.: Sea = (0 3 2 )
2 1 5
Los cofactores de los nueve elementos de A son:
3 2 0 2 0 3
11 = (1)1+1 | | 12 = (1)1+2 | | 11 = (1)1+3 | |
1 5 2 5 2 1
2 1 1 1 1 2
21 = (1)2+1 | | 22 = (1)2+2 | | 23 = (1)2+3 | |
1 5 2 5 2 1
2 1 1 1 1 2
31 = (1)3+1 | | 32 = (1)3+2 | | 33 = (1)3+3 | |
3 2 0 2 0 3
11 = 17 12 = 4 11 = 6
21 = 11 22 = 7 23 = 3
31 = 1 32 = 2 33 = 3
1
1 = ()
||
17 4 6
De la matriz A ya encontramos su adjunta: () = (11 7 3)
1 2 3
1 17 4 6
1 = (11 7 3)
9
1 2 3
1 17 11 1
1 = ( 4 7 2)
9
6 3 3
17 11 1
9 9
9
4 7 2
1 = 9 9 9
6 3 3
( 9 9 9 )
Se proceder como en el caso de obtener la potencia de una matriz, pero su exponente ser
-1 de tal forma que se obtendr la inversa. As por ejemplo:
A =
1. 0.
- 1. 1.
-->A^-1
ans =
1. 0.
1. 1.
Recordemos que : 1 = 1 =
EJERCICIOS PROPUESTOS.
1. Si | | = 6 , Hallar:
2 2 2 + + +
a) |3 3 3 | = , b) | | =, c)| |=
d) | |=
+ + +
3. Demostrar que : | |=0
1 1 1
1 1 1
4. Demostrar que : | | = ( )( )( ).
2 2 2
+ + +
5. Demostrar que: | 1 1 1 | = |1 1 1|
+1 +1 +1
3 1 0
6. Considere que: = (2 4 3 ), hallar: a. b. 1 c. 1 1
5 4 2
1 +1
7. Para que valores de , la matriz A tiene inversa = ( 1 2 3 )
2 +3 +7
1 0 0 3
2 7 0 6
8. Calcular | |
0 6 3 0
7 3 1 5
3 + 3
9. Calcular | |
3 3 +
1 cos() cos(2)
10. Calcular | cos() cos(2) cos(3)|
cos(2) cos(3) cos(4)
0 4 0 0
1 0 0 0
11. Dada la matriz: = 5 + 3 5 + 2 1 Verificar que |A| en un
2 1 2 1 1
(3 1 3 +1 0 )
polinomio en x y sus races son : -3, -2, -1, 1, 2
2 2
12. Demostrar que | 2 2 | = ( + + )3
2 2
1 ==1
0 =
16. Sea = ( ) tal que = { .Demostrar || = 1
1 <
1 >
1 2 3 4 1
1 0 3 4 1
|1 2 0 4 1 |
a.
| |
1 2 3 4 0
1 2 3 4 ( 1) 0
1 1 0 0 0
1 1 1 0 0
|0 1 1 0 0|
b.
| |
0 0 0 1 1
0 0 0 1 1
11 1 + 12 2 + 13 3 + + 1 = 1
21 1 + 22 2 + 23 3 + + 2 = 2
{
1 1 + 2 2 + 3 3 + + =
En el caso de que las incgnitas sean dos se suelen designar simplemente por en vez
de 1 2 , y en el caso de tres, , , en lugar de 1 , 2 3 pero esto es indiferente a la
hora de resolver el sistema.
Resolver el sistema consiste en calcular las incgnitas para que se cumplan TODAS las
ecuaciones del sistema simultneamente. Diremos que dos sistemas son equivalentes
cuando tienen las mismas soluciones.
11 12 13 1
21 22 23 2
=( )
1 2 3
1 1
2 2
=( ) =( )
Donde:
a. A, es la matriz de los coeficientes.
b. X, es la matriz de las incgnitas
c. B, es la matriz del trmino independiente.
11 12 13 1 1
22 23 2 2
(|) = ( 21 )
1 2 3 1
se llama matriz ampliada del sistema y se representar por (|) o b ien por A
= (1 , 2 , 3 , , )
Para que sea solucin se debe cumplir que:
( )
{ ( )
( ) {
( )
Reduccin
Igualacin
Sustitucin
Grfico.
En este tipo de sistemas tenemos tres incgnitas y los mtodos ms habituales son:
Eliminacin Gaussiana.
Mtodo de Cramer.
Grfico (Interpretacin Geomtrica de las ecuaciones.)
Ejemplo 30:
2 + = 11
3 = 20
4 + 2 + 5 = 8
2 1 1 11
(|) = (1 3 0 20)
4 2 5 8
2. 1. - 1. 11.
1. - 3. 0. -20.
4. 2. 5. 8.
-->A(1,:)=0.5*A(1,:)
A =
1. 0.5 - 0.5 5.5
1. - 3. 0. -20.
4. 2. 5. 8.
-->A(2,:)=A(2,:)-A(1,:)
A =
1. 0.5 - 0.5 5.5
0. - 3.5 0.5 - 25.5
4. 2. 5. 8.
-->A(3,:)=A(3,:)-4*A(1,:)
A =
1. 0.5 - 0.5 5.5
0. - 3.5 0.5 25.5
0. 0. 7. - 14.
->A(3,:)=(1/7)*A(3,:)
A =
1. 0.5 - 0.5 5.5
0. - 3.5 0.5 - 25.5
0. 0. 1. - 2.
1 1 5
+ =
2 2 2
7 1 29
+ =
2 2 2
= 2
Por lo tanto la variable z=-2, para encontrar el valor de la variable y se deber remplazar
este valor en la ecuacin superior, con estos valores de z e y se puede encontrar el valor de
x. La solucin es (1,7,2).
Teorema: Sea el sistema lineal de m ecuaciones con incgnitas cuya representacin
matricial es = .
Si, adems, r < n, el sistema tiene nmero infinito de soluciones con n r parmetros.
En este caso se puede observar que el rango de la matriz es 2, por lo tanto el sistema tendr
infinitas soluciones que se obtienen de la siguiente manera:
3
=
5
3
+ = 5
5
2
=5+
5
Una de las infinitas soluciones se obtiene dando valores a la variable "", entonces para
= 1, tendremos:
27 3
= , = , =1
5 5
4.7.2 Mtodo de Cramer.
Utilizando Scilab :
Ejemplo 31.:
Dado el siguiente sistema de ecuaciones lineales:
( +1) + + = 1
{ + ( +1) + = 1
+ + ( +1) = 1
Bastar con analizar una de las incgnitas, para este caso analizaremos en la incgnita x.
1 1 1
|1 +1 1 |
1 1 +1 2
= = 3
+1 1 1 + 3 2
| 1 +1 1 |
1 1 +1
2 2
= 3 =
+ 3 2 2 ( +3)
0
Si = 0|, entonces = 0, por lo tanto el sistema tendra infinitas soluciones.
9
Si = 3, entonces = 0 sistema no tiene solucin
Si 0 3 el sistema tiene nica solucin.
Utilizando Scilab.
Hay algunas formas de graficar planos en Scilab, una de las ms sencillas est expuesta de
la siguiente manera:
1. Lo primero que tendremos que hacer es despejar la variable y de cada una de las
ecuaciones dadas. Para nuestro caso especfico tendremos:
= 11 2 +
20
=
3
8 4 5
=
2
2. Lugo escribimos los comando en Scilab de esta forma:
[x,z]=meshgrid(-10:0.4:10);//Definimos el rango de x y z
y1=11-2*x+z;//definimos la primera ecuacin.
mesh(x,y1,z,'Edgecolor','red')//comando utilizado para
graficar,'red' indica que el plano tomara el color rojo.
y2=(x-20)/3;//segunda ecuacin
mesh(x,y2,z,'Edgecolor','yellow')//plano color amarillo
y3=(8-4*x-5*z)/2;
mesh(x,y3,z,'Edgecolor','blue')
xtitle("Solucin Grfica de un S.E.L","x","y","z")//Ttulo del
grfico
xgrid()
3. El resultado es la interseccin de los planos, en el grfico se observa que los tres planos
se intersecan en un solo punto.
Figura 1. - Interpretacin Geomtrica de la solucin de un sistema de ecuaciones lineales
de tres ecuaciones con tres incgnitas
4. Con el mouse se le puede girar la figura para poder apreciar de una mejor manera el
resultado del sistema de ecuaciones lineales.
5. Los tres planos no se cortan en un solo punto, se puede observar que el plano de
color rojo y de color amarillo no se cortan, es decir los planos pueden cortarse de dos
en dos por lo tanto el sistema no tendra solucin.
EJERECICIOS PROPUESTOS.
2 + 3 = 1
4 + 2 + = 3
i. {
2 + + 4 = 4
10 5 6 = 10
2 3 + 4 = 3
+ 2 + 2 = 1
ii. {
3 + 2 3 = 4
3 + 7 = 4
++ =1
+ =0
iii. {
+ =1
+ 3 = 0
+ 3 = 1
2 + 2 = 1
iv. {
++ =3
+ 2 3 = 1
2 + 3 = 3
3 + 5 = 0
v. {
4 + = 3
+ 3 13 = 6
+ 3 + 2 = 0
2 + 3 = 0
vi. {
3 5 + 4 = 0
+ 17 + 4 = 0
++++ =7
3 + 2 + + 3 = 2
vii. {
+ 2 + 2 + 6 = 23
5 + 4 + 3 + 3 = 12
31 22 + 43 = 2
1 + 32 63 = 8
21 2 23 = 0
Hallar 1 ; 2 ; 3
+ =1
a. { + 3+ = 3
2
+ + 3 = 2
+ 2+= 1
b. {
2+ + 8 = 3
+ + = 2
c. { 3 + 4 + 2 =
2 + 3 3 = 1
+ = 2
d. { 2 + = 3
+ + (2 5) =
+ 2 = +1
e. { + = 1
3 + + =
( +1) + + = 1
f. { + ( +1) + = 1
( +3) + (2 +4) + (1) = 2
Sea , y
1. +
2. + =+
3. + ( + ) = ( + ) +
4. +=
5. + () =
6.
7. ( + ) = +
8. ( + ) = +
9. () = ()
10. 1 =
i. ( + )() = ( + )()
ii. ( + )() = ( + )()
iii. ( + )() = () + () .
iv. ( + )() = () + ()
v. ( + )() = ( + )()
Sean ,
= (1 , 2 , , ) = (1 , 2 , , ) = (1 , 2 , , )
+ ( + ) = ( + ) +
i. + ( + ) = + ( + )
ii. + ( + ) = (1 , 2 , , ) + (1 + 1 , 2 + 1 , , + )
iii. + ( + ) = (1 , 2 , , ) + (1 , 2 , , ) + (1 , 2 , , )
iv. + ( + ) = (1 + 1 , 2 + 2 , , + ) + (1 , 2 , , )
v. + ( + ) = ( + ) +
Ejemplos 34: Demostrar el axioma del producto de un escalar por la suma de vectores
en el espacio vectorial de los polinomios de grado n con coeficientes reales
[ () + ()] = ()+ ()
i. ()+ () = ()+ ()
ii. ()+ () = (0 + 1 + + )+ (0 + 1 + + )
iii. ()+ () = 0 + 1 + + + 0 + 1 + +
iv. ()+ () = 0 + 0 + 1 + 1 + + +
v. ()+ () = (0 + 0 ) + (1 + 1 ) + + ( + )
vi. ()+ () = [(0 + 0 ) + (1 + 1 ) + + ( + )]
vii. ()+ () = [(0 +1 + + ) + ( 0 + 1 + + )]
viii. ()+ () = ( () + ())
+ ; , ,
S es subespacio vectorial de {
;
Ejemplos 35:
Determinar si el conjunto = {(, ) 2 : 2 = 0} es un subespacio de 2
Sean: ; = (1 , 21 ) = (2 , 22 )
1. +
i. + = + Axioma reflexivo
ii. + = (1 , 21 ) + (2 , 22 ) Definicin de vectores
iii. + = (1 + 2 , 21 + 22 ) Defi. Suma de Vectores
iv. + = (1 + 2 , 2(1 , +2 )) Axi. Recolectivo dela suma de R
v. + = (, 2)
2. .
i. = Axioma reflexivo
ii. = (1 , 21 ) Definicin de vector
iii. = (1 , 21 ) Definicin de producto por escalar.
iv. = (1 , 21 ) Axioma conmutativo del producto de R
v. = (, 2)
Lo que se acaba de probar es que: si tomamos dos puntos sobre la recta que representa el
conjunto W y lo sumamos, debe caer en el mismo conjunto W, para este caso en en la
misma recta, de igual forma si multiplicamos un escalar por un punto que pertenezca a la
recta, el resultado deber caer en la misma recta..
= (21 1 , 1 , 1 ) = (22 2 , 2 , 2 )
+ 1
+ =+
+ = (21 1 , 1 , 1 ) + (22 2 , 2 , 2 ) Definicin de vectores
+ = (21 1 + 22 2 , 1 +2 , 1 + 2 ) Definicin suma de vectores
+ = (21 + 22 1 2 , 1 +2 , 1 + 2 ) Axi. conmutativo de suma de
+ = [(2(1 + 2 ) (1 2 ), ( 1 +2 ), ( 1 + 2 )] Axioma recolectivo
+ = (2 , , )
1
=
= (21 1 , 1 , 1 ) Axioma reflexivo
= (2 1 1 , 1 , 1 ) Definicin suma de vectores
= (2 , , ) L.Q.Q.D.
Se puede observar que el conjunto cumple con las dos propiedades, por lo tanto el
conjunto 1 , es un subespacio vectorial de
b. = { (, , ) : + = }
= {( ) () = }
+ =+ Axioma reflexivo
1 1 2 2
+ = ( ) + ( ) Definicin de matrices
1 1 2 2
+ 2 1 + 2
+ =( 1 ) Definicin de suma de R
1 + 2 1 + 2
+ =( )
= Axioma reflexivo
1 1
= ( ) Definicin de matriz
1 1
1 1
= ( ) Definicin de producto por escal
1 1
= ( )
i. ( )() = ( )() Axioma reflexivo
ii. ( )() = ( ) Producto de un escalar por una funcin
v. ( )() = ( ) Definicin de funcin par
iii. ( )() = ()
Para determinar un subespacio vectorial se debe determinar que dicho conjunto cumpla con
las siguientes condiciones:
Sea S un subconjunto de 3 y ,
Ejemplo 40: Determinar si los siguientes conjuntos pueden ser considerados subespacios
vectoriales:
= {(, , ) 3 : + 2 = 0}; . . 3
3. Una vez que abramos el programa, aparecer una nueva ventana donde est el cdigo
fuente de este programa, en esta ventana compilamos, este comando se encuentra en
la parte superior tal como se indica en la figura:
-->interfaz
Grfico 34 - Llamando al programa interfaz a la ventana de ejecucin.
En esta ventana por default nos saldr una condicin de un conjunto, sta nos muestra como
debemos introducir nuestras condiciones de los conjuntos a hacer analizados.
Tambin se genera un punto aleatorio, que sirve nicamente para comprobar si este punto
pertenece o no al plano dibujado.
Punto cualquiera, que se le utiliza para verificar si pertenece ste punto o no al plano
generado (es decir si el punto cumple o no con la condicin)}
Grafico que representa la condicin del conjunto, el punto amarillo representa el origen
punto (0,0,0) y el punto rosa representa el punto P aleatorio.
= {(, , ) 3 : + 2 = 0}
Como conclusin se puede observar que los puntos generados caen en el conjunto W, por
lo tanto este conjunto W es un subespacio vectorial de 3 .
Ejercicios Propuestos
1. En el e.v ( 2 , , +,)
a. Enuncie y compruebe la propiedad conmutativa de la suma.
b. Enuncie y compruebe la propiedad asociativa del producto por escalar
2. En el e.v ( 3 , , +,)
a. Enuncie y compruebe la propiedad asociativa de la suma.
b. Enuncie y compruebe las propiedades distributivas del producto por escalar.
5. Cules de los siguientes conjuntos son s.e.v del e.v 3 sobre el campo de R?
(Justifique su respuesta)
a. 1 = {(, , ) 3 + }
b. 2 = {(, , ) 3 || = | + |}
1 1
c. 3 = {(, , ) / || = 0} donde = (1 2 )
1 2
6. Cules de los siguientes conjuntos son s.e.v del e.v de las matrices sobre el campo
de los R? (Justificar)
a. 1 = { 2|| = 0}
b. 2 = { ( ) = 0}
c. 3 = { }
d. 4 = { = }
e. 5 = { }
f. 6 = { = 0}
=1 = 1 1 +2 2 + , , + ;
Diremos que u es una combinacin lineal del conjunto A, si existen los de la siguiente
igualdad:
= 1 1 +2 2 +, , + ,
3 2 + 1 = ( 2 1) + ( + 5) + (2 2 + 3)
3 2 + 1 = 2 + + 5 + 2 2 + 3
3 2 + 1 = 2 + 2 2 + + 3 +5
3 2 + 1 = 2 ( + 2) + ( + 3) + ( +5)
El sistema a resolver es:
+ 2 = 3
+ 3 = 1
- + 5 = 1
57 14 9
= ;= ;=
13 13 13
Como existe solucin, el 2 (), es una combinacin lineal del conjunto A
Ejemplos 41: Determinar el valor de a para que el vector sea combinacin lineal de
1 2 :
= (, 0, 0); 1 = (0, 1, 1); 2 = (1, 1, 1)
(, 0,0) = (0, , ) + (, , )
=0+ =
0= 0=
0=+ 0=+
0 1 0 1 0 1 0 1 0 1
1
(1 1|0) 3 2 (1 1| 0 ) 3 (1 1|0) 2 + 3 (1 0|0) 3 1 (1 0| 0 )
2
1 10 0 2 0 0 1 0 0 10 0 0
Para que el sistema tenga solucin = 0, por lo tanto para que el vector sea
combinacin lineal de 1 2 , = .
-->interfaz2
Grfico 39 - Pantalla de inicio del programa interfaz2
Al iniciar el programa ste tiene unos vectores por default, estos vectores son linealmente
dependientes, y esto se observa en el grfico.
De esto se puede decir que todo vector en V es una combinacin lineal de un conjunto finito
de vectores de V.
< >= { =1 = 1 1 + 2 2 + + ; , }
= {1 + , 1 + 2 , 1 + 3 } 3 ()
(1 + ) + (1 + 2 ) + (1 + 3 ) = 0 + 1 + 2 2 + 3 3
+ + + 2 + + 3 = 0 + 1 + 2 2 + 3 3
( + + ) + () + 2 () + 3 () = 0 + 1 + 2 2 + 3 3
+ + = 0
= 1
= 2
= 3
1 1 1 0 1 1 1 0 1 1 1 0
(1 0 0|1 ) ( 0 1 1 |1 0 ) + (0 1 1| 1 0 )
2 1 3 2
0 1 0 2 0 1 0 2 0 0 1 2 + 1 0
0 0 1 3 0 0 1 3 0 0 0 3
1 1 1 0
0
4 + 3 (0 1 1| +
1
)
0 0 1 2 1 0
0 0 0 3 + 2 + 1 + 0
= {0 + 1 + 2 2 + 3 3 3 () 3 + 2 + 1 0 = 0}
1 1 2 3
Ejemplo 43: Encontrar la cpsula del siguiente conjunto: = {( ),( )}
2 3 1 0
1 1 2 3
( )+( )=( )
2 3 1 0
2 3
( )+( )=( )
2 3 0
El Sistema a resolver es:
+ 2 = 3 =
2 + = 3 =
1 2 + 1 2 1 2 1 2
2 1
+ +
(1 3| ) 3 21 (0 1| ) (1)2 (0 1 | ) 3 2
(0 1| )
2 1 3 0 3 2 0 3 2 4 + 62 0 0 5 3 +
3 0 3 1 0 6 3 0 6 3 0 0 9 6 +
5 3 + = 0
Por lo tanto su cpsula es: {
9 6 + = 0
El espacio generado se le puede representar como:
= {( ) : 22 5 3 + = 0; 9 6 + = 0}
= {1 + 2 3 2 , 2 + 3 + 2 , 5 2 } 2 ()
(1 + 2 3 2 ) + (2 + 3 + 2 ) + ( 5 2 ) = 0
+2 3 2 2 + 3 + 2 + 5 2 = 0
1 2 0
=( 2 3 1 ); Matriz de los coeficientes.
3 1 5
0 2 0
|0 3 1|
0
= 0 1 5 = =0
1 2 0 30
|2 3 1|
3 1 5
0
=
30
= 0
0
=
30
=0
0
=
30
=0
Al aplicar el mtodo de Cramer en la resolucin del sistema se puede observar que, basta
con analizar el determinante de la matriz de los coeficientes, ya que el determinante del
numerador siempre ser igual a cero debido a que siempre tendr una columna nula. Por lo
tanto se puede concluir que:
|| = 0,
|| 0,
Ejemplo 45: Sea 2 (). Determinar el valor de a para que el conjunto sea
linealmente independiente.
= {1 + + 2 ; 1 + 2 ; (1 + ) + }
(1 + + 2 ) + (1 + 2 ) + ((1 + ) + ) = 0
+ (1 + ) = 0
+ =0
+ = 0
1 1 1 +
= | 0 1 | = (1 + ) 1 1
1 1 0
= + 2 2 = 0
= ( + 2)( 1) = 0
= = 2
==1
. . {2,1}
. . = 2; = 1
Wronskiano: Sean 1 , 2 , . . . , funciones reales 1 veces diferenciables.
El Wronskiano de estas funciones es la funcin con dominio de la interseccin de los
dominios de todas las definida por:
1 () 2 () ()
1 () 2 () ()
() = | |
11 () 21 () 21 ()
1 () 2 () ()
() 2 () ()
| 1 | = 0; El conjunto es L.D.
11 () 21 () 21 ()
1 () 2 () ()
1 () 2 () ()
| | 0; El Conjunto es L.I.
11 () 21 () 21 ()
Aplicando el Wronskiano:
cos
sen
| |=0
cos
Como tenemos dos filas iguales eso significa que el determinante es 0; por lo tanto el
conjunto dado es Linealmente Dependiente.
1. B es Linealmente Independiente.
2. < > B genera Espacio Vectorial.
5.7.2 Dimensin:
La dimensin de un espacio vectorial, es el nmero de vectores que posee las bases del
espacio vectorial.
2 = {(1,0); (0,1)}
2() = {1, , 2 }
1 0 0 1 0 0 0 0
()2 = {( );( );( );( )}
0 0 0 0 0 1 0 1
Ejemplo 47: Determinar una base del siguiente espacio vectorial.
+ 3 = 0
= {( ) (2 ): }
2 + + = 0
Para pertenecer al espacio W, las matrices debern cumplir con estas condiciones:
+ 3 = 0
{
2 + + = 0
Para encontrar la base se debe resolver el sistema formado por las condiciones de
anteriormente expuestas:
1 1 3 0 0 1 1 3 0 0
( | ) 21 ( | )
2 1 1 1 0 2 0 3 7 1 0
+ 3 =0
3 7 + = 0
Como, en el sitema escalonado se tiene mas incgnitas que ecuaciones, el Sistema tiene
infinitas soluciones, las cuales , para este caso, quedaran en funcin de
= 3
= 3 + 7
1 1 3 0
= {( )( )}
0 3 1 7
La dimensin del espacio W es 2
+ ( + 3) + 2
(1 + ) + ( 2 + 3)
2 () = {1 + ; 3 + 2 }
cos
sen
| |=0
cos
EJERCICIOS RESUELTOS:
1. Dado el conjunto = ((1, 2), (3, 6)). Hallar: < >. El vector (2,3)
pertenece a < > ?
(, ) = (1, 2) + (1, 2)
+ =
{
2 2 =
1 1 1 1
( )= ( )
2 2 2 + 21 0 0 + 2
+ 2 = 0
+ 2 = 0; (2,3)
3 + 2(2) = 0
70
El vector (, ) no pertenece al subespacio generado por los vectores
(, ), (, ).
2. Sea = (1 + 2 , 2 + 3 2 , 1 + 3 + 2 , 1 + 2 ) un subconjunto del espacio
vactorial 2 (). Hallar el subespacio vectorial generado por , adems determinar una
base.
+ + 2 = (1 + 2 ) + (2 + 3 2 ) + (1 + 3 + 2 ) + (1 + 2)
+ + 2 = ( + 2 + + ) + ( + + 3 + 2) + ( 3 + ) 2
+ 2 + + =
{ + + 3 + 2 =
3 + =
1 2 1 1 1 2 1 1 1 2 1 1
(1 1 3 2 ) = 2 1 (0 1 2 1 ) = (0 1 2 1 )
1 3 1 0 3 + 1 0 1 2 1 + 3 2 0 0 0 0 2 +
() = { + + (): + = }
= 2 +
() = { + (2 + ) + 2 }
() = { + 2, + 2 }
() = { + , + }
1 0 0 1 0 0 1 0 0
(0 2 2 ) = (0 2 2 )= (0 2 2 )
1 2 2 3 + 1 0 2 2 + 3 + 2 0 0 0 ++
+ + = 0; (1,1, 2)
1+12 = 0
0=0
El vector (, , ) pertenece al subespacio generado por los tres vectores.
+ + 2 = (1 + 2 ) + (3 4 2 ) + (1 2 + 3 2 )
+ + 2 = ( + ) + ( + 3 2) + ( 4 + 3) 2
+ =
{ + 3 2 =
4 + 3 =
1 0 1 1 0 1 1 0 1
(1 3 2 ) = 2 1 (0 3 3 ) = 1/32 (0 1 1 ( )/3)
1 4 3 3 + 1 0 4 4 + 1/43 0 1 1 ( + )/4
1 0 1
= (0 1 1 ( )/3 )
3 + 2 0 0 0 ( + 4 + 3)/12
() = { + + (): + + = }
= 4 + 3
() = {4 + 3 + + 2 }
() = {4 + , 3 + 2 }
() = { + , + }
(0) = + 2(0) =
(0) = (1)
=+
2 + = 0
= { + + 2 2 ()/ 2 + = 0}
= 2
= {2 + + 2 }
= {2 + , + 2 }
= { + , + }
1 1 2 0 0 1 1 2 0 0
1 1 0 1 0 2 + 1 0 0 2 1 0
( )= ( )
2 0 1 0 0 3 + 21 0 2 3 0 0
3 2 1 1 0 4 31 0 1 5 1 0
1 1 2 0 0
0 1 5 1 0
= ( )
0 2 3 0 0
0 0 2 1 0
1 1 2 0 0 1 1 2 0 0
0 1 5 1 0 0 1 5 1 0
= ( )= ( )
3 + 22 0 0 7 2 0 0 0 7 2 0
0 0 2 1 0 74 + 23 0 0 0 11 0
1 1 2 0 0 1 1 2 0 0
0 1 5 1 0 2 4 0 1 5 0 0
= ( )= ( )
0 0 7 2 0 3 24 0 0 7 0 0
1/114 0 0 0 1 0 0 0 0 1 0
1 1 2 0 0 1 + 23 1 1 0 0 0
0 1 5 0 0 2 53 0 1 0 0 0
= ( )= ( )
1/73 0 0 1 0 0 0 0 1 0 0
0 0 0 1 0 0 0 0 1 0
1 + 22 1 0 0 0 0
2 0 1 0 0 0
( )
0 0 1 0 0
0 0 0 1 0
b. = {1,2 2 , 2 2 }
1 2 2 2 2 2
| 0 4 2 | = |4 2 2 2 + 2 2 2
2 + 2 2 2
2 |
8 2 + 8 2 + 4 2 2
2
0 8 2 2 2 + 8 2 + 4 2 2
2
= (1) |4 2 2 + 2 2 2 | = 4 2 (2 2 + 4 2 )
2 21 0 2 2 + 4 2
= 8 4 (1 + 2)
7. Sea = ( 1 + 2 2 , 1 + + 2 , 2 4 + ( 2 + ) 2 ). El campo R.
+ + 2 = (1 + 2 2 ) + (1 + + 2 ) + (2 4 + ( 2 + ) 2 )
+ + 2 = ( 2) + (2 + 4) + ( + + ( 2 + )) 2
1 1 2
(2 4 )
1 ( 2 + )
1 1 2 1 1 2
|2 4 | = 2 21 |0 + 2 0 |
1 ( 2 + ) 3 + 1 0 1 ( 2 + 2)
+2 0
= | |
1 ( 2 + 2)
Con = 2 y = 0
1 1 2 1 1 2
( 2 2 4 ) = 2 21 ( 0 0 0 2)
1 0 2 3 + 1 1 0 2
1 1 2
= (1 0 2 )
0 0 0 2
Con = 1 y = 1
1 1 2 1 1 2
(2 1 4 ) = 2 21 (0 3 0 2)
1 1 2 3 + 1 0 0 0
Con = 2 y = 0
< >= { + + ()/ = }
Con = 1 y = 1
< >= { + + ()/ = }
=0 + = 0
= =+
= (
1 1
1 +1
) = (
2 2
2 +2
)
1 1 2 2
. 0 = (0)
Como: 2 + = 0
2(0) + (0) 0 = 0
0=0
. + = +
= (
1 1
1 +1
) + (
2 2
2 +2
)
1 1 2 2
= (1
1
1 +1
) + (
2 2
2 +2
)
1 1 2 2
1 +2 1 +2
= (( )
+ )( + ) ( + )+( + )
+ . .
() = {( ) }
+
0 0
() = {( ) ,( )}
() = {( ) ,( )}
() =
2 = 0 ; = 2
+ 2 = 0
2 + 2 = 0
+ 2 = 0; = /2
() = {( 2 , /2 , ) }
() = {( , / , ) }
() =
5.8.1 Interseccin:
1 2 = { 1 2 }
TEOREMA: Sea (, , +,) un espacio vectorial cualquiera con 1 y 2 subespacios
vectoriales de , la interseccin 1 2 , es otro subespacio vectorial del mismo espacio
vectorial
5.8.2 Suma:
Dados un espacio vectorial(, , +,) , y dos subespacios suyos 1 y 2 , se denominan
suma de dichos subespacios, y se representa por 1 + 2 , al conjunto de todos los vectores
de que pueden expresarse como suma de un vector de 1 y otro de 2 .
1 + 2 = { + = , 1 2 }
Notas:
1 2 = { : (! 1 )(! 2 ): = + }
Notas:
= {(, , , ) 3 ; 2 + = 0}
= {(, , , ) 3 ; + + 3 = 0}
i.
ii. +
iii.
iv.
Utilizamos la condicin de cada uno de los subespacios para encontrar la
interseccin
2 + = 0
+ 5 = 0
1 2 1 0 1 2 1 0
( ) 2 1 ( )
1 1 5 0 0 3 6 0
Sistema escalonado
2 + = 0
3 6 = 0
6
=
3
= 2
= 2
= 2(2)
= 3
La solucin general del sistema es en (, , ) , por lo tanto el resultado es
(3, 2, ).
= {(, , ) 3 : 3 = 0 2 = 0}
Una base de la interseccin:
= {(3,2,1)}
i. +
Para encontrar la suma se necesitan las bases de cada uno de los subespacios:
Base del subespacio S:
= 2 +
= 2
(2 , , )
= {(2,1,0); (1,0,1)}
= + 5
= + 5
( + 5, , )
= {(1,1,0); (5,0,1)}
Para obtener la suma:
2 1 0
1 0 1
+ =( )
1 1 0
5 0 1
Para hallar una base de los espacios de 1 , 2 se realiza los siguientes clculos:
Primeramente hallar una base para 1
1 = {( ) , } = {( ) , = , = }
Ahora bien, como:
0 0 1 0 0 1
( )=( )+( )= ( )+( )
0 0 0 1 1 0
1 0 0 1
1 = {( ),( )}
0 1 1 0
Ahora hallar una base para 2:
2 = { ( ) , , } = {( ) , , = }
Ahora bien, como:
0 0 0 0 1 0 0 1
( )=( ) +( )+( ) = ( )+( )+
0 0 0 0 0 1 0 0
0 0
( )
1 0
dim( ) = 0, = {0}
1 0 0 1 1 1
1 = {( ) / = = } y 2 = {( ),( ),( )} del
0 1 1 1 1 2
e.v. (2 (), , + , ). Hallar:
1 0 0 1 1 1
( ) = ( )+( )+( )
0 1 1 1 1 2
1 0 1 1 0 1 1 0 1
(0 1 1 ) = (0 1 1 )= 0
3 2 (
1 1
)
0 1 1 0 1 1
1 1 2 4 1 0 1 3 4 + 2 0 0 2 +
=0
2 = {( ) / = 0}
= 0
{ =0
=0
1 1 1 0 1 1 1 0
( 1 1 0 0) = (1 1 0 0)
1 1 0 0 3 + 2 0 0 0 0
=
= 0; =0
1 2 = {( )/ = = 0 }
(1 2 ) = {( )}
0
0 0
(1 2 ) = {( ),( )}
0 0 0
( ) = {( ),( )}
1 = {( ) / = = }
=
=0
(1 ) = {( )}
0
0 0
(1 ) = {( ),( )}
0 0 0
1 0 0 1
(1 ) = {( ),( )}
0 0 1 0
1 0 0 1 1 0 0 1 1 0 0 1
0 1 1 1 0 1 1 1 0 1 1 1
1 1 1 2 = 3 + 1 0 1 1 3 = 3 + 2 0 0 0 2
1 0 0 0 4 1 0 0 0 1 0 0 0 1
(0 1 1 0) (0 1 1 0 ) 5 2 (0 0 0 1)
1 0 0 1 1 3 1 0 0 0
0 1 1 1 2 + 1 0 1 1 0
= 1/23 0 0 0 1 = 0 0 0 1
24 + 3 0 0 0 0 0 0 0 0
25 3 (0 0 0 0) (0 0 0 0)
( + ) = {( ),( ),( )}
(1 + 2 ) = (1 ) + (2 ) (1 2 )
(3) = (2) + (3) (2)
() = ()
EJERCICIOS PROPUESTOS.
1. Exprese (-2,-8,-6) como combinacin lineal de (1,-1,1) y(2,3,4)
2. Dado el conjunto = {(1, 2), (3,6)}. Hallar
3. Dado el conjunto = {(1, 1,1), (8,1, 4), (2, 1,2)}. Hallar
4. Dado el conjunto = {(1,1), (2, 3)}. Hallar
5. Dado el conjunto = {(2,1, 4)}. Hallar
6. Dado el conjunto = {1 + 2 , 3 4 2 , 1 2 + 3 2 }. Hallar
3 ()
7. Dado el s.e.v. = {
} del e.v. 3 (). Determinar un
conjunto generador de W.
8. Dado el s.e.v. = { 2 ()/ (0) = (1)} dl e.v. 2 () sobre R Determinar un
conjunto generador de W.
9. Analizar la dependencia o independencia lineal de los siguientes conjuntos. En caso
de ser linealmente dependiente, hallar una relacin de dependencia.
a. = {(1 , 1 , 2 , 3), (1 , 1 , 0 , 2), (2 , 0 , 1 , 1), (0 , 1 , 0 , 1)}
1 1 1 0 1 2
b. = {( ),( ),( )}
1 1 0 2 1 3
c. = {1, 3} sobre el e.v. ( , + , )
d. = {1, 3} sobre el e.v. ( , + , )
e. = {1, (2), cos(2)}
f. = {1, sen2 (x), cos 2 (x)}
g. = {1,2e2x , x 2 e2x }
3 1 1
24. Dada la matriz A= (0 3 2) .Determinar s.e.v. de menor dimensin de
0 0 3
(3 (), +, )que contiene a todas las matrices I, A, 2 ,..., ,....Dar una base y diga
su dimension.
25. Sea W= {p(x) P[x]/p(x)=a+bx-bx+(2-b)x,a,b R} un s.e.v. de P[x]
a. Calcular una base B para W y diga la dimensin de W
b. Dar una base e.v. P[x] tal que contenga la base B
26. Sea W, W2 dos s.e.v. de R4 y {e1,e2,e3,e4} La base cannica de R4. Sea 1 =<
{1 + 2 , 1 4 } >, 2 =< {2 + 1 , 3 + 4 } >. Determinar W+W2 y diga su
dimensin.
27. Sea el e.v. (2 [], , +, ). Sea 1 = {() 2 []/() = ( + 1)}. un s.e.v. de
2 []. Determinar un s.e.v. 2 2 [] 2 [] = 1 2
6. ESPACIOS EUCLDEOS:
En matemticas, un espacio con producto interior es un espacio vectorial con una operacin
adicional, el producto interno (tambin llamada producto escalar o producto punto). Los
espacios vectoriales con producto interno generalizan el concepto de Espacio Euclidiano
(el cual posee el producto escalar como producto interno) y se estudian en anlisis
funcional.
Sean , ;
1. Linealidad: ( + ). = . + .
2. Homogeneidad: . = .
3. Simetra: . = .
4. Positividad: . > ,
i. ( 2 , , +,)
Sean: = (1 , 2 ) = (1 , 2 ); 2
. = 1 . 1 + 2 2
ii. ( 3 , , +,)
Sean: = (1 , 2 , 3 ) = (1 , 2 , 3 ); 3
. = 1 . 1 + 2 2 + 3 3
iii. En general para ( , , +,)
Sean: = (1 , 2 , , ) = (1 , 2 , , );
. = 1 . 1 + 2 2 +, , +
Por lo tanto:
. = . = 1 . 1 + 2 2 +, , +
=1
iv. En general para ( , , +,)
Sean: = (1 , 2 , , ) = (1 , 2 , , );
. = 1 . 1 + 2 2 +, , +
Por lo tanto:
. = . = 1 . 1 + 2 2 +, , +
=1
Para que la expresin dada sea considerada un producto inetrno deber cumplir con los
axiomas anteriormente expuestos:
1. Linealidad: ( + ). = . + .
( + ). = ( + ). Axio. Reflexivo
= < [(1 , 2 ) + (1 , 2 )] . (1 , 2 ) > Def. vectores
= (1 + 1 , 2 + 2 ). (1 , 2 ) Hiptesis
= (1 + 1 ). 1 (2 + 2 ). 1 (1 + 1 ). 2 + 2(2 + 2 ). 2
Hiptesis
= 1 1 + 1 1 2 1 2 1 1 2 1 2 + 22 2 + 22 2
Axio. Distributivo
= (1 1 2 1 1 2 + 22 2 ) + (1 1 2 1 1 2 + 22 2 )
Axio. Asociativo
=< (1 , 2 ). (1 , 2 ) > +< (1 , 2 ). (1 , 2 ) > Hiptesis.
= ( + ).
2. Homogeneidad: . = .
. = . Axio. Reflexivo
= < (1 , 2 ). (1 , 2 ) > Def. vectores
= ( 1 , 2 ). (1 , 2 ) Produc. Por Escalar
= 1 1 2 1 1 2 + 2 2 2 ) Hiptesis
= (1 1 2 1 1 2 + 22 2 ) Axio. Recolectivo
=< (1 , 2 ). (1 , 2 ) >
= .
3. Simetra: : . = .
. = . Axio. Reflexivo
= < (1 , 2 ). (1 , 2 ) > Def. vectores
= 1 1 2 1 1 2 + 22 2 Hiptesis
= 1 1 1 2 2 1 + 22 2 Axio. Conmutativo
=< (1 , 2 ). (1 , 2 ) > Hiptesis
= .
4. Positividad: . > ,
Sea V un Espacio Vectorial cualquiera, este espacio toma el nombre de Espacio Euclideo
si en este espacio se ha definido un producto interno.
= < . >
De esta definicin se ve directamente que el vector nulo es el nico vector cuya longitud
es igual a cero. Un vector de norma 1 se denomina vector unitario.
= < . >
= < (3.4)(3.4) >
= 25
= 5
1 2
Sea = ( ) ; ()2
3 2
= < . >
= (. )
1 2 1 3
= [( ).( )]
3 2 2 2
5 1
= ( )
1 13
= 18
Sea () = [1,2]
() = < . >
2
() = 1 (). ().
2
() = 1 2 .
2
() = 2
,2
1
() = 2 ( 4 2 )
1. 0 Positividad
2. = Homogeneidad
3. + + Desigualdad Triangular
Un espacio vectorial V en el que hay definida una norma se denomina espacio vectorial
normado.
Sean , , la distancia entre los vectores se define de la siguiente manera (para el caso
en que se pueda graficar):
u
u.v
= +
= (1,3) = (2,5) =
= < . >
= < ( ). ( ) >
= < (1 2). (1 2 >
= 5
6.5 Paralelismo
6.6 Perpendicularidad.
Solucin:
a. 5 2
5 2 = (5 2). (5 2)
5 2
= 25 < > 10 < > 10 < > +4 < >
5 2 = 25 < > 20 < > +4 < >
Sabemos que:
= < > ;
Por lo tanto:
2 =< >
< >= 16
2 =< >
< >= 4
b. < 3 5 + 2 >
< 3 5 + 2 >= 5 < > 5 < > 15 < > 2 < >
2 < > 6 < > < > +< >
+3 < >
< 3 5 + 2 >= 6 < > 5 < > 17 < > < >
6 < > < >
Partiendo de:
+ =
( + ) =
+ =
=
=
u p
v v
Como se puede observar en el grfico: cos u u
uv
Se conoce que:
vv
u v
v
vv
Por lo tanto se tiene que: cos
u
v vv
Se conoce que:
2
v vv
u v v
cos
2
v u
u v
cos
v u
u v
Por lo tanto la expresin para calcular el ngulo entre vectores es: cos
v u
1. w1 = u1
n < ui . wi1 >
2. wn = un . wi1
i=1 < wi1 . wi1 >
1 0 0 1 0 1
Ejemplo: Sea B una base del Subespacio Mat(R)2 . B1 = {( )( )( )},
2 1 1 3 2 0
obtener una base ortogonal a partir de esta base.
Aplicando:
1. w1 = u1
n < ui . wi1 >
2. wn = un . wi1
i=1 < wi1 . wi1 >
1 0 0 1 0 1
B = {( )( )( )}
2 1 1 3 2 0
1 0 0 1 0 1
u1 = ( ) ; 2 = ( ) ; 3 = ( )
2 1 1 3 2 0
w1 = u1
1 0
w1 = ( )
2 1
< u1 . w1 >
w2 = u2 w
< w1 . w1 > 1
0 1 1 2
( ).( )
0 1 2 1 1 0 . ( 1 2)
2 = ( )
2 1 1 2 1 2
( ).( ) 1 0
1 0 1 0
0 1
2 = ( )
2 1
<3 .1 > <3 .2 >
3 = 3 <1 .1 >
. 1 <2 .2 >
. 1
3 0 1 2 3 0 0 1
3 0 ( ).( ) 1 2 ( ).( ) 0 1
3 = ( ) 01 22 1 1
0
2 . (1 ) 0 2 2 1
0 1 0 1 . (2 )
0 2 ( ).(
1 0 1 0
) 0 ( ).(
2 1 2 1
) 1
3 0 3 1 2 2 0 1
3 = ( ) ( ) 6( )
0 2 6 1 0 2 1
1 1
3 0 1 0
2 3
3 = ( ) (1 ) (2 1)
0 2 0
2 3 3
5 4
2 3
3 = ( 1 5)
6 3
w1 = u1
w1 = (1,2, 1)
< u2 . w1 >
w2 = u2 .w
< w1 . w1 > 1
(0,1,3)(1,2,1)
w2 = (0,1,3) (1,2,1)(1,2,1) . (1,2, 1)
1
w2 = (0,1,3) + 6
(1,2, 1)
1 1 1
w2 = (0,1,3) + (6 , 3 , 6)
1 4 17
w2 = ( , , )
6 3 6
1 4 17
<(1,0,5).(1,2,1)> <(1,0,5).( , , )>
63 6
w3 = (1,0,5) <(1,2,1).(1,2,1)> . w1 1 4 17 1 4 17 . w2
<( , , ).( , , )>
63 6 63 6
43
4 3 1 4 17
w3 = (1,0,5) . (1,2, 1) 56 .( , , )
6 6 3 6
6
2 4 2 86 344 731
w3 = (1,0,5) ( , , ) ( , , )
3 3 3 354 177 177
16 580 12
w3 = (177 , 177 , 59)
EJERCICIOS PROPUESTOS:
1 0 0 0 y1
0 2 0 0 y2
(/) = (x1 , x2 , x3 , x4 ) ( ) (y ). Demostrar que (/) defien un p.i.
0 0 3 0 3
0 0 0 4 y4
u, v V, K
1. f (u + v) = f(u) + f(v)
2. f ( u) = f(u)
f
V W
u f(u)
v f(v)
u+v f(u+v)
( + ) = () + ()
f R2 R2
f(x, y) = (x + y, x 2y)
Se procede a la comprobacin de los dos axiomas.
Primer axioma f (u + v) = f(u) + f(v)
1 ( + ) = ( + )
2 ( + ) = [(1 , 1 ) + (2 , 2 )]
3 ( + ) = [(1 + 2 ); (1 + 2 )]
4 ( + ) = [1 + 2 + 1 + 2 , 1 + 2 2(1 + 2 )]
5 ( + ) = [1 + 2 + 1 + 2 , 1 21 + 2 22 ]
6 ( + ) = (1 , 1 ) + (2 , 2 )
7 ( + ) = () + ()
Segundo axioma f ( u) = f(u)
1 ( ) = ( )
2 ( ) = [ (1 , 1 )]
3 ( ) = [ 1 , 1 ]
4 ( ) = [ 1 + 1 , 1 2 1 ]
5 ( ) = [ (1 + 1 ), (1 21 ) ]
6 ( ) = [(1 + 1 ), (1 21 ) ]
7 ( ) = [(1 , 1 )]
8 ( ) = ( )
1 ( + ) = [ (1 , 1 ) + (2 , 2 )]
2 ( + ) = [ (1 + 2 ) , (1 + 2 )]
3 ( + ) = [ 1 + 2 + 1 + 2 ]
4 ( + ) = [( 1 + 2 + 1 + 2 ), ( 1 + 2 1 2 )]
5 ( + ) = [ 1 + 1 + 2 + 2 , 1 2 1 + 2 22 ]
6 ( + ) = [ (1 + 2 ) , (1 22 )]
7 ( + ) = [(1 + 1 , 1 21 ) + (2 + 2 , 2 22 )]
8 ( + ) = (1 , 1 ) + (2 , 2 )
9 ( + ) = () + ()
[()()] = [()]
[()()] = [()()
[()()] = [()()]
0
[()] = ()
0
[( )()] = ()
0
( + ) = () + ()
( + ) = ( + ) = ( + ) = () + ()
1 ( + ) = ( + )
1 2
2 ( + ) = {( 1 )+( 2 )}
1 1 2 2
3 ( + ) = (1 + 2 ) (1 + 2 ) + [(1 + 2 ) + (1 + 2 )]
[(1 + 2 ) + (1 + 2 )] 2
4 ( + ) = 1 1 + 2 2 + [(1 + 1 ) + (2 + 2 )]
[(1 + 1 ) 2 (1 + 2 )] 2
1 2
5 ( + ) = [ ( 1 )+( 2 )]
1 1 2 2
6 ( + ) = () + ()
(1,0,0) = (1,1)
(0,0,1) = (0,0)
Sumando los vectores del espacio de partida se tiene: f(1,0,0) + f(0,0,1) = f(1,0,1) y
evaluando este resultado en la funcin dada (, , ) = ( + , + 1) se tiene:
f(1,0,1) = (1,0); mientras que sumando las imgenes de cada una de los vectores de
entrada se tiene que: f(1,0,1) = (1,1); por lo tanto esa funcin no puede ser considerada
una aplicacin lineal.
(A) = AT A
Sean: C y D Mat(R)n
() =
() =
1. ( + ) = ( + )
2. ( + ) = ( + ) ( + )
3. ( + ) = ( + ) ( + )
4. ( + ) = + + +
Ya que T(C + D) es diferente a C C T + C DT + D C + D DT NO es
Transformacin Lineal.
(1,1,1) = 1 2 + 2
(2,0,0) = 3 + 2
(0,4,5) = 2 + 3 + 3 2
Para resolver este ejercicio se debe probar que los elementos del espacio de partida deben
ser linealmente independientes, es decir se debe probar que el siguiente conjunto sea
linealmente independiente {(1,1,1); (2,0,0); (0,4,5)}.
1 1 1
|2 0 0| = 2
0 4 5
Como el determinante es diferente de cero, entonces el conjunto es linealmente
independiente.
Como el conjunto es linealmente independiente, este puede ser considerado como una base,
por lo tanto:
Es decir :
Se plantea el sistema de ecuaciones para encontrar los valores de alfa, beta y gama.
2 = + 2
3 = + 4
1 = + 5
Dndonos como resultado
= 19
21
=
12
= 4
y
-4,6 4,6
7,4
-7,4
-2,2 2,2
Por simple Inspeccin se puede determinar que: f(x, y) = (x, y); se debe analizar si esta
expresin cumple con los axiomas de una aplicacin lineal, para lo cual:
1. f (u + v) = f(u) + f(v)
2. f ( u) = f(u)
( + ) = () + ()
f(u + v) = f(u + v)
( ) = ()
f(u) = f(u)
f(u) = f((x1 , y1 ) )
f(u) = f(x1 , y1 )
f(u) = (x1 , y1 )
f(u) = (x1 , y1 )
f(u) = f(u)
EJERCICIOS PROPUESTOS:
1. Considere las transformaciones del 1 al 15 y en cada una de ellas verificar que son lineales,
2. 1 () 2 2 () ( + ) = ( )
0
3. 1 () 2 () (()) = ()
4. 2 2 () ( )= +
5. 3 () 2 () (()) = ()
6. 2 () 2 2 () ( + + 2) = ( )
7. 2 2 ()) 2 2 () () =
8. 2 2 () () = ()
9. 2 2 () 3
( ) = ( , , )
10. 3 2 2 () ( , , ) = ( )
11. 2 2 () ( ) = +
2. Sea el espacio vectorial (, , +, . . ); = . : es una transformacin lineal.
a. Si {1 , 2 , , } es linealmente dependiente, {(1 ), (2 ), , ( )} es linealmente
dependiente?
b. Si {1 , 2 , , } es linealmente independiente, {(1 ), (2 ), , ( )} es
linealmente independiente?
3. Si es subespacio vectorial de : , define una transformacin lineal, demostrar
que () es subespacio vectorial de .
4. Sean 1 , 2 dos espacios vectoriales de dimensin 2 y con la misma base, 1 = {1 , 2 } y
sea : 1 2 una transformacin lineal, tal que:
(1 , 2 ) = 31 + 92
(31 , 22 ) = 71 + 232
a. Calcular (1 2 )
fA : k n k m
x fA (x) = Ax
Demostracin:
fA (x + y) = fA (x + y)
fA (x + y) = A(x + y)
fA (x + y) = A(x) + Ay
fA (x + y) = fA x + fA y
1 1 1
Ejemplo: Dada la matriz: A = ( ) encontrar la aplicacin lineal a la matriz A
2 1 0
NOTA:
fA (x, y, z) = (x y + z; 2x y)
(, , ) = ( + ; )
2 3
Tambin se lo puede representar como: [] = [ ]
0
Sea f L (k n , k m )n entonces existe una matriz A = (aij ) Mmxn tal que: f(x) = Ax t
x k n
Para determinar la matriz asociada a la transformacin lineal se deben considerar las bases
cannicas.
Bases cannica
R2 ; B2 = {(1,0); (0,1)}
f(1,0,0) = (1,0)
f(0,1,0) = (0,1)
f(0,0,1) = (1, 2)
Con la base cannica del conjunto de llegada se calculamos las coordenadas de la imagen,
por ser la base cannica las coordenadas vienen a ser las imgenes de la funcin
, = ||u|| cos( + )
, = ||u||[ . . ]
,
= ||u|| . |||| .
, = x - y
, = ||u|| ( + )
, = ||u||[ . + . ]
,
= |||| . + |||| .
, =x +
(x,y) =( , , , )
(x,y) =( , , , )
= |||| ; = ||||
(, ) = ( ; + )
cos sin
La matriz asociada a esta transformacin lineal es: A=( )
sin cos
cos sin
(x,y) ( ) ()
sin cos
(h, k) = (3, 2)
= 30
U1 = (0,0) (h, k)
U1 = (0,0) (3, 2)
U1 = (3, 2)
U2 = (5,3) (h, k)
U2 = (5,3) (3, 2)
U2 = (2,5)
U1 :
cos sen x
f(x, y) = ( ) (y)
sen cos
cos30 sen30 3
f(x, y) = ( )( )
sen30 cos30 2
f(3,2) = (3cos30 2sen30; 3sen30 + 2cos30)
U2 :
cos sen x
f(x, y) = ( ) (y)
sen cos
cos30 sen30 2
f(x, y) = ( )( )
sen30 cos30 5
f(2,5) = (2cos30 5sen30; 2sen30 + 5cos30)
Para comprobar que el proceso se haya realizado correctamente el modulo del vector
original debe ser igual al mdulo del vector resultante
a. Bases cannicas
Sacamos las imgenes con respecto a la base T
1 1
( ) =1
0 0
0 1
( )=
1 0
0 0
( ) =
1 1
1 0
( ) = 2
0 1
Se procede a formar la matriz asociada con los resultados obtenidos
1 0 0 0
[ ]1 (0 1 1 0)
2
0 0 0 1
b. En funcin de las siguientes Bases:
1 1 0 1 0 0 1 0
= {( ),( ),( ),( )}
0 0 1 0 1 1 0 1
= {1 ; 2 ; + 2 }
Sacamos las imgenes
1 1
( ) =1+
0 0
0 1
( ) = 2
1 0
0 0
( ) = + 2
1 1
1 0
( ) = 1 + 2
0 1
+ + 2 = (1 ) + 2 + ( + 2 )
Se encuentra las coordenadas en forma general de cualquier polinomio en funcin
de la base del espacio de llegada; se plantea la siguiente combinacin lineal:
= +
=+
Resolviendo el sistema:
= = + =+
= + =++
=+ = +
Para 1 + :
1
[ ]=[ 2 ]
2
Para 2:
0
[ ] = [2]
2
Para + 2 :
0
[ ] = [1]
2
Para 1 + 2 :
1
[ ] = [1 ]
0
1 0 0 1
[ ] (2 2 1 1)
2 2 2 0
7.6 Matriz cambio de base
Ejemplo: Sea S = {(1,1); (1,1)} y T = {(2, 2); (1, 2)} base R2 . Encontrar:
[ f ] S ; y las coordenadas de v= (3; 4) con respecto a la base T si se sabe que
T
1 7
las coordenadas de V con respecto a S son: V3 = (2 ; 2)
[ ]
(, ) = (2, 1) + (1,2)
= 2 +
= + 2
2
=
5
+ 2
=
5
Se determinan las coordenadas del conjunto S = {(1,1); (1,1)}, en funcin de la
base T
1 = (1,1)
1 3
= =
5 5
2 = (1,1)
3 1
= =
5 5
Se forma la matriz cambio de base
1 3
[ f ]S = ( 5 5)
T 3 1
5 5
1 3 1
T
[f] = ( 5 5)
S 3 1
5 5
1 32
[ f ]T = ( 2 )
S 3 1
2 2
S T
Se cumple que: [ f ] [ f ] =
T S
1 35 12 32 1 0
( 5 )( )=( )
3 1 3 1 0 1
5 5 2 2
7.7.1 Ncleo
Sea f: V W
() = { : () = 0}
f
V W
f(v)=0
() .
7.7.2 Imagen
La imagen puede ser un subespacio del espacio La imagen puede ser todo el espacio de llegada
de llegada. f
f V W
V W
Imagen
Imagen
()
: 3 3
f(x, y, z) = (x y + z; x + y + z; x 3y + z)
Ncleo
f() = 0
f(x, y, z) = (0,0,0)
xy+z=0
x+y+z=0
x 3y + z = 0
1 1 1 0 F3 F1 1 1 1 0 F3 + F2 1 1 1 0
(1 1 1 0) F2 F1 (0 2 0 0) (0 2 0 0)
1 3 1 0 0 2 0 0 0 0 0 0
Resolviendo el sistema se tiene:
y = 0 ; x = z
Por lo tanto el sistema tiene infinitas soluciones, por lo tanto la base del ncleo es: () =
(; 0; )
Imagen
f(x, y, z) = (a, b, c)
xy+z=a
x+y+z=b
x 3y + z = c
1 1 1 a F3 F1 1 1 1 a F3 + F2 1 1 1 a
(1 1 1 b) F2 F1 (0 2 0 b a) (0 2 0 ba )
1 3 1 c 0 2 0 c a 0 0 0 2a + b + c
Para que el sistema de ecuaciones tenga solucin 2a + b + c = 0 ; por lo tanto la
imagen es:
() = { (, , ) 3 2 + + = 0}
() = (; 2 ; )
Teorema de la dimensin:
= [()] + [()]
u f(u)
v f(v)
w f(w)
1 = 1 (1 ) 1 = (1 )
2 = 1 (2 ) 2 = (2 )
(, ) = (, + 2)
Encontramos el ncleo:
=0
+ 2 = 0
La solucin es nica:
=0
=0
Determinamos su Imagen:
+ 2 =
=
2
=
2
La imagen es todo el espacio por lo que es sobreyectiva , por lo tanto si tiene inversa
( + ) (, )
( + )( + ) = ( + )() + ( + )()
( + )( + ) = ( + ) + ( + )
( + )( + ) = () + () + () + ()
( + )( + ) = ( + )() + ( + )()
(, ) = ( 2; ; + )
(, , ) = ( + ; 2)
En este ejemplo no se puede realizar la suma d las aplicaciones lineales debido a que
: 2 3 : 3 2.
(f + g) (a b
) = (2a + d; b c d; 2a + 3b + c + d)
c d
7.13.2 Producto por escalar
Sea (, ) ; (, )
Sea (, ) (, ) ; () (, )
[(, , )]
( ) = [ + + 2; 2( + )]
+ + 2
() = [ + + 2; 2 + 2)
EJERCICIOS PROPUESTOS
: 2 3
2 2 + 1 + (22 1 + , 2 + 1, 2 + 21 )
: 3 2
(2 , 1 , ) (1 + ) 2 + (22 1 2 ) +
1 = {(2,1,0), (0,1, 1), (1,0,1)} base de 3
a. Demostrar que gof es invertible
b. Hallar ()1
1
c. Hallar F = [()1 ] y G = []1
d. Determinar si = 1
21. Sea
: 2 2
() (()) = `() 2 ()
a. Demostrar que L es lineal
b. Probar que L es invertible
c. Hallar 1
d. Hallar la matriz asociada a L respecto a B y `, siendo
a. = {1, , 2 } 1 = {1 , 2 , 1 + 2 } base de 2
e. Si () = 2 + 2 , hallar (()) usando []1
22. Sean : 3 3 una transformacin lineal y = {, , } una base de 3
= (1,0,0), = (0,1,1), = (0,2,1)
() = (1, 1, ), () = (0,1,1), () = (0,2,1)
a. Hallar {, , }
b. Para que valores de k, L es biyectiva ?
c. Hallar la base para el ncleo y una base para la imagen de f, cuando esta es biyectiva
d. Si k = 2, hallar la matriz asociada a f respecto a B
23. Sean
: 3 3
(, , ) {, , } = ( + , + , + )
: 3 3
(, , ) {, , } = (, + , + + )
a. Hallar gof y fog
b. Demostrar que gof es lineal
c. Demostrar que gof es diyectiva
d. Determinar si se cumple que [] = []
24. Sea : 3 3 una transformacin lineal, donde:
(, , ) = ( + + , 2 + , 2 + 3)
a. Encontrar una base B de 3, tal que [] sea diagonal
b. Escribir []
25. Sea : una transformacin lineal invertible. Si es un valor propio de L, cual es el
valor propio de 1 ?
26. Sea : 2 2 definida por (, ) = ( , ), probar que T es una transformacin
lineal y calcular N(T), Im(T).
27. Sea : 4 4 una transformacin lineal tal que: (, , , ) = ( + , 2
2, + 3 2 + 3, + + 2), Hallar una base para N (f), Im (f) y su dimensin.
Dado : 4 3 tal que:
a. Probar que T es una transformacin lineal.
b. Hallar N(T) y dim N(T), dim, Im(T)
28. Halar una transformacin lineal : 4 3 tal que N(T)= L{(2,1,-1,2),(3,0,1,-1)}.
29. Halar una transformacin lineal : 3 2 tal que N(T)= L{(1,2,3)}.
30. Sea = {(, , , ) 4 / = + + , , , }, = {(, , ) 4 / +
+ = 0} dos espacios vectoriales : tal que T(, , , ) = ( ,
, ) probar que T es una transformacin lineal, adems determinar N(T), Im(T) y
sus dimensiones.
31. Sea V el espacio vectorial de las matrices n-cuadradas sobre K y M una matriz arbitraria
en V, defnase : mediante () = + , con , mostrar que T es lineal.
32. Sea T: R5R3 la aplicacin lineal definida por: (, , , , ) = ( + 2 + 2 +
4, 2 + 5 + 4 5 + 5, + 4 + 5 2). Hallar una base y la dimensin de la
imagen de T.
33. Sea la transformacin lineal : 2 2 definida por (, ) = (2 , + ):
a. Es T inyectiva
b. Hallar la inversa de T, si existe.
34. Una transformacin lineal f: R3R2 est definida por (, , ) = ( 2, + ).
a. Hallar la matriz A de f, respecto de las bases {(1, 1,1), (2, 2,0), (3, 0,0)} en R 3
{(2,0),(0,2)} en R2.
b. Mediante la matriz A, obtener la imagen de (-2, 2,-2).
35. Dada la transformacin lineal de : ()2 3 definida por: ( ) = ( +
, + + , + + ). Obtener la matriz A de f respecto de las bases:
1 1 1 0 0 0 0 1
a. {( )( )( )( )} ()2 {(0,2,1), (2,0,1), (0,1,1)} 3
1 1 1 1 0 1 1 1
1 3
b. Utilizando la matriz hallada obtener la imagen de ( )
2 2
36. Sea la aplicacin T : 2 2 definida por: (, ) = (2 3, + 4), hallar la
matriz T relativa respectivamente a las siguientes bases de 2, B={1 , 2 }, y B' =
B={1 , 2 }, donde 1 =(1,0) , 2 = (1,3), 1 = (1,3), 2 = (2,5).
37. Puede existir alguna aplicacin lineal f de 2 3 () =< {(1, 1)} >
() =< {(1,1,2)} >? En caso afirmativo, determine la aplicacin lineal f es
nica?
38. Puede existir alguna aplicacin lineal f de 3 3 Tal que: () = < {(1, 1,1)} >
() = < {(1,1,2)} >?
39. Puede existir alguna aplicacin lineal f de 3 en3 tal que : () = <
{(1, 1,1), (0,1, 1)} > Img() =< {(1,1,2)} >?. En caso afirmativo, determinar la
aplicacin lineal, f es nica?
40. Sea L(3 , 3 )tal que, (1,0,1) = (1,1,2), (0,1,1) = (0,2,1) y (1,1,0) = (1, 1,1).
Determinar :
a. La aplicacin lineal f.
b. El subespacio vectorial Img f.
c. El subespacio vectorial
d. Bases para el Nf y la Img. f.
41. Sea L(3 , 3 ) , (, , ) = ( + , + , 3 + )
a. Determinar el ncleo de f.
b. Verificar que la imagen de f es un plano (s.e.v. de dim. 2) Hallar el plano.
f(v) = v v V
Ejemplo: Sea f R2 R2
Vx = { v V f(v) = v}
Av = v
Av v = 0
(A I)v = 0
|A I| = 0
8.1 Polinomio caracterstico
Ejemplo:
10 18
A=( )
6 11
10 18 1 0
p() = |( ) ( )|
6 11 0 1
10 18
p() = |( )|
6 11
p() = (10 )(11 ) (6)(18)
p() = 110 + + 2 + 108
p() = 2 + 2
p() = 0
2 + 2 = 0
( 1)( + 2) = 0
=1
= 2
(A I)(x) = 0
1 = 2
10 18 1 0 x
[( ) (2) ( )] (y) = 0
6 11 0 1
12 18 x
[( )] (y) = 0
6 9
12 18 0 1 12 18 0
( ) F2 F2 ( )
6 9 0 2 0 0 0
12x 18y = 0
12x = 18y
3y
x=
2
V = (x, y)
3y
V = ( , y)
2
V = (3,2)
2 =1
10 18 1 0 x
[( ) (1) ( )] (y) = 0
6 11 0 1
9 18 x
[( )] (y) = 0
6 12
9 18 0 1 9 18 0 9 18 0
( ) F ( ) 3F2 F1 ( )
6 12 0 2 2 3 6 0 0 0 0
9x 18y = 0
9x = 18y
x = 2y
V = (x, y)
V = (2y, y)
V = (2,1)
8.3 Diagonalizacin
Matrices similares
B = Q1 A Q
Teorema
Matrices diagonales
D = Q1 A Q
|B| = |Q1 A Q|
|B| = |A|
Potencia Matrices
= 1
= 1
=
1 = 1
1 =
= 1
An =?
= 1 1
2 = 2 1
=
10 18
Ejemplo: Diagonalizar la siguiente matriz: A = ( )
6 11
10 18 1 0
p() = |( ) ( )|
6 11 0 1
10 18
p() = |( )|
6 11
p() = (10 )(11 ) (6)(18)
Polinomio caracterstico: () = +
p() = 0
2 + 2 = 0
( 1)( + 2) = 0
Valores Propios:
= 1; = 2
(A I)(x) = 0
1 = 2
10 18 1 0 x
[( ) (2) ( )] (y) = 0
6 11 0 1
12 18 x
[( )] (y) = 0
6 9
12 18 0 1 12 18 0
( ) F2 F2 ( )
6 9 0 2 0 0 0
12x 18y = 0
3y
x=
2
V 1 = (3,2)
2 = 1
10 18 1 0 x
[( ) (1) ( )] (y) = 0
6 11 0 1
9 18 x
[( )] (y) = 0
6 12
9 18 0 1 9 18 0 9 18 0
( ) F2 ( ) 3F2 F1 ( )
6 12 0 2 3 6 0 0 0 0
9x 18y = 0
x = 2y
V2 = (2,1)
D = Q1 A Q
2 1 10 18 2 3
D= ( )( )( )
3 2 6 11 1 2
1 0
D= ( )
0 2
An = QDn Q1
2 3 1 0 n 2 1
An = ( )( ) ( )
1 2 0 2 3 2
4 3(2)n 6 + 6(2)n
An = ( )
2 2(2)n 3 + 4(2)n
() = ( )( + )
p() = 0
(i )(3 + i ) = 0
= +
(A I)(x) = 0
1 = i
i 2 1 0 x
[( ) (i) ( )] (y) = 0
0 3+i 0 1
ii 2
( )=0
0 3+ii
0 2 x
[( )] (y) = 0
0 3
0 2 0
( )
0 3 0
x=0
y=0
V1 = (1,0)
2 = 3 + i
i 2 1 0 x
[( ) (3 + i) ( )] (y) = 0
0 3+i 0 1
i (3 + i) 2
( )
0 3 + i (3 + i)
3 2 x
[( )] (y) = 0
0 0
3 2 0
( )
0 0 0
3x + 2y = 0
3x = 2y
2y
x=
3
V2 = (2,3)
(t) = Ax(t)
= 3 3
(,)
= 2 + 2 = (, )
La solucin de una ecuacin diferencial es de la forma: (t) = ni=1 c ; ex1 (t) , V1; donde:
i = Valores propios
Vi = Valores propios
Ejemplo:
2 = 2
V1 = (2,1)
V2 = (3,2)
2 3
X1 (t) = C1 et ( ) + C2 e2t ( )
1 2
Si se repiten los vectores propios o son mltiplos a estos se les conoce como multiplicidad
aritmtica en este caso la matriz.
EJERCICIOS PROPUESTOS
3 2 1 2 2 1 5 6 6
d) [ 0 2 0 ] e) [ 1 3 1 ] f) [ 1 4 2]
0 0 0 1 2 2 3 6 4
11. Para cada uno de los siguientes casos, si es posible, diagnosticar la matriz dada y hallar la
matriz P invertible tal que, D = P` AP
9 3 0 1 2 1 3 1 1
a) [ 3 12 3 ] b) [ 2 0 2 ] c) [1 5 1]
0 3 9 1 2 1 1 1 3
1 0 0 1 1
d) [0 2 ] e) [ 1 0]
0 1 0 1+ 0 0
12. Demostrar que la siguiente matriz no es diagonalizable, pero, que si es semejante a una
0
matriz de la forma [ ].
1
2 1
[ ]
1 4
13. Probar que si es un valor propio de una matriz A con vector propio asociado v y k es un
entero positivo, entonces es un valor propio de la matrizA con vector propio asociado
v
1 1
14. Sea la matriz: = [ ]. Hallar los valores y vectores propios de A y A2 y verificar el
1 2
ejercicio 13.
15. Sea V el espacio vectorial de las funciones continuas con base {sen x, cos x} y sea
:
() (()) = ` ()
Es L diagonalizable ?
16. Sea = [ ]. Hallar las condiciones para que A sea diagonalizable