Anda di halaman 1dari 41

Resumen de lgebra

Jose Luis Nogueira Alonso


Facultad de informtica
lgebra
Prlogo
Este documento contiene un resumen del temario de esta asignatura, es muy importante que tengas en cuenta que todo
su contenido lo he enfocado como complemento para el estudio de esta. Me he basado en los temarios originales de la
asignatura, pero ten en cuenta que he omitido algunas partes del temario, por tanto te recomiendo que completes este texto
apoyndote en algn libro para ampliar aquellas partes en las cuales no he entrado en profundidad.
Tambin es importante que tengas en cuenta que es un resumen enfocado principalmente como complemento para el
estudio de la asignatura, por ese motivo es posible que en algunos casos haya sido poco el a las deniciones originales
de algunos puntos, y lo haya denido con un lenguaje poco tcnico, para de este modo hacer ms comprensibles algunos
aspectos.
Espero que te pueda ser de alguna utilidad este documento y en la medida de lo posible me comuniques cualquier
posible fallo que pueda haber cometido en su confeccin, por otra parte si deseas ampliar o modicar alguna parte del
mismo no tendr ningn problema en facilitarte los fuentes para su modicacin. Si as lo deseas puedes ponerte en
contacto con migo en la direccin de correo scero@ono.com.
Un saludo, Jose Luis Nogueira Alonso.
por: Jos Luis Nogueira Alonso
lgebra NDICE
ndice
1. Preliminares 4
1.1. Estructura algebraica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Grupo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Grupo conmutativo o abeliano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Anillo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2. Espacio vectorial 5
2.1. Conocimientos necesarios y ejercicios imprescindibles . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2. Denicin de espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.1. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3. Subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3.1. Teorema de caracterizacin de subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . 6
2.3.2. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4. Combinacin lineal de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.5. Dependencia / Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.5.1. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.6. Base de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.6.1. Ejercicios tpicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.7. Dimensin de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.8. Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3. Matrices 8
3.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2. Tipos de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3.1. Suma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3.2. Matriz por un escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3.3. Producto de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3.4. Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4. Matrices y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.5. Propiedades de la matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.6. Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.6.1. Calculo de rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.6.2. Propiedades del rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.7. Matriz de un sistema de vectores respecto a una base . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.7.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.8. Clculo de la matriz inversa mediante transformaciones elementales . . . . . . . . . . . . . . . . . . . . 12
3.9. Cambio de base en un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.10. Obtencin de una matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.10.1. Mtodo de transformaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.10.2. Mtodo de la frmula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4. Aplicaciones lineales 14
4.1. Concepto de aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2. Clasicacin de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.3. Imagen de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.4. Matriz de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.5. Operaciones con aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.5.1. Suma de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.5.2. Producto de aplicaciones lineales por un escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.5.3. Producto de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Resumen de lgebra - 1
lgebra NDICE
4.6. Ncleo de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.7. Determinacin de una aplicacin lineal. Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.8. Rango de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.9. Aplicaciones lineales inyectivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.10. Caracterizacin de endomorsmos biyectivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.11. Conjunto de las aplicaciones lineales entre dos espacios E y F . . . . . . . . . . . . . . . . . . . . . . . 16
4.11.1. Aplicacin suma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.11.2. Aplicacin producto por un escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.12. El anillo L(E) de los endomorsmos de E . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.13. Matrices asociadas a un endomorsmo en dos bases distintas . . . . . . . . . . . . . . . . . . . . . . . . 17
5. Determinantes 18
5.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2. Propiedades de los determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.3. Adjuntos. Desarrollo de un determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.4. Menor complementario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.5. Adjuntos o cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.6. Regla de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.7. Resolucin de sistemas con orden mayor a 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6. Sistemas de ecuaciones lineales 20
6.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.2. Tipos de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.3. Relacin entre sistemas vectoriales y sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . 21
6.4. Matriz importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.4.1. Matriz de coecientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.4.2. Matriz de coecientes y resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6.5. Teorema de Rouch-Frobenius . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6.5.1. Problemas tpicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6.6. Resolucin de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6.6.1. Mtodo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6.6.2. Regla de Crammer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
6.6.3. Mtodo Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
6.7. Equivalencia de sistema lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
6.8. Ecuaciones paramtricas e implcitas de un subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . 23
6.9. Problema del cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
7. Variedades lineales vectoriales 24
8. Diagonalizacin de matrices. Formas cuadrticas 24
8.1. Valores y vectores propios de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
8.2. Ecuacin caracterstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
8.3. Subespacio propio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
8.4. Semejanza de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
8.5. Diagonalizacin de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
8.5.1. Teorema de caracterizacin de matrices diagonalizables . . . . . . . . . . . . . . . . . . . . . . 25
8.5.2. Proceso de diagonalizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
8.6. Matrices simtricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.7. Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.7.1. Diagonalizacin ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.8. Formas bilineales sobre un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.8.1. Expresin matricial de una forma bilineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.8.2. Cambio de base en una forma bilineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.9. Matrices congruentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.10. Matriz nilpotente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.11. Vectores conjugados respecto a una forma bilineal simtrica. Ncleo . . . . . . . . . . . . . . . . . . . . 27
Resumen de lgebra - 2
lgebra NDICE
8.12. Formas cuadrticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.12.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.12.2. Propiedades de las formas cuadrticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
8.12.3. Forma cuadrtica denida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.12.4. Expresin matricial de una forma cuadrtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.12.5. Cambio de base de una forma cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.13. Diagonalizacin de una forma cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.14. Rango y signatura de una forma cuadrtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.15. Proceso de diagonalizacin de una forma cuadrtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
8.16. Clasicacin de formas cuadrticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
9. El espacio afn 30
9.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9.2. Referencia afn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9.3. Ecuaciones de una recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9.3.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9.3.2. Formas de expresar una recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9.3.3. Posiciones relativas de dos rectas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.3.4. Haz de rectas de vrtice P . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.4. Ecuaciones de un plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.4.1. Denicin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.4.2. Formas de expresar un plano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.4.3. Posicin relativa de dos planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
9.4.4. Ecuacin de una recta como interseccin de planos . . . . . . . . . . . . . . . . . . . . . . . . . 32
9.4.5. Haz propio de planos del eje de la recta r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
9.4.6. Haz de planos paralelos a uno dado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
9.4.7. Posicin relativa de tres planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
10. Problema de la programacin lineal 34
10.1. Deniciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.1.1. Combinacin convexa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.1.2. Conjunto convexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.1.3. Segmento de extremos A y B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.1.4. Extremo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.1.5. Variedad convexa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.2. Desigualdades lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
10.3. Problema de la programacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.3.1. Pasar desigualdades a igualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.3.2. Soluciones de un problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.4. Mtodos de resolucin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.4.1. Mtodo grco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.4.2. Mtodo simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
11. El espacio eucldeo 38
11.1. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11.2. Espacio eucldeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11.3. Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11.4. Orientacin de una referencia en E
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11.5. Producto vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11.6. Producto mixto de tres vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
11.7. Vector direccin de una recta expresada como interseccin de planos . . . . . . . . . . . . . . . . . . . . 39
11.8. Condicin para que dos rectas se corten en E
3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
11.9. Aplicaciones geomtricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
11.9.1. Distancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
11.9.2. ngulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
11.9.3. reas y volmenes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Resumen de lgebra - 3
lgebra Preliminares
1. Preliminares
Para poder tratar el tema de vectores debemos conocer algunos conceptos bsicos:
1.1. Estructura algebraica
Es aquella que tiene la forma (G; *) donde G es un conjunto no vaco y * es una operacin binaria interna sobre G (es
decir indica una operacin sobre dos trminos del conjunto G).
1.2. Grupo
Es una estructura algebraica (G; *) que cumple las siguientes condiciones:
1. Asociativa. x*(y*z) = (x*y)*z
2. Elemento neutro. eG/e x = x e = x
3. Elemento simtrico. Todo valor x tiene su simtrico x / x*x = e
1.3. Grupo conmutativo o abeliano
Es aquel grupo en el cual se verica tambin la propiedad.
1. Conmutativa. x*y = y*x
1.4. Anillo
Es una estructura formada por un conjunto (A) y dos operaciones binaria internas (de dos elementos del conjunto),
llamadas (*) y (.) . De manera que se deben cumplir la siguientes condiciones:
1. (A; +) debe ser un cuerpo conmutativo.
2. (x.y).z = x.(y.z)
3. La operacin (.) debe ser distributiva respecto a (+) x.(y+z) = x.y + x.z
1
4. La operacin (.) es conmutativo. Anillo conmutativo
5. La operacin (.) tiene elemento neutro (diferente de 0). Anillo unitario
6. x = 0 ,y = 0 implica que x.y = 0. Anillo integro
7. Todo x A, x 0 tiene inverso (simtrico).
Cuando el anillo verica 4, 5 y 6 se dice que es un domino de integridad.
Cuando un anillo verica 5 y 7 decimos que es un cuerpo.
Cuando verica 4, 5 y 6 se llama cuerpo conmutativo.
1
Adems de esta propiedad los anillo pueden cumplir otras, con lo cual ya pueden ser tipos de anillo.
Resumen de lgebra - 4
lgebra Espacio vectorial
2. Espacio vectorial
2.1. Conocimientos necesarios y ejercicios imprescindibles
1. Denicin de espacio vectorial (e.v)
2. Ejemplos de e.v.
3. Propiedades de e.v.
4. Subespacios vectoriales (s.e.v)
5. Subespacios vaco y U. Subespacio interseccin de dos s.e.v
6. Combinacin lineal de vectores.
7. Dependencia / Independencia lineal de vectores.
8. Sistema generador.
9. Base.
10. Dimensin de un subespacio.
11. Subespacios suplementarios. dim (U1) + dim(U2) = dim(U1 + U2) + dim (U1 U2)
12. Suma directa de dos subespacios vectoriales. Teorema de la base.
Ejercicios: 1.6, 1.10, 1.17, 1.18, 1.25, 1.26, 1.27, 1.29, 1.30, 1.33
2.2. Denicin de espacio vectorial
Este es el nombre que se asigna a una terna con las siguiente componentes:
((E +), (K + .), *)
Esta terna tiene los siguientes elementos propios de estudio:
(E +) Es un grupo aditivo abeliano. Cuyos elementos se llaman vectores ( x y z ... ). Importarte recordar las 4
propiedades que debe cumplir un grupo abeliano (vistas anteriormente).
(K + .) Es un cuerpo de escalares, se representan con las letras griegas.
* Es una ley de composicin externa, nos indica como combinar los escalares (K) con los vectores (E).
La ley de composicin externa utilizada en este caso debe siempre cumplir tres propiedades:
1. (

x +

y ) =

x +

y
2.( +)

x =

x +

y
3.( )

x = (

x )
2.2.1. Ejercicios tpicos
Nos dan un grupo abeliano, deniendo su operacin (+) y debemos demostrar que efectivamente lo es.
Nos dan un supuesto espacio vectorial, con una "extraa" ley de composicin externa y debemos vericar si es un
espacio vectorial.
Resumen de lgebra - 5
lgebra Espacio vectorial
2.3. Subespacio vectorial
Si tenemos un espacio vectorial v =>(v; +; *). Cualquier espacio vectorial u =>(u; +; *) contenido en v es un
subespacio vectorial.
Esto tambin se puede expresar diciendo que un subespacio vectorial de

v toda combinacin lineal que se pueda
realizar con este. La nueva combinacin generada se llama subespacio engendrado.
El subespacio vectorial de

v se puede representar como L(

v ), o bien como <

v
1
,

v
2
, ...,

v
n
>.
De manera directa podemos siempre crear dos subespacios vectoriales de un espacio vectorial, estos sera

0 y

v (es
decir, todo y nada).
Si tenemos dos subespacios vectoriales de

v , llamados

u
1
y

u
2
:
La interseccin de los dos subespacios siempre da un subespacio.
La unin de los dos subespacios no necesariamente tiene porque dar un subespacio.
Son llamados conjuntos equivalentes aquellos que forman el mismo subespacio vectorial.
2.3.1. Teorema de caracterizacin de subespacios vectoriales
La condicin necesaria y suciente para que un subconjunto S de E sea subespacio vectorial suyo es que se verique:
1.

u ,

S ;

u +

v

S
2.

K;

u

S ;

u

S
2.3.2. Ejercicios tpicos
Nos dan un subespacio vectorial de R
2
con siguiente forma:

S ={x
1
, x
2
, x
3
, ...,x
n
}; tenemos que vericar que
efectivamente sea un subespacio vectorial. Para esto se cogen dos vectores de

S , se multiplica por dos escalares


y ; para nalmente suma los dos resultados. Si lo que obtenemos pertenece a

S , podemos armar que es un
subespacio vectorial de R
2
.
2.4. Combinacin lineal de vectores
Se dice que un vector

x es combinacin lineal de vectores del sistema P, si existen p escalares


n
, tales que:

x =
1

x
1
+
2

x
2
+
3

x
3
+... +
n

x
n
En este caso el sistema P es un sistema generador.
El ejemplo ms claro de esto son los vectores utilizados en fsica, los cuales se representan como

V =a

i +b

j +c

k siendo

i ,

j y

k , vectores unitarios del sistema R
3
, los cuales se combinan linealmente con los valores a, b, c.
Con esto se puede observar que una combinacin lineal de vectores (c.l.v) se obtiene multiplicando
n
escalares por
los vectores base del sistema. De manera que puede haber innitas combinaciones lineales de vectores.
2.5. Dependencia / Independencia lineal
Linealmente dependiente, se llama as a un sistema de vectores cuando, se puede obtener del conjunto de vectores
partiendo de los ya existentes. Como es evidente un vector linealmente independiente es el anlogo.
Para comprobar que un vector sea linealmente independiente se debe cumplir la siguiente expresin:


u +

v +

w = 0 = = = 0
Existe otra forma para saber si un vector es dependiente / independiente; este mtodo implica resolver un determinante
como el que hay a continuacin; el vector ser linealmente independiente si el determinante es distinto de cero.

u
1
v
1
w
1
u
2
v
2
w
2
u
3
v
3
w
3

Resumen de lgebra - 6
lgebra Espacio vectorial
2.5.1. Ejercicios tpicos
Nos dan un sistema de varios vectores y debemos averiguar si es dependiente o independiente. Para esto se debe
multiplicar cada uno por una constante y suma todos los resultados, los cuales deben ser iguales a cero en todos los
casos. Normalmente sale un sistema de ecuaciones con varias incgnitas.
2.6. Base de un espacio vectorial
Es un sistema de vectores (linealmente independientes), tales que en un determinado espacio se pueden expresar todos
los vectores como combinacin lineal de ellos. Los casos ms tpicos son en R
2
{

x ,

y } y en R
3
{

i ,

j ,

k }.
Se llama base de un espacio vectorial que es libre y adems sistema generador
2
.
En todo espacio vectorial existe al menos una base (Teorema de la base).
En un espacio vectorial todas las bases tienen el mismo nmero de vectores. Los escalares por los que se multiplica
cada uno de los vectores que forman la base, se llaman coordenadas.
Teniendo un vector con la forma

v =
1

v
1
+
2

v
2
+... +
n

v
n
, los escalares
n
se llaman coordenadas, mientras
que

v
n
son el conjunto de vectores que forma la base.
El cambio de base consiste en teniendo un vector v expresarlo sobre otra base y que siga siendo el mismo.
2.6.1. Ejercicios tpicos
Cambio de base.
2.7. Dimensin de un espacio vectorial
Se llama dimensin de un espacio vectorial, el nmero de vectores que forman su base.
Si un espacio vectorial de dimensin n:
Todo sistema de generadores de E con n vectores, es una base de E.
Todo sistema libre de E tienen un nmero de vectores n.
Todo sistema de E con ms de n vectores, es ligado.
Si tenemos un espacio vectorial

v , talque dim

v = n;

u C

v dim

u dim

v .
2.8. Rango
El rango de un conjunto de vectores

v es el nmero mayor de vectores independientes del conjunto.


ran{(1, 0)(0, 1)(4, 3)} = 2/dim = 2
ran{(4, 3)} = 1/dim = 2
2
Es aquel sistema de vectores, que puede representar cualquier otro vector de su espacio, como combinacin lineal de el mismo.
Resumen de lgebra - 7
lgebra Matrices
3. Matrices
3.1. Denicin
Teniendo dos conjuntos de elementos nitos I = {1...m} y J = {1...n}; se llama matriz de m las por n columnas o
matriz (m,n) a la imagen de una aplicacin del conjunto I J en el cuerpo K.
A : I J K
(i, j) a
ij
A = (a
ij
) =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
Tambin se puede expresar una matriz como el producto cartesiano de dos vectores.
3.2. Tipos de matrices
p=1 o (m,1) : matriz columna.
n=1 o (1,n) : matriz la.
Matriz nula o cero (0) : Aquella en la que todos sus elementos son cero.
Matriz opuesta (-A) : Tiene el mismo orden que (A), pero sus elementos son opuestos a esta.
Matriz transpuesta (A) o (A)
t
->Es el resultado de la matriz (A) despus de cambiar sus las por columnas. Si
(A
ij
) tiene la transpuesta (A
ji
)

. det(A) = det(A

).
Matriz rectangular. Es aquella matriz que tiene un nmero de las y columnas diferente.
Matriz cuadrada. Es aquella en la cual el nmero de las es igual al de columnas.
Simtrica. Es aquella matriz que coincide con su transpuesta. (A) = (A
t
); (A B)
t
= B
t
A
t
Antisimtrica o hemisimtrica. Es aquella que coincide con la opuesta de su transpuesta. (A) = (A)
t
. En
esta matriz su diagonal principal vale cero, los elementos que estn por encima de dicha diagonal son opuestos
a los que hay por debajo. a
ij
= a
ij
o (A) = (A)
t
Matriz diagonal (D). Tiene como caracterstica, el echo de que nicamente son distintos de cero los elementos
de la diagonal principal.
Matriz escalar. Es una matriz diagonal, con todos los valores de la diagonal principal iguales entre ellos.
Matriz unidad (I). Es una matriz escalar, que adems, tiene valores 1 en la diagonal principal y valores 0 en el
resto.
Triangular. Es aquella matriz en la cual, tiene ceros encima o debajo de la diagonal principal. La matriz unidad
siempre es triangular.
Matriz inversible o regular. Es el nombre que recibe toma matriz que tenga elemento inverso, de manera que se
cumpla: A A
1
= I
Resumen de lgebra - 8
lgebra Matrices
3.3. Operaciones con matrices
3.3.1. Suma
Para poder sumar dos matrices, estas deben tener iguales dimensiones. Para realizar la operacin de suma se deben
sumar los valores que ocupan la misma posicin.
_
_
_
_
a
11
a
12
... a
1p
a
21
a
2p
... ...
a
n1
a
n2
... a
np
_
_
_
_
+
_
_
_
_
b
11
b
12
... b
1p
b
21
b
2p
... ...
b
n1
b
n2
... b
np
_
_
_
_
=
_
_
_
_
a
11
+b
11
a
12
+b
12
... a
1p
+b
1p
a
21
+b
21
a
2p
+b
2p
... ...
a
n1
+b
n1
a
n2
+b
n2
... a
np
+b
np
_
_
_
_
(M(n,p),+) es un grupo abeliano.
Caractersticas que la hacen un grupo abeliano:
Posee neutro, el cual es la matriz nula con su mismo orden.
Posee elemento opuesto, el cual coincide con su matriz opuesta.
3.3.2. Matriz por un escalar
En estos casos el escalar se multiplica por todas las posiciones de la matriz.

_
_
_
_
a
11
a
12
... a
1p
a
21
a
2p
... ...
a
n1
a
n2
... a
np
_
_
_
_
=
_
_
_
_
a
11
a
12
... a
1p
a
21
a
2p
... ...
a
n1
a
n2
... a
np
_
_
_
_
3.3.3. Producto de matrices
Esta operacin es un poco liosa hasta que se coge cierta prctica con ella. La operacin producto de A por B se
realiza de la siguiente manera (B) (A).
Es necesario que haya el mismo nmero de columnas de A que la de B.
_
_
_
_
a
11
a
12
... a
1p
a
21
a
2p
... ...
a
n1
a
n2
... a
np
_
_
_
_

_
_
_
_
b
11
b
12
... b
1p
b
21
b
2p
... ...
b
n1
b
n2
... b
np
_
_
_
_
=
_
_
_
_

n
i=1
b
i1
a
1i

n
i=1
b
i2
a
1i
...

n
i=1
b
in
a
1i

n
i=1
b
i1
a
2i
... ...

n
i=1
b
in
a
2i
... ... ... ...

n
i=1
b
i1
a
pi
... ...

n
i=1
b
in
a
pi
_
_
_
_
3.3.4. Operaciones elementales
Se conocen con este nombre a las operaciones que una vez realizadas se obtiene un sistema equivalente al primero.
En estas operaciones, tanto si se realizan sobre las como sobre columnas, el rango
3
de la matriz no varia.
Las operaciones elementales son las siguientes:
Permutacin
4
entre dos vectores cualquiera de la matriz.
Substituir un vector de la matriz, por el mismo ms una combinacin lineal del resto de vectores.

u
i
=

u
i
+
1

u
1
+
... +
n

u
n
Multiplicar un vector de la matriz por un escalar.
3
El concepto de rango de una matriz se trata en el apartado 3.6
4
Se considera permutar dos elementos, a cambiar la posicin de uno por otro, y la de este por la del primero.
Resumen de lgebra - 9
lgebra Matrices
3.4. Matrices y vectores
Se puede considerar que una matriz es una funcin de vectores. Con las caracterstica vistas hasta el momento se
puede observar que la matrices se puede denir como una terna, con estructura de anillo
5
, igual a la siguiente:
(M
m,n
, +, )
Mediante dicha terna, se puede observar que M
m,n
es un espacio vectorial con sus correspondientes operaciones suma
y producto por un escalar. Por esto se puede armar que una matriz cumple las mismas propiedades que un conjunto de
vectores.
Se considera base natural o base cannica, al conjunto de matrices, que tienen en todas sus posiciones cero, excepto
en una posicin hay un uno; y dicha posicin va alternndose entre todas las de la matriz.
B =
_

_
_
_
_
_
1 0 ... 0
0 0 ... 0
... ... ... ...
0 0 ... 0
_
_
_
_
_
_
_
_
0 1 ... 0
0 0 ... 0
... ... ... ...
0 0 ... 0
_
_
_
_
...
_
_
_
_
0 0 ... 0
0 0 ... 0
... ... ... ...
0 0 ... 1
_
_
_
_
_

_
Se puede considerar que el conjunto de M
n
de matrices cuadradas de orden n es un k espacio vectorial de dimensin
6
n
2
.
3.5. Propiedades de la matrices cuadradas
Si la matriz cuadrada tiene inverso es regular, en caso contrario es singular.
(A) (A)
1
= (I)
El determinante del producto de dos matrices de orden n es el producto de los respectivos determinantes. (Teorema
de Binet-Cauchy).
Una matriz cuadrada es regular solo si su determinante es distinto de cero.
3.6. Rango de una matriz
Dada una matriz (A) podemos obtener una submatriz cuadrada (B), cogiendo un nmero m de las y columnas de la
matriz (A).
|B| = un menor de orden m
7
de la matriz (A).
Si la matriz (A) tiene un menor de orden i no nulo, entonces los i vectores columna que determinan al menor son
linealmente independientes. As mismo tambin lo son los i vectores la que determinan el menor.
Se llama rango de una matriz (A) a la dimensin del subespacio vectorial K
n
engendrado por los p vectores columna.
rg(A)
Al resultar un poco compleja la denicin sobre el rango de una matriz expuesta anteriormente, en este punto se van a
realizar tres deniciones, para intentar aclarar este concepto. Es importante recordar la similitud entre matrices y vectores,
de la cual se habla en el apartado 3.4.
Rango la. Es el rango de los vectores la de la matriz, o dicho de otra manera el nmero de vectores la que son
linealmente independientes.
Rango columna. Es el rango de los vectores columna de la matriz, o dicho de otra manera el nmero de vectores
columna que son linealmente independientes.
Rango de una matriz. Es igual al rango la y al rango columna; los cuales siempre son iguales entre si.
5
Ver preliminares.
6
La dimensin es el nmero de vectores que forman su base.
7
Llamamos menor de orden n de una matriz al determinante que resulta de eliminar ciertas las y columnas hasta quedar una matriz cuadrada de
orden p. Es decir, al determinante de cualquier submatriz cuadrada de A (submatriz obtenida suprimiendo alguna la o columna de la matriz A).
Resumen de lgebra - 10
lgebra Matrices
3.6.1. Calculo de rango
Para calcular el rango de una matriz, se puede operar de tres formas distintas:
Calcular el mximo nmero de las (o columnas) independientes mediante la propia denicin de sistema libre o
ligado de vectores.
Mediante transformaciones elementales en las las (o columnas) de la matriz eligiendo un 1 en la matriz y haciendo
cero los elementos de su misma la o columna
8
.
Intercambiar dos lneas entre s.
Suprimir una lnea que tenga todos sus elementos nulos.
Suprimir una lnea que sea proporcional a otra.
Suprimir una lnea que sea combinacin lineal de otra/s.
Multiplicar o dividir una lnea por un nmero distinto de cero.
Sustituir una lnea i de este modo : L
i
= a L
i
+b L
j
Sustituir una lnea i de este modo : L
i
= L
i
+a L
j
Mediante determinantes: El clculo de determinantes ofrece una tcnica muy operativa para hallar el rango de una
matriz.
3.6.2. Propiedades del rango de una matriz
Supongamos la siguiente matriz:
(A) =
_
_
_
_
a
11
a
12
... a
1p
a
21
a
22
... a
2p
... ... ... ...
a
n1
a
n2
... a
np
_
_
_
_
En la matriz (A) dada, las i columnas (o i las) son linealmente independientes si y solo si contienen un menor de
orden i no nulo.
El rango de (A) coincide con el orden de un menor maximal
9
no nulo de la matriz (A).
El rango de una matriz no varia si a una columna (o la) se le suma una combinacin lineal de las otras.
3.7. Matriz de un sistema de vectores respecto a una base
3.7.1. Denicin
Si tenemos un espacio vectorial (E), una base

v = {

v
1
,

v
2
, ...,

v
n
}, y un sistema de vectores

a = {

a
1
,

a
2
, ...,

a
n
}.

a
1
= a
11

v
1
+a
21

v
2
+... +a
n1

v
n
=
_
_
_
_
a
11
a
21
...
a
n1
_
_
_
_
v
= (

v
1
,

v
2
, ...,

v
n
)
_
_
_
_
a
11
a
21
...
a
n1
_
_
_
_
...

a
1
= a
1p

v
1
+a
2p

v
2
+... +a
np

v
n
=
_
_
_
_
a
1p
a
2p
...
a
np
_
_
_
_
v
= (

v
1
,

v
2
, ...,

v
n
)
_
_
_
_
a
1p
a
2p
...
a
np
_
_
_
_
De esto se puede deducir, que el sistema de vectores

a respecto a la base

v se puede representar como:


_
_
a
11
... a
1p
... ... ...
a
n1
... a
np
_
_
v
Se llama rango del sistema de vectores

a a la dimensin del subespacio vectorial de E generado por

a .
8
Cuando se hace referencia a lneas, debe entenderse que se hace referencia a una la o una columna indistintamente
9
El un menor no nulo tal que cualquier otro menor que lo contenga debe ser estrictamente nulo.
Resumen de lgebra - 11
lgebra Matrices
3.8. Clculo de la matriz inversa mediante transformaciones elementales
Para calcular la matriz inversa de una dada (A), se deben realizar los siguientes pasos en el orden indicado:
1. Se debe escribir la matriz A y a su derecha la matriz unidad I. De manera que se obtiene una nueva matriz [A|I],
con el doble nmero de columnas.
2. Realizar sucesivas operaciones elementales sobre sus las, hasta conseguir una nueva matriz, que se pueda dividir
en [I, B].
3. De esta manera se ha conseguido transformar la matriz A en la unidad I. La matriz que ocupa el lugar de la derecha
(B), es la matriz inversa de (A).
3.9. Cambio de base en un espacio vectorial
Para realizar dicho cambio, primero es necesario denir estos tres elementos sobre el sistema:
U
B1
es la matriz columna que expresa las coordenadas de

U enB
1
.
U
B2
es la matriz columna que expresa las coordenadas de

U enB
2
.
M
B
2
B
1
es la matriz cuyas columnas son las coordenadas de los vectores B
2
enB
1
; tambin llamada matriz de paso.
De manera que U
B
1
= M
B
2
B
1
U
B
2
De esta operacin se debe deducir un sistema de ecuaciones, el cual al ser resuelto da los resultados.
La parte ms complicada de este mtodo consiste en hallar la matriz de vectores B
2
enB
1
.
Ejemplo. Obtener las ecuaciones de cambio de base de B
2
aB
1
, de los vectores:
B
1
= {(1, 0, 1), (0, 1, 1), (0, 0, 2)}; B
2
= {(1, 1, 2), (1, 0, 1), (0, 1, 2)}
Primero se debe hallar cada componente de la matriz, de los valores B
2
enB
1
, esto se hace as:
(1, 1, 2) = x(1, 0, 1) +y(0, 1, 1) +z(0, 0, 2) (1, 1, 2)
B1
= (1, 1, 0)
B2
(1, 0, 1) = x(1, 0, 1) +y(0, 1, 1) +z(0, 0, 2) (1, 1, 2)
B1
= (1, 0, 0)
B2
(0, 1, 2) = x(1, 0, 1) +y(0, 1, 1) +z(0, 0, 2) (1, 1, 2)
B1
= (0, 1,
1
2
)
B2
Teniendo estas expresiones se puede representar el cambio de base de forma matricial, de la siguiente manera:
_
_
x
1
y
1
z
1
_
_
U
B1
=
_
_
1 1 0
1 0 0
0 1
1
2
_
_
_
_
x
2
y
2
z
2
_
_
U
B2
De esta representacin se puede deducir el siguiente sistema de ecuaciones:
x
1
= x
2
+y
2
y
1
= x
2
z
1
= y
2
+
1
2
z
2
_
_
_
3.10. Obtencin de una matriz inversa
Para realizar esta operacin se pueden seguir dos mtodos, con la experiencia se podr saber cual es ms apropiado
para cada caso.
Resumen de lgebra - 12
lgebra Matrices
3.10.1. Mtodo de transformaciones elementales
Consiste en partir del conjunto (A|I), y mediante transformaciones elementales transformarlo en el conjunto (I|B).
De manera que la matriz B es la inversa de A.
3.10.2. Mtodo de la frmula
Consiste en desarrollar los siguiente
A
1
=
1
|A|
(Adj A)
t
3.11. Ejercicios
Realizar clculos bsicos con matrices. Suma, multiplicacin, exponenciales, etc...
Transposiciones y reglas que se derivan de ello.
Dada una matriz determinar si es un subespacio vectorial de R
n
. Adems averiguar la base.
Cambio de base de una matriz.
Obtener la matriz inversa de una dada.
Resumen de lgebra - 13
lgebra Aplicaciones lineales
4. Aplicaciones lineales
4.1. Concepto de aplicacin lineal
Si tenemos dos espacios vectoriales: ((E +), (K + ), ) y ((F +), (K + ), ) (sobre el mismo cuerpo K). Siendo el signo
(+) la ley de composicin interna (puede ser distinta entre los dos espacios); y () la ley de composicin externa (tambin
puede ser distinta).
La composicin de f de E en F es lineal si:
f(

x +

y ) = f(

x ) +f(

y ), (

x ,

y )E
2
, (, )E
2
De esta norma general se pueden deducir las siguientes:
f(

x +

y ) = f(

x ) +f(

y ) , la imagen de la suma es igual a la suma de imgenes.


f(

x ) = f(

x ), la imagen del producto de un escalar por un vector es el escalar por la imagen del vector.
4.2. Clasicacin de aplicaciones lineales
Las aplicaciones lineales tambin son llamadas morsmos u homorsmos. Teniendo dos espacios vectoriales tales
que f : E F, se puede hacer la siguiente clasicacin:
Isomormismo. La aplicacin lineal f es biyectiva.
Endomorsmo. Cuando E=F (son los mismos espacios vectoriales).
Aplicacin en. Si f no es inyectiva ni sobreyectiva.
Automorsmo. Cuando es isomorsmo + endomorsmo.
Forma lineal. Es la aplicacin lineal de un espacio sobre un cuerpo de escalares.
Epimorsmo. La aplicacin lineal f es sobre.
Monomorsmo. La aplicacin lineal f es inyectiva.
4.3. Imagen de una aplicacin lineal
Si tenemos una aplicacin lineal f de E en F. Se llama imagen de f al subconjunto de F formado por imgenes de los
vectores de E.
La imagen de f es la envoltura lineal de las imgenes de una base E. La imagen f es un subespacio vectorial de F cuya
dimensin coincide con el sistema de vectores {f(

u
1
),f(

u
2
),...,f(

u
p
)}.
Se conoce como aplicacin inyectiva a aquella aplicacin que toda imagen tiene nicamente una anti-imagen.
Se conoce como aplicacin exhaustiva a aquella aplicacin cuyas imgenes tienen como mnimo una anti-imagen.
Se conoce como aplicacin biyectiva a aquella aplicacin cuyas imgenes tienen siempre una nica anti-imagen.
4.4. Matriz de una aplicacin lineal
Si tenemos el sistema de vectores {f(

u
1
),f(

u
2
),...,f(

u
p
)} respecto a la base

v . Esto es la matriz de la aplicacin lineal
f respecto a la bases

V ,

U .
f(

u
1
) =
_
_
_
_
f
11
f
2
...
f
n1
_
_
_
_
v
De lo que se deduce que:
f(

u ) =
_
_
f
11
... f
1p
... ... ...
f
n1
... f
np
_
_
v
=
_
_
f
11
... f
1p
... ... ...
f
n1
... f
np
_
_
_
_
x
1
...
x
p
_
_


y = f(

x )
_
_
f
11
... f
1p
... ... ...
f
n1
... f
np
_
_
_
_
x
1
...
x
p
_
_
U
Resumen de lgebra - 14
lgebra Aplicaciones lineales
4.5. Operaciones con aplicaciones lineales
4.5.1. Suma de aplicaciones lineales
Dadas las aplicaciones lineales de E en F, f y g :
(f +g)(

x ) = f(

x ) +g(

x );

x E
4.5.2. Producto de aplicaciones lineales por un escalar
f(

x ) = [f(

x )]
( f)
U,V
=
_
_
f
11
... f
1p
... ... ...
f
n1
... f
np
_
_
4.5.3. Producto de aplicaciones lineales
h f(

x );

x E
(h f)
U,W
= (h)
V,W
(f)
U,V
4.6. Ncleo de una aplicacin lineal
Dada la aplicacin lineal f : E F. Se conoce como ncleo de la aplicacin lineal (f ), y se denota como N(f), al
conjunto de vectores de E que se aplican en el vector nulo de F. Es decir, es la imagen inversa del vector nulo de F.
N(f) = f
1
(0)
N(f) es subespacio vectorial de E, y se verica:
dim(N(f)) +dim(Im(f)) = dimE
Para hallar un ncleo es necesarios calcular un valor que haga que la aplicacin sea igual al conjuto 0.
4.7. Determinacin de una aplicacin lineal. Matriz
Una aplicacin lineal f : E F queda determinada conociendo las imgenes de los vectores de la base E.
Toda aplicacin lineal se puede representar como una matriz, cuyas dimensiones son:
La dimensin n corresponde al espacio vectorial E, y sea B = {e
1
, e
2
, ..., e
n
} la base de E
La dimensin n corresponde al espacio vectorial F, y sea B

= {v
1
, v
2
, ..., v
n
} la base de F
Si uE tiene de coordenadas (x
1
, x
2
, ..., x
n
) en la base B y su imagen f(u) tiene de coordenadas (y
1
, y
2
, ..., y
n
) en la
base B.
Se verica la siguiente ecuacin matricial, siendo Y = A X
_
_
y
1
...
y
m
_
_
=
_
_
f
11
... f
1p
... ... ...
f
n1
... f
nm
_
_
_
_
x
1
...
x
n
_
_
4.8. Rango de una aplicacin lineal
Se llama rango de una aplicacin lineal la dimensin del espacio vectorial imagen, se denota por rg(f)
rg(f) = dim(Im(f)) = dim(f(E))
El rg(f) coincide con el rango de la matriz asociada a f en cualquier base.
Resumen de lgebra - 15
lgebra Aplicaciones lineales
4.9. Aplicaciones lineales inyectivas
Una aplicacin lineal f : E F es inyectiva si, y slo si, su ncleo contiene slo el vector nulo. Es decir:
f : E F, f es inyectiva N(f) = {0}
Una aplicacin lineal f : E F es inyectiva si, un sistema libre de E se aplica en un sistema libre. Es decir, si la imagen
de una base de E es una base de f(E).
dimE = dimf(E)
o
rg(M
f
) = dimE
4.10. Caracterizacin de endomorsmos biyectivos
Las aplicaciones lineales f : E E son endomorsmos. La matriz de la f en una base ser cuadrada. En caso de que
el endomorsmo sea biyectivo el rango de la matriz ser la dimensin de E, es decir, su determinante ser distinto de cero.
4.11. Conjunto de las aplicaciones lineales entre dos espacios E y F
El conjunto de todas las aplicaciones lineales entre E y F, espacios vectoriales sobre el mismo cuerpo K, se denota por
L(E, F).
Si f, g son dos aplicaciones lineales entre E y F, se pueden denir los conceptos que aparecen a continuacin.
4.11.1. Aplicacin suma
En caso de tener f +g : E F tal que:
uE; (f +g)(u) = f(u) +f(u)
El resultado de la suma sigue denido en L(E, F).
Si B y B son dos bases de E y F respectivamente, y M
(f,B,B

)
y M
(g,B,B

)
son las matrices, se verica:
M
(f+g,B,B

)
= M
(f,B,B

)
+M
(g,B,B

)
4.11.2. Aplicacin producto por un escalar
Si se tiene un escalar y fL(E, F), se puede denir una aplicacin f : E F la aplicacin tal que,
uE, (f)u = f(u)
La aplicacin f es aplicacin lineal, y se verica:
M
(f,B,B

)
= M
(f,B,B

)
4.12. El anillo L(E) de los endomorsmos de E
El conjunto L(E) representa al aplicaciones lineales sobre E, en las cuales adems de la operacin suma y producto
(antes comentadas), se puede denir otra operacin interna, el producto, que ser la propia composicin de aplicaciones.
Dados f : E E, y g : E E endomorsmo de E, se llama producto de f y g la aplicacin f g : E E
uE; (g f)(u) = g(f(u))
De manera que se verica:
M
(gf,B)
= M
(g,B)
M
(f,B)
Si fL(E) tiene aplicacin inversa f
1
, tambin f
1
L(E).
Resumen de lgebra - 16
lgebra Aplicaciones lineales
4.13. Matrices asociadas a un endomorsmo en dos bases distintas
Sea E un K-espacio vectorial de dimensin n y sean:
B
1
= {e
1
, e
2
, ..., e
n
}; B
2
= {v
1
, v
2
, ..., v
n
}
bases de E donde los vectores de B
2
en B
1
son:
v
1
= a
11
e
1
+a
12
e
2
+... +a
1n
e
n
........
v
n
= a
n1
e
1
+a
n2
e
2
+... +a
nn
e
n
Sea una aplicacin lineal f : E E de matrices M
(f,B
1
)
y M
(f,B
2
)
en las bases B
1
y B
2
, respectivamente.
La relacin entre ambas matrices es:
M
(f,B
2
)
= C
1
M
(f,B
1
)
C
Donde C es la matriz de cambio de base:
C =
_
_
a
11
a
21
... a
n1
... ... ... ...
a
1n
a
2n
... a
nn
_
_
= M
(B
2
,B
1
)
recordar que
M
(B
2
,B
1
)
= M
1
(B
1
,B
2
)
de modo que la expresin quedar como
M
(f,B
2
)
= M
(B
1
,B
2
)
M
(f,B
1
)
M
1
(B
1
,B
2
)
Resumen de lgebra - 17
lgebra Determinantes
5. Determinantes
5.1. Denicin
Visin 1. Un determinantes es una herramienta (funcin) de R
n
a R. Esta funcin debe ser lineal en cada uno de sus
argumentos.
Visin 2. Una matriz puede verse como un conjunto de i vectores (la o columna) con j dimensiones cada vector. Ante
esta denicin se puede considerar un determinante como la funcin de los vectores de la matriz.
5.2. Propiedades de los determinantes
Si se cambian las por columnas
10
el valor del determinante no vara.
Si se cambian entre si dos las, el valor absoluto del determinante no vara, pero si el signo del resultado.
Un determinante con dos las (o columnas) iguales es nulo.
Si se multiplican todos los elementos de una linea por un valor , el valor del determinante queda multiplicado por
este valor .
Si un determinante tienen los valores de una lnea
11
mltiplos de los de otra lnea, su valor es nulo.
5.3. Adjuntos. Desarrollo de un determinante
5.4. Menor complementario
Si en una matriz cuadrada se suprime la la l y columna k se obtiene otra de orden n-1, cuyo determinante se llama
menor complementario del elemento a
lk
.
Un posible ejemplo sera el siguiente, dada una matriz A se obtendr el menor complementario del 3 de la primera
la:

1 0 3
3 4 2
5 1 0

3 4
5 1

El menor complementario tambin se puede expresar diciendo, que cuando en un determinante cuadrado de orden n,
nicamente se cogen h las y h columnas, este es un menor de orden h. De manera que las las y columnas que no entran
en el menor de orden h se llaman menor complementario y son de orden n-h.
5.5. Adjuntos o cofactores
El adjunto del elemento a
i,j
que pertenece al determinante A
i,j
, se forma multiplicando (1)
i+j12
por su menor
complementario (
i,j
).
La suma de los elementos de una la por los adjuntos de otra la paralela, siempre es igual a cero.
En caso de que se desee obtener factor comn de un elemento a
i,j
, este deber ir multiplicado por un polinomio, el
cual es su adjunto.
5.6. Regla de Laplace
Todo determinante es igual a la suma de sus menores posibles, formados con h lineas jas y multiplicados por sus
adjuntos correspondientes.
Un ejemplo de esta regla es el siguiente:
A =

0 1 2 0
1 0 0 3
4 1 2 3
2 6 1 3

0 1
1 0

2 3
1 3

0 2
1 0

1 3
6 3

0 0
1 3

1 2
0 1

+
10
Esta operacin se denomina transponer el determinante, o realizar la transpuesta de un determinante.
11
Cuando se habla de lnea se hace referencia tanto a las como a columnas.
12
Dicho de otra manera el primer elemento es negativo, y los siguientes van alternando el signo
Resumen de lgebra - 18
lgebra Determinantes
+

1 2
1 0

4 3
2 3

1 0
0 3

4 2
2 1

2 0
0 3

4 1
2 6

5.7. Resolucin de sistemas con orden mayor a 3


Para resolver este tipo de matriz se pueden seguir dos mtodos, el primero consisten en dejar todo ceros en una lnea,
a excepcin de un trmino; el segundo consisten en obtener varios determinantes de menor orden.
Para realizar este segundo mtodo, se elige una lnea del determinante, a ser posible la que tenga mas ceros. Seguida-
mente se multiplica cada valor de esta lnea (con signo negativo en impares y positivo en pares) por su menor.
Ejemplo del primer mtodo:

1 3 5 2
11 7 4 3
1 1 3 1
16 3 11 2

17 6 6 0
14 10 13 0
1 1 3 1
18 5 17 0

= (1)

17 6 6
14 10 13
18 5 17

Ejemplo del segundo mtodo: (en este ejemplo se ha elegido la primera linea)

1 2 2 1
3 5 4 1
4 7 5 2
2 4 3 4

= (1)

5 4 1
7 5 2
4 3 4

+ 2

3 4 1
4 5 2
2 3 4

+ 2

3 5 1
4 7 2
2 4 4

+
+1

3 5 4
4 7 5
2 4 3

Resumen de lgebra - 19
lgebra Sistemas de ecuaciones lineales
6. Sistemas de ecuaciones lineales
6.1. Denicin
Se considera un sistema de ecuaciones lineales, al conjunto con n igualdades y la forma:
f
11
x
1
+f
12
x
2
+... +f
1p
x
p
= b
1
f
21
x
1
+f
22
x
2
+... +f
2p
x
p
= b
2
....
f
n1
x
1
+f
n2
x
2
+... +f
np
x
p
= b
n
_

_
Este sistema est formado por los siguientes elementos:
Hay n ecuaciones y p incgnitas (x
1
, x
2
, ..., x
p
).
f
ij
son coecientes.
b
i
son trminos independientes que pertenecen al cuerpo K.
Se llama solucin del sistema a toda p-tupla (
1
,
2
, ...,
n
), talque si se substituye x
i
por
i
, en todos los casos, las
igualdades se cumplen.
6.2. Tipos de ecuaciones
En los sistemas de ecuaciones lineales se puede hacer una doble clasicacin, la cual sera la siguiente:
Segn sus soluciones
Incompatible. Son aquellos sistemas que no tienen soluciones.
Compatibles. Son aquellos sistemas que si tienen soluciones.
Determinados. Son sistemas con una nica solucin.
Indeterminados. Son sistemas con ms de una solucin.
Segn su composicin interna
No homogneos. Son aquellos en los cuales sus soluciones son distintas de cero (b
1
, b
2
, ..., b
n
) = (0, 0, ..., 0).
Homogneos. Son aquellos en que todas sus soluciones son iguales a cero, y por tanto a ellas mismas
(b
1
, b
2
, ..., b
n
) = (0, 0, ..., 0); b
1
= b
2
= ... = b
n
= 0.
Para averiguar si un sistema es indeterminado se debe analizar si el valor del determinante de su matriz de coecientes
13
es igual a cero, en todos los casos.
Si partimos de que A es la matriz de ecuaciones y A|M la matriz ampliada de las ecuaciones, se pueden realizar las
siguientes armaciones:
ran(A) = ran(A|M) Compatible
ran(A) = ran(A|M) = n
o
incognitas Compatible determinado
ran(A) = ran(A|M) < n
o
incognitas Compatible indeterminado
ran(A) = ran(A|M) Incompatible
13
Ver ms adelante
Resumen de lgebra - 20
lgebra Sistemas de ecuaciones lineales
6.3. Relacin entre sistemas vectoriales y sistemas de ecuaciones lineales
Las incgnitas x
i
se pueden suponer como escalares del cuerpo K, con lo que se puede escribir el sistema de la
siguiente manera:
x
1
_
_
_
_
f
11
f
21
...
f
n1
_
_
_
_
+x
1
_
_
_
_
f
12
f
22
...
f
n2
_
_
_
_
+... +x
1
_
_
_
_
f
1p
f
2p
...
f
np
_
_
_
_
=
_
_
_
_
b
1
b
2
...
b
n
_
_
_
_
Esto tambin se puede representar como:
_
_
_
_
f
11
f
12
... f
1p
f
21
f
22
... f
2p
... ... ... ...
f
n1
f
n2
... f
np
_
_
_
_
_
_
_
_
x
1
x
2
...
x
p
_
_
_
_
=
_
_
_
_
b
1
b
2
...
b
n
_
_
_
_
o tambin (

f
1
,

f
2
, ...,

f
p
)
_
_
_
_
x
1
x
2
...
x
p
_
_
_
_
=

b
o visto de otro modo x
1

f
1
+x
2

f
2
+... +x
p

f
p
=

b
La representacin matricial de un sistema de ecuaciones lineales se puede representar como AX=B. Donde:
X =
_
_
_
_
x
1
x
2
...
x
p
_
_
_
_
; A =
_
_
_
_
f
11
f
12
... f
1p
f
21
f
22
... f
2p
... ... ... ...
f
n1
f
n2
... f
np
_
_
_
_
; B =
_
_
_
_
b
1
b
2
...
b
n
_
_
_
_
6.4. Matriz importantes
Para operar con sistemas de ecuaciones lineales, muchas veces se hace referencia a dos matrices que se consideran de
suma importancia, en este apartado se ver cuales son.
6.4.1. Matriz de coecientes
Formada por los coecientes de cuerpo real K, los cuales multiplican a la matriz de incgnitas.
_
_
_
_
f
11
f
12
... f
1p
f
21
f
22
... f
2p
... ... ... ...
f
n1
f
n2
... f
np
_
_
_
_
Esta matriz se suele designar como (A).
6.4.2. Matriz de coecientes y resultados
Es una ampliacin de la matriz anterior, de manera que se aade la matriz columna de resultados del sistema, a la
izquierda de la ya existente.
_
_
_
_
f
11
f
12
... f
1p
b
1
f
21
f
22
... f
2p
b
2
... ... ... ... ...
f
n1
f
n2
... f
np
b
n
_
_
_
_
Esta matriz se suele designar como (A|B).
Resumen de lgebra - 21
lgebra Sistemas de ecuaciones lineales
6.5. Teorema de Rouch-Frobenius
Cualquier sistema de ecuaciones puede ser expresado como x
1

f
1
+x
2

f
2
+... +x
p

f
p
=

b ; por tanto una condicin


necesaria y suciente para que tenga solucin es que

b sea una combinacin lineal de

f
1
+

f
2
+ ... +

f
p
. De esto se
deducen las siguientes armaciones:
El sistema de ecuaciones lineales es compatible si, y solo si, el rango de la matriz de los coecientes coincide con
el rango de la matriz ampliada. ran(A) = ran(A|B) = n
El sistema de ecuaciones es incompatible si, y solo si, el rango de la matriz de los coecientes es menor que el
rango de la matriz ampliada. ran(A)
En sistemas compatibles
Si el rango de la matriz de coeciente coincide con el nmero de incgnitas, el sistema es determinado.
ran(A) = ran(A|B) = n
Si el rango de la matriz de coeciente es menor que el nmero de incgnitas, el sistema es indeterminado.
ran(A) = ran(A|B) < n
6.5.1. Problemas tpicos
Un problema tpico en el cual es necesario aplicar este teorema, consiste en mostrar un sistema de ecuaciones con
algn coeciente desconocido, de manera que nuestra misin es estudiar este sistema.
Para resolver este tipo de problemas primero se debe analizar en que casos es compatible el sistema. Para ello se debe
mirar para que valores del coeciente desconocido ran(A) = ran(A|B), o dicho de otra manera para que valores el
determinante de A es cero.
Una vez echo esto se debe analizar para los casos en que el determinante sea compatible, cuando el sistema es de-
terminado. Para esto se debe substituir en la matriz (A) y (A|B), el valor del coeciente desconocido por alguno de los
obtenidos anteriormente, si ambas matrices tienen el mismo rango, el sistema es determinado.
6.6. Resolucin de ecuaciones lineales
6.6.1. Mtodo general
Es necesario hallar una submatriz cuadrada de orden r obtenida de A, cuyo determinante sea distinto de cero. Suponien-
do que esta matriz corresponda a las r primeras las y las r primeras columnas (si no es as, poner de esta forma).
En este supuesto, el sistema es equivalente a este:
a
11
x
1
+... +a
1r
x
r
= b
1
(a
1(r+1)
x
1
+... +a
1n
x
n
)
a
21
x
1
+... +a
2r
x
r
= b
2
(a
2(r+1)
x
2
+... +a
2n
x
n
)
...
a
r1
x
1
+... +a
rr
x
r
= b
r
(a
r(r+1)
x
r+1
+... +a
rn
x
n
)
En estas ecuaciones se han pasado al segundo miembro las matrices que no intervienen en la matriz regular de orden
r, y se han eliminado la ecuaciones que tampoco intervienen.
Este sistema es determinado, y se puede resolver con los mtodos clsicos (reduccin o eliminacin).
6.6.2. Regla de Crammer
Esta regla aporta una herramienta para resolver sistemas lineales determinados (con una solucin).
Se parte de la suposicin de que el rango de la matriz de coecientes es igual al rango de de matriz ampliada que a su
vez es igual al nmero de incgnitas.
Resumen de lgebra - 22
lgebra Sistemas de ecuaciones lineales
x
1
=

b
1
f
12
... f
1n
b
2
f
22
... f
2n
... ... ... ...
b
n
f
n2
... f
nn

f
11
f
12
... f
1n
f
21
f
22
... f
2n
... ... ... ...
f
n1
f
n2
... f
nn

x
2
=

f
11
b
1
... f
1n
f
21
b
2
... f
2n
... ... ... ...
f
n1
b
n
... f
nn

f
11
f
12
... f
1n
f
21
f
22
... f
2n
... ... ... ...
f
n1
f
n2
... f
nn

De este modo la regla se puede aplicar para todas la incgnitas del sistema.
6.6.3. Mtodo Gauss
Este sistema se caracteriza por ser de fcil programacin y por tanto de sencilla resolucin con ayuda informtica.
La idea del mtodo es aplicar a la matriz ampliada (A|B) del sistema, transformaciones elementales de las las hasta
conseguir una matriz A triangular, cuyo sistema asociado es fcilmente resoluble.
6.7. Equivalencia de sistema lineales
Dos sistemas lineales son equivalentes si tienen las mismas soluciones. Se designa con el smbolo .
Existen tres mtodos para encontrar sistemas equivalentes de un sistema dado.
La supresin o adicin de ecuaciones que sean combinacin lineal de las dems, produce un sistema equivalente a
uno dado.
Si en alguna, o algunas ecuaciones del sistema se pasan una o varias incgnitas al segundo miembro se obtiene un
sistema equivalente. Quedado esto del siguiente modo:
f
11
x
1
+f
12
x
2
+... +f
1(p1)
x
(p1)
= b
1
f
1p
x
p
Mtodo de Gauss, llamado tambin reduccin o eliminacin.
6.8. Ecuaciones paramtricas e implcitas de un subespacio vectorial
Todo sistema homogneo, tiene ecuaciones implcitas o no paramtricas, con este nombre se designa al subespacio
vectorial formado por las soluciones del sistema.
Dimensin del subespacio = Nmero de incgnitas - Nmero de ecuaciones independientes
Las ecuaciones paramtricas e implcitas de un subespacio vectorial, y el paso de un tipo a otro de ecuaciones se
efecta de la siguiente forma:
Conocidas las ecuaciones implcitas; AX=0. Se halla el rango de la matriz A, que sera el nmero de ecuaciones
independientes. Ser resuelve el sistema y esa solucin en funcin de parmetros sern las ecuaciones paramtricas.
Conocidas las ecuaciones paramtricas del subespacio. Se eliminan los parmetros hasta obtener un nmero de
ecuaciones independientes igual al nmero de incgnitas menos el nmero de parmetros.
6.9. Problema del cambio de base
Basicamente es igual que el cambio de base para aplicaciones lineales, el cual ya se ha visto anteriormente
Resumen de lgebra - 23
lgebra Diagonalizacin de matrices. Formas cuadrticas
7. Variedades lineales vectoriales
8. Diagonalizacin de matrices. Formas cuadrticas
8.1. Valores y vectores propios de una aplicacin lineal
Teniendo la aplicacin lineal f : V V sobre el espacio vectorial V , se puede denir:
Autovalor o valor propio de f es todo escalar tal que existe un vector

u V no nulo para el que f(

u ) =

u
Autovector o vector propio de f, corresponde al autovalor es todo vector

u no nulo de V tal que f(

u ) =

u
Esto tambin puede verse expresado de esta forma:
autovalor de A X = 0 tal que AX = X
X = 0, X autovector de A tal que AX = X
Ejercicios Los ejercicios ms tpicos son hallar los autovalores de una matriz y los autovectores.
Para hallar los autovalores se debe hallar la ecuacin caracterstica, y resolver los posibles valores de , estos son los
autovalores.
Para hallar los autovectores se debe substituir en la ecuacin caracterstica por cada uno de sus posibles valores
(autovalores), esto plantea un sistema de ecuaciones (cada sistema es un autovector), se escribe como L
i
= (x, y, z).
8.2. Ecuacin caracterstica
La ecuacin caracterstica de una matriz es |AI| = 0, las soluciones de esta ecuacin son los autovalores de A.
El polinomio en que resulta de |AI| se llama polinomio caracterstico de A.
Visto de una forma prctica, si se desea hallar la ecuacin caracterstica de una matriz cuadrada A, se debe hallar el
determinante de esta funcin menos (constante) por la matriz identidad. Ejemplo:
A =
_
_
a b c
d e f
g h i
_
_
|AI| =

a b c
d e f
g h i

8.3. Subespacio propio


Para hallar los subespacios propios (L

) de una matriz, primero se deben hallar las races de en la ecuacin carac-


terstica, posteriormente para cada valor de se crea un sistema de ecuaciones lineales igualando a cero la matriz.
Ejemplo:
Si tenemos la siguiente matriz
A =
_
_
a b c
d e f
g h i
_
_
y obtenemos las races de |AI|, siendo estas t
1
y t
2
se obtienen los siguientes subespacios propios:
Para el subespacio t
1
_
_
_
(a t
1
)x +by +cz = 0
ax + (b t
1
)y +cz = 0
ax +by + (c t
1
)z = 0
Resumen de lgebra - 24
lgebra Diagonalizacin de matrices. Formas cuadrticas
Para el subespacio t
2
_
_
_
(a t
2
)x +by +cz = 0
ax + (b t
2
)y +cz = 0
ax +by + (c t
2
)z = 0
Lgicamente se pueden resolver los valores de las variables x, y, z.
La dimL

= n rg(AI), donde n es el orden de la matriz A.


8.4. Semejanza de matrices
Se considera que dos matrices (A y B) son semejantes si existe una matriz P
14
regular, tal que:
B = P
1
AP
Propiedades:
Si A y B son semejantes |A| = |B|
Si A y B son semejantes, tambin lo son A
n
y B
n
Las matrices asociadas a un endorsmo en diferentes bases, son semejantes
Si A y B son semejantes, tienen la misma ecuacin caracterstica y, con ello, los mismos valores con el mismo orden
de multiplicidad en ella
8.5. Diagonalizacin de matrices
Diagonalizar una matriz, consisten en obtener una matriz diagonal semejante (D) y una matriz de paso (P), para que
se cumpla D = P
1
AP.
8.5.1. Teorema de caracterizacin de matrices diagonalizables
Una matriz A de orden n, con nmeros reales, es diagonalizable si, y slo si, admite n vectores propios linealmente
independientes. Esto sucede cuando:
La ecuacin caracterstica tiene n races reales (iguales o no)
El orden de multiplicidad de cada autovalor en la ecuacin caracterstica coincide con la dimensin del subespacio
propio asociado
Dicho de otro modo, una matriz es diagonalizable, si la dimensin de los subespacios
15
es igual a la multiplicidad
16
de la
matriz en todos los subespacios. Un ejemplo de estos conceptos seran:
L
1
=< (3, 2, 1) > se ha obtenido de 3, 2, , por tanto la dimensin de este subespacio es uno

2
( + 1) implica la existencia de multiplicidad 2 y multiplicidad 1
8.5.2. Proceso de diagonalizacin
1. El primer paso consiste en hallar los autovalores de la matriz. Para eso se debe averiguar el valor (o valores) de
en el determinante |AI| = 0. De esta operacin se obtendr un nmero n de resultados de .
2. Este paso se debe realizar para cada uno de los posibles valores de , y cosiste en substituir por su valor en
el determinante |A I| = 0; de esta manera se obtiene un sistema de tres incgnitas que se debe resolver, sus
resultados se debern expresar sobre la variable
17
. El resultado se debe expresar como L
i
= {x
1
, y
2
, z
3
}.
14
Tambin llamada matriz de paso
15
Nmero de variables (, , , ...) que forma el subespacio
16
Est marcado por el nmero al cual se encuentra elevado la variable resultante de obtener la ecuacin caracterstica
17
Ya que no se podr calcular un resultado numrico exacto
Resumen de lgebra - 25
lgebra Diagonalizacin de matrices. Formas cuadrticas
3. La matriz de paso (P) ser la formada por los vectores obtenidos como resultado del paso anterior. Cada vector pasa
a formar parte como una columna de la matriz P.
4. La matriz diagonal (D) ser la formada por los resultados obtenidos en el paso 1, siendo estos los valores que
componen la diagonal principal, ya que en el resto de posiciones se colocar el valor cero.
8.6. Matrices simtricas
Si la matriz A es simtrica en la diagonalizacin se dan estas caractersticas:
Los autovalores son todos reales
Verican el teorema de caracterizacin de matrices diagonalizables
La base de vectores propios es ortogonal
8.7. Matriz ortogonal
Dividiendo cada vector de la base ortogonal por su mdulo se obtiene una base ortonormal
18
, lo cual da lugar a la
matriz ortogonal, en la cual se verica que si A ortogonal A
t
= A
1
.
Toda matriz real y simtrica es ortogonalmente diagonalizable, es decir, si A es simtrica P ortogonal tal que
D = P
1
AP es diagonal.
8.7.1. Diagonalizacin ortogonal
Toda matriz real y simtrica es ortogonalmente diagonalizable.
8.8. Formas bilineales sobre un espacio vectorial
Una forma bilineal sobre V es una aplicacin f : V V K, tal que:
f(

u
1
+

u
2
,

v ) = f(

u
1
,

v ) +f(

u
2
,

v )
f(

u ,

v
1
+

v
2
) = f(

u ,

v
1
) +f(

u ,

v
2
)
Casos particulares:
Si K = , la forma bilineal se dice real.
Simtrica. f(

u ,

v ) = f(

v ,

u );

u ,

v
Alternada. f(

u ,

u ) = 0;

u o f(

u ,

v ) = f(

v ,

u );

u ,

v
8.8.1. Expresin matricial de una forma bilineal
Siendo f : V V R, de manera que la base de V es B = {

e
1
,

e
2
, ...,

e
n
}. Las coordenadas de los vectores son

u = (x
1
, x
2
, ..., x
n
) y

v = (y
1
, y
2
, ..., y
n
). La imagen f(

u ,

v ) puede expresarse como:


f(

u ,

v ) = (x
1
, x
2
, ..., x
n
)
_
_
_
_
f(

e
1
,

e
1
) f(

e
1
,

e
2
) ... f(

e
1
,

e
n
)
f(

e
2
,

e
1
) f(

e
2
,

e
2
) ... f(

e
2
,

e
n
)
... ... ...
f(

e
n
,

e
1
) f(

e
n
,

e
2
) ... f(

e
n
,

e
n
)
_
_
_
_
_
_
_
_
y
1
y
2
...
y
n
_
_
_
_
= X
t
AY
X
t
=matriz la de coordenada de

u en B
Y =matriz columna de coordenada de

v en B
A=matriz asociada a f en base B. Cada a
ij
de A en la base B, verica
a
ij
= f(

e
i
,

e
j
); i, j = 1, 2, ..., n
18
Este proceso se denomina ortonormalizacin
Resumen de lgebra - 26
lgebra Diagonalizacin de matrices. Formas cuadrticas
8.8.2. Cambio de base en una forma bilineal
Dadas las bases B = {

e
1
,

e
2
, ...,

e
n
}; B

= {

1
,

2
, ...,

n
}.
Si A es una matriz en base B y A en base B: A

= P
t
AP
Donde P es la matriz que tiene por columnas las coordenadas de los vectores B

expresadas en B.
8.9. Matrices congruentes
Dos matrices A y B cuadradas y de mismo orden son congruentes, si existe una matriz regular P tal que A = P
t
BP.
Las matrices A y A de una forma bilineal sobre dos bases diferentes, son congruentes.
8.10. Matriz nilpotente
Es aquella matriz en que se cumplen las siguientes caractersticas:
A
p
= 0
A
p1
= 0
8.11. Vectores conjugados respecto a una forma bilineal simtrica. Ncleo
Dos vectores (

u y

v ) son conjugados respecto a f(

u ,

v ) = 0. Un vector

u es conjugado con un subespacio S
respecto a f si lo es con todos los vectores de S.

u conjugado de S f(

u ,

v ) = 0;

v S
Se llama ncleo de la forma bilineal simtrica f : V V R, al conjunto de vectores de V conjugados con todas las de
V.
N(f) = {

u V / f(

u ,

v ) = 0;

v V }
al ser f(

u ,

v ) = X
t
AY = 0 N(f) = {Y/ AY = 0}
Forma bilineal simtrica degenerada cuando N(f) = 0, es decir, rg(A) < n(n = dimV )
8.12. Formas cuadrticas
8.12.1. Denicin
Sea V un espacio vectorial real y f : V V una forma bilineal sobre V. Se llama forma cuadrtica asociada a f,
a la aplicacin q : V denida por:
q(

u ) = f(

u ,

u );

u V
De aqu se deduce:
Una forma bilineal tiene una forma cuadrtica
Una forma cuadrtica puede tener varias forma bilineales
De todas las forma bilineales que puede tener una cuadrtica, solo una es simtrica, esta se llama forma polar de la forma
cuadrtica.
De manera que si q : V R es una forma cuadrtica, su polar se dene por f : V V R tal que f(

u ,

v ) =
1
2
[q(

u +

v ) q(

u ) q(

v )]
8.12.2. Propiedades de las formas cuadrticas
Si q : V R es la forma cuadrada asociada a f : V V R
q(

u ) = f(

u ,

u ) =
2
f(

u ,

u ) =
2
q(

u )
q(0) = 0
q(

u +

v ) = f(

u +

v ,

u +

v ) = q(

u ) +q(

v ) +f(

u ,

v ) +f(

v ,

u )
Resumen de lgebra - 27
lgebra Diagonalizacin de matrices. Formas cuadrticas
8.12.3. Forma cuadrtica denida
Es aquella en que q(

u ) = 0

u = 0
8.12.4. Expresin matricial de una forma cuadrtica
Si f : V V R es una forma bilineal de una matriz A en base B
f(

u ,

v ) = X
t
AY
La forma cuadrada asociada en misma base
q(

u ) = f(

u ,

u ) = X
t
AX
Se considera matriz de la forma cuadrada la matriz de la forma polar asociada (por tanto simtrica).
8.12.5. Cambio de base de una forma cuadrada
????
8.13. Diagonalizacin de una forma cuadrada
Consiste en encontrar una base respecto a a la cual la matriz sea diagonal.
q(

u ) = a
11
x
2
1
+a
22
x
2
2
+... +a
nn
x
n
En toda forma cuadrtica existe alguna base donde la matriz es diagonal.
8.14. Rango y signatura de una forma cuadrtica
El rango de una forma cuadrtica es el rango de su matriz.
Se conoce como signatura de q o sg(q) al par (p, m), donde p es el nmero de elementos positivos que posee la
diagonal de la matriz diagonal asociada
19
a q, y m los negativos.
Siempre se cumple que p +m = rg(q)
Tanto el rango como la signatura son invariables respecto a la base en que se exprese.
8.15. Proceso de diagonalizacin de una forma cuadrtica
Bsicamente se pueden usar las misma tcnicas que para las formas cuadrticas.
8.16. Clasicacin de formas cuadrticas
Teniendo q : V R forma cuadrtica, donde dimV = n. La forma cuadrtica puede ser:
Denida positiva. Si q(

u ) > 0;

u V,

u = 0
Denida negativa. Si q(

u ) < 0;

u V,

u = 0
Semidenida positiva. Si q(

u ) 0;

u V y

u = 0 / q(

u ) = 0
Semidenida negativa. Si q(

u ) 0;

u V y

u = 0 / q(

u ) = 0
Indenida. Si

u
1
,

u
2
V tal que q(

u
1
) > 0; q(

u
2
) < 0
Una forma cuadrtica puede clasicarse haciendo uso de su diagonalizacin y recordando que tanto el rango como la
signatura son invariantes, as:
19
Segn el teorema de Silvester el nmero de elementos positivos que hay en la diagonal de cualquiera de las matrices diagonales asociadas a una
forma cuadrtica, siempre es el mismo
Resumen de lgebra - 28
lgebra Diagonalizacin de matrices. Formas cuadrticas
Denida positiva
sg(q) = (n, 0); rg(q) = n
Denida negativa
sg(q) = (0, n); rg(q) = n
Senidenida positiva
sg(q) = (r, 0); rg(q) = r < n
Semidenida negativa
sg(q) = (0, r); rg(q) = r < n
Indenida. Restantes casos
Resumen de lgebra - 29
lgebra El espacio afn
9. El espacio afn
9.1. Denicin
Teniendo un conjunto de puntos E=P,Q,R,... y un k-espacio vectorial V. Se considera que E es un espacio afn de V si
f : E E V .
De manera que a cada par de punto del conjunto E, le corresponde un vector de V. De la siguiente manera f(P, Q) =

V =

PQ, de manera que se deben vericar las siguientes normas:


1. PE,

v V ; QE : f(P, Q) =

v =

PQ
2. f(P, Q) = 0 P = Q
3. P, Q, RE, tales que

PR =

PQ+

RQ f(P, R) = f(P, Q) +f(Q, R)


La dimensin de un espacio afn es la misma dimensin que la del espacio vectorial asociado
9.2. Referencia afn
Este es el nombre que recibe un conjunto formado por un punto del conjunto E y la base del espacio vectorial V.
Siendo estos:
R = {O,

u
1
,

u
2
,

..., u
n
}
Cualquier punto PR tiene como coordenadas en el conjunto referencia afn R las mismas coordenadas que el vector

OP tiene en la base V.
P(p
1
, p
2
, ..., p
n
) en R

OP = (p
1
, p
2
, ..., p
n
) en la base de V.
Un caso muy tpico de referencia afn se da en E
2
donde:
R = {O,

u
1
,

u
2
}; donde O = (0, 0);

u
1
= (1, 0);

u
2
= (0, 1)
Un caso muy tpico de referencia afn se da en E
3
donde:
R = {O,

u
1
,

u
2
,

u
3
}; donde O = (0, 0, 0);

u
1
= (1, 0, 0);

u
2
= (0, 1, 0);

u
3
= (0, 0, 1)
9.3. Ecuaciones de una recta
9.3.1. Denicin
Una recta es un subespacio de dimensin uno de un espacio afn. Las rectas se pueden determinar de dos maneras:
Con un punto P=(a,b) y con una direccin

d = (d
1
, d
2
)
Mediante dos puntos P=(a,b) y Q=(c,d), se puede deducir la direccin mediante

d =

PQ = (c a, d b)
9.3.2. Formas de expresar una recta
Ecuacin vectorial

OX =

OP +

d
Ecuacin paramtricas
x = a +d
1
y = b +d
2
Ecuacin continua
x a
d
1
=
y b
d
2
Ecuacin cartesiana
Ax +By +C = 0
A = d
2
; B = d
1
; C = d
2
a +d
1
b
Resumen de lgebra - 30
lgebra El espacio afn
9.3.3. Posiciones relativas de dos rectas
Teniendo dos rectas r y s con sus direcciones

d
r
y

d
s
, se puede estudiar sus posiciones relativas acorde con los
siguientes criterios:
Si

d
r
= k

d
s

u
1
u
2
=
v
1
v
2
paralelas
Si

d
r
= k

d
s
y adems tiene un punto comn coincidentes
Si

d
r
=

d
s
se cortan en un punto
9.3.4. Haz de rectas de vrtice P
Teniendo dos rectas (r y s) que se cortan en un punto P se puede deducir la siguiente ecuacin:
r +s = 0; ,
Para cada valor que se asigne a se obtiene una nueva recta que pasa por el punto P.
9.4. Ecuaciones de un plano
9.4.1. Denicin
Un plano es un subespacio de dimensin 2 en un espacio afn. Puede determinarse por:
Un punto P=(a,b,c) y dos vectores contenidos y
Tres puntos no alineados
Un punto y un vector perpendicular (vector director o direccin del plano)
9.4.2. Formas de expresar un plano
Ecuacin vectorial

OX =

OP +

u +

v
Ecuaciones paramtricas. Siendo X=(x,y,z)
x = a +u
1
+v
1
y = b +u
2
+v
2
z = c +u
3
+v
3
Ecuacin cartesiana

x a u
1
v
1
y b u
2
v
2
z c u
3
v
3

= 0; A(x a) +B(y b) +C(z c) = 0


donde A, B, C sern los menores
A =

u
2
v
2
u
3
v
3

; B =

u
1
v
1
u
3
v
3

; C =

u
1
v
1
u
2
v
2

Resumen de lgebra - 31
lgebra El espacio afn
9.4.3. Posicin relativa de dos planos
Considerando dos planos
1
y
2
de ecuaciones:

1
= A
1
x +B
1
y +C
1
z +D
1
= 0 ;
2
= A
2
x +B
2
y +C
2
z +D
2
= 0
Por el teorema de Rouch se obtiene:
(M|N) =
_
A
1
B
1
C
1
D
1
A
2
B
2
C
2
D
2
_
Si r(M) = r(M|N) = 1 planos coincidentes. Esto sucede cuando
A
1
A
2
=
B
1
B
2
=
C
1
C
2
=
D
1
D
2
Si r(M) = 1; r(M|N) = 2 planos paralelos. Esto sucede cuando
A
1
A
2
=
B
1
B
2
=
C
1
C
2
Si r(M) = r(M|N) = 2 planos que se cotan segn una recta
9.4.4. Ecuacin de una recta como interseccin de planos
Para hallar dicha recta, se debe considerar la ecuacin de los planos

1
= a
1
x +b
1
y +c
1
z = d
1

2
= a
2
x +b
2
y +c
2
z = d
2
En primer lugar se considera z = 0, de manera que se debe resolver un sistema de dos incgnitas simple, del cual
resulta: x = x
0
; y = y
0
Una vez hallados los valores x
0
y y
0
se halla z
0
, substituyendo en la ecuacin del plano.
Una vez realizadas estas operaciones se debe hallar el vector de la recta, el cual ser el resultado del siguiente deter-
minante:

i

j

k
a
1
b
1
c
1
a
2
b
2
c
2

= d
1

i +d
2

j +d
3

k
Siendo la ecuacin de la recta la siguiente
r =
x x
0
d
1
=
y y
0
d
2
=
z z
0
d
3
La cual tambin se puede expresar como
r =
_
d
2
(x x
0
) d
1
(y y
0
) = 0
d
3
(y y
0
) d
2
(z z
0
) = 0
9.4.5. Haz propio de planos del eje de la recta r
Dados dos planos que se cortan en r

1
= a
1
x +b
1
y +c
1
z +d
1

2
= a
2
x +b
2
y +c
2
z +d
2
Se considera que para cada par de valores , se obtiene un plano del haz
(a
1
x +b
1
y +c
1
z +d
1
) +(a
2
x +b
2
y +c
2
z +d
2
) = 0
9.4.6. Haz de planos paralelos a uno dado
Dado el plano = a
1
x +b
1
y +c
1
z +d
1
= 0, se puede obtener planos paralelos a este asignando diferente valores a
d
1
Resumen de lgebra - 32
lgebra El espacio afn
9.4.7. Posicin relativa de tres planos
Considerando dos planos
1
,
2
y
3
de ecuaciones:

1
= A
1
x +B
1
y +C
1
z +D
1
= 0 ;
2
= A
2
x +B
2
y +C
2
z +D
2
= 0;
3
= A
3
x +B
3
y +C
3
z +D
3
= 0
Por el teorema de Rouch se obtiene:
(M|N) =
_
_
A
1
B
1
C
1
D
1
A
2
B
2
C
2
D
2
A
3
B
3
C
3
D
3
_
_
Si r(M) = r(M|N) = 1 planos coincidentes
Si r(M) = 1; r(M|N) = 2 tres planos paralelos o dos coincidentes y uno paralelo
Si r(M) = 2; r(M|N) = 3 se cortan dos a dos (forma prisma) o dos paralelos cortados por el otro
Si r(M) = r(M|N) = 3 se cortan en un solo punto (forman triedro)
Resumen de lgebra - 33
lgebra Problema de la programacin lineal
10. Problema de la programacin lineal
10.1. Deniciones
Para realizar las siguientes deniciones se tomar como norma la existencia de un espacio afn de n-dimensiones,
llamado E; asociado a un espacio vectorial V.
10.1.1. Combinacin convexa
Se dice que un punto P del espacio E es combinacin convexa de los puntos A
1
, ..., A
m
de E si existen nmeros reales
positivos
1
, ...,
m
tales que para un punto O de E:
OP =
1
OA
1
+
2
OA
2
+... +
m
OA
m
;
1
+... +
m
= 1
Esta denicin, es independiente del punto O elegido. Tambin puede abreviarse como:
P =
1
A
1
+... +
m
A
m
;
1
+... +
m
= 1
10.1.2. Conjunto convexo
Un conjunto F de E se dice convexo si para todo par de puntos A, B, de F, toda combinacin convexa de A y B
pertenece a F.
F convexo A, BF ; P =
1
A+
2
B F ;
1
+
2
= 1
10.1.3. Segmento de extremos A y B
Dados dos puntos A y B de E, se llama segmento de extremos A y B al conjunto [A, B] = {PE / P = A + (1
)B, R, 0 1}.
De esto se deduce que:
Un punto P E es combinacin convexa de A y B si P pertenece al segmento de extremos A y B.
Un subconjunto F E es convexo si para todo par A, B de puntos de F, el segmento [A, B] tambin pertenece a F.
10.1.4. Extremo
Un punto P de un conjunto convexo F de E recibe el nombre de extremo, si P no puede ser expresado como com-
binacin convexa de otros dos puntos de F distintos de P. Es decir, si P no pertenece a ningn segmento que tenga por
extremos dos puntos distintos de P.
10.1.5. Variedad convexa
Dado un conjunto S de puntos de E, el conjunto de todas las combinaciones convexas de puntos de S se llama variedad
convexa de S. Es el conjunto convexo ms pequeo que contiene a S. Se expresa como V(S).
10.2. Desigualdades lineales
Se denota por desigualdad una expresin con la siguiente forma:
a
11
x
1
+a
12
x
2
+... +a
1n
x
n
b
1
Esta expresin dene un semiplano en un espacio afn.
En caso de tener un conjunto de desigualdades, todas ellas forman un conjunto convexo.
Resumen de lgebra - 34
lgebra Problema de la programacin lineal
10.3. Problema de la programacin lineal
Este tipo de problemas consisten en que partiendo de un sistema lineal de desigualdades, con variables (x
1
, x
2
, ...) se
pretende encontrar los valores de estas que optimicen la funcin.
La funcin lineal a optimiza se llama funcin objetivo (o econmica) y las ecuaciones se llaman restricciones o
ligaduras del problema.
Como terminologa general para este tipo de problemas se suele denotar la funcin objetivo como: z = c
1
x
1
+...+c
n
x
n
y las restricciones se representan como un sistema de ecuaciones con la forma a
11
x
1
+a
12
x
2
+... +a
1n
x
n
= b
1
...
10.3.1. Pasar desigualdades a igualdades
Un caso muy comn es que se presente las ligaduras como un conjunto de desigualdades, de modo que para solucionar
el problema es necesario transformar estas en igualdades, esto se consigue sumando a cada una de las ecuaciones una
variable desconocida, a la cual se llama holgura.
a
11
x
1
+... +a
1n
x
n
b
1
...
a
m1
x
1
+... +a
mn
x
m
b
m
=
a
11
x
1
+... +a
1n
x
n
+x
n+1
b
1
...
a
m1
x
1
+... +a
mn
x
m
+x
n+m
b
m
10.3.2. Soluciones de un problema
Dado un problema con n variables y m restricciones independientes. Se llama:
Soluciones posible. Es todo punto x = (x
1
...x
n
) cuyas coordenadas son todas positivas y verica las restricciones.
Tambin reciben el nombre de solucin factible.
Solucin posible bsica. Es la solucin posible que no posee ms de m coordenadas positivas.
Solucin posible ptima. Es la solucin posible que optimiza la funcin econmica.
10.4. Mtodos de resolucin
10.4.1. Mtodo grco
Este mtodo se usa para casos muy sencillos, como funciones objetivo de dos dimensiones y con facil representacin
de las restricciones.
Para usar este mtodo es necesario seguir los siguientes pasos:
Representar sobre el plano las restricciones (normalmente lineas rectas)
Colorear el rea a estudiar, la cual es aquella que se encuentra acotada por las lineas restriccin
Hallar las coordenadas de cada vrtice de la gura. En caso de ser un espacio de dos dimensiones, cada vrtice se
determina por la pareja de restricciones que lo forman (a
n
, b
n
)
Finalmente se debe substituir las coordenadas (x, y) de la funcin objetivo, por cada pareja de valores obtenida en
el punto anterior (a
n
, b
n
), con esto se genera un valor numrico. Se comparan todos estos valores entre si, y se
considera que el mximo es el ms grande de ellos, y como resultados x = a
n
y y = b
n
10.4.2. Mtodo simples
Este procedimiento suele ser largo, pero mecnico. Se utiliza para resolver problemas con un grado de complejidad
mayor que los indicados anteriormente.
Para la correcta resolucin de los problemas, esto son los pasos a seguir:
1. Pasar las inecuaciones a ecuaciones, aadiendo para ello la variable de holgura
2. Replantear la funcin objetivo, multiplicando las variables de holgura por cero, con lo cual queda con
el mismo valorz = ax
1
+bx
2
+... + 0x
0
+ 0x
0+1
+ 0x
0+2
+...
3. Se crea una tabla para representar las ecuaciones
Resumen de lgebra - 35
lgebra Problema de la programacin lineal
multiplica la variable
en la ecuacion Z
Valor por el que se
Resultado de la ecuacion
a que pertenece la variable
de olgura
n
Cki*Poi
i=1
Valor por el que se multiplica
ecuaciones
cada variable del conjunto de
Valor por el que se multiplica
la variable en la ecuacion Z
n
i=1
Cki*V1i(a)
n
i=1
Cki*V2i(b)
Variables Basicas Po Ck
a b c
Xo
Xo+1
Xo+2
...
0
0
0
R2
R1
R3
...
X1 X2
Variable de olgura
V11
V12
V13
V21
V22
V23
X3
V31
V32
V33
....
4. En el siguiente paso es necesario seleccionar el menor nmero de la la de resultados, marcada con
crculos en el dibujo, el cual ser siempre negativo. De manera que entre -6, -2 y 1; el menor es -6. En el
siguiente paso se trabajar sobre la columna a la que corresponde este valor.
5. En la columna elegida se deber realizar la siguiente serie de divisiones
V
i1
R
1
,
V
i2
R
2
,
V
i3
R
3
, ... entre los
resultados de estas divisiones se substituya la la con menor valor. Dicha la se substituye la variable de
holgura por la variable X
k
, siendo esta una de las pertenecientes a la expresin inicial de Z (x
1
, x
2
, x
3
, ...)
Resumen de lgebra - 36
lgebra Problema de la programacin lineal
n
Cki*Poi
i=1
n
i=1
Cki*V1i(a)
n
i=1
Cki*V2i(b)
Valor que multiplicaba
a Xk en la ecuacion Z
Vij
Ri
Valor obtenido
en el paso anterior
Xo
Xo+1
Xo+2
0
0
0
....
...
Xk
...
Xo+i
Xo+i+1
b
0
0
1
0
0
0
0
0
6. Todos los valores que se encuentran sin rellenar se deben calcular realizando a los valores anteriores
(del cuadro anterior), la misma operacin que se ha realizado para obtener los nuevos valores
7. Una vez esta totalmente completado el cuadro se debe observar la columna de resultados marcada con
crculos; de manera que en caso de que exista algn nmero negativo se debe volver al paso 4
8. El resultado del problema se indica como x
k
= b; ... y la variable Z es igual a la suma indicada por el
sumatorio

n
i=1
C
ki
P
oi
Resumen de lgebra - 37
lgebra El espacio eucldeo
11. El espacio eucldeo
11.1. Producto escalar
Como ya es sabido se llama producto escalar a una aplicacin f : V V R denida por f(u, v) = u v.
|

u | |

v | cos
11.2. Espacio eucldeo
Con este nombre se conoce a un espacio vectorial provisto de un producto escalar, siendo este tambin llamado espacio
vectorial eucldeo. Por generalizacin, cuando se hace referencia a un espacio eucldeo, ms concretamente se suele hacer
referencia a un espacio afn eucldeo.
Se hace referencia a los espacios eucldeos como E, en particular E
2
se usa para los de dos dimensiones y E
3
para los
de tres dimensiones.
Se conoce como norma de un vector como la raz cuadrada del producto escalar del vector por si mismo
uE ; ||u|| =

u u
Tanto en los espacio E
2
como en E
3
la norma de un vector coincide con su mdulo.
11.3. Ortogonalidad
En un espacio eucldeo, dos vectores u, v se dicen ortogonales (uv) cuando su producto escalar es cero. Esto es
debido a que uv = |u| |v| cos(u, v), donde cos(u, v) = 0, precisamente por ser ortogonales.
Respecto a las bases vectoriales de los sistemas se pueden clasicar como:
Ortogonal u
i
u
j
; i = j
Ortonormal ortogonal y |u
i
| = 1; i
11.4. Orientacin de una referencia en E
3
Toda referencia ortonormal R = {0, u
1
, u
2
, u
3
}, es positiva si:

u
11
u
12
u
13
u
21
u
22
u
23
u
31
u
32
u
33

> 0
Esto tambin puede denirse, de forma ms informal, como que la orientacin del sistema con base u
1
, u
2
, u
3
es
positiva si la direccin del u
3
, es la de avance de un sacacorchos que se mueve de u
1
a u
2
(tpico de fsica).
11.5. Producto vectorial
Con este nombre se conoce la aplicacin de dos vectores (u, v) talque:
f : R
3
R
3
R
3
El modulo de un producto vectorial cumple que |u v| = |u| |v| sin
Grcamente se puede representar como:
u
v
Resumen de lgebra - 38
lgebra El espacio eucldeo
Siendo el producto vectorial el rea del paralelogramo de la gura.
Resolucin: u v =

i j k
x
1
x
2
x
3
y
1
y
2
y
3

11.6. Producto mixto de tres vectores


Este tipo de producto se representa como u (v w), de este se obtiene un valor escalar, que coincide con el valor del
siguiente determinante:
u (v w) =

x
1
x
2
x
3
y
1
y
2
y
3
z
1
z
2
z
3

11.7. Vector direccin de una recta expresada como interseccin de planos


Si la recta r viene expresada como la interseccin de dos planos
1
y
2
; la direccin de r es el siguiente producto
vectorial:
d
r
= d

1
d

2
11.8. Condicin para que dos rectas se corten en E
3
Para que dos rectas se corten se debe hacer el producto mixto de los vectores direccin de ambas y el vector que une
dos puntos cualquiera de ellas, si este producto es igual a cero las rectas se cortan.
[d
r
, d
s
, AB] , de manera que A es de la primera recta y B de la segunda.
11.9. Aplicaciones geomtricas
11.9.1. Distancias
Entre dos puntos P y Q. Se haya obteniendo el mdulo del vector que los une |PQ| =
_
(y
1
x
1
)
2
+ (y
2
x
2
)
2
+ (y
3
x
3
)
2
Entre un punto P y una recta r (con vector direccin d y punto interno A): d(P, r)
|APd|
|d|
Entre un punto P y un plano = Ax +By +Cz +D: d(P, ) =
Ax+By+Cz+D
|d|
Entre dos rectas que se cruzan d(r, s) =
[d
r
,d
s
,AB]
|d
r
d
s
|
11.9.2. ngulos
Entre dos rectas r y s. cos =
d
r
d
s
|d
r
d
s
|
Entre la recta r y el plano . cos(

2
) =
d
r
d

|d
r
d

|
De dos planos. Es el mismo que el de sus vectores direccin.
11.9.3. reas y volmenes
rea del tringulo de vrtices A, B y C. A =
1
2
|AB AC|
Volumen de un paraleppedo de lados concurrentes AB, AC y AD. V = [AB, AC, AD]
Volumen de un tetraedro de vrtices A, B,C, D. V =
1
6
[AB, AC, AD]
Resumen de lgebra - 39