FACULTAD REGIONAL CÓRDOBA

UNIDAD N° 7: AUTO VALORES – AUTO VECTORES

Sea F: V ⇒ V una transformación lineal. En más de una oportunidad es útil hallar un vector “𝑣̅ ” que
pertenezca al espacio vectorial “V”, tal que la transformada de dicho vector y el vector mismo sean
paralelos
[𝑭(𝒗) = 𝝀𝒗].
Si 𝑣̅ ≠ 0 𝑦 𝜆, satisfacen esta expresión, se dice que “λ” es un valor característico, valor propio,
autovalor o eigenvalor de la transformación “F”, y a “𝑣̅ ” se le llama vector característico, vector propio,
autovector o eigenvector de la transformación “F” correspondiente al valor característico “λ”.

Hemos visto que las transformaciones lineales pueden ser efectuadas mediante el producto por una
matriz; de acuerdo con esto, la expresión [F(𝑣̅ ) = λ𝑣̅ ] puede ser escrita como: 𝐴𝑣̅ = 𝜆𝑣̅ .
El número "𝜆" , puede ser un número real o complejo

1 3 0
Ejemplo: El vector 𝑥= es un vector propio o eigenvector de la matriz 𝐴= ,
2 8 −1
correspondiente al valor propio o eigenvalor 𝜆 = 3, debido a que: 𝐴𝑥 = 𝜆𝑥
3 0 1 3 1
⇒ = =3
8 −1 2 6 2

EJEMPLOS
3 2
A) Hállense los eigenvalores o valores propios de la matriz 𝐴 = .
−1 0
Para cumplimentar lo solicitado, debemos resolver la expresión
1 0 3 2 𝜆 0 3 2 𝜆−3 −2
(𝐴 − 𝜆𝐼)𝑣 = 0 ⇒ 𝜆𝐼 − 𝐴 = 𝜆 − = − =
0 1 −1 0 0 𝜆 −1 0 1 𝜆
y el polinomio característico de la matriz “A” es:
𝜆 − 3 −2
𝑑𝑒𝑡(𝜆𝐼 − 𝐴) = 𝑑𝑒𝑡 = (𝜆 − 3)𝜆 − (1)(−2)
1 𝜆
y la ecuación característica es:
𝜆 − 3𝜆 + 2 = 0
Encontrando las soluciones de esta ecuación, tendremos:
3 ± √9 − 8 3 ± 1 𝜆 =2
𝜆= = ⇒
2 2 𝜆 =1
entonces: 𝜆 = 2 y 𝜆 = 1 , son los autovalores o eigenvalores de la matriz “A”.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 121 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

B) Sea la transformación 𝑇: 𝑅 → 𝑅 tal que 𝑇(𝑥 , 𝑥 ) = (−𝑥 , 𝑥 ) y 𝐵 = {(1,0)(0,1)} una base. Hallar
los valores y vectores propios de dicha transformación.

a) Armamos la matriz: Buscamos las imágenes de los vectores de la base usando la regla de asignación
𝟏 𝟎 𝟎 −𝟏
𝑇(𝑥 , 𝑥 ) = (−𝑥 , 𝑥 ). 𝑻 = ; 𝑻 =
𝟎 𝟏 𝟏 𝟎
𝟎 −𝟏
Armamos la matriz de la aplicación con las imágenes encontradas: 𝑨 =
𝟏 𝟎

b) Hallamos los valores propios:

𝝀−𝟎 𝟎+𝟏 𝝀 𝟏
𝒅𝒆𝒕(𝝀𝑰 − 𝑨) = 𝒅𝒆𝒕 = = 𝝀𝟐 + 𝟏
𝟎−𝟏 𝝀−𝟎 −𝟏 𝝀

La ecuación 𝜆 + 1 = 0, no tiene raíces reales. Los valores propios son los números complejos conjugados
𝜆 = 𝑖 y𝜆 = −𝑖, valores propios de la matriz A.

c) Buscamos los vectores propios

Vamos a resolver el sistema de ecuaciones lineales homogéneo: (𝜆𝐼 − 𝐴). 𝑥̅ = 0, para cada valor propio
encontrado. Reemplazamos en la matriz:

𝜆 1 𝑖 1
Para 𝜆 = 𝑖 → =
−1 𝜆 −1 𝑖
Obtenemos el sistema:
𝑖 1 𝑥 0
. = ; resolviendo el sistema
−1 𝑖 𝑦 0

𝑖 1
↓𝑒
−1 𝑖
−1 𝑖
↓𝑒 ()
𝑖 1
−1 𝑖
↓𝑒 ( )
0 0
1 −𝑖
0 0

El conjunto solución es: 𝑆 = (𝑥, 𝑦) = 𝑡(𝑖, 1);

𝑣 = (𝑖, 1) → 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜 𝑎𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝜆
𝜆 1 −𝑖 1
Ahora trabajamos con el otro valor propio: 𝜆 = −𝑖 → =
−1 𝜆 −1 −𝑖
Obtenemos el sistema:
−𝑖 1 𝑥 0
. =
−1 −𝑖 𝑦 0

El conjunto solución es: 𝑆 = (𝑥, 𝑦) = 𝑡(−𝑖, 1)

𝑣 = (−𝑖, 1) → 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑜 𝑎𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝜆

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 122 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

C) Sea la transformación 𝑇: 𝑅 ⇒ 𝑅 , tal que : 𝑇(𝑥 ; 𝑥 ) = (𝑥 + 4𝑥 ; 𝑥 + 𝑥 ), y, 𝐵 =

[(1; 0); (0; 1)] una base que pertenece a 𝑅 .
Halle los valores propios de la transformación “T” y los correspondientes vectores propios de
la misma.
Utilizando los vectores elementales de la base “B” y mediante la utilización de la trasformación dada,
calculamos la matriz “A” de dicha transformación, o sea:
1 1
𝑇 =
0 1 ⇒ 𝑀 (𝑇) = 𝐴 = 1 4
0 4 1 1
𝑇 =
1 1
con esta matriz ahora calculamos la expresión:
1 0 1 4 𝜆 0 1 4 𝜆 − 1 −4
⇒ 𝜆𝐼 − 𝐴 = 𝜆 − = − =
0 1 1 1 0 𝜆 1 1 −1 𝜆 − 1
de donde:
𝜆 − 1 −4
𝑑𝑒𝑡 =0
−1 𝜆 − 1
nos da la ecuación característica; entonces resolviendo, nos queda:
(𝜆 − 1)(𝜆 − 1) − (−1)(−4) = 0 ⇒ (𝜆 − 1) − 4 = 0 ⇒ 𝜆 − 2𝜆 + 1 − 4 = 0
Obteniendo entonces el polinomio característico:
𝜆 − 2𝜆 − 3 = 0

Las raíces de este polinomio son: 𝜆 = 3, 𝑦, 𝜆 = −1 que constituyen los valores propios de la
transformación.
Para calcular los vectores propios correspondientes a los valores propios hallados, debemos resolver
el sistema homogéneo de ecuaciones lineales, de la forma:
(𝜆𝐼 − 𝐴)𝑥 = 0 , ó , (𝐴 − 𝜆𝐼)𝑥 = 0

dándole a "𝜆" el valor propio correspondiente para cada caso, o sea, con 𝜆 = 3, tendremos:
1 0 1 4 𝜆 0 1 4 𝜆 − 1 −4 𝑥 0
𝜆 − 𝑥=0⇒ − 𝑥=0⇒ = ⇒
0 1 1 1 0 𝜆 1 1 −1 𝜆 − 1 𝑥 0
3 − 1 −4 𝑥 0 2 −4 𝑥 0
⇒ = ⇒ =
−1 3−1 𝑥 0 −1 2 𝑥 0
y resolviendo este sistema tenemos que𝑥 = 2𝑥 , resultando el conjunto solución:
𝑥 2𝑥
𝑥= 𝑥 =
𝑥
y haciendo 𝑥 = 𝑡, tendremos:
2𝑡 2
𝑥= ⇒𝑥= 𝑡
𝑡 1
Entonces el vector propio correspondiente al valor propio 𝜆 = 3es:
2
𝑉( ) =
1
y constituye una base del subespacio propio asociado a 𝜆 = 3.
Con el valor de λ2 = -1, debemos realizar el mismo procedimiento que el efectuado con λ1 = 3;
entonces tendremos:
1 0 1 4 𝜆 0 1 4 𝜆 − 1 −4 𝑥 0
𝜆 − 𝑥=0⇒ − 𝑥=0⇒ = ⇒
0 1 1 1 0 𝜆 1 1 −1 𝜆 − 1 𝑥 0
−1 − 1 −4 𝑥 0 −2 −4 𝑥 0
⇒ = ⇒ =
−1 −1 − 1 𝑥 0 −1 −2 𝑥 0

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 123 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

y resolviendo este sistema tenemos que 𝑥 = −2𝑥 , resultando el conjunto solución:

𝑥 −2𝑥
𝑥= 𝑥 =
𝑥
y haciendo 𝑥 = 𝑡 , tendremos:
−2𝑡 −2
𝑥= ⇒𝑥= 𝑡
𝑡 1
resultando el vector propio correspondiente al valor propio
−2
𝜆 = −1𝑉( ) =
1
el cual constituye una base del subespacio propio asociado a 𝜆 = −1.

EJERCICIOS PARA RESOLVER

−2 −1
1) Halle los eigenvalores o valores propios de la matriz 𝐴 =
5 2
0 1 0
2) Halle los eigenvalores o valores propios de la matriz 𝐴 = 0 0 1
4 −17 8
3 −2 0
3) Halle bases para los eigenvalores de la matriz 𝐴 = −2 3 0
0 0 5
4) Sea la transformación T: R2⇒ R2, tal que: T(x1 , x2) = (-x2 , x1), y, B = [(1 , 0) ; (0 , 1) una base
que pertenece a R2. Hallar los valores y vectores propios de dicha transformación “T”.

3 −5
5) Dada la matriz 𝐴 = que pertenece a una transformación lineal; halle las bases para
1 −1
los eigenespacios o espacios propios de la misma.

6) Sea la transformación T: R2⇒ R2, tal que: T(x1 , x2) = (2x1 + x2 , 2x2), y , B = [(1 , 0) ; (0 , 1)
una base que pertenece a R2. Halle los valores propios de la transformación “T” y los
correspondientes vectores propios de la misma.

7) Sea el espacio vectorial “V” conformado por los polinomios de grado igual o menor que dos
V = p(2); y; T(a + bx + cx2) = a + (a + 2b + c) x +(a + 4c) x2, y además B = (1 , x , x2) es la base
canónica para p(2). Calcular los valores propios y sus correspondientes vectores propios.
3 −2 0
8) Halle las bases para los espacios propios de la siguiente matriz 𝐴 = −2 3 0 .
0 0 5
9) Hállense los valores propios (eigenvalores) y las correspondientes bases de los espacios
propios (eigenespacios) del operador lineal T: p(2)⇒ p(2), definido por: T(a + bx +cx2) = (3a –
2b) + (-2a + 3b) x + (5c) x2. Para confeccionar la matriz de la transformación, considere la
base estándar o canónica B = (1 , x , x2) ∊ p(2).

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 124 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

𝑎 𝑏
10) Suponer que la transformación 𝑇: 𝑅 ⇒𝑅 , se define por medio de: 𝑇 =
𝑐 𝑑
2𝑐 𝑎+𝑐
. I) Hallar los valores propios de “T” ; II) Encontrar bases para los subespacios
𝑏 − 2𝑐 𝑑
propios de “T”.

BASES ORTONORMALES
Un conjunto de vectores en un espacio de productos interiores es un “conjunto ortogonal”, si todas
las parejas de vectores distintas en el conjunto son ortogonales.
Un conjunto ortogonal en el que cada vector tiene módulo o norma igual a uno, se conoce como
“ortonormal”.
Como ejemplo, podemos considerar los vectores v1(1 , 0 , 0); v2(0 , 1 , 0); v3(0 , 0 , 1) que pertenecen
a 𝑅 , los cuáles constituyen un conjunto ortonormal, dado que:⟨𝑣 , 𝑣 ⟩ = ⟨𝑣 , 𝑣 ⟩ = ⟨𝑣 , 𝑣 ⟩ = 0 y
además el módulo es: ‖𝑣 ‖ = ‖𝑣 ‖ = ‖𝑣 ‖ = 1

Al proceso de multiplicar un vector distinto de cero (𝑣 ≠ 0), por el recíproco de su módulo, a fin de
obtener un vector de norma igual a uno se lo conoce como normalización.

Teorema importante: Sea “V” un espacio de productos interiores y {𝑣 , 𝑣 , . . . . , 𝑣 }un conjunto

ortonormal de vectores en “V”. Si “W” indica el espacio generado por 𝑣 , 𝑣 , . . . . , 𝑣 , entonces todo
vector “u” que pertenezca a “V”, se puede expresar en la forma: 𝑢 = 𝑤 + 𝑤
en donde 𝑤 está en “W” y𝑤 es ortogonal a “W” al hacer:
𝑤 = ⟨𝑢, 𝑣 ⟩𝑣 + ⟨𝑢, 𝑣 ⟩𝑣 +. . . . . . +⟨𝑢, 𝑣 ⟩𝑣
𝑤 = 𝑢 − ⟨𝑢, 𝑣 ⟩𝑣 − ⟨𝑢, 𝑣 ⟩𝑣 −. . . . . . −⟨𝑢, 𝑣 ⟩𝑣

u w2
Donde: w1 es la proyección ortogonal de
“u” sobre “W” y se indica por proyw u y,
w1 w2  u  proyw u se conoce como
W componente ortogonal de “W”.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 125 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

PROCESO DE GRAM-SCHMIDT

Sea cualquier espacio de productos interiores distinto de cero y de dimensión “n”. Suponer que 𝑆 =
{𝑢 ; 𝑢 ; . . . . ; 𝑢 }es cualquier base para V. El proceso de Gram-Schmidt produce una base ortonormal
{𝑣 ; 𝑣 ; . . . . ; 𝑣 }para V.

1er Paso: Sea 𝑣 = ‖ ‖

. El vector 𝑣 tiene norma igual a uno.

2do Paso: Para que 𝑣 tenga norma igual a uno y sea ortogonal a 𝑣 hacemos:
𝑢 − 𝑝𝑟𝑜𝑦 𝑢 𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣
𝑣 = =
‖𝑢 − 𝑝𝑟𝑜𝑦 𝑢 ‖ ‖𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 ‖

3er Paso: Para que 𝑣 tenga norma igual a uno y sea ortogonal a 𝑣 𝑦𝑣 , hacemos:
𝑢 − 𝑝𝑟𝑜𝑦 𝑢 𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 − ⟨𝑢 , 𝑣 ⟩𝑣
𝑣 = =
‖𝑢 − 𝑝𝑟𝑜𝑦 𝑢 ‖ ‖𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 − ⟨𝑢 , 𝑣 ⟩𝑣 ‖

4to Paso: Para que 𝑣 tenga norma igual a uno y sea ortogonal a 𝑣 , 𝑣 𝑦𝑣 , hacemos
𝑢 − 𝑝𝑟𝑜𝑦 𝑢 𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 − ⟨𝑢 , 𝑣 ⟩𝑣 − ⟨𝑢 , 𝑣 ⟩𝑣
𝑣 = =
‖𝑢 − 𝑝𝑟𝑜𝑦 𝑢 ‖ ‖𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 − ⟨𝑢 , 𝑣 ⟩𝑣 − ⟨𝑢 , 𝑣 ⟩𝑣 ‖

DIAGONALIZACIÓN
“Se dice que una matriz cuadrada “A” es diagonizable, si hay una matriz invertible “P”, tal que el
producto de las matrices: 𝑃 𝐴𝑃
nos de cómo resultado una matriz diagonal; bajo estas condiciones, expresamos que la matriz “P”
diagonaliza a la matriz “A”.

EJEMPLOS
A) Sea el operador lineal T: R2⇒ R2, tal que: T(x1 , x2) = (x1 + 4x2 , x1 + x2), y además “B” es la
base canónica o estándar {B = [(1 , 0) ; (0 , 1 )]}para la transformación “T”. Halle una base
para R2 con relación a la cual la matriz de la transformación “T” sea diagonal.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 126 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

Efectuamos primero el cálculo de los valores propios

𝑥 𝑥 + 4𝑥 1 1 0 4 1 4
𝑇 𝑥 = ⇒𝑇 = ;𝑇 = ⇒ 𝑀 (𝑇) = 𝐴 =
𝑥 +𝑥 0 1 1 1 1 1
𝜆 0 1 4 𝜆 − 1 −4 𝜆 − 1 −4
(𝜆𝐼 − 𝐴) ⇒ − = ⇒ 𝑑𝑒𝑡 = 0 ⇒ (𝜆 − 1)(𝜆 − 1) − 4 = 0 ⇒
0 𝜆 1 1 −1 𝜆 − 1 −1 𝜆 − 1
2 ± √4 + 12 2 ± 4 𝜆 =3
⇒ 𝜆 − 2𝜆 + 1 − 4 = 0 ⇒ 𝜆 − 2𝜆 − 3 = 0 ⇒ 𝜆 = = ⇒
2 2 𝜆 = −1
Hemos obtenido los valores propios de la transformación “T”, vamos a calcular ahora los vectores
propios correspondientes.
Con 𝜆 = 3, resulta:
𝜆 − 1 −4 3 − 1 −4 2 −4 𝑥 0 2𝑥 − 4𝑥 = 0
⇒ ⇒ = ⇒
−1 𝜆 − 1 −1 3 − 1 −1 2 𝑥 0 −1𝑥 + 2𝑥 = 0
y resolviendo el sistema, obtenemos:
1𝑥 − 2𝑥 = 0 ⇒ 𝑥 = 2𝑥 𝑦𝑠𝑖𝑥 = 𝑡
de donde obtenemos como conjunto solución del sistema
𝑥 2𝑡 2
𝑥= 𝑥 = = 𝑡
𝑡 1
2
dando el mismo como resultado el vector propio correspondiente al valor propio 𝜆 = 3.
1
Ahora trabajamos con 𝜆 = −1 , realizando operaciones similares a las efectuadas para 𝜆 .
𝜆 − 1 −4 −1 − 1 −4 −2 −4 𝑥 0 −2𝑥 − 4𝑥 = 0
⇒ ⇒ 𝑥 = ⇒ 
−1 𝜆 − 1 −1 −1 − 1 −1 −2 0 −1𝑥 − 2𝑥 = 0
La solución de este sistema nos da:
𝑥 −2𝑡 −2
𝑥 + 2𝑥 = 0 ⇒ 𝑥 = −2𝑥 𝑦𝑠𝑖𝑥 = 𝑡 𝑥 = 𝑥 = = 𝑡
𝑡 1
−2
siendo el vector propio correspondiente al valor propio 𝜆 = −1.
1
La base pedida es entonces:
𝐵′ = [(2; 1); (−2; 1)].
Nos preguntamos si la transformación “T” es o no diagonalizable. La respuesta es sí, dado que existe
una base para𝑉 = 𝑅 , formada por vectores propios.
Ahora con los vectores propios formamos la matriz modal que contiene en sus columnas a los
vectores propios hallados (matriz de cambio de base de B’ a B)
2 −2
⇒𝑃=
1 1
de esta matriz hallamos su matriz inversa
1 1  1 2
 P-1 𝑑𝑒𝑡 𝑃 = 2 − (−2) = 4; Pcofactr     Padjunta     𝑃 =
2 2 1 2 −
y finalmente, aplicando la fórmula para determinar la matriz diagonal, resulta:

1 4 2 −2 3 0
𝑃 . 𝐴. 𝑃 = 𝐷  = =𝐷
− 1 1 1 1 0 −1

Los valores que forman la diagonal principal de la Matriz Diagonal, son los valores propios de la
transformación “T”.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 127 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

EJERCICIOS PARA RESOLVER

11) Dadas las siguientes matrices, halle una matriz “P” que diagonalice a cada una de ellas,
determinando la matriz diagonal (𝑃 . 𝐴. 𝑃 = 𝐷).
2 0 −2
−14 12 1 0
𝑎)𝐴 = ; 𝑏)𝐴 = ; 𝑐)𝐴 = 0 3 0
−20 17 6 −1
0 0 3

𝑥 3𝑥 + 4𝑥
12) Sea 𝑇: 𝑅 ⇒ 𝑅 el operador lineal definido por 𝑇 𝑥 = ; halle la matriz para 𝑅
2𝑥 + 𝑥
con relación a la cual la matriz de la transformación “T”, sea diagonal.
Verifique que 𝑃 . 𝐴. 𝑃 = 𝐷.
𝑥 2𝑥 − 𝑥 − 𝑥
13) Sea 𝑇: 𝑅 ⇒ 𝑅 el operador lineal definido como 𝑇 𝑥 = 𝑥 −𝑥 ; halle la matriz
𝑥 −𝑥 + 𝑥 + 2𝑥
para 𝑅 con relación a la cual la matriz de la transformación “T”, sea diagonal.
Verifique que 𝑃 . 𝐴. 𝑃 = 𝐷.

14) Sea 𝑇: 𝑝( ) ⇒ 𝑝( ) el operador lineal dado por 𝑇(𝑎 + 𝑎 𝑥) = 𝑎 + (6𝑎 − 𝑎 )𝑥. Halle la matriz
para 𝑝( ) con relación a la cual la matriz de la transformación “T”, sea diagonal.

Verifique que 𝑃 . 𝐴. 𝑃 = 𝐷.

3 2
15) Encontrar la matriz “A” sabiendo que 𝑦 son vectores propios y que los valores propios
1 1
son: 𝜆 = 1𝑦𝜆 = 4

𝑥 1 2 𝑥
16) Sea 𝑇: 𝑅 ⇒𝑅 , tal que 𝑇 𝑥 = . ¿Cuáles de los siguientes vectores son
3 2 𝑥
vectores propios de “T”?.
1 2 1 −1 0 2 2
𝑎) ; 𝑏) ; 𝑐) ; 𝑑) ; 𝑒) ; 𝑓) ; 𝑔) ; ℎ) y, ¿Cuáles son los valores propios
2 3 0 1 1 −2 1
correspondientes?

17) Sea T(x1 , x2) = (3x1 , x1 + 2x2) la aplicación lineal, cuyos valores propios son 5 y 2 .
a) Hallar La matriz “A” asociada a la transformación “T” respecto a la base 𝐵 = (2; −2); ;
; b) Comprobar si los valores propios de “A” son 5 y 2 ; c) Hallar los correspondientes
vectores propios asociados a 5 y 2.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 128 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

DIAGONALIZACIÓN ORTOGONAL

Una matriz cuadrada “A” de orden “n x n” es simétrica, sí y sólo sí, se verifica que dicha matriz es
igual a su transpuesta ⇒ 𝐴 = 𝐴 .
Para que una matriz sea ortogonalmente diagonalizable debe ser simétrica.
Teorema: Si “A” es una matriz simétrica, entonces los vectores propios de espacios propios
diferentes, son ortogonales.
Se dice que una matriz cuadrada “A” es ortogonalmente diagonalizable si existe una matriz ortogonal
“P”, tal que P-1AP (= PTAP) sea diagonal; en ese caso se dice que la matriz “P” diagonaliza
ortogonalmente a la matriz “A”.
El proceso para diagonalizar ortogonalmente una matriz simétrica, es:
1er Paso) Hallar una base para cada espacio propio de la matriz “A”;
2do Paso) Aplicar el proceso de Gram-Schmidt a cada una de estas bases a fin de obtener una base
ortonormal para cada eigenespacio o espacio propio.
3er Paso) Formar la matriz “P”, cuyas columnas sean los vectores base construidos en el segundo
paso; esta matriz “P” diagonaliza ortogonalmente a la matriz “A”.

EJEMPLOS
5 1 −1
A) Dada la matriz simétrica 𝐴 = 1 5 1 ; diagonalizar la misma. Hallar también la matriz
−1 1 5
diagonal.
Confeccionamos la ecuación característica (𝜆𝐼 − 𝐴) = 0, con el objeto de obtener los valores propios
y sus correspondientes vectores propios, o sea:

1 0 0 5 1 −1 𝜆 0 0 5 1 −1 𝜆 − 5 −1 1
(𝜆𝐼 − 𝐴) ⇒ 𝜆 0 1 0 − 1 5 1 = 0 𝜆 0 − 1 5 1 = −1 𝜆 − 5 −1 =
0 0 1 −1 1 5 0 0 𝜆 −1 1 5 1 −1 𝜆 − 5

= [(𝜆 − 5)(𝜆 − 5)(𝜆 − 5) + 1 + 1] − [(𝜆 − 5) + (𝜆 − 5) + (𝜆 − 5)] =

= (𝜆 − 5𝜆 − 5𝜆 + 25) + 2 − (𝜆 − 5) − (𝜆 − 5) − (𝜆 − 5) =

= 𝜆 − 10𝜆 + 25𝜆 − 5𝜆2 + 50𝜆 − 125 + 2 − 𝜆 + 5 − 𝜆 + 5 − 𝜆 + 5 = 0 ⇒ 𝜆 − 15𝜆 + 72𝜆 − 108 = 0

Considerando entonces el polinomio:

𝜆 − 15𝜆 + 72𝜆 − 108 = 0,

las raíces del mismo son:𝜆 = 3; 𝜆 = 𝜆 = 6, que son los valores propios de la matriz A.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 129 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

Utilizando el valor de 𝜆 = 3, vamos a determinar el correspondiente vector propio, o sea:

𝜆 − 5 −1 1 3 − 5 −1 1 −2 −1 1 𝑥 0
−1 𝜆 − 5 −1 = −1 3 − 5 −1 ⇒ −1 −2 −1 𝑥 = 0
1 −1 𝜆−5 1 −1 3−5 1 −1 −2 𝑥 0

𝑥 1
y resolviendo el sistema, resulta el conjunto solución: 𝑥 = 𝑥 = −1
𝑥 1
que es el vector propio correspondiente al valor propio 𝜆 = 3.

Con los valores de 𝜆 = 𝜆 = 6 , vamos a determinar el o los correspondientes vectores propios:

𝜆 − 5 −1 1 6 − 5 −1 1 1 −1 1 𝑥 0
−1 𝜆 − 5 −1 = −1 6 − 5 −1 ⇒ −1 1 −1 𝑥 = 0
1 −1 𝜆 − 5 1 −1 6 − 5 1 −1 1 𝑥 0

𝑥 1 −1
y resolviendo, obtenemos como conjunto solución: 𝑥 = 𝑥 = 1 ; 𝑦; 0
𝑥 0 1

Si 𝜆 = 3 ⇒ 𝑢 = (1; −1; 1) ; si 𝜆 = 6 ⇒ 𝑢 = (1; 1; 0); 𝑢 = (−1; 0; 1)

A estos vectores debemos ahora aplicarles el Proceso de Gram-Schmidt con el objeto de obtener
una base ortonormal.

Aclaración: Una base ortonormal está constituida por vectores que son perpendiculares entre sí, y
además su módulo es igual a uno.

Aplicando el Proceso de Gram-Schmidt, tendremos:

( ; ; ) √
𝑣 =‖ ‖
= = ;− ; = ;−√ ;√ ;
( ) √ √ √

√ √ √ √ √ √
𝑢 − ⟨𝑢 . 𝑣 ⟩𝑣 (1; 1; 0) − (1; 1; 0) ;− ; ;− ;
𝑣 = = =
‖𝑢 − ⟨𝑢 . 𝑣 ⟩𝑣 ‖ (1; 1; 0) − (1; 1; 0) √
;−√ ;√ √
;−√ ;√

 3 3 3
1 ; 1 ; 0  0  ;  ; 
 3 3 3  1 ; 1 ; 0   1 1   2 2 
   ; ; 0    ; ; 0 
 3 3 3 12  12  0  2 2   2 2 
1 ; 1 ; 0   0  ;  ; 
 3 3 3 

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 130 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

𝑢 − ⟨𝑢 . 𝑣 ⟩𝑣 − ⟨𝑢 . 𝑣 ⟩𝑣
𝑣 = =
‖𝑢 − ⟨𝑢 . 𝑣 ⟩𝑣 − ⟨𝑢 . 𝑣 ⟩𝑣 ‖

√ √ √ √ √ √ √ √ √ √
(−1; 0; 1) − (−1; 0; 1) ;− ; ;− ; − (−1; 0; 1) ; ;0 ; ;0
= =
√ √ √ √ √
(−1; 0; 1) − (−1; 0; 1) ;−√ ;√ √
;−√ ;√ − (−1; 0; 1) ; ;0 ; ;0

√ √ √ √ √ √
(−1; 0; 1) − ⟨0⟩ ;− ; − − ; ;0 (−1; 0; 1) − (0; 0; 0) − − ; − ; 0
= = =
√ √ √ √
(−1; 0; 1) − ⟨0⟩ ;−√ ;√ − − ; ;0 (−1; 0; 1) − (0; 0; 0) − − ; − ; 0

(−1; 0; 1) + − ; − ; 0 − ; ;1 − ; ;1 − ; ;1 − ; ;1
= = = = = =
(−1; 0; 1) + − ; − ; 0 − ; ;1 + +1
− + +1

− ; ;1 2 2 2 1 1 2 √ 6 √ 6 2√ 6
= = − ; ; = − ; ; = − ; ;
√ 2√6 2√6 √6 √6 √6 √6 6 6 6

√ √
⎡ ⎤ √ ⎡− ⎤
⎡ ⎤
⎢ ⎥ ⎢ ⎥
De donde resulta la base ortonormal: 𝑣 = ⎢− √ ⎥ ; 𝑣 = ⎢√ ⎥ ; 𝑣 = ⎢ √ ⎥
⎢ ⎥
⎢ √ ⎥ ⎢ √ ⎥
⎣0⎦
⎣ ⎦ ⎣2 ⎦

√ √ √
⎡ − ⎤
⎢ √ ⎥
que nos permite armar la matriz “P”, o sea: 𝑃 = ⎢− √ √ ⎥
⎢ √ ⎥
⎣ 0 2√ ⎦
que es una matriz ortogonal, es decir que en este caso se da que P -1 = PT y es la matriz que
diagonaliza a la matriz “A”.

Para encontrar la matriz diagonal de la matriz “A”, debemos realizar el producto de las matrices
𝑃 . 𝐴. 𝑃 = 𝐷 , y recordando que 𝑃 = 𝑃 , entonces:

3 √3 √3 ⎤
⎡ √ −
⎢ 3 3 3 ⎥
⎢ √2 √ 2 ⎥
𝑃 =𝑃 =⎢ 0 ⎥
⎢ 2 2 ⎥
⎢ √ 6 √ 6 √6⎥
− 2
⎣ 6 6 6⎦

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 131 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

y efectuando 𝑃 . 𝐴. 𝑃 = 𝐷 , tendremos:

√ √
⎡ −√ √
⎤ ⎡
√
−√ ⎤
⎥ 5 1 −1 ⎢ 3 0 0 3 0 0
⎢ √ √ ⎥
⎢
√
0 ⎥ 1 5 1 ⎢− √ √
⎥ = 0 3 0 𝐷 = 0 3 0
⎢ √ √ ⎥ −1 1 5 ⎢ √ ⎥ 0 0 6 0 0 6
⎣− 2√ ⎦ ⎣ 0 2√ ⎦

EJERCICIOS PARA RESOLVER

18) Sea la transformación lineal T: R3⇒R3, tal que T(x1, x2, x3)=(x2+x3, x1+x3, x1+x2), y B que es
la base canónica para R3. Diagonalizar la transformación “T”; dar la matriz “D”.

19) En los siguientes casos, halle la matriz “P” que diagonalice ortogonalmente a la matriz “A” y
determine 𝑃 𝐴. 𝑃 (o sea “D”), y además compruebe si 𝑃 = 𝑃 .
−2 0 −36
3 1
𝑎)𝐴 = ; 𝑏)𝐴 = 0 −3 0
1 3
−36 0 −23

DIAGONALIZACION – APLICACIÓN A LAS CÓNICAS Y A LAS SUPERFICIES

CUÁDRICAS
La ecuación general de segundo grado a dos variables, tiene por expresión:
𝐴𝑥 + 𝐵𝑥𝑦 + 𝐶𝑦 + 𝐷𝑥 + 𝐸𝑦 + 𝐹 = 0. (1)
Esta ecuación como podemos observar, tiene los términos cuadrados “Ax2” y “Cy2”, y también un
término cuadrado en las dos variables “Bxy” conocido como término de producto cruzado. Dicho
término está indicando que la cónica está rotada un determinado ángulo respecto a los ejes
coordenados estándar. Por otro lado, los términos de primer grado en “x” e “y” nos indican que la
cónica no tiene su centro o su vértice en forma coincidente con el origen del sistema de coordenadas,
sino que dicho vértice o centro está desplazado del origen del sistema.
Dicha ecuación puede ser escrita en forma matricial de la siguiente manera:
𝐴 𝑥 𝑥
[𝑥 𝑦]
𝑦 + [𝐷 𝐸] 𝑦 + 𝐹 = 0 (2)
𝐶
expresión esta en donde podemos llamar a:
𝐵
𝑥 𝐴
𝑥 = 𝑦 ;𝑀 = 2 ; 𝑘 = [𝐷 𝐸]
𝐵
𝐶
2

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 132 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

y entonces la ecuación (2) también puede ser escrita como:

𝑥 𝑀. 𝑥 + 𝑘𝑥 + 𝐹 = 0 (3)

Debemos tener presente que la matriz “M” puede ser diagonalizada. Para conseguir esto debemos
realizar los siguientes pasos:
𝑝11 𝑝12
Paso 1º) Se debe hallar una matriz P = 𝑝 que diagonalice ortogonalmente a la matriz
21 𝑝22
“M”.

Paso 2º) De ser necesario se deben intercambiar las columnas de la matriz “P” para lograr que el
det[𝑃] = 1. Esto asegura que la transformación ortogonal de coordenadas:
𝑥 𝑥′
x = P . x’ , es decir 𝑦 = 𝑃 (4) es una rotación.
𝑦′

Paso 3º) A fin de obtener la ecuación de la cónica “C” en el sistema x’y’, se sustituye
(4) en (3). Esto conduce a:
(P . x’)T M (P . x’) + k (P . x’) + F = 0

y recordando que la transpuesta de un producto de matrices es igual al producto de las transpuestas

de dichas matrices pero en orden inverso, resulta:
𝑥′ . 𝑃 . 𝑀. 𝑃. 𝑥′ + 𝑘. 𝑃. 𝑥′ + 𝐹 = 0
y reagrupando términos, nos queda finalmente:
x’T (PT . M . P) x’ + ( k . P) x’ + F = 0 (5)

y puesto que “P” diagonaliza ortogonalmente a la matriz “M”, resulta:

𝜆 0
PT . M . P = D =
0 𝜆
en donde 1 y 2 son autovalores o eigenvalores de la matriz “M”. Por lo tanto la expresión (5) se
puede volver a escribir como:
𝜆 0 𝑥′ 𝑝11 𝑝12 𝑥′
[𝑥′𝑦′]. . + [𝐷𝐸]. 𝑝 . +𝐹 = 0
0 𝜆 𝑦′ 21 𝑝22 𝑦′
o bien:
1 x’2 + 2 y’2 + D’ x’ + E’ y’ + F = 0

(en donde: D’= D p11 + E p21; y; E’ = D p12 + E p22).

Si observamos, notamos que está última ecuación no tiene término de producto cruzado.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 133 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

EJEMPLOS
A) Dada la siguiente ecuación 5𝑥 + 4𝑥𝑦 + 5𝑦 − 9 = 0, haga girar los ejes de coordenadas a
fin de eliminar el término en “xy”, utilizando el método de diagonalización.
La forma cuadrática de la ecuación dada es: 5𝑥 + 4𝑥𝑦 + 5𝑦 ; la forma matricial de dicha ecuación
𝐴 5 2
es: 𝑥 𝑀. 𝑥 + 𝐹 = 0. La matriz “M” esta dada por: 𝑀 = =
𝐶 2 5

siendo la misma una matriz simétrica.

De dicha matriz, y siguiendo los pasos enunciados, vamos a calcular su ecuación característica a
efectos de determinar sus auto valores y los correspondientes auto vectores, entonces
tendremos:
 1 0 5 2
det   I  M   det  
𝜆 0 5 2 𝜆−5 −2
0 1  2 5  𝑑𝑒𝑡 0 𝜆 − 2 5 = 𝑑𝑒𝑡
−2 𝜆−5
= 𝜆 − 10𝜆 + 21 = 0
    
obteniendo de éste último polinomio sus dos raíces: 𝜆 = 7; 𝜆 = 3 que son los autovalores de la
matriz “M”. Con el valor de 𝜆 = 7 calculamos el correspondiente vector propio. Para ello debemos
trabajar con:
𝜆 − 5 −2
−2 𝜆 − 5
en donde reemplazamos el valor de 𝜆 = 7 en dicha matriz obteniendo

7−5 −2 2 −2 𝑥 0
⇒ =
−2 7−5 −2 2 𝑥 0
1
y resolviendo el sistema resulta: 𝑢 = auto vector correspondiente al auto valor 𝜆 = 7.
1
; √ √
Normalizamos dicho vector u1 , resultando: 𝑣 = = ; = ;
√ √ √
Con el valor del segundo auto valor ,𝜆 = 3 , calculamos el correspondiente auto vector, efectuando
𝜆−5 −2
una operación similar a la realizada para el primer auto valor, o sea:
−2 𝜆 − 5
en donde reemplazamos el valor de 𝜆 = 3 en dicha matriz obteniendo

3−5 −2 −2 −2 𝑥 0
⇒ =
−2 3−5 −2 −2 𝑥 0

−1
y resolviendo el sistema resulta: 𝑢 = auto vector correspondiente al auto valor𝜆 = 3.
1
Ahora normalizamos el vector 𝑢 , resultando:
−1; 1 −1 1 √2 √2
𝑣 = = ; = − ;
(−1) + 1 √2 √2 2 2

Considerando los autovectores 𝑣 𝑦𝑣 como columnas, armamos la matriz “P”, teniendo presente que
el determinante de dicha matriz debe ser igual a uno, entonces:

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 134 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

2 √2⎤
⎡√ −
𝑃 = ⎢⎢ 2 2⎥
⎥
⎢√2 √2 ⎥
⎣2 2 ⎦

debemos ahora calcular la inversa de esta matriz. Dicho cálculo puede ser efectuado por matriz
adjunta o cofactor o por matriz identidad (reducida por filas) ; de donde resulta:
2 √2
⎡ √ ⎤
𝑃 =⎢ ⎢ 2 2 ⎥
2 2 ⎥
⎢− √ √ ⎥
⎣ 2 2⎦

y ahora efectuando el producto de las matrices:

7 0
𝑃 . 𝑀. 𝑃 = 𝐷𝑟𝑒𝑠𝑢𝑙𝑡𝑎 ⇒ 𝐷 =
0 3
Ahora a esta matriz “D” la reemplazamos en la forma matricial de la ecuación de segundo grado
dada, es decir reemplazamos en:
𝑥 𝑀. 𝑥 + 𝐹 = 0𝑥′ 𝑀. 𝑥′ − 9 = 0
obteniendo:
7 0  x ' 
x ' y '      9  0  7𝑥′ + 3𝑦′ − 9 = 0
 0 3   y '
que es la ecuación buscada, la cual puede también ser escrita como:
7 2 3 2 ′ ′ ′ ′
7 x ' 2  3 y '2  9  x'  y' 1  + =1⇒ + =1
9 9
ecuación que carece del término de producto cruzado “xy” y que representa una elipse.
Todo este proceso demostrado y desarrollado para las ecuaciones de segundo grado a dos variables
(x e y) , puede ser aplicado para las ecuaciones de segundo grado con tres variables (x , y , z) ,
siguiendo los mismos pasos efectuados en la explicación anterior y en el desarrollo práctico.
Entonces, una ecuación como:
𝐴𝑥 + 𝐵𝑦 + 𝐶𝑧 + 𝐷𝑥𝑦 + 𝐸𝑥𝑧 + 𝐹𝑦𝑧 + 𝐺𝑥 + 𝐻𝑦 + 𝐼𝑧 + 𝐽 = 0
representa una superficie; en donde su forma cuádrica asociada es:
𝐴𝑥 + 𝐵𝑦 + 𝐶𝑧 + 𝐷𝑥𝑦 + 𝐸𝑥𝑧 + 𝐹𝑦𝑧
y su forma matricial es:
𝑥 . 𝑀. 𝑥 + 𝐾. 𝑥 + 𝐽 = 0
Los términos de dicha forma matricial están dados por:

𝑥 ⎡𝐴 ⎤
𝑥 = 𝑦 ; 𝑀 = ⎢⎢ 𝐵 ⎥ ;
⎥ 𝐾 = [𝐺 𝐻 𝐼]
𝑧 ⎢ ⎥
⎣ 𝐶⎦

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 135 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

B) Dada la siguiente ecuación: 4x2 + 4y2 + 4z2 + 4xy + 4xz + 4yz – 5 = 0, hacer girar los ejes de
coordenadas a fin de eliminar los términos en “xy”, “xz” e “yz” utilizando el método de
diagonalización.
La forma cuadrática de la ecuación dada es: 4x2 + 4y2 + 4z2 + 4xy + 4xz + 4yz; la forma matricial de
dicha ecuación es: 𝑥 𝑀. 𝑥 + 𝐽 = 0 ⇒ 𝑥 𝑀. 𝑥 − 5 = 0. La matriz “M” está dada por:
𝐷 𝐸
⎡𝐴 ⎤
⎢𝐷 2 𝐹 2⎥
4 2 2
𝑀=⎢ 𝐵 ⎥= 2 4 2
⎢2 2⎥ 2 2 4
⎢𝐸 𝐹 ⎥
𝐶
⎣2 2 ⎦
siendo la misma una matriz simétrica.

De dicha matriz, y siguiendo los pasos enunciados, vamos a calcular su ecuación característica a
efectos de determinar sus auto valores y los correspondientes auto vectores, entonces tendremos:
 1 0 0 4 2 2 𝜆 0 0 4 2 2
 
det  I  M   det  0 1 0  2 4 2 𝑑𝑒𝑡 0 𝜆 0 − 2 4 2 ⇒
 0 0 1 2 2 4 0 0 𝜆 2 2 4
    
𝜆 − 4 −2 −2
𝑑𝑒𝑡 −2 𝜆 − 4 −2 =
−2 −2 𝜆 − 4
𝜆 − 12𝜆 + 36𝜆 − 32
Del polinomio 𝜆 − 12𝜆 + 36𝜆 − 32 = 0 , obtenemos las tres raíces: 𝜆 = 2; 𝜆 =8,y𝜆 =2
Trabajamos con el auto valor 𝜆 = 2, sustituyendo en:
  4 2 2  2 − 4 −2 −2 −2 −2 −2 𝑥 0
 2 4 2   −2 2 − 4 −2 ⇒ −2 −2 −2 𝑥 = 0
 𝑥
  4  −2 −2 2 − 4 −2 −2 −2 0
  2 2
y resolviendo el sistema obtenemos dos vectores;
−1 −1
𝑢 = 1 , 𝑦; 𝑢 = 0
0 1
Cada valor propio da lugar a un vector propio, pero como el valor de 𝜆 = 𝜆 = 2, es decir la raíz “2”
está repetida dos veces, por eso existen los dos vectores. Dichos vectores pertenecen entonces al
mismo auto valor, razón por la cual los dos vectores hallados son del mismo espacio vectorial.
Vamos a normalizar dichos vectores aplicando el Proceso de Gram-Schmidt.
𝑢 −1; 1; 0 −1; 1; 0 −1 1 √2 √2
𝑣 = = = = : ;0 = − ; ;0
‖𝑢 ‖ (−1) + 1 + 0 √2 √2 √2 2 2

𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 (−1; 0; 1) − ⟨(−1; 0; 1), − √ ; √ ; 0 ⟩ − √ ; √ ; 0

𝑣 = = =
‖𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 ‖ (−1; 0; 1) − ⟨(−1; 0; 1), − √ ; √ ; 0 ⟩ − √ ; √ ; 0
− ;− ;1 − ;− ;1 − ;− ;1 1 1 2
= = = = − ;− ; =
√ √6 √6 √6
− + − +1

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 136 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

√6 √6 √6
𝑣 = − ;− ;2
6 6 6
Ahora con el valor de 𝜆 = 8 calculamos el tercer vector.
  4 2 2  8 − 4 −2 −2 4 −2 −2 𝑥 0
 2 4 
 2   −2 8−4 −2 ⇒ −2 4 −2 𝑥 = 0

  2 2   4  −2 −2 8−4 −2 −2 4 𝑥 0

1
y resolviendo el sistema obtenemos el auto vector: 𝑢 = 1
1

al cual debemos normalizarlo, o sea:

𝑢 1; 1; 1 1; 1; 1 1 1 1 √3 √3 √3
𝑣 = = = = : ; = ; ;
‖𝑢 ‖ √1 + 1 + 1 √3 √3 √3 √3 3 3 3

Tenemos entonces los tres auto vectores, podemos confeccionar la matriz “P”, teniendo presente
que el determinante de la misma debe ser igual a uno ⇒ |𝑃| = 1
2 √6 √3⎤
⎡− √ −
⎢ 2 6 3⎥
⎢ √2 √ 6 √3⎥
𝑃 = [𝑣 𝑣 𝑣 ]=𝑃=
⎢ − ⎥
⎢ 2 6 3⎥
⎢ √6 √3⎥
0 2
⎣ 6 3⎦

√ √
⎡− 0 ⎤
⎢ ⎥
la inversa de “P” es: 𝑃 = ⎢− √ −√ 2√ ⎥
⎢ √ √ √ ⎥
⎣ ⎦

2 0 0
El producto de las matrices: 𝑃 : 𝑀: 𝑃 = 𝐷 ⇒ 𝐷 = 0 2 0
0 0 8

2 0 0 𝑥′
matriz esta que reemplazamos en la forma matricial, resultando: [𝑥′ 𝑦′ 𝑧′] 0 2 0 𝑦′ − 5 = 0
0 0 8 𝑧′

y resolviendo, nos queda: 2𝑥′ + 2𝑦′ + 8𝑧′ − 5 = 0 ecuación que carece de los términos de
productos cruzados y que representa un elipsoide.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 137 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

EJERCICIOS PARA RESOLVER

20) Hallar las formas cuadráticas asociadas con las ecuaciones cuadráticas y cuádricas que
siguen:
𝑎)2𝑥 − 3𝑥𝑦 + 4𝑦 − 7𝑥 + 2𝑦 + 7 = 0
𝑏)𝑥 − 𝑥𝑦 + 5𝑥 + 8𝑦 − 3 = 0
𝑐)5𝑥𝑦 = 8
𝑑)4𝑥 − 2𝑦 = 7
𝑒)𝑦 + 7𝑥 − 8𝑦 − 5 = 0
𝑓)𝑥 + 2𝑦 − 𝑧 + 4𝑥𝑦 − 5𝑦𝑧 + 7𝑥 + 2𝑧 = 3
𝑔)3𝑥 + 7𝑧 + 2𝑥𝑦 − 3𝑥𝑧 + 4𝑦𝑧 − 3𝑥 = 4
ℎ)𝑥𝑦 + 𝑥𝑧 + 𝑦𝑧 = 1
𝑖)𝑥 + 𝑦 − 𝑧 = 7
𝑗)3𝑧 + 3𝑥𝑧 − 14𝑦 + 9 = 0
𝑘)2𝑧 + 2𝑥𝑧 + 𝑦 + 2𝑥 − 𝑦 + 3𝑧 = 0
21) Encuentre las matrices de las formas cuadráticas y cuádricas correspondientes a los
ejercicios dados en 24º.

22) Exprese cada una de las ecuaciones cuadráticas del ejercicio 24 en la forma matricial
𝑥 . 𝑀. 𝑥 + 𝐾. 𝑥 + 𝐹 = 0.
=0
23) En cada inciso haga girar los ejes coordenados a fin de eliminar los términos de productos
cruzados “xy”, “xz”, “yz”. Exprese de qué cónica se trata y dé su ecuación en el sistema de
coordenadas girado. Grafique.
a) 2x2 – 4xy – y2 +8 = 0 b) x2 + 2xy + y2 + 8x + y = 0
2 2
c) 5x + 4xy – 5y – 9 = 0 d) 11x2 + 24xy + 4y2 -15 = 0
e) 2x + 3y + 23z + 72xz + 150 = 0 f) 4x2 + 4y2 + 4z2 + 4xy + 4xz + 4yz – 5 = 0
2 2 2

g) 144x2 + 100y2 + 81z2 -216xz -540x – 72z = 0 h) 2xy + z = 0

ESPACIO DE PRODUCTOS INTERIORES

Un espacio vectorial con un producto interno, se conoce como Espacio de Productos Interiores.

EJEMPLOS
1 2 −1 0
A) Dados los vectores 𝑢 = , 𝑦, 𝑣 = . Calcular el producto interior ⟨𝑢, 𝑣⟩ =?.
3 4 3 2
Tener presente que ⟨𝑢, 𝑣⟩ = 𝑢 𝑣 + 𝑢 𝑣 +. . . . +𝑢 𝑣
𝑎 𝑏 𝑒 𝑓
Si 𝑢 = , 𝑦, 𝑣 = ⇒ ⟨𝑢, 𝑣⟩ = 𝑎. 𝑒 + 𝑏. 𝑓 + 𝑐. 𝑔 + 𝑑. ℎ
𝑐 𝑑 𝑔 ℎ
entonces tendremos: ⟨𝑢, 𝑣⟩ = 1(−1) + 2(0) + 3(3) + 4(2) = 16

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 138 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

EJERCICIOS PARA RESOLVER:

24) Calcular, para los siguientes casos, ⟨𝑢, 𝑣⟩ aplicando el Producto Interior.
2 −1 0 4 1 2 4 6
𝑎)𝑢 = ;𝑣 = ; 𝑏)𝑤 = ;𝑡 =
3 7 2 2 −3 5 0 8

25) Dados: a) 𝑝 = −1 + 2𝑥 + 𝑥 ; 𝑦; 𝑞 = 2 − 4𝑥 , calcular ⟨𝑝, 𝑞⟩ aplicando producto interior ; y

efectuar lo mismo con: b) 𝑟 = −3 + 2𝑥 + 𝑥 ; 𝑦; 𝑠 = 2 + 4𝑥 − 2𝑥 .

Atención: Desigualdad de Cauchy-Schwarz ⟨𝒖, 𝒗⟩𝟐 ≤ ⟨𝒖, 𝒖⟩⟨𝒗, 𝒗⟩

26) En los siguientes casos verificar numéricamente la desigualdad de Cauchy-Schwarz ⟨𝑢, 𝑣⟩ =

⟨𝑢, 𝑢⟩⟨𝑣, 𝑣⟩.
𝑎)𝑢 = (2; 1); 𝑣 = (1; −3); 𝑏)𝑟 = (2; 1; 5); 𝑠 = (1; −3; 4)
−1 2 1 0
𝑐)𝑡 = ;𝑤 = ; 𝑑)𝑝 = 1 + 2𝑥 + 𝑥 ; 𝑞 = 2 − 4𝑥
6 1 3 3

LONGITUD Y ÁNGULO EN LOS ESPACIOS DE PRODUCTOS INTERIORES

Si “V” es un espacio vectorial con producto interno, entonces la “norma” (o longitud) de un vector “u”
se denota por ‖𝑢‖ y se define como ‖𝑢‖ = ⟨𝑢, 𝑢⟩ / ; además, la distancia entre dos puntos (o entre
dos vectores “u” y “v”) se denota por d(u , v) y se define por: 𝑑(𝑢, 𝑣) = ‖𝑢 − 𝑣‖.
⟨ , ⟩
El ángulo entre los vectores “u” y “v” se define como: 𝑐𝑜𝑠 𝜃 = ‖ ‖‖ ‖
; 𝑦0 ≤𝜃≤𝜋
Si 𝜃 = 90º ⇒ ⟨𝑢, 𝑣⟩ = 0 ⇒ "𝑢", 𝑦, "𝑣"𝑠𝑜𝑛𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙𝑒𝑠.

EJEMPLOS
A) Supóngase que R2 tiene el producto interno 〈𝑢 , 𝑣〉 = 3𝑢 𝑣 + 2𝑢 𝑣 , en donde: 𝑢 =
(𝑢 , 𝑢 ) 𝑦 𝑣 = (𝑣 , 𝑣 ) Hallar ‖𝑤‖ cuando: 𝑤 = (−1 , 3)
𝑎)𝑤 = (−1; 3); 𝑏)𝑤 = (6; 7); 𝑐)𝑤 = (0; 1); 𝑑)𝑤 = (0; 0)
‖𝑤‖ = ⟨𝑢, 𝑢⟩ / ⇒ 𝑤. 𝑤 = (−1,3). (−1,3) = [(−1)(−1) + (3)(3)]

pero esta operación debe ser bajo las condiciones impuestas para el producto interno dado, o sea:
/
⟨𝑤. 𝑤⟩ = 3(−1)(−1) + 2(3)(3)⟨𝑤. 𝑤⟩ = 3(−1)(−1) + 2(3)(3)
‖𝑤‖ = √3 + 18 ⇒ ‖𝑤‖ = √21

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 139 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

B) Sea 𝑉 = 𝑅 con el producto interno. Aplicar el Proceso de Gram-Schmidt para transformar la

base 𝐵 = [𝑢 ; 𝑢 ] = [(1; 1); (0; 1)]en una base ortonormal.
( ; ) ( ; ) √ √
1er Paso: 𝑣 = ‖ ‖
= = = ; = ;
√ √ √ √
2do Paso:
√ √ √ √
𝑢 − 𝑝𝑟𝑜𝑦 𝑢 𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 (0; 1) − (0; 1) ; ;
𝑣 = = = =
‖𝑢 − 𝑝𝑟𝑜𝑦 𝑢 ‖ ‖𝑢 − ⟨𝑢 , 𝑣 ⟩𝑣 ‖ (0; 1) − (0; 1) √
;
√ √
;
√

√ √
(0; 1) − 0 + √ √
;
√
(0; 1) − √
.
√
;
√
.
√ (0; 1) − ;
= = = =
(0; 1) − 0 + √ √
;
√
(0; 1) − √
.
√
;
√
.
√
(0; 1) −
√
;
√

(0; 1) − ; (0; 1) − ; − ; − ; − ; − ;
= = = = = = =
(0; 1) − ; (0; 1) − ; − ; +
− +

− ; 2 2 1 1 √2 √2 √2 √2
= = − ; = − ; = − ; ⇒𝑣 = − ;
√ 2√2 2√2 √2 √2 2 2 2 2

Verificación:
√2 √2 √2 √2 2 2
𝑣 .𝑣 = ; − ; =− + =0
2 2 2 2 4 4

 2   2  
2 2
2 2 4
            1 ‖𝑣 ‖ = √ √
v1 − + = + = =1
 2   2   4 4 4

C) Sean: 𝑋 = ;− , 𝑦, 𝑍 = ; . Comprobar que {𝑋; 𝑍}es ortonormal si 𝑅 tiene el

√ √ √ √
producto interior ⟨𝑢, 𝑣⟩ = 3𝑢 𝑣 + 2𝑢 𝑣 ; pero no es ortonormal si 𝑅 tiene el producto
euclidiano interior ó canónico (⟨𝑢, 𝑣⟩ = 𝑢 𝑣 + 𝑢 𝑣 ).

Normalizamos los vectores “X” y “Z” para tener una base o conjunto ortonormal:
𝑋 ;− ;− ;− ;− ;− 1 1
√ √ √ √ √ √ √ √ √ √
= = = = = = ;−
‖𝑋‖ ;− √ √2 √2
√ √ + − + √
√ √

√ √
Resultando el vector “X” normalizado ⇒ ;−

𝑍 ; ; ; ; ; 2 3
√ √ √ √ √ √ √ √ √ √
= = = = = = ;
‖𝑍‖ ; √ √13 √13
√ √ + + √
√ √

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 140 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

√ √
Siendo el vector “Z” normalizado ⇒ ;
Aplicando el producto interior:
⟨𝑋, 𝑍⟩ = 3𝑥 𝑧 + 2𝑥 𝑧 = 3 √ √
−2
√ √
= √26 − √26 = 0 ⇒X  Z
En cambio si:
√2 2√13 √2 3√13 2√26 3√26
⟨𝑋, 𝑍⟩ = 𝑥 𝑧 + 𝑥 𝑧 = ⋅ − ⋅ = − ≠0⇒
2 13 2 13 2 ⋅ 13 2.13

implica que en éste caso  X no es perpendicular a Z.

EJERCICIOS PARA RESOLVER

27) Supóngase que R2 tiene el producto interno 〈𝑢 , 𝑣〉 = 3𝑢 𝑣 + 2𝑢 𝑣 , en donde: 𝑢 =

(𝑢 , 𝑢 ) 𝑦 𝑣 = (𝑣 , 𝑣 ) Hallar ‖𝑤‖ cuando:
a) w = (6 , 7) ; b) w = (0 , 1) ; w = (0 , 0)

28) Suponer que p(2) tiene el producto interior. Hallar ‖𝑝‖ , cuando:
a) 𝑝 = −1 + 2𝑥 + 𝑥 ; 𝑏)𝑝 = 3 − 4𝑥 .

29) Suponer que 𝑉 = 𝑅 tiene el producto interno. Calcular la distancia entre “A” y “B”
6 3 6 3
[𝑑(𝐴, 𝐵)] , cuando: a) 𝐴 = 1 5 ; 𝐵 = −5 0 ; b) 𝐴 = ;𝐵 =
8 3 7 −3 2 1 2 1

30) Suponer que 𝑉 = 𝑝( ) tiene el producto interno. Hallar el coseno del ángulo entre “p” y “q”,
cuando: 𝑎)𝑝 = −1 + 5𝑥 + 2𝑥 ; 𝑞 = 2 + 4𝑥 − 9𝑥 ; 𝑏)𝑝 = 𝑥 − 𝑥 ; 𝑞 = 7 + 3𝑥 + 3𝑥

31) Suponer que 𝑉 = 𝑅 tiene el producto interno; ¿ para cuáles valores de “k” se tiene que “u” y
“v” son ortogonales ? ; cuando: 𝑎)𝑢 = (2; 1; 3); 𝑣 = (1; 7; 𝑘) ;
𝑏)𝑢 = (𝑘; 𝑘; 1); 𝑣 = (𝑘; 5; 6).
2 1
32) Determinar cuáles de las siguientes matrices que se dan, es ortogonal a la matriz 𝐴 =
−1 3
−3 0 1 1 0 0 2 1
𝑎) ; 𝑏) ; 𝑐) ; 𝑑)
0 2 0 −1 0 0 5 2

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 141 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

33) Suponer que 𝑅 tiene producto euclidiano interior o canónico. ¿Cuáles de los siguientes
conjuntos son ortonormales?
1 1 1 1 1 1 1
𝑎) ; 0; ; ; ;− ; − ; 0;
√2 √2 √3 √3 √3 √2 √2
2 2 1 2 1 2 1 2 2
𝑏) ; − ; ; ; ; − ; ; ;
3 3 3 3 3 3 3 3 3
1 1
𝑐)(1; 0; 0); 0; ; ; (0; 0; 1)
√2 √2
1 1 2 1 1
𝑑) ; ;− ; ;− ;0
√6 √6 √6 √2 √2

34) Supongamos que 𝑉 = 𝑝( ) tiene el producto interno; ¿Cuáles de los siguientes conjuntos de
vectores forman conjuntos ortonormales?
2 2 1 2 1 2 1 2 2
𝑎) − 𝑥 + 𝑥 ; + 𝑥 − 𝑥 ; + 𝑥 + 𝑥
3 3 3 3 3 3 3 3 3
1 1
𝑏) 1; 𝑥+ 𝑥 ;𝑥
√2 √2
35) Comprobar que: 𝑢 = (1 , 0 , 0 , 1); 𝑢 = (−1 , 0 , 2 , 1); 𝑢 = (2 , 3 , 2 , −2); 𝑢 = (−1 , 2 , −1 , 1)
es un conjunto ortogonal en 𝑅 con el producto euclidiano interior y que si normalizamos cada
uno de estos vectores, obtenemos un conjunto ortonormal.
36) Suponer que 𝑅 tiene el producto euclidiano interior. Aplicar el proceso de Gram-
Schmidt para transformar la base {𝑢 ; 𝑢 }en una base ortogonal.
𝑎)𝑢 = (1; −3); 𝑢 = (2; 2) ; 𝑏)𝑢 = (1; 0); 𝑢 = (3; −5)
37) Suponer que 𝑅 tiene el producto euclidiano interior. Aplicar el proceso de Gram-Schmidt para
transformar la base {𝑢 ; 𝑢 ; 𝑢 }en una base ortonormal.
𝑎)𝑢 = (1; 1; 1); 𝑢 = (−1; 1; 0); 𝑢 = (1; 2; 1);
𝑏)𝑢 = (1; 0; 0); 𝑢 = (3; 7; −2); 𝑢 = (0; 4; 1)
38) Suponer que 𝑅 tiene el producto euclidiano interior. Encontrar una base ortonormal para el
subespacio generado por (0; 1; 2); (−1; 0; 1).
39) El subespacio de 𝑅 generado por los vectores: 𝑢 = ; 0; − ; y ; 𝑢 = (0; 1; 0)es un plano
que pasa por el origen del sistema de coordenadas. Exprese 𝑤 = (1; 2; 3) en la forma 𝑤 =
𝑤 + 𝑤 , en donde w1 está en el plano y w2 es ortogonal al plano.
40) Sea 𝐵 = {(1; 0); (0; 1)}una base ortonormal para R2 con producto interno canónico.
Comprobar que si 𝑤 = (7; 1) ∈ 𝑅 , se verifica que ‖𝑤‖ = ⟨𝑤, 𝑣 ⟩ + ⟨𝑤, 𝑣 ⟩ , siendo v1 y v2
los vectores de la base ortonormal “B” dada.

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 142 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

Respuestas:
1) 𝜆 = 𝑖, 𝑦, 𝜆 = −𝑖 son los autovalores de la matriz “A”.
2) 𝜆 = 4; 𝜆 = 2 + √3, 𝑦, 𝜆 = 2 − √3 son los autovalores de la matriz “A”.
3) Los eigenvalores de la matriz “A” son: λ1 = 1 y λ2 = 5, y los correspondientes vectores base son, para 𝜆 ⇒ [1; 1; 0]
y para 𝜆 ⇒ [−1; 1; 0]; [0; 0; 1].
𝑖
4) Los vectores propios son: λ1 = i y λ2 = -i; y los correspondientes vectores propios; para 𝜆 = 𝑖  , y para 𝜆 =
1
−𝑖
−𝑖  .
1
2+𝑖 2−𝑖
5) Dicha matriz tiene el vector como espacio propio del autovalor 𝜆 = 1 + 𝑖 , y el vector como espacio
1 1
propio del autovalor 𝜆 = 1 − 𝑖.
6) Valores propios 𝜆 = 𝜆 = 2 ; vector propio [1 0]
7) Los valores propios son: λ1 = 1; λ2 = 2; λ3 = 4; y los correspondientes vectores propios son:
[−3 2 1]; [0 1 0]; 0 1.
8) Los valores propios son: λ1 = λ2 = 5; λ3 = 1; y los correspondientes vectores propios son: para 𝜆 = 5[−1 1 0]
; y para 𝜆 = 1[1 1 0].
9) Los valores propios son: 𝜆 = 𝜆 = 5𝑦𝜆 = 1; por lo tanto una base para 𝜆 = 5 lo constituye el polinomio 𝑝 =
−1 + 𝑥 ; y para 𝜆 = 1 lo constituye el polinomio 𝑝 = 1 + 𝑥.
10) I) Los valores propios son: 𝜆 = 𝜆 = 1; 𝜆 = −2; 𝜆 = −1; II) Las bases para 𝜆 = 1 , son las matrices 𝑉( ) ⇒
2 3 0 0 −1 0 −2 1
; ; para 𝜆 = −2𝑉( ) = ; y para 𝜆 = −1 ⇒ 𝑉( ) = .
1 0 0 1 1 0 1 0
1 −2 0
0
11) 𝑎)𝑃 = ; 𝑏)𝑃 = ; 𝑐)𝑃 = 0 0 1
1 1 1 1 0 1 0
2 −1
12) 𝑃=
1 1
−1 1 1
13) 𝑃 = −1 1 0
1 0 1
0
14) 𝑃= , ó ; + 𝑥 ; (𝑥)
1 1
−5 18
15) 𝐴=
−3 10
−1
16) Los vectores propios son: ℎ) , y,𝑑) , y los correspondientes valores propios son: 𝜆 = 4, 𝑦, 𝜆 = −1
1 1
6 2
17) a) 𝐴 = ; b) Los valores propios son: 𝜆 = 5; 𝜆 = 2 ; c) Para 𝜆 = 5 , el vector propio es: [−2; 1] ; y
−2 1
para 𝜆 = 2 , es: − ; 1 .
√ √ √
⎡ − − ⎤ 0 0
⎢ ⎥
18) 𝑃 = ⎢√ √
−
√
⎥ ; 𝐷= 0 − 0
⎢√ √ ⎥
0 2 0 0 1
⎣ ⎦
√
−
√ − 0 25 0 0
4 0
19) 𝑎)𝑃 = ;𝐷 = ; 𝑏)𝑃 = 0 1 0 ; 𝐷 = 0 −3 0
√ √ 0 2
0 0 0 −50
20) 𝑎)2𝑥 − 3𝑥𝑦 + 4𝑦 ; 𝑏)𝑥 − 𝑥𝑦; 𝑐)5𝑥𝑦; 𝑑)4𝑥 − 2𝑦 ; 𝑒)𝑦 ; 𝑓)𝑥 + 2𝑦 − 𝑧 + 4𝑥𝑦 − 5𝑦𝑧; 𝑔)3𝑥 + 7𝑧 + 2𝑥𝑦 − 3𝑥𝑧 +
4𝑦𝑧; ℎ)𝑥𝑦 + 𝑥𝑧 + 𝑦𝑧; 𝑖)𝑥 + 𝑦 − 𝑧 ; 𝑗)3𝑧 + 3𝑥𝑧; 𝑘)2𝑧 + 2𝑥𝑧 + 𝑦
1 2 0
2 −
21) 𝑎)𝑀 = ; 𝑓)𝑀 = 2 2 −
− 4
0 − −1
1 2 0
2 − 𝑥 𝑥 𝑥 𝑥
22) 𝑎)[𝑥 𝑦] + [ ] + 7 = 0; 𝑓)[𝑥 𝑦 𝑧 ] 2 2 − 𝑦 + [7 0 2] 𝑦 − 3
𝑦 −7 2 𝑦
− 4
0 − −1 𝑧 𝑧

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 143 UNIDAD 7: VAP - VEP

 FACULTAD REGIONAL CÓRDOBA

23) 𝑎)3𝑥′ − 2𝑦 ′ + 8 = 0(ℎ𝑖𝑝𝑒𝑟𝑏𝑜𝑙𝑎); 𝑏)2√2𝑥′ − 7𝑥′ + 9𝑦′ = 0(𝑝𝑎𝑟𝑎𝑏𝑜𝑙𝑎); 𝑐)7𝑥′ + 3𝑦′ = 0(𝑒𝑙𝑖𝑝𝑠𝑒);
𝑑)4𝑥′ − 𝑦′ = 3(ℎ𝑖𝑝𝑒𝑟𝑏𝑜𝑙𝑎); 𝑒)25𝑥′ − 3𝑦′ − 50𝑧′ − 150 = 0(ℎ𝑖𝑝𝑒𝑟𝑏𝑜𝑙𝑜𝑖𝑑𝑒𝑑𝑒𝑑𝑜𝑠ℎ𝑜𝑗𝑎𝑠);
𝑓)2𝑥′ + 2𝑦′ + 8𝑧′ − 5 = 0(𝑒𝑙𝑖𝑝𝑠𝑜𝑖𝑑𝑒); 𝑔)9𝑥′ + 4𝑦′ − 36𝑧′ = 0(𝑝𝑎𝑟𝑎𝑏𝑜𝑙𝑜𝑖𝑑𝑒𝑒𝑙𝑖𝑝𝑡𝑖𝑐𝑜);
ℎ)𝑥′ − 𝑦′ + 𝑧′ = 0(𝑝𝑎𝑟𝑎𝑏𝑜𝑙𝑜𝑖𝑑𝑒ℎ𝑖𝑝𝑒𝑟𝑏𝑜𝑙𝑖𝑐𝑜)
24) 𝑎)⟨𝑢, 𝑣⟩ = 16; 𝑏)⟨𝑤, 𝑡⟩ = 56
25) 𝑎)⟨𝑝, 𝑞⟩ = −6; 𝑏)⟨𝑟, 𝑠⟩ = 0
𝑎)1 ≺ 50; 𝑏)361 ≺ 780; 𝑐)400 ≺ 798; 𝑑)4 ≺ 120
26)
27) a) ⟨𝑤. 𝑤⟩ / = √206 ; b) ⟨𝑤, 𝑤⟩ / = √2 ; c) ⟨𝑤, 𝑤⟩ / = 0
28) a) ‖𝑝‖ = ⟨𝑝, 𝑝⟩ / = √6 ; b) ‖𝑝‖ = ⟨𝑝, 𝑝⟩ / = 5
29) 𝑎)𝑑(𝐴, 𝐵) = ‖𝐴 − 𝐵‖ = √98; 𝑏)𝑑(𝐴, 𝐵) = ‖𝐴 − 𝐵‖ = 0
30) 𝑎) 𝑐𝑜𝑠 ∡ = 0; 𝑏) 𝑐𝑜𝑠 ∡ = 0
31) a) 𝑘 = −3; 𝑏)𝑘 = −2; 𝑘 = −3
32) Las matrices dadas en los apartados a), b) y c) son ortogonales a la matriz “A”; la matriz del apartado d) no es
ortogonal a la matriz “A”.
Continuando de esta manera, se obtiene un conjunto ortonormal de vectores, {𝑣 ; 𝑣 ; . . . . ; 𝑣 }, que constituye una
base ortonormal, obtenida por la aplicación del Proceso de Gram-Schmidt.
33) Los apartados b) y d) son conjuntos ortonormales; los apartados a) y c) no constituyen conjuntos ortonormales.
34) Sólo el conjunto a) es ortonormal.
35) S/R
36) 𝑎) ; ; 𝑏)(0; −1)
√ √

37) 𝑎)𝑣 = ; ; ;𝑣 = − ; ;0 ;𝑣 = ; ;−
√ √ √ √ √ √ √ √
7 2 2 7
𝑏)𝑣 = (1; 0; 0); 𝑣 = 0; ;− ; 𝑣 = 0; ;
√53 √53 √53 √53
38) 𝑣 = 0; ; ;𝑣 = − ;− ;
√ √ √ √ √
39) 𝑤 = ⟨− ; −2; ⟩; 𝑤 = ⟨ ; 4; ⟩
40) ‖𝑤‖ = 50; ⟨𝑤, 𝑣 ⟩ = 49; ⟨𝑤, 𝑣 ⟩ = 1

ÁLGEBRA Y GEOMETRÍA ANALÍTICA 144 UNIDAD 7: VAP - VEP