Algebra Lineal Octaba Edición - Bernard Kolman - David Hill

Octava edicién PEARSON Bernard Kolman m David R. Hillse SET. ne SS SS A NSS LISTA DE PROCEDIMIENTOS DE CALCULO BASICOS 1 Método de reduccién de Gauss-Jordan, pagina 70 1 Método de etiminacién gaussiana, pagina 70 O Procedimiento pata el edtculo de ta inversa de una matriz, pagina 95 a Procedimiento pata obtener la factorizacién LU de una matriz, pégina 111 1 Procedithiento para la determinacién de un clan en una gréfica dirigida (digréfica), pagina 130 C0 Procedimiento para determinar si una grifica dirigida es fuertemente conexa, pagina 133 ( Primer método para calcular el vector de estado estacionario de una matriz de transicién regular, pagina 155 © Segundo método para calcular el vector de estado estacionario de una matriz de transicidn regular, pégina 155 1 Regla de Cramer, pagina 206 Procedimiento para caloular la matriz estandar de una transformacién L: R" > R", péginas 252-253 1 Procedimiento para verificar si vectores dados generan un espacio vectorial, pdgina 291 I Procedimiento para determinar si vectores dados son linealmente dependientes o linealmente independientes, pagina 294 Procedimiento para determinar un subconjunto de $ que sea una base para gen S, donde S es un conjunto de vectores no nulos en un espacio vectorial, pagina 308 ©) Procedimiento para determinar un subconjunto de $ que sea una base para gen S, donde S es un conjunto de vectores no nulos en R™, pdgina 308 1 Procedimiento para determinar una base para el espacio soluci6n de un sistema homogéneo, pigina 320 Ci Procedimiento para dcterminar una base para gen S, donde $ es un subconjunto de R", pégina 330(7 Procedimiento para calcular e] rango de una matriz, pégina 333 i Procedimiento para calcular la matriz.de transicién de una base a otra, pagina 344 3 Método de Gram-Schmidt, pagina 356 0 Procedimiento para determinar la factorizaci6n QR de una matriz de m x n, pagina 376 Procedimiento para calcular la soluci6n de minimos cuadrados para Ax = b, pagina 379 5 Procedimiento para calcular Ja recta de mfnimos cuadrados para n puntos dattos, pégina 383 o Procedimiento para calcular el polinomio de minimos cuadrados para n puntos dados, pagina 386 © Procedimiento para verificar si una palabra recibida x,, es una palabra cédigo, pagina 392 Gi Procedimiento para generar una matriz (de verificaci6n) de Hamming, pégina 397 1) Procedimiento para diagonalizar una matriz, pégina 428 © Procedimiento para diagonalizar una matriz simétrica mediante una matriz ortogonal, pagina 437 15 Procedimiento para obtener la solucién general de x’ = Ax, donde A es diagonalizable, pagina 456 5 Procedimiento para identificar una seccién c6nica no degenerada cuya grifica no esta en forma car pagina 487 Qo Procedimiento para calcular la matriz de una transformacién lineal L: R” + R", pagina 524 © Enfoque de iteracién aleatoria, pagina 545-546 © Procedimiento para resolver de manera geométrica un problema de programacién lineal, pagina 567 (0 El método simplex, pagina 585ALGEBRA LINEALALGEBRA LINEAL OctTava EDICION Bernard Kolman Drexel University David R. Hill ‘Temple University TRADUCCION: ‘Victor Hugo Ibarra Mercado Escuela de Actuaria-Universidad Anéhuac ESFM-IPN REVISION TECNICA: Alfonso Bustamante Arias Eddy Herrera Daza Jefe del Departamento de Matemdticas y Estadistica Pontificia Universidad Javeriana, Universidad ICESI, Cali, Colombia Bogotd, Colombia Carlos Hernandez Garciadiego Oscar Andrés Montaiio Carreito Instituto de Matemdticas Pontificia Universidad Javeriana Universidad Nacional Auténoma de México Cali, Cotombia Jaime Kiwa Kristal Jorge Ivan Castaiio Departamento de Ciencias Bdsicas Instituto Tecnolbgico de Ciudad Judrex Gustavo Preciado Rosas Departamento de Mateméticas Universidad EAFIT Medellin, Colombia Conrado Josué Saller Universidad Teenoldgica Nacional Instiuto Tecnolégico Auténomo de México Buenos Aires, Argentina Fabio Molina Focazzio Pontificia Universidad Javertana, Bogotd, Colombia PEARSO MEXICO * ARGENTINA * BRASIL * COLOMBIA * COSTA RICA + CHILE + ECUADOR ESPANA * GUATEMALA + PANAMA + PERU « PUERTO RICO * URUGUAY © VENEZUELADatos de catalogacion bibliggtica KOLMAN, BERNARD; HILL, DAVID R Algebra lineal PEARSON EDUCACION, México, 2006 ISBN; 970-26-0696-9 Area: Universtarios Formato: 20 % 25.5 em Péginas 760 ‘Authorized tanslation from the English language edition, ented Inroductory liner algebra: a applied fist coutse 8 ed, by Bernard Kolman and David R. Hil, published by Pearson Education, In, publishing as PRENTICE HALL, INC., Copyright © 2005. All righ teserved ISBN0-13-145740.2 “Tradtesin auovizada dela aicin en idioma inglés, told Introdactory linea algebra applied Fes: course Bed David R, Hil, publicads por Pearson Elscaton, Esta eicion en espatol e a unica sutorizada Envigue Quinanar Duane Eathela Gontilee Guerero Supervitor de produccion: Enrique Trejo Hernéndez Edicion en inglés Executive Acquisitions Editor: George Lobell Eitor-in-Chiet: Sally Yaga Prodietion Eitor: Jeanne Audina ‘Assistant Managing Editer: Bayani Mendoza de Leon Senior Managing Ealtor Linds Mibetov Behrens Executive Managing Editor: Kathleen Schiaparell Vice Presiden/Direciorof Production and Manufacturing: David W. Ricardi ‘Assisant Manufacturing Manages/Buyer; Michael Bell Manufacturing Manager: Trady Pisiot ‘Marketing Manager: Halee Dinsey Marketing Assistant: Rachel Bockman ‘OCTAVA EDICION, 2006 DR. © 2006 por Pearson Bducacn de México, S.A. de CY. ‘Adlacomsleo im, 800-5" piso Col Industri Atoio 153519, Naecalpan de Susser, Eo, de México ‘Cérmara Nacional de la Industria Editorial Mexicana eg. Nim, 1031 ‘ait entiuesintsnarSpearsoned com de Bernard Kolenan ac. publicada como PRENTICE HALL, INC. Copytight © 2005, Tados os derechos reservados. ‘Are Drecto: Kenay Bec Ierice DesigneriCover Designer: Kristine Carey ‘Ar Director: Thomas Bent ‘Geeative Director Carole Arson Dissoto of Creative Services: Paul Bef (Cover image: Wassily Kandinsky, Farbstudlen mit Angaben ur ‘Maltechsik, 913, ‘Stich Galerie im Lenbachhaus, Munich Cover image Specialist: Karen Sanatr ‘Aa Studio Laserwords Private Limited ‘Composition; Dennis Kleting Reservados todos los derechos. Nila totaled ai pane de eta putlicacidn pueden reproducise,regiasseo transite, por un sistem de reeugeracign de informacién, en ninguna forma ni por ningin medio, sea elecebnico, mecinico, fotoquimico, magneto oelectrogptico, por fotocapi, grabacin o cualquier ota, sin perso previo por eerito del editor El préstae,alquilero cualquier otra forma de cesign de uso de este ejomplarroquatird también la autorizacion del editor 9 de sus repesentanes ISBN 970-26-0696-9 Impeeso en México. Primed in Mexico 1234567890. 0807 06 PEARSON Peleeee A la memoria de Lillie; para Lisa y Stephen BK. Para Suzanne D.R.H. ee_ CONTENIDO Prefacio xi Alestudiante xix 1 Ecuaciones lineales y matrices J LL Sistemas lineales 1 1.2 Matrices 10 1.3 Producto punto y multiplicacién de matrices 21 14. Propiedades de fas operaciones con matrices 39 1.5 Transformaciones matriciales 52 1.6 Soluciones de sistemas de ecuaciones lineales 62 17 Lainversa de una matriz 91 18 Factorizacion LU (opcional) 107 2 Aplicaciones de ecuaciones lineales y matrices (opcional) 119 2.1 Introduc n ala teorfa de cédigos 119 2 Teorfa de erdfieas 125 23 Creacién de gréficos por computadora 135 24 Circuitos eléctricos 144 2.5. Cadenas de Markov 149 2.6 Modelos econdmicos lineales 159 2.7 Introduccién a wavelets (ondeletas u onditas) 166 3 Determinantes 182 3.1 Definicién y propiedades 182 3.2. Desarrollo por cofactores y aplicaciones 196 3.3. Deterninamtes desde un punto de vista computacional 210 A Vectores en R* 214 4.1 Vectores enel plano 214 42 n-vectores 229 4.3. Transformaciones lineales 247 viiContenido 5 Aplicaciones de vectores en R’ y RB (opcional) 259 5.1 Producto cruzen R? 259 5.2 Rectas y planos 264 6 Espacios vectoriales reales 272 6.1 Espacios vectorisles 272 6.2 Subespacios 279 6.3. Independencia lineal 291 64 Bases y dimension 303 6.5 Sistemas homogéncos 317 66 El rango de una matriz y sus aplicaciones 328 6.7 Coordenadas y cambio de base 340 6.8 Bases ortonormales en R” 352 69 Complementos ortogonales 360 7 Aplicaciones de espacios vectoriales reales (opcional) 375 7 Factorzacién QR 375 7.2. Minimos cuadrados 378 7.3. Algo més sobre codificacién 390 8 Valores propios, vectores propios ydiagonalizacién 408 8.1 Valores propins y vectorespropics 408 82. Diagonalizacion 422 83 Diagonaliascion de matrices simétricas 433 9 Aplicaciones de valores propios ‘P! prop. y vectores propios (opcional) 447 9.1 Lasucesidn de Fibonacci 447 9.2 Ecuaciones diferenciales 451 93 Sistemas dinémicos 461 9.4 Formas cuadriticas 475 9.5. Secciones c6nicas 484 9.6 Superficies cuddricas 491 10 ‘Transformaciones lineales y matrices 502 10.1 Definiciones y ejemplos 502 10.2 El micleo y Ia imagen de una transformacién lineal 508 10.3 La matriz de una transformacién lineal 521 10.4 Introduccién a fractales (opcional) 53611 Contenido ix Programacién lineal (opcional) 558 11.1 El problema de la programacién lineal; solucién geométrica 558 11.2 El método simplex $75 113 Dualidad 591 114 Teorfa de juegos 598 12 Marcas para dlgebra lineal 615 avenoice AL avénoice B 12.1 Bntrada y salida en Marian 616 12.2. Operaciones matriciales con MATLAB 620 12.3 Potencias de matrices y algunas matrices especiales 623, 124 Operaciones elementales por fila con MaTLas 625, 12.5. Inversas de matrices en MATLAB 634 12.6 Vectores en Marta 635 12.7 Aplicaciones de las combinaciones lineales en MATLAB 637 12.8 Transformaciones lineales en MATLAB 640 12.9 Resumen de comandos de Marian 643 Numero complejos Al Acl_ Nimero complejos AT A-2 Nimeros complejos en dlgebra lineal AQ Instruccién adicional A19 B-1 Espacios con producto interno (requiere conovimientos de célculo) A19 B-2 Transformaciones lineales invertibles y compuestas 30 Glosario para Algebra lineal A39 Respuestas A45 indice 11Material incluide Este libro presenta una introduccién al lgebra lineal y a algunas de sus aplicaciones importantes. Esté pensado para alumnos de nivel medio y avanzado, y cubre mas material del que se requeriia para impartir un curso semestal o trimestal. Omitiendo algunas secciones, es posible:abarcar en un semestre o en un trimestre los element esenciales del dlgebra lineal (incluyendo los valores y vectores propios), ensefar c6mo Utlizar Ia computadora en problemas de lgcbra lineal, y dedicar algin tiempo a varias aplicaciones relacionadas con el tema. Si se toma en cuenta que existe gran cantidad de aplicaciones de dlgebra lineal en disciplinas como matemsticas, fisica, biologta, qui ca, ingeniera, estadistica, economia, finanzas, psicologia y sociologta, no resaliaexa- ferado afirmar que esta materia es una de las que més impacto tendré en la vida de los estudiantes. Por ot ldo, el contenido de esta obra puede utilizarse también en un cur- 0 de Algebra lineal con duraci6n de un afto, o para impartir un segundo curso del tema con hincapig en las aplicaciones, Al final del prefacio proponemos cierto ritmo para estudiar el material bésico, El nivel y el ritmo del curso se pueden mocifcar fécilmente, variando el tiempo que se invierta en el material teGrico y en las aplicaciones, Contar con conocimientos de eélculo diferencia e integral no es un requisito; sin embargo, se incluyen varios ejemplos y ejercicios en que se utlizan ciertos aspectos bisieas de ceAlculo, a los que afiadimos ia nota “Requiere conocimientos de célculo” Enel texto se subrayan los aspectos computacionales y geomiétticos de la materia, ‘manteniend la abstraccién en un nivel minimo, De acuerdo con lo anterior, en ocasio. ‘es omitremos las demostraciones de algunos teoremas, dficiles 0 poco provechosas, 4 Ia vez. que ampligremos su ilustracién mediante ejemplos. Las demostraciones tienen el nivel adecuado para el estudiante, También hemos centrado nuestra atencidn en las reas esenciales del algebra lineal; ¢ libro no preiende deseribir la materia en forma exaustiva Novedades en la octava edicién Nos complace mucho la amplia aceptacién que han tenido las primeras siete ediciones de esta obra. El éxito alcanzado por el movimiento para la reforma del edlculo realiza- do en Estados Unidos durante los dltimos aos, dio lugar a que se hayan comenzado a estar ideas para mejorar la ensefianza del dlgebra lineal, El grupo de estudio del programa de dlgebra lineal y otros de carécter similar han hecho varias recomendaciones ‘eneste sentido. Al preparar esta edicin, las hemos tomado en cuenta, asi como fas su gzcroncias de profesores y estudiantes. Aunque realizamos muchos cambios en esta edi- cién, nuestro objetivo sigue siendo el mismo que en las anteriores: desarrollar un libro de texto que ayude al maestro a ensefiar y al estudiante a aprender las ideas basicas del dlgebra lineal, 2si como a con prender algunas de sus aplicaciones. Para lograrlo, esta edici6n incluye las caracteristicas siguientes: xixil Prefacio m Se agregaron estas nuevas secciones: ‘8 Seccidn 1.5, Transformaciones mat nas aplicaciones geomeétricas, 4 Seccién 2.1, Introduccion a la teorfa de cédigos: junto con tun material de apoyo sobre matrices binarias que se presenta a lo largo de los primeros seis capitulos, cesta nueva seccién proporciona una intraduccién a Ios conceptos bisicos de la teoria de eédigos. «# Seceidn 7.3, Algo mds sobre codificacién: desarrolla algunos eédigos sencillos y sus propiedades baisicas relacionadas con el dlgebra lineal ciales: introduce, desde muy temprano, alg Se agregé mis material geométrico 12 También se afadieron ejercicios nuevos a todos los niveles. Algunos de ellos corresponden al tipo de respuesta abierta —lo que permite explorar con més amplitud un tema y realizar nuevos hallazgos—, mientras que otros son de desarrollo. a Se agregaron més ilustraciones. 1 Se actualizaron los archivos M de MarLab a versiones mis recientes 1 Al final de cada seccion se agreg6 un listado de términos clave, lo que refleja nuestro interés en desarrollar atin mis las habilidades de comunicaci6n. 4 En las preguntas de falso/verdadero se pide al estudiante que justifique su respuesta, Jo que da una oportunidad adicional para exploracidn y redaecién. © Al repaso acumulativo de los primeros diez capi falso/verdadero, los se agregaron 25 preguntas de 1m Adems se afiadié un glosario, caracteristica totalmente nueva en esta edi Ejercicios Los ejervicios se agrupan en tres clases. Los de la primera, Ejercieios, son de ratina, En la segunda, Ejercicios tedricos, inctuimos los que cubren las lagunas de algunas demostraciones y amplfan el material tratado en el texto, Algumnos de ellos piden una solucién oral. En esta era de la tecnologia, es particularmente importante escribir con cuidado y precisién, y estos ejercicios ayudarén al estudiante a mejorar esta habitidad, adems de elevar el nivel del curso y plantear retos a los alumnos més dotados y con mas interés, La tercera clase, Ejercicios con Martas (ML) consta de ejercicios preparados por Da- vid R. Hill para resolverse con ayuda de MATLAB o de algtin otro paquete de software matemitico Las respuestas a los ejercicios numéricos impares y los ejercicios ML aparecen al final del libro. Al término del capitulo 10 se da un repaso acumulativo del material b4- sico de Algebra lineal presentado hasta all, el cual consiste en 100 preguntas de falso/ verdadero (las respuestas se dan al final del texto), Presentacion La experiencia nos ha ensefiado que los conceptos abstractos deben presentarse de ma- era gradual y hasarse en fundamentos firmes, Por lo tanto, comenzamos el estudio del Algebra lineal con el tratamiento de las matrices como simples arreglos de nimeros que ssargen de manera natural en la solucién de sistemas de ecuaciones lineales, un problema familior para el estudiante. En cada nueva ediciGn nos hemos preocupado por pertec- ccionar los aspectos pedag6gicos de la exposiciGn. Las ideas abstractas se han equilibrado cuidadosamente, y acentiian los aspectos geométricos y de célculo de la materia,Temario El capitulo 1 aborda las matrices y sus propiedades. La secci6n 1.5 Transformaciones matriciales, nueva en esta edicién, proporciona una introduccién a este importante tema, Este capttulo consiste en dos partes: en la primera se analizan las matrices y los sistemas lineales; en la segunda se comentan las soluciones de sistemas lineales. El capitulo 2, cuyo estudio es opcional, esti dedicado al andlisis de aplicaciones de ecuacio nes Lineales y matrices en éreas como la teorfa de c6digos, la creacién de graficos por compatadora, la teorfa de grificas, fos circuitos eléctricos, las caclenas de Markov, los modelos lineales en economia, y las wavelets. En la seccién 2.1, ntroduccién a la teo fa de cédiges también nueva en esta ediciGn—, se desarrollan los fundamentos para introducir un poco de material de la teoria de e6digos. Para mantener la discusiGn de estos temas en un nivel elemental, ha sido necesario abundar en detalles tecnicos. El ea- pitulo 3 presenta brevemente las propiedades basicas de las determinantes. El capitulo 4 plantea el tema de los vectores en R”, ademas de explicar los vectores en el plano y olrecer una introduccién a las transformaciones lineales. El capitulo 5, cuya lectura es opcional, proporciona una oportunidad de explorar algunos de los muchos conceptos geométricos relacionados con vectores en R” y Rs; por conveniencia, limitamos nuestra atenci6n a las éreas de producto cruz.en 2, y rectas y planos. En el capitulo 6 Hegamos a un concepio mas abstracto, el de espacio vectorial. La abstraccién en este capftulo se maneja con més sencillez. una vez que se ha cubierto el material sobre vectores en R”. Fl capitulo 7 (opcional) presenta tres aplicaciones de espacios vectoriales reales: la factorizacin QR, minimos cuadrados y, en la seccién 7.3, Algo més sobre cadificacién —nueva en esta edicién—, una introduccién a algunos ¢6- 4igos sencillos, El capitulo 8, que versa sobre valores propios (eigenvalores) y vectores propios (cigenvectores), constituye el punto culminante del curso, y ahora se presenta en tres secciones para facilitar la enseflanza; en este capitulo se desarrolla cuidadosa- ‘mente la diagonalizacion de matrices simétvicas. El capitulo 9, de estudio opcional, aborda diversas aplicaciones de valores y vectores propios. Estas incluyen sucesiones de Fibonacci, ecuaciones diferenciales, sistemas dindmicos, formas cuadréticas, seeciones cénicas y superficies cuddricas. El capitulo 10 cubre las ransformaciones lineales y matrices. La seccidn 10.4 (opcional), Introduc- cidn a fractales, analiza una aplicacién de ciertas transformnaciones no lineales, El capitulo 11 (opeional) se ocupa de Ia programacién linesl, una importante aplicacién del Algebra lineal, La seccién 11.4 presenta las ideas basicas de la teorfa de juegos. El capitulo 12 proporciona una breve introduccién a MaTLan (abreviatura de MATRIX LA- BORATORY), un paquete de software may ttl para realizar eéleulos de algebra lineal en computadora (vea la descripcién mas adelante), El apéndice A presenta de manera breve pero completa los néimeros complejos y su uso en algebra lineal, El apéndice B toca otras dos temas avaneados del dlgebra lineal: Jos espacios con producto interno, ta composicién de transformaciones lineales y Jas transformaciones lineales invertibles Aplicaciones Casi todas las aplicaciones son completamente independientes; pueden abordarse des: pugs de terminar todo et material introductorio de Algebra lineal en el curso, 0 bien estudiarse tan pronto como se termine de desarroliar el material necesario para una apli- cacidn en particular. En el caso de la mayoria de las aplicaciones se da una Vista pre liminar de una aplicacién en lugares adecuados de libro, cuyo propdsito es indicar eémo proporcionar una aplicacién inmediata del material que se acaba de estudiar. El ddiagrama que aparece al final de este prefacio proporciona los requisitos de cada una de las aplicaciones, y la Vista preliminar de wna aplicacion sera ttil para decidit cual apli- cacién estudiar y cudndo hacerlo.xiv Prefacio Algunas de las secciones en los eapitulos 2, 5,7, 9 y 11 también pueden utilizarse ‘como proyectos independientes para los estudiantes. La experiencia en el aula a partir de este enfogue ha demostrado una reaccidn favorable de Jos estudiantes. Por lo tanto, el profesor puede ser muy selectivo, tanto en la eleccién del material como en el méto- do de estudio de estas aplicaciones. Material al final de fos capitulo ‘Cada capitulo contiene un resumen de /deas clave para el repaso, un conjunto de ¢jercicios complementarios (las respuestas de todos Jos ejercicios impares aparecen al final del libro), y un examen dal capitulo (todas las respuestas aparecen al final del libro). Software Mara. ‘Aunque los ejercicios ML pueden resolverse usando diferentes paquetes de software, a nuestro juicio Matt. aB es el mas apropiado para este propésito, MATLAB es wh paquete de software versatil y poderoso, cuya piedra angular son sus capacidades para flgebra lineal, Marts incorpora rutinas de céleulo de calidad profesional, muy vtiles en dlge bra lineal. El eédigo de programacién de MATLAB esté escrito en lenguaje C, y ha ido rmejorando en cada nueva versién def software. MarLAb esté disponible de The Math Works, Inc., 24 Prime Park Way, Natick, MA 01760, ((508) 653-1415], diteccién de co- reo electrénico: info@mathworks .com; este libro no incluye el programa ni las rutinas de comandos desarrolladas pata la resoluci6n de tos ejercicios ML. La versién de Matias para el estudiante inclaye también una versién de Maple, proporcionado asi tuna capacidad de calculo simbélico. E] capitulo 12 de esta edicidn incluye tna breve introducci6n a fas capacidades de MatLap para resolver problemas de dlgebra lineal. Aunque MatLan permite la creacién de programas para impiementar muchos algoritmos matemiticos, ¢s preciso aclarar quue ‘en este libro no se pide al lector que escribat programas, sina simplemente que use Marta (0 ailgin otro paquete de software comparable) para resolver problemas numéricos es- pecificos. Aproximadamente 24 archivos (M) han sido desarrollades pare que el alumno los utilice con los ejercicios ML en este libro; el material correspondiente esté disponi ble en el sitio Web de Prentice Hall, www .pearsoneducacion-net/kolman. Estos archivos M estén diseBiados para transformar muchas de fas capacidades de MsTLAB en funci6n de las necesidades del curso. Esto proporciona una herramienta pedag6gica que permite al estudiante razonar los pasos para la resolucién de un probleme, dejando a Matzat la responsabilidad de realizar célculos que, por su complejidad, podrfan resul- tar tediosos. Sin duda, éste es el papel ideal de MarLas (0 de cualquier otro paquete de software) al iniciar un curso de flgebra lineal, Por otra parte, la introduceidn a una po- tente herramienta como MATLAB al inicio de ta carrera universitaria, abre el camino a ‘otros tipos de software que serin de gran ayuda para el estudiante en cursos posteriores, especialmente en ciencias e ingenierfas. Material complementario Manual de soluciones para el profesor (0-13-143742-9). Contiene las respuestas a t0- dos os ejercicios de nimero par, y soluciones a todos los ejercicios testicos esté disponible en inglés (s6lo para el profesor) solieftelo al representante de Pearson Educaci6nPrefacio xv Lecturas obligatorias para comprender las aplicaciones Seccién 2.1 Material sobre bits en el capitulo £ Sexcién 2.2 Seccién 14 Sescién 23 Seeci6n 1.5 Seccitin 2.4 Seccisn 1.6 Seecién 2.5 Seccién 1.6 Seocin 2.6 Seceisn 1.7 Seccidin 2.7 Secein 1.7 Seocién 5.1 Seccién 4.1 y Capitulo 3 Seocién 5:2 Secciones 4.1 y 5.1 Seocién 7.1 Secci6n 6.8 Seccion 7.2 Seociones 1.6, 1.7, 42,69 Seceién 7.3 Secci6n 2.1 Seccién 9.1 Seccin 8.2 Seccién 92 Seccin 8.2 Seccién 93 Seccin 9.2 Seccién 9.4 Seccin 8.3 Seecién 9.5 Seceién 9.4 Sexcién 9.6 Seccin 9.5 Seccién 104 Seceién 8.2 Sevciones I1-113 Seecién 1.6 Seccién 114 Secciones 11.1 ~ 113 A los usuarios de las ediciones anteriores: Durante los 29 afios de vida de las siete ediciones anteriores de esta obra el libro se hia utlizado principalmente para el curso de algebra lineal de segundo afio de licen- ciatura, Este curso cubtié to bésico de Algebra lineal y utilizé el tiempo extra disponible para el estudio de aplicaciones seleccionadas del tema. En esta nueva edicién no hemos cambiado el fundamento estructural para la ensefianza del material esencial de dlgebra lineal. Por lo tanto, este material puede ensefarse exactamente de Ia misma manera que antes. La ubicacién de las aplicaciones, con mayor cohesién y unificada con propésitos pedagézicamente estratégicos, junto con nuevas aplicaciones y otros matcriales, facilitard sin duda la imparticiéa de un curso més rico y ms variado.xvi Prefacio os Nos complace expresar nuestro agraclecimiento a las siguientes personas, que revisaron cexhaustivamente el manuscrito de fa primera edicién: William Arendt, University of Missouri, y David Shedler, Virginia Commonwealth University. Fn la segunda edicién: Gerald E. Bergum, South Dakota State University; Jame O, Brooks, Villanova Univer- sity; Frank R. DeMeyer, Colorado State University; Joseph Malkevitch, York College de la City University de New York: Harry W. Mel aughlin, Rensselaer Polytechnic Ins- iuute; y Lynn Arthur Steen, St, Olat’s College. De la tercera edicién: Jerry Goldman, DePaul University; David R. Hill, Temple University; Allan Krall, Tae Pennsylvania State University en University Pork; Stanley Lukawecki, Clemson University; David Royster, The University of North Carolina; Sandra Welch, Stephen F, Austin State Uni- versity; y Paul Zweir, Calvin College. De la cuarta edicidn: William G. Vick, Broome Community College; Carrol G. Wells, Western Kentucky University; Andre L. Yandl, Seattle University; y Lance L. Littiejohn, Utah State University. De la quinta edici6n: Paul Been, Indiana Univer- sity-South Bend; John Broughton, Indiana University of Pennsylvania; Michael Ge- rahty, University of Iowa; Philippe Loustaunau, George Mason University: Wayne MeDanicls, University of Missouri; y Larry Runyan, Shoreline Community College, De la sexta edicién: Daniel D, Anderson, University of Iowa; iirgen Gerlach, Rad~ ford University; W. L. Golik, University of Missouri en St. Louis: Charles Heuer, Con- cordia College; Matt Insall, University of Missouri en Rolla; Irwin Pressman, Carleton University; y James Snodgrass, Xavier University. De la séptima edicién: Ali A. Dad- del, University of California-Davis; Herman E, Gollwitzer, Drexel University; John Goulet, Worcester Polytechnic Institute; J. D. Key, Clemson University; John Mitchel, Rensselaer Polytechnic Institute; y Karen Schroeder, Bentley College. De la octava edicién: Juergen Gerlach; Radford University; Lanita Presson, Uni- versity of Alabama, Huntsville; Tomaz. Pisanski, Colgate University; Mike Daven, Mount Saint Mary College; David Goldberg, Purdue University; y Aimee J. Ellington, ‘Virginia Commonwealth University. ‘Agradecemos también a Vera Pless, de la University de Illinois en Chicago, por su revisi6n critica del material acerca de teoria de cédigos. “Tambien queremos dar las gracias a las siguientes personas, por la ayuda que brin- daron en ciertas partes del manuscrito: Thomas I. Bartlow, Robert E. Beck y Michael L, Levitan, de Villanova University; Robert C. Busby, Robin Clark, el finado Charles S. Duris, Herman E. Gollwitzer, Miltin Schwartz y el finado John H. Stab, de Drexel University; Avi Vardi, Seymour Lipschutz, Temple University; Oded Kariv, Technion, Israel Institute of Technology; William F. Trench, Trinity University; y Alex Stanoye- vitch, University of Hawai; y nuestro agradecimiento, asimismo, a todos los maestros, yy estudiantes de Estados Unidos y de ottos paises, que han compartido con nosotros sus experiencias con el libro y nos han ofrecido stiles sugerencias, Las diversas sugerencias, los comentarios las criticas de estas personas han me- Jjorado mucho la obra, Para todos, una sincera expresién de gratitud Agradecemos también a Dennis R. Kletzing, de la Stetson University, quien reali 26 la tipografia de todo el original del Manual de soluciones para el estudiante y del ‘Manual de respuestas, Dennis encontr6 varios errores y obré milagros en muy poco tiempo, Fue un placer trabajar con él. Nuestra gratitud a Dennis Kletzing, de la Stetson University, y a Nina Edelman y Kathy O'Hara, de la Temple University, por preparar el Manual de soluciones para el estudiante. También debemos agradecer a Nina Edelman, Temple University, quien junto con Lilian Brady, hicieron una lectura critica de las galeras, y a Blaise deSesa por su ayuda en la ediciOn y la verificaci6n de las soluciones a los ejercicios.Por ditimo, una sincera expresién de agradecimiento a Jeanne Audino, editora de produccién, quien con paciencia y experiencia guid este libro desde su concepcidn has- {a su publicaci6n; a George Lobell, editor ejecutivo, y @ todo el equipo de Prentice Hall por st entusiasmo, interés y cooperacién constantes durante las etapas de concepeién, diseio, produccién y mercadeo de esta edicicn. Bemard Kolman bholman@mes.drexel.edu David R. Hill Hill@math.temple.eduAL ESTUDIANTE Es muy probable que este curso sea muy diferente @ cualquier otro de mateméticas que hhaya estudiado hasta ahora, por fo menos en dos sentidos importantes. Primero, es posible que constituys su primers experiencia en materia de abstracci6n; en segundo lugar, es un curso de mateméticas que puede tener gran impacto en su vocacién profesional. A diferencia de otros cursos de matematicas, éste no le daré una serie de téonicas aisladas de cateulo para resolver ciertos tipos de problemas, En lugar de ello, desarro- aremos un nticleo de material, denominado élgebra lineal, introduciendo ciertas definiciones y creando procedimientos para la determinacién de propiedades y la demostracin de teoremas. Esta iltima es una habilidad que toma tiempo dominar, por lo que Al principio s6lo esperamos que lea y entienda las comprobaciones que se incluyen en el libro; conforme avance en el curso, sin embargo, seri capaz ce realizar algunas demostraciones sencillas por su propia cuenta. Poco a poco lo introduciremos a la abstraccién, aunque manteniendo la exigencia a este respecto en el minimo, ¢ilustrando ampliamente cada idea abstracta con ejemplos numéricos y aplicaciones. Si bien haré muchos clculos, el objetivo de casi todos los problemas no ¢s solamente obtener In respuesta “correcta”, sino que entienda y explique cémo obtener la respuesta e interpretar el re- sultada, E] Algebra lineal se utiliza diariamente para resolver problemas en otras éreas de mateméticas, fisica, biologia, ingenierfa, estadistica, economia, finanzas, psicologia y sociologfa. Entre las aplicaciones que utilizan dlgebra Lineal estin la transmnision de i formacién, el desarrollo de efectos especiales en peliculas y video, la grabacién de sonido, el desatrollo de motores (0 méquinas) de bisqueda en Internet, y el andlisis ‘econémico, Como podré ver, el sgebra lineal nos afecta profundamente, En este libro se incluyen aplicaciones seleccionadas y, si hay tiempo suficiente, algunas de ellas po- «dein abordarse con més amplitud a Jo largo del curso. Adentis, muchas de las aplicaciones pueden usarse como proyectos de estudio autodidacta Hay tres tipos de ejercicios en esta obra: primero, los ejereicios computacionales. Estos ejercicios, asf como sus ndmeros han sido cuidadosamente seleccionados de manera de casi todos ellos pueden realizarse fécilmente a mano. Cuando se le pida que utilice Algebra lineal en aplicaciones reales, encontrard que el tamaito de los problemas es mucho més grande, y que los niimeros involucrados no siempre son sencillos. Este no 5 un impedimento, ya que es casi seguro que emplee algtin tipo de software pars resolverlos. Una muestra de este tipo de programas se prove para el tereer tipo de ejercicios, disefiados pare resolverse por medio de una computadora y MatL.s, una poderosa hherramienta de software que tiene como base las matrices y que se utiliza ampliamente en la industria, La segunda categoria esti compuesta por ejercicios tedricos, En algunos xixXx Al estudianie de éstos es probable que se le pida demostrar un resultado 0 analizar una idea. La e pacidad de obtener una respuesta no siempre es suficiente en el mundo actual; muchas veces se le pedir que prepare un informe en donde se analice la solucién y se justi ‘quen los pasos que le Hlevaron a ella, asi como interpretar los resultados. Estos tipos de ejercicios le darén experiencia en la redaccién de textos relacionados con las matemtias; esta disciplina utiliza palabras, no s6lo simbolos Recomendaciones para aprender algebra lineal + Leal libro lentamente, y tenga lipiz y papel a mano, Quizd tenga que leer una seceién en particular més de una vez. Deténguse a verificat fos pasos marcados con “verifique” en el texto. ‘© Asegirese de realizar su tarea de manera oportuna. Si espera hasta gue los proble- ‘mas le sean explicados en clase, no aprenders a resolverlos por usted mismo. Aun ‘cuando no pueda terminar un problema, inténtelo: de esta manera le sera més fécil comprenderlo cuando se le analice en clase. Tal vez le sea ti tabajar con ottos estudiantes el materiat cubierto en clase y algunos problemas de tarea. * Asegurese de preguntar tan pronto como algo no le quede claro, Cuando se cons truye uma casa, lo primero que se coloca son los cimientos; el estudio del Algebra lineal sigue el mismo principio: en este curso cada idea abstracta tiene como bar se una serie de conceptos desarrollados previamente, Si alguno de tales concepts Je resulta conguso o sencillamente incomprensible, sus conocimientos serén insu. ficientes para entender las ideas subsccuentes, ‘+ Haga uso de los recursos pedagégicas que proporciona este libro. Al final de cada seccin se presenta una lista de términos clave; al final de cada capitula se ofte- ce una lista de ideas clave para repasar, ejercicios complementarios y un examen det capitulo. Al final de fos primeros diez capitules (que completan el nticleo del ‘material de lgebra lineal de que se compone el curso) se hace un repaso que con siste en 100 preguntas de falso/verdadero, en las que le pedimos que justifique su respuesta. Por ltimo, al final det libro aparece un glosario de términos relaciona- os con el algebra lineal. Estamos seguros de que su esfuerzo por aprender lgebra lineal se veré aampliamente te- ‘compensado en otros cursos y a lo largo de su carrera profesional ‘Le deseamos mucho éxito en su estudio del dlgebra lineal. [hemed Kibean Rul HellALGEBRA LINEALSISTEMAS LINEALES ECUACIONES LINEALES Y MATRICES Una gran cantidad de los problemas que se presentan en las ciencias naturales y sociales, asf como en ingenierfa y en ciencias fisicas, tienen que ver con ecuaciones que te- lacionan a dos conjuntos de variables. Una ecuacién del tipo ax=b, ‘que expresa Ia variable b en términos de la variable x y la constante a, se denomina ecuacién lineal. Aquf se utiliza la palabra linea! porque la gréfica de Ta ecuacién anterior es una linea recta. De manera andloga, la ecuacién ayy t apt Hoe + ay ay que expresa b en términos de las variables x1, x2, ... x» ¥ las constantes conoci- a5 dj, 3...» dq Se denomina ecuaeién lineal. En muchas aplicaciones se nos den b yllas constantes a1, a2... a, ¥ 8€ nos dice que debemos determinar los ntime- TOS £1, Az, - «s%ys deniominados inedgnitas, que satisfacen la ecuacién (1), ‘Una solucién de una ecuacién lineal (1) es una sucesién de m niimeros.s4. 82... 5 4 que tienen la propiedad de satisfacer (1) cuando.xy = 51.2 Se SUS: tituyen en (1) En consecuencia, xy = 2, x2 =3 yx Bee = —4 es una solucién de la ecuacién lineal 13, 6x, — 3x + 4x5 ya que 6(2) ~ 33) + 4(-4) = -13, Esta no es la nica solucién para Ia ecuacién lineal dada, ya que x, = 3,.x2 7 tambien lo es, De manera ms general, un sistema de m ecuactones lineales con 7 incégnitas xy, 2X25+++ 94 —al que podemos llamar simplemente bistema lineal—, es un conjunto de ‘eciiaciones lineales, cada una con n incégnitas, Un sistema lineal puede denotarse sin problema mediante yu= yxy + aia, bo + digkn = by yxy + naka bee adn = bp : Q mi X1 + amas +--+ Andy = Bn2 Capivlo 1 Bevacionesliveales y maurises Bvieten Los dos subindices, i y j, se utilizan como sigue. EI primer subindice, i, indica que estamos trabajando con Ta Fésinna ecuacién, mientras que el segundo subindice, j, esté asociado con la j-ésima variable aj. Ast, la -ésima ecuacién es ants + aan + inky = Be En (2), las ay son constantes conocidas, Dados los valores de by. by,» iy querernos determinar los valores de x1, .. 2%, Que satisfagan cada ecuacién en (2). del sistema lineal (2) es una sucesion de m rimer0s $1, 535... Syp que tiene Ta propiedad de que cada ecuacicn en (2) se satisface euando x1 ~ sj ay = 5; Se sustituyen en (2) Para encontrar as Soluciones de! sistema lineal, usaremos una técnica denominada método de eliminaci6n.;Esto es, eliminamos algunas de las ineégnitas sumando un ‘nlipfo de una ecusci6n a otra ecifatiGn. Casi todos los lectores haba fenido alguna experiencia com esta técnica en cursos de élgebra en niveles bésicos, aunque lo mas se- zuro es que haya sido con la restriccién de hacerlo con sistemas lineales en los que m =n, es decir, sistemas lineales con tantas ecuaciones como incégnitas, En este curso ampliaremos este panorama, poniendo en préctica el métado citado tratando con sistemas en los que tenemos m =, m n. En realidad, existe una gran cantidad de aplicaciones en que m # n. Si nuestzo problema involucra dos, tes o cuatro inc6g- nitas, solemos escribir x, y, zy w. En esta seccidn utilizaremos el método de eliminacin como se estudié en cursos bésicos, y en Ia seccién 1.5 lo haremos de manera mucho més sistematica, El director de un fondo de inversién tiene $100,000 para invertr. Las reglas del fondo establecen que la inversin debe hacerse tanto en cettificados de depésito (CD), como a largo plazo, El objetivo del director es obtener un rendimiento de $7,800 sobre las versiones al cabo de um aifo, Los CD elegidos tienen un rendimiento de 54% anual, mientras que el bono offece 9% al afi, Fl director determina cémo sigue la cantidad x que debe invertir en los CD, y la cantidad y que dedicaré a comprar bonos: Como la inversi6n total es de $100,000, debemos tener x + y = 100,000. Toda vez que el rendimiento deseado es de $7,800, obtenemos la ecuacién 0.05x + 0.09y = 7,800. Por lo tanto, tenemos ef sistema lineal x+ y= 100,000 @ 0.05x +0.09y= 7,800. Para eliminar x, sumamos (—0.05) veces la primera ecuacién a la segunda, para obtener (00,000 800, cen donde la segunda ecuacién no tiene término 2; en otras palabras, hemos eliminado la inednita x. Después despejamos y en la segunda ecuacién, para obtener y = 70,000, ¥y sustituyendo y en la primera ecuacién de (3), obtenemos, x= 30,000. Para comprobar que x = 30,000, y = 70,000 es una solucién de (3), verificamos que es. tos valores de x y y satisfagan cada una de tas ecuaciones de! sistema lineal dado, En consecuencia, ef director del fondo debe invertir $30,000 en los CD y $70,000 en bonos a largo plazo. aVEE) Sev. Ll Sistemas lineales 3 Considere el sistema lineal r-3y=-T 2x -6y= 7. a ‘Nuevamente decidimos eliminar x. Para ello, sumamos (~2) veces la primera ecuacién ala segunda, y obtenemos ‘cuya segunda ecuacién no tiene sentido. Esto significa que la solucién del sistema lineal (4) es el conjunto vacio; en términos précticos, podemos decir que el sistema no tiene solucién, e5 un conjunto vacio, Pedrfamos haber obtenido la misma conclusién observando que en (4) el lado izquierdo de la segunda ecuacién es igual a dos veces el lado izquierdo de la primera ecuacién, pero el lado derecho de la segunda ecuacién no 5 dos veces el lado derecho de ta primera ecuacién. a Considere ef sistema lineal x+2y 432 2x = Sy +22 Bet y= © Para eliminar x, sumamos (~2) veces la primera ecuacién a fa segunda y (—3) veces la primera ecuaci6n 2 la fercera, lo que da por resultado xtly+ x= 6 ~Ty- 4z= 2 6) ~ Sy ~ 10z = ~20. Después eliminamos y como sigue, con ayuda de fa segunda ecuacién en (6). Multipli- ccannos la tercera ecuacién de (6) por (—4), para obtener x 2y $32, Luego intercamibiamos I segunda y tercera ecuaciones, Io que nos da X+2y4+32=6 yee o ~Ty-4z=2 Ahora sumamos 7 veces la segunda ecuacién a la tervera, para obtenet x+2y4 3e= 6 ye Qe 4 10z = 30. Al mutiplicar Ia tercera ecuacién por 4, tenemos PH y43e=6 yb @)Capitulo 1 Beuaciones tinesles y matvices Sustituyendo 2 = 3 en la segunda ecuacién de (8), encontramos que y = —2. Al susii- twit estos valores de z y y en la primera ecuacién de (8), obtenemos x = 1, Para com probar que x = I, y——2, z= 3 es una solucién de (5), verificamos que estos valores de x, y yz satisfagan cada una de las ecuaciones del sistema. En consecuencia, x = 1, y = —2,2= 3 es una solucién para el sistema lineal. La importancia del procedimien: to radica en el hecho de que los sistemas Tineales (5) y (8) fienen exactamente las mis- ‘mas soluciones. El sistema (8) tiene la ventaja de que puede resolverse con mucha facilidad, dando los valores anteriores para x, ¥ y 2 = STEMISESE | Considere et sistema lineal at2y—3==4 Qet y-3e= 4 oe Para eliminar x, sumamos (2) veces la primera ecuacién a ta segunda y obtenemos rb2y 325-4 (10) = 3y432= 12, Despejamos y en la segunda ecuacién en (10) para obtener 4, donde z puede ser cualquier némero real. Entonces, con base en la primera ecuacién de (10), xs 4 = dy $3: —4=2z-4) +32 4 Por lo tanto, una solucién para el sistema lineal (9) es vert ra4 donde r es cualquier mimero real. Esto significa que el sistema lineal (9) tiene un ni- ‘mero infinito de soluciones. Cada vez. que asignamos un valor a r, obtenemes otra so- lucida para (9). En consecuencia, si r = 1, entonces es una solucién, mientras que si r = —2, entonces. x= y 8 otra solucién . PEARCE | Considere el sistema lineal x#2y 2x -2y 3x4 5y ayGE See. 1.1 Sistemas lineales 5 ‘Una vez més, para eliminar x sumamos (—2) veces la primera ecuacicn a la segunda y (3) veces la primera ecuacién a la tercera, obteniendo Muliplicando la segunda ecuacién por (1) y Ta tercera por (~1), tenemos x+2y=10 4 a2 ye 4 ‘gue tiene las mismas soluciones que (1). Al sustituir (12), obtenemos x = 2, Por lo tanto, x = 4 en la primera eouacién de . y = 4 es una solucién para (11), a Considere el sistema lineal xt2y= 10 y= 4 a3) 3x -+5y = 20, 2x = Para eliminar x, sumamos (2) veces la primera ecuacién a la segunda y (3) veces la primera ecuacién a la tercera, lo que nos da x+y 10 by = — 4 = +10. ‘Al multiplicar Ia segunda ecvaci6n por (2) y la tercera por (—1), abtenemos el sistema x+2y=10 yea aay 0, due no tiene solucién. Como (14) y (13) tienen las mismas soluciones, concluimos que (13) no tiene solucién Estos ejemplos sugieren que un sistema lineal puede tener na soluci6n (es decir, luna tinica solucién), no tener solucién, o un niimero infinite de solicionés. ~ a Hemos visto que el método de eliminaciGn consist de la elizacion repetida de las | operaciones siguientes: be Intercambiar dos ecuaciones. 2. Multiplicar una ecuacién por una constante diferente de cero. 3, Sumar un miltiplo de una ecuacién a Ja otra, Noes diffcil demostrar (ejercicios T:1 a T.3) que el método de eliminacién proporciona otro sistema lineal que tiene exactamente las mismas soluciones que el sistema dado. El nuevo sistema lineal puede resolverse después sin dificultad.Capito « renserones Hneaies y marsees Figura 1.1 Como quizé haya notado, hasta él momento, hemos descrito el método de etimina- cin dnicamente en té:minos generales, de manera que no hemos indicado regla alguna para seleceionar las incSgnitas que ser climinadas. Antes de proporcionar una descripciGn sistemética del método de eliminacién en la siguiente seccién, hablaremos del concepto de matiz, fo que 10s ayuderé a simplificar en gran medida nuestra notacin, permitisn- donos desarrollar herramientas para resolver muches problemas importantes. Considere ahora un sistema lineal con las incdgnitas x y y: ar toy =e, bye t bay = en, as) La grifica de cada una de estas ecuaciones es una Ine recta, que denotamos median- tel; y dy, respectivamente. Six = 51, y = 52 es uoa soluciGn del sistema lineal (15), entonees el punto (sy, s2) pertenéee a ambas rectas, f, y ly. De manera reciproca, si el punto (8.52) estaen-atibas rectas, fy y f, entonces x = sy, Y= s2 es una solucién para cl sistema lineal (15). (Vea la figura 1.1.) En consecuencia, hemos Hegado a las mismas tres posibilidades mencionadas, siguiendo una alternativa geométtica: 1. Bl sistema tiene una soluci6n nica; esto es, las rectas fy fy se intersecan exactamente en un punto. 2. El sistema no tiene soluci6n; es decir, las recta fy fy no se intersecan, 3. El sistema tiene un ntimero infinito de soluciones; en otras palabras, las rectas fy y 1 coinciden, (a) Una dnica solucisn (b)No hay solucién —_(¢) Una infnidad de soluciones ‘Ahora, consideremos un sistema lineal de tres ecuaciones con tres ineSgnitas, xy ax thy +oz= dy tax + bay bere = dy (16) gx + byy +032 = dy, La gréfica de cada una de estas ecuaciones es un plano, y se denots con Py, Pa y Ps, respectivamente, Como en el caso de un sistema lineal de dos ecuaciones con dos in- ‘edgnitas, el sistema lineal en (16) puede tener una solucién tinica, no tener solucién o tener una infinidad de soluciones. Estas situaciones se ilustran en la figura 1.2. Para ‘comprender de forma mas conereta algunos de los casos posibles, piense en que las pa- redes (planos) de una habitaciGn se intersecan-en tin nico punto: una esquina de ta ha- bitacigin; de esta manera, el sistema lineal tiene una solucién tnica, Ahora piense en los planos como si se tratara de las paginas de wn libro. Cuando el libro se sostiene abier- to, tres de sus péginas se intersecan en una Ifnea recta (el lomo); en este caso, el siste- ‘ma lineal tiene un ntimero infinito de soluciones. Por otra parte, cuando se cierra el libro, aparentemente las tres paginas son paralelas y no se intersecan, por lo que pode ‘mos decir que ef sistema lineal no tiene solucién,‘See. LL Sistemas Fneales 7 Figura 1.2% a “ H “ i ¢ 1 oo. yy (a) Una inca solucidn——_(&) No hay olucién _(@) Una infin de soluciones ERAT csi oe peor) Un atvicate produce wes tips eferemes de produces quimicos: 4, B y C. Cada producto debe pasar por dos méquinas de procesamiento: Xy ¥. La manufactura del producto requiere los tiempos siguientes en las mdquinas X y ¥ 1, Una tonelada de A requiete 2 horas en la mdquina X y 2 horas en fa méquina ¥. 2. Una tonelada de B requicre 3 horas en la maquina X y 2 horas en la méquina ¥. 3. Una tonelada de C requiere 4 horas en la maquina X’y 3 horas en la méquina Y. La méquina X ests disponible durante 86 horas a la semana, y la maquina ¥ puede utilizarse 60 horas a la semana. Como la gerencia no quiexe que las costosas méquinas X ¥y Yestén ociosas, le gustaria saber cudntas toneladas debe manufacturar de cada producto, de modo que las méquinas se utiticen a su capacidad total. Daremos por sentado que el fabricante puede vender todos los productos que se manufacturen. Para resolver este problema, denotamos con 41, x2 y x3, espectivamente, ef mimero de toneladas de productos A, B y C que se fabricardn. El mimero de horas que la mé- ‘quina X sera utilizada es dey +3 + 45, que debe ser igual a 80. Por fo tanto, Asi tenemos que 2a + 3m + dry = 80, De manera similar, ef ndmero de horas que empleard la maquina Yes 60, por lo que tenemos Day + ey + 3x5 = 60. Desde el punto de vista matemético, nuestro problema consiste en determiinar los valo- Tes no negativos de xy, x» y x3 tales que 2xy + Buy + 4x5 = 80, 2ay + 2x + 3x5 = 60. Este sistema lineal tiene un nero infinito de soluciones. Siguiendo el método del ejemplo 4, vemos que todas las soluciones estén dadas por neta i 2 = 20~ 43 2%) = cualquier miimero real tal que 0 = 23 < 20,3 Capfiulo 1 Eevaciones lineales y matrices toda vez que debemos tener x; 2 0, x2 = Oy x3 = 0. Cuando x3 = 10, tenemos x25, = 10, y= 10 mientras que eal, meT evando x5 = 7. Observe que una soluci6n es tan buena como Ia otra. Ninguna es me- jot, a menos que se nos diera més informacién 0 s¢ nos plantearan algunas restric~ ciones, = Tarmines clave euacién lineal Solucién de un sistema lineal Sin solucién Incégnitas ‘Método de climinacién Infinidad de sotuciones: ‘Solueién de una ecuacién lineal Solucisn tnica ‘Manipulacién de un sistema lineal En los efercicios I a 14, resuelva el sistema lineal dado por me- (6) ¢Cudntos valores diferentes de r pueden seleccienarse dio del método de eliminacin. fen Ia parte (b)? Le xd2yes 16. Dado el sistema lineal Be 4y=4 2x + 3y— Bart2y+ z = Ay 4520, ae 4 2y 422 xo yh cad (a) verfique que x 1,2, = —Les una solucion, 5. 2x bay $6e==12 () verifique que 222 = Des ana solucisn, 2e— ay 15 © wen ta=-hy=ntnelye= Bet 4y+Se= -8, 8 una solucion del sistema Lineal? 2 xtay- 2202 (@) 23%, 3y, 3, donde x, yy z so como en ta parte (€), €5 3e48y— c= 4. tuna colueign del sistema lineal? 9 xt ytdee ld AT. Resuelva el sistema lineal siguiente sin utilizar el método d++e= 6 de eliminaeidn Rt y-%e=-s U1 2x +3y Bye L ey ain ze 4 sry 13 x43 48, Resuela el sistema lineal siguiente sin ulzar el método a+ 5y deeliminacion reve : a 8 1S. Dado el sistema lineal Sheet Bx 4Sy-2e= 11 19, {Existe un valor de rtal que x= 1, y= 2,5 sea una so- Tueién del siguiente sistema lineal? De ser ast, determtneto {a} determine wn valor de r para que el sistema tenga una soluci6n, Qx+3y- z= () determine un valor de rpara que el sistema no tenga x y$%e=-7 solucién, ax+ y-2= 12© Capitulo 1 Ecuaciones lineales y matrices (EA MATRICES Si analizamos el método de efiminacién descrito en la seccin 1.1, observaremos lo si guiente. Al realizar los pasos necesarios, s6l0 modificamos los ntmeros que aparecen junto a las ineOgnitas x}, 23, ... 2, En consecuencia, podrfamos buscar una forma de eseribir un sistema Lineal sin tener que mantener las incégnitas. En esta secci6n dei remos un objeto, unaiifatiiZ’ que nos permite hacer precisamente ¢so: escribir sistemas lineales de una manera Coipacta que facilite la automatizaci6n del método de elimina: cidn en una computadora, déndonos un procedimiento répido y eficaz para determinar las soluciones. Su uso, sin embargo, no nos proporciona solaimente la oportunidad de conlar con una notacién conveniente, sino también —como veremos a continuacién— resolver sistemas de ecuaciones lineales y otros problemas computacionales de manera rdpida y eficiente, desarrollando operaciones sobre las matrices y trabajando con ellas de acuerdo con las reglas que cumplen. Por supuesto, como debe hacer cualquier buena definiciGn, la del concepto de matriz no s6lo permite mirar de otra forma los problemas existentes, sino que, ademés, da lugar a muchas nuevas preguntas, algunas de las cuales estudiaremos en este libro. DEFINICION | Una'matriz 4 dem» niles un arreglo rectangular de.nym niimeros reales (0 complejos) ordenads en m Alas PEhglones) horizontales yn columnas veticales: ayy diz ses ip in ay am ayy A= : ma ” ay Gy TE ain | — cron 1 int a Gn te columns fan an aig) Sis); La jeésima columna de A €s a; ayy An ne Diremos que A es m por m (que se escribe m x 1). Si m = n, decimos que A es una _._matriz cuadrada de orden n, y que los nimeros gj , dz; +. dyn forman la diagonal ~ ‘principal de A. Nos referimos al ndmero ay, que €sté en la i-€simvia fila (renglén) y la {1 j-éiia éolumaa de A, como eli, j-ésimo elemento de A, oa entrada Gi) de A, y so- Jemos escribir (1) como A= lal Para simplificar, en este libro restringiremos nuestra atenci6n (salvo en el apéndi- ce A) al andisis de las matrices cuyas entradas son n\imeros reales. Sin embargo, también se estudian las matrices con entradas complejas, mismas que tienen gran importancia en muchas aplicaciones.20. (Existe un valor de rtal que x 1 sea une so: Iucion del siguieate sistema tneal? De ser asi, determsnelo Br tes 4 xdyt 23-5 Wat Iy tes 9, 21. Diga cual es el ndmero de puntos que estin simulténea- ‘mente en los tres planos que se muestran en eada inciso de Ja figuea 1.2, 22, Diga cual es el mimero de puntos que estin simultine- ‘mente en Jos tes planos que se muestran en cada inciso de Ja figura 1.3, Figura 1.3 4 23, Una refinerfa produce gasolina con azufte y sin azufe, Pa- + producir cada tonelada de gasoline sin e2ufze 5 minutos en la planta mezcladora y 4 minutos en la planta de refina ign, mientras que cada tonelada de gasolina con azure ro- {quiere 4 minutos en ta planta mezcladara y 2 minutos en la planta de refinscién. Sila planta mezcladora estédisponi- ble 3 horas y la de refinacidn 2 horas, ;eusntas toneladas {de cada tipo de gasotins deben producirse de modo que las plantas operen a toda su capacidad? Ejercicios teéricos ‘TL. Demuestre que el sistema linel que se obtiene al intercem> Diar dos ccuaciones en (2) tiene exactamente les misinas soluciones que (2) ‘T-2, Demuestre que el sistema lineal obtenide al emplazar una ‘ecuacidn en (2) por un milo constante de Ia eeuacién diferente de cero, tiene exactamente las mismas soluciones gue (2), T3, Demuesize que el sistema tineal que se obtiene al ramplazar tuna ecuacién en (2) por elle misma més un muplo de otra Sec. 11 Sistemas lineales 9 24, Un fabrieante produce dos tipos de plasticns: regular y especial. La produccién de cada tonelada de pléstico regular requiere dos horas en la planta A y 5 horas en la planta B; para product cada tonelada de plistien especial se necesi- ‘an 2 horas en la planta A y 3 horas en fa planta B. Sila planta 4 esté disponible § horas arias y la planta B 15 horas al dia, jeusntas toneladas de cada tipo de plistico pueden producirse diariamente de modo que ambas plantas ‘2 utilcen al méximo de su eapacidad? 2S, Un nutsidlogo prepare una dieta que consiste en los alimentos A B y C. Cada onza del slimento A contiens 2 umidades de proteina, 3 unidades de grasa y 4 unidedes de carbohidratos, Cada onza del alimento B contiene 3 unida- es de protefnas, 2 unidades de grusa y | unidad de esrho= hideaios. Por su parte, cada onze del alimento C contiene 3 unidades de protefnas, 3 undades de grasa y 2 tnidades dle carbohidratos. Si la dieta debe proporcionar exactamente 25 unidades de protefnas, 24 unidades de grasa y 21 unidades de carbohidratos, ccusntus onzas de cada tipo de alimento deben utizarse? 26. Un fabricante produce revsladores de pelicula de 2, 6 y 9 minutos. La fabricacién de cada tonelada de) revelador de 2 minutos requiere 6 minutos en fa planta A y 24 minutos en lo planta B. Paca manufacturer cada tonelada del revelador de 6 minutos son necesarios 12 minutos en la planta Ay 12 minutos en la planta B. Por tltimo, para producic cada tonelads del revelador de 9 minutos se utilize 12 minutos Ialanta A y 12 minutos la planta B, Si la planta A esta disponible 10 horas al dia y In planta B 16 horas diarias, {eutntas toneladas de cada tipo de revelador de pelicula pueden producirse de modo que las plantas operen a toda su capacidad? 27. Supongs que los tres puntos (1,5), (1, 1) y @, 7) estén en la parabola p(x) = ax? + by + 6, (a) Determine un sistema lineal de tres ecuaciones con tes incdgnitas que deba resolverse para determina a, by c (b) Resuelvael sistema lineal que obtuvo en la parte (a) paraa, By 6, 28. Lina herencia de $24,000 se dividié en tres fideiconisos; el segundo fideicomiso recibié el doble del primero. Los tres fi- Aeicomisos pogan una tsa de interés de 9, 10 y 6% anu, respectivamente; al final de primer affo, el renimiento total Fue de $2,210. ;Cusm se invirtié en cada Fideicomiso? ‘ccuacién en (2) tiene exactamente las mismas soluciones ue (2, ‘Ta, {EF sistema lineal siempre tiene solucién para enalesquiera valores de a, b,¢ yarSee.1.2 Matrices 11 EJEMPLO 1 fis Entonces, A es una matriz de 2 x 3 con ayz matriz de 2 x 2, con by) 3; Ces una matriz de 3 x 1, con ey; = 1, en = Ly, es una matriz.de 3 x 3; £ es una matriz de 1 1, y F es una matriz de 1 x 3. En D, los elementos dj) = 1, dy = 0 y dy; = 2 forman la dia- ‘gonal principal = yaz3= 1; Bes una Por conveniencia, en los ejemplos y ejercicios ilustrativos de los capftulos 1 a 7 centramos gran parte de nuestra atencién cn matrices y expresiones que solo tienen ‘mimeros reales. Por otra parte, aunque aparecen en algunos ejemplos de los capitilos 8 9, es en el apéndice A donde puede encontrarse una introduccién a los niimeros complejos y @ sus propiedades, asf como ejemplos y ejercicios que muestran eémo se utili zan estos niimeros en Algebra lineal Las matrices de 1 x n 0 m x 1 también se denominan un neveetores, y Io denota- emos mediante letras minisculas en negritas. Cuando se sobreentienda el valor de n, tos referiremos @ los n-vectores s6lo como veetores. En el capitulo 4 analizaremos los vectores a detalle, Eevee 1 3 ‘Si todas las entradas de un n-vector son iguales a cero, se denota con 0, Observe que si A es una matriz de n x n, los renglones de A son matrices de 1 x n. E] conjunto de todos los n-veetores con entradas reales se denota con R®. De manera si- ilar, el conjunto de todos los 1-vectores con entradas complejas se denota mediante C*. Como se indicé anteriormente, en los primeros siete capttulos de este libro trabaia- remos casi por completo con veotores en R". Despliegue de valores en forma de tabla) La mati siguiente prporcona ls is: tani ents as cndades inca (en mle terete) Londies Maid’ Nueve York Tokio Londres 0 785 3,469 5,959 Madrid 785 oO 3,593 6,706 Nueva | 3469 3593 0 8787 Tokio 5,959 6,706 6,757 0 . (Protucei6n) Suponga qu un fabricate Heneeuato plantas, en cada ua de sc lesse manufac tes produto, denolamos cons] nimero de uiades dlp uta elaoradas por la plata jen una semana le mit de fe 3 Producto 1 Producto2 Producto 3 Planta 560 340 280 Planta?) 360 450 270 Planta3] 380 420 210 Planta 0 80 3802 Capitulo 1 euaciones lineales y matrices proporciona la produceisn semanal del fabricante. Por ejemplo, en una semana, Ja planta 2 produce 270 unidades del producto 3. 2 TIMERS 1s tabla siguiente, en donde se lisa el factor de congelacién del viento, muestra cémo tuna combinacién de la temperatura y la velocidad del viento hace que un cuerpo se sienta més frfo que la temperatura real. Por ejemplo, cuando la temperatura es de 10°F yel viento es de 15 millas por hora, cl cuerpo pierde la misma cantidad de calor que la ‘que perderia si la temperatura fuera de —18 “F sin viento. -10 mph [5 10 is | lls 25388 AS 20 | 7-4 tO Esta tabla puede representarse como la matriz, 5 2 7 0 -5 -10 = au [!0 3 <9 1S 22 -27 —34 = lis 11 -18 -25 -31 38-45 20-17 -24 -31 -39 46 ~53. 5 GTEVIGEGE | Con sistema lineal considerado en el ejemplo 5 de 1a seecién 1.1 x+2y= 10 4 26, x -2y 3x +5y podemos asociar las matrices siguientes’ En la secei6n 1.3, Hamaremos A a la mattiz de coeficientes del sistema lineal a DEFINICION. Una matriz cuadrada A = [ay], en donde cada término fuera de fa diagonal principal es igual a cero, es decir, ay = 0 para i # j, es una matriz diagonal. Eiiuakend son matrices diagonales, .DEFINICION DEFINICION Sec. 1.2 Maitices 13 Una matriz diagonal A = (ay], en donde todos los términas de Ia diagonal principal son iguales, es decir, ay = c para i= j y ay = 0 para i # j, es una matriz escalar. Las siguientes son matrices escalares: 1 0 0 7 o 1 of, g a 3}: o 0 L Los motores de busqueda para localizacisn y recuperacién de informacién en n= temet, utilizan matrices para seguir el rastro de las ubicaciones en donde ésta se en cuentra el tipo de informacién que se halla en cada ubicacién, las palabras clave que aparecen en ellas, ¢ incluso la manera en que los sitios Web se vinculan entre sf con ctros. En gran medida, la eficacia de Google® estriba en la manera en que utiliza lus ‘matrices para determinar cuales sitios est referenciados en otros sitios. Esto es, en li. far de mantener de manera directa el rastro del contenido de la informacién de una pa gina Web real o de un tema de bisqueda individual, la estructura de la matriz de Google Getermina las paginas Web que coinciden con el tema de bisqueda, y Inego presenta tuna lista de tles paginas en un orden de “importancia”. Suponga que existen n paginas Web accesibles durante cierto mes. Una manera sencilla de comprender las matrices que conforman el esqueina de Google, consiste en imaginar una matrizA de x n, denominada “matria de conectividad”, la cual slo con. tiene ceros al principio. Para construir las conexiones se procede como sigue. Cuando se detesta que el sitio Web jesté vineulado con el sitio Web i, la entrada ay Se hace igual a uno. Como 7 es muy grande —su valor se calculaba en alrededor de 3 mil millones en diciembre de 2002—, casi todas las entradas de la matriz de conectividad A son o 10. (Las matrices como ésta se denominan esparcidas, ralas o poco densas.) Si la (rengl6n) i de A contiene muchos unos, significa que existen muchos sitios vinculados* al sitio i, El software que controla el motor de bdsqueda de Google considera gue los sitios que estén vinculados con muchos otros son mas “importantes” (en otras palabras, les da una calificacion ms alta) Por lo tanto, tales sitios aparecerfan al principio de la lista de resultados de busqueda que generatfa Google cuando el usuario saicitara temas relacionados con la informacién del sitio i. Ya que Google actualiza su matriz de cone. tividad cada mes, n aumenta con el paso del tiempo, al agregarse nuevos enlaces y «i tio. La técnica fundamental que utiliza Google® para calificar los sitios, emplea con ceptos de algebra lineal que estin fuera del alcance de este curso, Informacién adicio. nal sobre cl tema puede encontrarse en las fuentes siguientes, 1, Berry, Michael W. y Murray Browne, Understanding Search Engines Mathematical Modeling and Text Retrieval. Filadelfia: Siam, 1999, 2. www. google.comechnology/index.html 3. Moler, Cleve, “The World's Largest Matrix Computation: Google’s Page Rank Is an Eigenvector of a Matrix of Onder 2.7 Billion”, MatLan News and Motes, octubre de 2002, paginas 12-13, En mateméticas, siempre que se presenta un nuevo objeto es preciso definir cuando dos de ellos son iguales. Por ejemplo, en el conjunto de todos los nimeros raciona Jes, decimos que los nimeros 2 y ¢ son iguales, aunque no se representen de la misina ‘manera. Lo que tenemos en mente es la definicin sean la cua @ es igual a cuando ‘ad = be. De acuerdo con esto, tenemos la siguiente definicién Dos matrices de m x n, A = [ay] y B = [bj], son iguales si ay ismisj =, 68 decir, si los elenienitos coréspondientes Son iguales.# Cepitulo 1 Bouaciones Hineates y mati RE Las maitices 12-1 Aa|2 3 4] y 0-4 5 son iguales siw = —1,x=-3,y=0y2= A continuacién definiremos varias operaciones que producirén nuevas matrices a partir de otras, Estas operaciones son ttiles en las aplicaciones que involueran matrices. SUMA DE MATRICES DEFINICION — SiA = [aj] y B = [Bj] son matrices de m x n, la suma de A y B da por resultado la matriz C = [ey] de m % n, definida por c= aytby GO Sismisjsn) Oy Scan Entonces sae a 242 sre] -[} 241 -143 341 | [5 ec otine uid oslements corspondins de A y B | 2 4 . Observe que la suma de las matrices A y B s6lo se define cuando A y B tienen el mismo némero de filas {renglones) y el mismo némero de columnas; ¢s decir, s6l0 cuando A y B son del mismo tamatio, establecemos la demos que A y B tienen el Hasta el momento, la suma de matrices sélo se ha definido para dos matrices. En covasiones, sin embargo, nuestro trabajo exigiré que sumemos més de dos matrices. El teorema [1 de la seccién siguiente muestra que la summa de matrices satisface la propie~ dad asociativa, A+ (B+ C) = (A + B) + C. En la seccidn 14 se consideran mas propiedades de las matrices, mismas que son similares a que satisfacen los niémeros reales. (Producciin) Un fabricante de cierto producto realiza tres modelos, A, B y C. Algunas partes aries de cada uno se elaboran en la fbriea Fy, ubicada en de Taiwén, y después se terminan en la fabrica F, de Estados Unidos. Bl costo total de cad producto consta de los costos de manufactura y de embarque. En consecuencia, los costos (en délares) de cada fabrica pueden deseribirse mediante las matrices Fy y F; de 3 x 2: Costode Costa de. smamufectoraembarque 32 40] Modelo A. R= 50 80 | Modelos Modelo C 70 20DEFINICION EJEMPLO 12 BEakones Solucién See. 12 Matrices 15 Coiode Caode wate Sk 4 60.) Mao SoS). | won no | Mace La matriz Fy + Fy proporciona los costos totales de manufactura y embargue de cada producto, Asi, los costos totales de un producto del modelo C son $200 y $40, respec tivamente, e MULTIPLICACIGN POR UN ESC. AR SiA = [aj] es una matriz, de m x n y res un niimero real, el miiltiplo esealar de A por 7A, 5 la matriz B= (by) de m x n, donde », a ay GS i= m1 ej ,---, 6-500 nmeros reales, entonces una expresién de Ia forma ory te + cde 2 se denomina combinacién lineal de Ay, Ay... Ay Y Cts C2... 64 8e Haman coe ficientes. EJEMPLO 14 OMS DEFINICION 5 2 9 6 2 31, -1 2 3 entonces C = 3A) ~ 42 es tina combinacién lineal de Ay y Ap. Por medio de la ‘moltiplicacién por un escalar y fa surna de matrices, podemos calcular C: 0-3 5] «fs 2 3 c=3/2 3 4/-3) 6 2 3 1-2-3] 2[-1 -2 3 (b) 28 3{5 OJ + 4[-2 5} es unacombinacién lineal de [3-21.15 Oy [2 5h Puede cles (verge) para obtener [—17 16} Ir on 1) for (© -05]-4] + 0.4] 4] es una combinacién lineal de | ~4| y | -4 |. -6 02 6} [02 0.46 Puede calcularse para obtener (verifiquelo) | 0.4 |. 3.08, = LA TRANSPUESTA DE UNA MATRIZ. SiA = [ay] es una matriz de m > n, la matriz, [af] den x m, donde (sisni 1 tal que RA = O, entonces k= 00 A = 0, 6S. Una matriz A = (ay) se denomina triangular superior si 6 ~0 para i> j, Se Hansa triangular inferior si jy para n existen? representa un conmutador de interruptores en donde 0 re- "T16. Represente con O la palabra OFF y con 1 ta palabra ON presenta apagado y I representa encendido, (los tsminos de muchos sparatos electrénicos para “apa- (@) Determine una matric B tal que A + B represente et do” y “encendido”, respectivamente), y sea cconmutador de interrapores eon el estado de cada in- bit -ba pba teruptor “invertidr A=|OFF ON OFF () Sea OFF ON ON iy aircon cada entrada iguat a OFF 10. ‘TAT. Represente con 0 la palabra OFF y con | i palabra ON, y «La mati B del inciso (a) también “invertrs” los es- sea {dos del conmutador de iterruptoresrepresentado 10 C? Verifque sv respuesta, ‘ON ON OFF 7 ee A=|OFF ON OFF (©) Sides cualquiee matriz binaria de m > 1 que repre- OFF ON ON senta un conmutador de interrptores, determine una matriz binarie B de m x n tal que A + B “invierta” Determine la matriz.B de ON/OFF tal que A + B sea una tos los estado de los interraptores en A. Justfique smatri2 con cada entrada igual a ON. por qué B “invert” los estados de A. Ejercicios con Mariage Para utilizar Mam en esta secciéa, primero deberd leer las valores redondeados a cuatro decimales. Restablezea secciones 12.1 y 12.2, las cuales proporcionen informacin bsica 1 formato a format short acerca del programa ast como de ias operaciones maxriciales con M{L.2. Escriba el comando H = hilb(S) en Maras; (Observe el mismo, Le pedimos que siga con cuidado los ejemplos o usta ue el ultimo cardeter es un punto y coma, el cual sirve ciones de las instrciones de MaTLaB que aparecen en las pra suprimir el despliezve del contenido de la matriz Hs secciones 12.1 y 122 anies de intensar realizar estos ejercicios. vea la seveidn [2.1), Pura obtener ms informacion acerca del comando hilb,escriba help hilh, Utilice los coma dos apropiados de Manas para hacer lo siguiente; MLal, Introduzca las siguientes matrices ea Marva, 54 2 (0) Detemine el tama de, =[-3 0 4), (b) Deslegne el contenido de Zao (©) Despliegue el contenido de H como nimeros racio- rales e213 peeves es (4) Extra tas tes primera columns com na mati aon 443 (©) Extraga as ds has fas (englones como ona mati Uilice 1os comandos apropiados de MAn.aB para desple~ gar lo siguiente: Los ejercicios ML.3 a MLS emplean matrices binarias y os co (0) any, bey bi. ‘mandos complementarios descrtos en la seecicn 12.9, () fila(4), columnasi), flag) ML-3. Utilce bingen par resolver los ejecicios 10 y TL. (©) Exeriba el comando format long de Maras y des. MLA. Utilice bingen para resolver el ejecicio T.13. (Sugeren- pliegue la matriz B. Compare los clementos de B in- ia: una matiiz de n xm contiene el mismo mimero de divados en el inciso (a) y los del despliegue act entradas que un n?-vestor) Observe que el comendo format short despliega los MIS. Resuelva el ejercicio 11 utilizando binadd PRODUCTO PUNTO Y MULTIPLICACION DE MATRICES En esta seccion presentaremos la operacién de muitiplcacién de matrices. A diferencia de la suma, algunas de las propiedades de la multiplicacin de matrices la distinguen de la multiplicacin de némeros reales.Capitulo 1 Ecuaciones lineales y matrices DEFINICION Bice Stee Solucién Byviakee! El producto punto o producto interior de los n-vectores a y b es Ia suma de los productos de Tas entradas correspondientes. En consecuencia, si a be as y b= 4, by, centonces o De manera similar, si a.0 b (0 ambas) som n-vectores escritos como una matriz de 1x 2, el producto punto a + b esté dado por (1). Bl producto punto de los vectores en C" se define en el apéndice A.2. El producto punto es una operacién importante que usaremos tanto en ésta como cen secciones posteriores. El producto punto de 1 2 2 3 w=[ 3] oy v=|3 4, 1 es (YQ) + (293) + BX-2) + A) = 4 Seana=(x 2 3)y b= | 1). Sia-b=~4, determine x. 2 Tenemos asb=4r+246 a+ 8 r= . (Aplicacién: eéteulo de fa califieactén promedio de un curso) Suponga que un pro- {esor utiliza cuatro notas para determinar ta calificacién promedio que obtiene un estudiante en un curso: cuestionatios, dos exmenes de una hora y un examen final. Cada luna de estas notas tiene una ponderacidn de 10, 30, 30 y 30%, respectivamente. Si las calificeciones de un estudiante son, en cada rubro, 78, 84, 62 y 85, podemos calcular el promedio det curso haciendo 10 78 0.30 84 “=Jo30) ¥ 8=/62 0.30. 85, y caleulando W = £ = (0.10)(78) + (0.30)(84) + (0.30)(62) + (0.3085) = 77.1 Ast, el promedio del curso del estudiante es 77.1 5 "Tal vex ya esté fariiaizado con esta i notacién a tact de Suma. De cualquier manera, a analiza smo con dtalle al inl de exta seccién‘Sec. 1.3 Producto punto y multiplicacién de matrices 23 MULTIPI DEFINICION Si A = fay] es una matriz de m x p,y B= [by] es una matriz. de p x n, el producto de AY B, que se denota mediante AB, es la matriz.C = [cy] m Xn, definida como 045 = anrbyy + ainda; +b aipb py y (E Vanby Asi 2 m1 Zached, oe col(2) fa an 6 ba by ba] bn by bs, | 4a) | a af : bn, by 'm 4 FA) = 0h 8) = > au Observe que el producto de A y B sélo esta definido cuando el n ode filas de Bes exactamente igual al nimero de columnas de A, como se indica en la figura 1.5. Figura 1s 4 eo mxpy* pxn X t_t 7 iguales Tamatio de AB Entonces Ap = [DCD +4) +-DQ)_ UNS) + AK-3) + (UY {3-2 + A) + 2) GBXS) +. 3) + (KD -[ 7'4 Capitulo 1 Eeuaciones lineales y matrices EJEMPLO 5 any Caleule Ja entrada (3, 2) de AB. Solucién $i AB= la entrada (3, 2) de AB es 32, que es fils(A) + coly(B). Ahora tenemos, 4 fils(A) -col,(B) = [0 1-2]. | -1] =—. 2 = BEM El sistema lineal x42y- c=2 Be Hae =5 puede escribirse (verifiquelo) por medio del producto de matrices como | [ é ] =a : : 2-1 i] y ' sian = [2]. asuminezy Soluci6n Tenemos : lox 3 —[t+4e43y) _ fiz weft U]-bee)-f : Las propiedades bésicas de la multiplicacién de matrices se estudiardn en la sec- ign siguieite. Por lo pronto, diremos que la multiplicacién de matrices requiere mucho més cuidado que la suma, ya que fas propiedades algebraicas de la multiplicaci6n de matrices difieren de las que satisfacen los nimeros reales, Parte del problema se debe al hecho de que AB se define sélo cuando el niimero de columnas de A es igual al riimero de filas de B. En consecuencia, si A es una matriz dem x py B es una matriz, de p x n, AB es una matriz de mt x x. {Qué ocumte con BA? Pueden suceder cuatro situaciones diferentes: 1. Es posible que Ba no esté definido; esto pasard sin # m, 2. Si BA esta definida, lo que significa que m = n, entonces BA es de p x p, mientras que AB es de m x ma; de esta manera, si m % p, AB y BA son de tamafios diferentes.TUE Baits BEvnmen EER See. 13. Producto punto y multiplicacién de matrices 25 3. Si AB y BA son del mismo tamaiio, pueden ser iguales, 4. Si AB y BA son del mismo tamaiio, pueden ser diferentes, Si A es una matriz de 2 x 3 y B es una mateiz de 3 x 4, AB es una matria de 2 x 4, mientras que BA no esti definida, a Sean A de 2 x 3 y Bde 3 x 2. Entonces AB es de 2 x 2, mientras que BA es de 3x3. a Sean Entonces En consecuencin, AB # BA. os Uno se preguntarfa por qué Ia igualdad y la suma de matrices se definen de manc- ra natural, mientras que la multiplicaci6n de matsices parece mucho mas complicada, El ejemplo 11 nos proporciona una idea al respecto. (Ecologia) Una siembra se rocia con pesticidas para eliminarinsectos daitinos: sin embargo, las plantas absorben parte de tas sustancias, Luego, los animales herbivoros de ta zona comen las plantas contaminadas y absorben los pesticidas. Para determina la dad de pesticida absorbida por uno de esos animales, procedemos de la manera si uiente. Suponga que tenemos tres pesticidas y cuatro plantas, Sea ai la cantidad de Pesticida é (en mitigramos) ebsorbida por Ia planta j. Esta informacién puede represen. tarse mediante la matriz Planta 1 Planta 2 Planta 3 Plante 4 2 3 4 3) Pesticide t A= | 3 2 2 5 | Pesticida 2 4 1 6 4 | Pesticida 3 Imagine ahora, que tenemos tres animales herbivoros, y sea by la cantidad de plantas del tipo i que uno de ellos, de tipo j, come mensualmente. La informacion puede repre sentarse mediante la matriz, Herbivoro 1 Hesbivoro 2. Herbivoro 3 20 12 8 Planta 1 28 15 15 Planta 2 30 2 10 Planta 3 40 16 20 Planta La entrada (i, ) de AB proporciona la cantidad de pesticida del tipo i que ha atsorbido el animal j. En consecuencia, si i= 2 y J = 3, la entrada (2, 3) de AB es 3(8) + 215) + 2(10) + 5(20) 174 mg de pesticida, 2 absorbidos por el herbivoro 3, Ahora bien, si taviéramos p animales carnfvoros (como el hombre) que se comen a los herb{voros, podrfamos repetir el andlisis para determinar cuanto pesticida absorbe cada uno, a26 Capitulo 1 Feuaciones lineales y matrices atone Observacién EWakones ‘A veces es stil poder determinar una columna en el producto matricial AB sin tener que multiplicar las dos matrices. Puede demostrarse (ejercicio 7:9) que la j-ésima columna del producto matricial AB es igual al producto matricial Acol{B). + Sean Entonces, la segunda columna de AB es mol IO Si wy ¥ son m-vectores, puede demostrarse (ejercicio T.14) que si los consideramos como matrices den x 1, Esta observacin nos servird en el capitulo 3, De manera similar, siw y v se consideran matrices de 1 x 1, emtonces uev=uv, Por iltimo, wesuna matriz de 1 > my ves una matri2 de mx 1,0 + v= nv. wore [ yee [ tome uv =102)+2-D + (-3)0) Ademés, i = 12) 42-1) + (-3)0) + 3. EL PRODUCTO MATRIZ-VECTOR ESCRITO EN TERMINOS DE COLUMNAS Sea ay a2 oe On rs Ay) Ona uuna matriz de m xn, y seaSee, 13 Producto punto y multiplicacion de matrices 27 1m n-vector, es decir una matriz. de x 1. Como A es de m x ny ¢¢s den x 1, el producto matricial Ae es la matriz de m x 1 a = ay 2] rengl6ny(A)+€ a) a a>, | |cz| | renglong(a)-e Ac= Any Ay oot Le] rengl6n,( A) +€. 8 anc) Faines +s paige, anyc1 + anc) Ho ancy, Ani C1 + And °° Aan} El lado derecho de esta expresi6n puede escribirse como ay an ‘ay ay an ay Leg teal |e tey @ Am Aya, Aran = cyc0l4(A) + cxcoly(A) +--+ cgcol,(A) En consceuencia, el producto Ae de una matriz A de m x ny una matriz ede n x I puede escribirse como una combinacién lineal de las columnas de A, en las que los coeficientes son las entradas en e. EOE sean : 2-1 = aBisjy fs ae 5 Entonces, el producto Ae escrito como una comunicacién lineal de las columnas de (3 aE)-8-Gee-ee SiA es una matriz de m x p y B es una matriz de p x n, podemos concluir que la i-€sima columna del producto AB se puede escribir como una combinacién lineal de las columnas de Ja matriz. A, en la que los coeficientes son las entradas en Ia j-ésima co- Jumna de Ia mata, B: £0 (AB) = Acol,(B) = by col\(A) + b2;c01XA) +--+ by jcalpA). DBMS 5 1 so as maces denis emt ejempo 12, etones 12 476 w=) 3 P23 gfe os a5 vt28° Capitulo | Ecuaciones lineales y matrices Las columnas de AB comp combinaciones lincales de las columnas de 4 estén dadas por 0 4 col (AB) =| 6| = Acolh(B) T r 2 col,(AB) = | 17) = Acok(B)=3] 3] +2) 4 1 -1 5 IL é oa) = [+] = Aco SISTEMAS LINEALES 2 4 $ a A continuacién generalizaremos el ejemplo 6. Consideremos el sistema lineal de m couaciones en 1 incégnitas, ayty + agra $2 dante = ty + ants +20 + dann = ba ; 6 agit $22 +--+ Gandy = Do Ahora definamos las siguientes matrices: ai a Ain 7 by ay aap + tay » b ns Onn °° fn bn. Entonces, an ar + aie] Px] anne + anny boo + inte aan am {|x| anes + aoe +--+ aanty Ax= ; Am) An? + Omnd Ln. yy Xm a¥2 bob Aone Xn. Las entradas en el producto Ax son slo los Indos izquierdes de las ecuaciones en (5). Por lo tanto, el sistema lineal (5) puede escribirse en forma matricial como Ax = b. La matriz A es la matriz de coeficientes del sistema lineal (5), y la matriz, ay din ain | by a, dn + Ag ee ‘obtenida al agregar Ja colurnna b a A, se denomina matriz aumentada de! sistema lineal (5). La matriz aumentada de (5) se escribe como [4b]. Rectprocamente, cul dquier matiz con més de una columna puede considerarse la matriz sumentada de U2 sistema lineal. La matriz de coeficientes y 1a matriz aumentada tienen una funci6n esen- Gial en nuestro método de solucin de sistemas Lneales,BEitenrs EJEMPLO 18 Sec. 1.3 Producto pueto y multiplicacion de matrices 29 Considere el sistema lineal me da +3y 4 3x + 2y +25 Si hacemos t i nee oes podemos escribir el sistema lineal dado en forma matical, como Ax=b. La mattiz de coeficientes es A y la matriz.aumentada es 2 2 3 La matriz. Con base en el andlisis anterior, se desprende que el sistema lineal en (5) puede escribirse como una combinacin lincal de las columnas de A, como an ay ‘ain ‘by o on an| |b af |u| FL pete Oe © mn ana tod Low Reefprocamente, una ecuscién las de (6) siempre describe un sistema lineal como en (5). PARTICION DE MATRICES (OPCIONAL) ‘Si comenzamas con una matriz A = [aj] d= m x n, y eliminamos algunas filas (tenglo- nes) 0 columnas (pero no todos), obtenemos una submatriz de A. Sea Si eliminamos Ia segunda fila y 1a tercera columna, obtenemos Ja submatriz. bo 3] .50 Capitulo F Heuaciones linesles y matrices Para subdividir una matriz en submatrices, se pueden trazar rectas horizontales entte las files (renglones) y rectas verticales entre las columnas. Por supuesto, la particién se puede realizar de muchas formas distintas ROEM 12 matriz au ay ais an, aos ay ass aay aes aus, se puede separar como ‘An 4 n [is También podriamos escribir ais aia ims Aare 4 42324! tas Ae i As a as Sas an an ay aa | 045 aa | ys lo cual da otra particién de A. En consecuencia, podemos hablar de particiones de una mati, 7 WMT siemens tun sistema tinal es una maiz con una prcdn, Ass Ax b, podemos esribir la matiz aumentads de este sistema como [A b] ® Sia y B son matrices de m x m que tienen una partici6n de la misma forma, A + B se obtiene simplemente sumando las submatrices cotrespondientes de Ay B. De maneta andloga, si A es una matriz.con una particién, el miltiplo escalar cA se obtiene formando el multiple escalar de cada submattiz. SiA se divide como en (7) y bu ba iby by bab! bas bag Bi! Ba B= lbs ds bs bu | =| Ba By |. bay ban bs bs by Bay entonces un célculo directo nos muestra que apa | ANB: + Anbu + AB) | Ay Bat AaB + Aye, (Aa Bu: + AnBoi + AesBy) | (An Bi2 + An Ba + AnsBu) EJEMPLO 21 [a SesBrie Sec. 1.3 Producto punto y multiplioacién de mattices 31 ysea 2 0 oo4 Balr3 3-1 Entonces 6 12 0-3 7 S| _ feu ice ani 0 293] Le “9-2 732 2-1 5 donde Cy, debe ser 4ysByn + Ay2Bpy. Ver sin: 2 0 o,f opi 3 of 2jfo 1 af*[s -j[-3 a 2 2 0 o,f 3 oF -[ 2 a+ [6 10 4] 33 0 Este método de multiplicaci6n de matrices con una partici6n también se conoce como multiplicacién por bloques. Las matrices con particién son tiiles al trabajar con matrices que exceden la capacidad de memoria de una computadora, De esta manera, al multiplicar dos matrices con particién se pueden conservar las matrices en un disco y levar a la memoria solamente las submatrices necesarias para formar sus productos. Por supuesto, el resultado puede guardarse en el disco conforme se vaya calculando. La particién de las matrices debe hacerse de modo que los productos de las matrices eorres- Pondientes estén definidos. Gracias a Ta tecnologta de cémputo actual, las computadoras con procesamiento paralelo utilizan las particiones para realizar més tpidamente Jos céleulos con matrices. La particién de una matriz implica una subdivisién de la informacién en bloques 0 unidades. El proceso inverso consiste en considerar matrices individuales como bloques {yunirlas para formar una matriz por bloques. El Gnico requisito es que, después de unir los bloques, todas las filas y todas las columnas tengan el mismo nimero de entradas. amos como sigue que Cy, es esta expre- Anbu + Anba =[ Sean Entonces tenemos (eiv}=[3$2 Capitulo 1 Giieerss Glace: EEK: Eeuaciones lineales y matrices Una préctica comén en muchas aplicaciones, consiste en hacer ta unién de matei- ces en bloques para extender las estructuras de informacién. Por ejemplo, suele conser. varse la informacién de las ventas mensuales de cada aifo en una matriz de I x 12, y Juego unir tales matrices para construir la matriz. de ventas histéricas de varios aiios. De manera similar, los resultados de nuevos experimentos de laboratorio se adjuntan a la informacién existente para actualizar una base de datos en una investigacién, En el ejemplo 20 se dijo ya que fa matriz aumentada det sistema lineal Ax = b es tuna matriz por bloques. En ocasiones necesitaremos resolver varios sistemas lineales en los que la matriz de coeficientes A es Ia misma, pero son diferentes los lados derechos de los sistemas, digamos b,¢ y d. En estos casos, encontrainos conveniente considerar la matriz por bloques [A |b {¢ | d}. (Vea la seccién 6.7.) NOTACIGN DE SUMA (OPCIONAL) Habra ocasiones en que seré necesario emplest la notacién de suma. Por ello, a conti muacién revisaremos esta itil y compacta notaciGn que se utiliza ampliamente en matemiticas La expresién })a) significa tat La letra ies el indice de la sumay se trata de una variable muda o arbitraria que puede remplazarse por otra letra, Por lo tanto, podemos escribir a =4, 2 y=5 yy m=8 entonces Dia =3 444548 = 20, iat . Laoxpresién Soria; significa ray rytg +o + rly Es ficil demostrar (ejercicio 7.11) que la notaciGn de suma satistace las siguientes propiedades: @ Ye + $1); =Yna Ysa qi) 2Seo. 13. Producto punto y muliplicacion de watises 33 el producto punto a -b se puede expresar mediante notacisn de suma como sb = aby + dab2 +++ bayby =) aiby i s ES LAMAKOPLS) En términos de Ja notacién de suma, podemos escribir Ja ecuacidn (2), para el i, J-Ssimo elemento del producto de las matrices A y B, como Tambi guy (Si Sm sj |2 La matriz cero de 2 x 3 es "El concctr pico “sy so si" significa que ambas proposiciones son verdaderas o amas son flss, Por Totanio, (1)siA + Ua A, entonces ay + mj = ayy 2) sia + ny = aj, entonees A + U=ASec, 1.4 Propiedades de las operaciones con matrices 41 EMISRe Pave ilustrar el inciso (d) del teorema 1.1, sea Entonces EJEMPLO 3. wn Entonces (Propiedades de la multiplicactén ae matrices) (@) Sia, By C son matrices de los tamaitos apropiados, A(BC) = (ABYC. (©) SiA, By C son matrices de los tamatios apropiades, entonces A(B + C)= AB + AC. ©) SiA, By Cson matrices de los tamaitos apropiades, entonces (A+ B)C=AC4 BC. Demostracién (a) Omitremos una demostracién general, Enel ejecicio 2 se pide al lector que demuestre el resultado para un caso especifico, (b) Ejercicio 73, (©) Ejervicio 73, @ 2-1 1 0 ry fi ts 7] palo 2 21, 300-1 3 y 10 2 2-3 0 =lo 0 3 2 41 o Entonces 03 7 3 2 3 4316 56 ABC) [: E ] B46 -[ } 2-3 4} -$ Sl=[2 3 °s y 10 2 9-1 6 13/2 -3 0] fs 16 56 (aac [ie -8 8 Al 0 0 3 [8 30 ‘| 2 1 0, ®42_ Capitulo | Eousciones linesles y matrices Gin DEFINICION TG 1 oe 0 2) mye saro=[} 3 AL: ‘|-[5 2] , aesac-[S_J]-[6 Z-F 2] 7 La matriz esealar den x n cuyas entradas en la diagonal son todas iguules 2 1, es la matriz identidad de orden 1 Si A es una mattiz de m x n, es fécil verificar (ejorcicio T.4) que IgA = Aly = A. ‘También resulta sencillo ver que toda matriz.escalar de n x n puede escribirse como 11, para alguna r. La matriz identidad Jp de orden 2 es Si entonces, La matriz identidad Jy de orden 3 es Por lo tanto, Ab =A. 1.Observacién ‘Sec. L4 Propiedades de las operaciones con matrices 43 Suponga que A es una matriz cuadrada. Si p es un entero positivo, definimos las poten- clas de una matriz. como sigue: AeA And piecares SiA es den x n, también definimos 40 In En el caso de enteros no negativos p y q, algunas de las leyes conocidas de les expo- nentes de los nimeros reales tambign pueden demostrarse para la multiplicacién de una Inatriz cuadrada A (ejereicio T) APAS = APH (ay = a9 Observe que (AB)? # APBP. para las matrices cuadradas en general. Sin embargo, si AB = BA, esta regla es vélida Giercicio T.), A continuacién Hamaremos su atencién respecto de otras dos peculiaridades de la ‘moltiplicacién de matrices. Si a y b son ndmeros reales, ab = 0 se cumple sélo si a 0 6 son cero. Sin embargo, esto no es vélido para Jas matrices, Si entonces ni A ni B es la matriz cero, pero 0 0 AB = [4 " Si a, by € son nimeros reales para los cuales ab = ac y a + 0, se tiene que b Es decir, podemos cancelar a. Sin embargo, la ley de cancelacién no se cumple para las ‘matrices, como muestra el siguiente ejemplo, Si entonces pero B# C, a ic En Ja seccién 1.7 analizamos una clase especial de matrices A, para las cuales AB implica que B = C, (Comercio) Suponga que tnicamente dos competes rivales,R y 5, fabrican cero producto, Cada af, la compania R conserva | de sus clientes, mientras que 3 de los con44° Capitulo 1 Bousciones linesles y matrices sumidores cambian a S. En el mismo lapso, 5 conserva 2 de sus clientes, mientras que 4 cambia a R. Esta informacién puede desplegarse en forma matricial como RS lA ‘Al comenzar por vez primera la fabricacién del producto, & tiene } del mercado (el mer- ccado es la cantidad total de clientes), mientras que S tiene los otros 2, Denetamnos a dis- tribucién inicial del mercado como Un afio después, la distribuciGn del mercado es vm El best Esto se puede ver técilmente como sigue, Supongamos que el mercado iniial consta de & personas, digamos, k = 12,000, y que este néimero no se modifica con el paso del tiempo. Entonces, inicialmente, R tiene 3k clientes, y § tiene 3k consumidores, Al final del primer aio, R conserva } de sus clientes y gana | de os de S. En consecuencia, Riiene 4k) + 428) = [4(8) + 42)] & = Be clientes. 2,000, K tiene $3(12,000) = 3,400 clientes, De manera similar, al final del primer aff, $ conserva 2 de sus clientes y gana 3 de los clientes de R. En consecuenia, S tiene Cuando & 3G) + 36K) = Cuando k = 12,000 $ tiene $3 (12,000) = 8,600 clientes. De manera andloga, al paso de Tos dos aos, la distribucin del mercado estaré dada per ) + 3Q)]é = Skctientes. Xz = AX, = A(AXg) = Ax, Si {podemos determinar a y b de modo que Ia distribucién sea la misma aiio con afio? Cuando esto ocurre, se dice que la distribucién del mercado es estable. Procedemos de Ja manera siguiente, Como R y $ controlan todo el mercado, debemos tener a+b @ ‘También queremos que la distribuci6n no se modifique después de un afio. Por lo tanto Axo = Xo mo aDemostracién BEER TEOREMA 1 Sec. 4 Propiedades de las operaciones on matrices 45 Entonces @ Observe que las dos ecuaciones en (4) son iguales. Usilizamos la ecuacién (3) y una de Jas ecuaciones en (4) para determinar (verifique) que El problema que acabamos de ver es un ejemplo de una cadena de Markov, En la seccidn 2.5 volveremos a sbordar este tema, (Propiedades de la multiplicacién por ua escatar) Si ry s som nimeros reales y Ay B son matrices, entonces (a) 1s) = (0s)A (b) (+5) = rl 5A © HAFB)=rA tr (@) A(rB) = r1AB) = (AB Bjercicio 7.12 a Sean r= ~2, Entonees wwo=[ 4 2 wanecalt Jf Jo cual ilustra el inciso (4) del teorema 1.3. Resulta fécil demostrar que (—1)A = ~A (ejercicio 7.13), a (Propiedades de la transpuesta) Si r es un escalar y A y B son matrices, entonces @) ATPaa ©) (A+ BAT + Bh (© (AB = Bla? aT46 Capitulo 1 Beuaci De ‘acién Eaeonel DEFINICION Biauacenes mes lineales y mattices Dejaremos las demostraciones de (a), (b) y (@) como ejercicio (7.14); agut sélo demos. twaremos el inciso (c). Asf, fag) waa matriz de m x p y sea B = (b,,) una mattiz de p Xn. Eli, j-ésimo elemento de (AB) es cf, Ahora bien, ef) = ey) = fi1,(A) -coh(B) = aby + ajaby +--+ apd, TB +0f,0h +--+ af 07 = dha, + bal, +--+ blah, = fil)(BT) -col(A"), que es el i, j-ésimo elemento de BTA. 5 Sean r 2]. “1 Entonces y waref? 2 3){3 alee 7 1 2-13 3/=b5 3) a Bs decir, A es simétrica si es una matriz cuadrada para la cual ay, (ejercicio 7.17). Si la matrz A es simétrica, los elementos de A son simétricos respecto de la diagonal principal de Las matrices son simétricas. aSekewe: Solucion ETaenes Solucién See. 14 Propivdades de las operaciones con matrices 47) EJEMPLOS CON MATRICES BINARIAS (OPCIONAL) ‘Todas las operaciones matriciales analizadas en esta seccién son vélidas para matrices binarias, siempre y cuando utilicemos aritinética binaria, Por Io tanto, Ios tinicos esca- Iares disponibles son 0 y 1 a) sass E | cra main, Dseine inten tv de o1 a 6 er lta=0 0+0=0 l+e=0 14d OFe=0 14s=0 de manera que a= 1, b l.e= Oy f= 1. Bn consecuencia, ~A (Vea tambien el ejercicio 1.38) os sea ={ | Entonces 1 O}fa d]_fa #]_Jo o w=[ JE -E d-B 4] siempre y cuando a = = 0,¢=001yd=00 1. Por lo tamo,existen cuatro de tales matrices, 00] fo 0] [fo o 0 0 oo} |o ip fro rt 7 La seccién 2.2, teorfa de grificas, utiliza el material de esta sec estiidiela en este momento, silo desea,48 Capitulo | [Eeuaciones ineales y matrices aficas (seccién 2.2) En fos tiltimos afos, fa necesidad de resolver problemas que tienen que ver con Ia co- ‘municaci6n entre individuos, computadoras y organizaciones, ha erecido con un ritmo sin precedentes. Observe, por ejemplo, el crecimiento explosivo de Internet y sus posibilidades de interactuar con medios de todo tipo. La teorfa de gréficas es un frea de las ‘mateméticas eplicadas que estudia problemas como el siguiente: Considere una red de érea local que consta de seis usuarios, denotados mediante Pi, Pz... Pe Decimos que P; tiene “acceso” a P;si P; puede enviar directamente un mensaje a P, Por ott lado, es posible que P; no pueda enviar un mensaje de manera directa a Py, pero si pueda enviarlo a P,, quien To enviard luego 4 Py, En este caso, decimos que P; tiene un “acceso en 2 etapas (0 pasos)" a Py. Del mismo modo, hablamos de un “acceso en r etapas”. Podlernos describir la relacién de acceso en la red que apa~ rece en la figura 1.6, definiendo la matriz. A = (a;;] de 6 x 6, en la que ayj = 1 si P; tiene acceso a Pj, y ay = 0 en caso contrario. En consecuencia, A puede ser PL Pa Ps Ps Ps Po Bro 9 0 0 1 0 PJ oO 0 0 0 1 0 acPit to 0 1 1 =~ylo 1 0 0 1 Oo Ps}0 0 0 0 0 1 BLO Oo 0 1 0 0 Uiilizando la matriz.A y las técnicas de teorfa de grificas que se estudian en la sec~ cidn 2.2, podemos determinar el nimero de formas en que P; tiene acceso a Py en r etapas, donde r= 1, 2,.....La teorfa de gréficas permite resolver muchos ofros problemas que implican las comunicaciones. En realidad, la matriz A que se acaba de describir es una matriz binaria, pero en es- jaciGn es mejor considerarla una matriz. de base 10, como se mostraré en 1aTérminos clave Propiedades de la suma de matrices Identidad aditiva 0 matriz cero Inverso aditivo 0 negative de una matriz Mati identidad a fg e-f 2g 3 2. Verifique el inciso (a) del teorema 1.2 para 3. Vetifqu el ncso (de sora 1.2 para tas 23 a=[5 Gh o-B 3 o 4 eff 3 J] 4. Verifique los incisos (a), (b) y (©) del teorema 1.3 para r = 6, 5. Yee asi del ren pcr = 35 Vo) get oT cd | 6 esque is 0s yl meme pare Ay Jeo. pepe 2 abi jp e[s iy 1. Vesti (del ore ap : : 4], 2 a En los ejercicios 8 y 9, sean : ; Propiedades de la muliplicacién de matrices Potencias de una matriz 8. 10, a 4. oe ‘See, 1.4 Propiedades de las operaciones con matrices 49 Propiedades de la transpuesta Matriz simetrica Matsiz antisimétrica De ser posible, ealcule @ 48" RAT ater © 5B ie) ae De ser posible, caleule @ BC~20yR AD +A) (@ BIC+A @ aes? © Wr +ae si [3 }> ‘ emuestre que AB = si a4 demuestre que AB = AC. : on ; sat-[} J osm (a) ab aaa (b) 2474 3A? 4 44 4 Sfp 1 23): Determine sa a=[ (a) AP 2a (0) 34-24? 4 54-4 Determine un escalarr tal que Ax = rx, done aids =f Derermine wna constante& cal que (AY! (RA) = [|] Hay més de un valor de & que se pueda viilizar" donde ry50 Capitulo 1 Ecuaciones lineales y matrices 1. Sean y aj col{A), j= 1, 2,3, Verifique que yea) aye; ay vay ATA=|apeay area; apeay ara army yeas ata, alas alas Ja; aa; afay aka, ata, aay Las ejercicios 18 a 21 tienen que ver con cadenas de Marten; un drea que se estudiard con més detalle en la seccidn 2.5 418 Suponga que la matriz del ejemplo 9 es files (a) Determine la disribucisn del mercado después de un ao. (@) Determine la disuribucisn estable del mercado, A 19, Considere dos compaiias de comida ripe, My N. Cala 0, la compatia M conseeva + de sus clientes, mientas que J de sus consumidores cambisn a N. Cada aio, N conserva } de sus clientes, mientras que 4 cambia M. ‘Suponga que la distribucin inicial del mercado esté dada xl (a) Determine a distribucign de] mercado después de un so, (®) Determine la distribuci6n estable del mercado. 20. Tomannto como base el ejemplo 9, consivere que haba tres ‘compatiis competidoras, R, $'y T, de modo qoe el patrén de reiencisn y petdida de clientes esté dado por la informa ign de ls matriz A, donde esr Aslb dd ob tyr (a) Sila distribucién inicial del mereado esté dada por determine la distribucién del mercado al cabo de un ao, ¥ después de dos aos (0) Demuesre que la distribucign estable de mercado esté dada por 1 im oh ae (6) {Cul de las tes compalfas, R, $0 T, ganaré la mayor pparte del mercado a largo plazo (suponiendo que el pa ‘un de retenci6n y peérdida de clientes permanece constante)? ;Cual es, aproximadamente, el porcentaje del ‘mercado que gan6 esta compaia? 21. Tomando como base el ejercicio 20, suponga que la matriz A estf dada por Ros T 04 0 047 8 o os o4| s 06 05 02) 7 (a) Sila distribucion inicial del mercado esté dads por ‘determine la distribuctén del mercado al cabo de un allo, y después de dos ais, (b) Demuestre que ta distribucidn estable del mercado ests dada por (©) {Cudl de tas wes compatias, R, $e 7, ganars lx mayor parte del mercado en el argo plaza (suponiendo que el patron de reteaciéa y pérdida de clientes permanece cconstante)? Cul es, aproximadamente, el porcentaje del mercado que gané esta compania? Los ejercicios 22 a 25 tienen que ver con el uso de matrices binarias. 22 siamasetins 4=[! ] ames 0 23. Sila mate binasia [ftp sammie ne 7 2, sa.a~[2 {Jami ite Deni (a) A OA +A +A a sa.a-[! Seen tine oeie @a+a AMSA EA’ 1 1 7 1 1Ejercicios tedricos ‘TA. Denne las propiedads (by (i) del eorema J 2. SiA = [aj] es uns matriz de 2 x 3, B = [by] es una mae ttizde 3 x 4 y C= [ey] es una maviz de 4 x 3, demuestre que A(BC) = (ABYC. 3. Demvestre las propiedades (b) y (2) del teorema 1.2. TA. SiA es una matria de m x n, doonuestie que IgA = Aly =A TS. Sean p y g enteros no negatives, y sea A una matsiz cua R".! Una trans- formacién matricial cs una funcin f: R” > R”, definids con f(a) = Au. El vector flu) en R” se denomina imagen de u, y el conjunto de todas las imagenes de los vectores en R" se denomina rango def. Aungue en esta seccién nos limitaremos a estudiar matrices y vectores con entradas reales, puede desarrollarse un andlisis completamente similar para matrices y vectores con entradas complejas. (Vea el apéndice A.2.) (@) Sea fla trasformacién matricial definida por 0) wo-B ILI-E yy fa imagen de iH «[ % (verifique) ©) seram[f a If conse rnstormactn maa fina por Flu) = Au. bles ° [2 tn smc 8] [wimg ce] 1 3 Sate sont T] af] cite . 3 Observe que si A es una matriz. de m x my f: R"—> Res una transformacién matricial de R" aR", definida por ft a, un vector w en R esti en el rango def solo si podemes encontrar un vector Vv en R" tal que f(v) = w. TF apéndice A, que, socda el tema de conjunts y funciones, puede onsultrseconforme sea necesaro,EJEMPLO 3 Solucién ieee Sec. 1.5 Transformaciones matriciales $5 se A} 3} veo uso mail Stns) =A La pregunn es equiaente a nguiei exe un vecior w= [$"] tt ues) Tenemos : Al resolver este sistema de ecuaciones lincales por medio del método usual de elimina- in, obtenemos v; = 2 y up = I (verifique). Por lo tanto, w esté en el rango de g. En particular siv = {i} entonces f(v) = 8 (Produecisa) Un editor publica un libro en tres ediciones diferentes: comercial, ris- tica y de lujo, Cada libro tequiere de cierta cantidad de papel ylienzo (para Ia tapa). Los, requerimientos se dan (en gramos) por medio de la maiz Comercial Rustica De tujo 300 500,800] Papet 60 03 Tio A el vector de produccién, en donde x), x2 y 13 son el nsimero de libros que se publicarén en ediciGn comercial, nistica y de lujo, respectivamente. La transformaci6n matricial f # — R°. definida por f(x) = Ax, dael vector [): en donde y) es la cantidad total de papel requerido, y yz es la cantidad total de lienzo necesario para la publicacién, a Para las transformaciones matriciales en donde m y n son 2 0 3, podemos dibujar representaciones que muestren el efecto de la transformaciGn matricial. Esto se ilustra- 14 en los ejemplos siguientes. ‘Sea f: R? > R* Ia transformacién matricial definida por v-[blo 1 Eewaciones lineales y matrices El efecto de le transformacién matricial f, éenominada reflexién respecto del eje x en R®, se muestra en Ia figura 1.11, Ba el ejercicio 2 consideramos la reflexién respecto del eje y a Figuratiie Refenignrespecta del gjex 2 y) Entonces La figura 1.12 muestra el efecto de esta transformacién matricial, (Precaueién: observe ‘con atencién los ejes en la figura 1.12.) Figura 1.12 > Observe que si or } [=r Figura 1.13 & Por lo tanto, un niimero infinito de 3-vectores tienen el mismo vector imagen. Vea la figura 1.13, La transformacién matricial Fes un ejemplo de un tipo de transformacién matricial denominado proyeecién, En este caso, f es una proyeccién de R° en al plano xy. Observe que la imagen det 3-vector v= | |, bajo la transformacién matricial f 2 en donde s ¢s cualquier esealar,entonces FW)Sec. 1.5 Transformsciones matriciales 57 wor-| |: R > R°, definida por cen one ese, 0 fica es casi igual a la de la figura 1.12, en donde la imagen es un 2-vector que esti en el plano xy, mientras que en la figura 1.14 la imagen es un 3-vector que esta en el plano ay. Observe que f(v) aparentemente es la sombra proyectada por v sobre el plano xy. = Figura 1.14 GRITS «1° 1 wanstormacon matical etna yor r 00 fi)=[0 r Ofu, oor donde r es un mimero real. Bs facil ver que f(u) = ru. Sir > 1,fse denomina dilata- cidn; si 0 < r< 1, F se conoce como contraceién, En la figura 1.15(a) se muestra el vector fi(u) = 2u, y en la figura 1.15¢b) el veetor fa(u) = Lu. Como puede verse, la Gilatacion estira el vector y una contracci6n lo comprime. De manera similar, podemos definir la ransformacién matricial g: R? > R? por sw =[5 ‘Je También tenemos que g(u) = ru, asf que, una vez més, si r > 1, g se denomina dila- tactn; si0 <<, ge ama contracién 7 Figura 1.15 » (@) Dilatacién: > 1 () Contaccion: 0 R' definida por g(y) = By, donde Bala cl proporciona el costo total de la produccién de los libros. a IEIZReM Suponga que cada punto de R? se rota en sentido contrario a las manecillas del reloj, en un dngulo de @respecto del origen de un sistema de coordenadas rectangulares. En consecuencia, si el punto P tiene coordenadas (x, y), después de la rotacién obtenemos el punto P’ con coordenadas (2', y’). Para obtener una relacién entre las coordenadas de P” y las de P, tomamos como w el vector [}: aque se representa por medio del seg » mento de recta que va del origen a Plx, »). Vea la figura 1.16(3). Ademiés, sea @ el gulo que forma u eon a parte positiva del ee x. , () Rotacién Denotando con r Ia longitud del segmento de recta ditigido de O a P, de acuerdo con la figura I.16{a) vemos que 008 8, y=rsen 6 a x =rcos(O + 9), y =rsen(O + 9). @ Por medio de las formulas para el seno y el caseno de una suma de éngulos, las ecu ciones (2) se transforman en x = cos @cos @ — rsen 8 sen y' = rsenBcos + rcos 8 sen @ Sustituyendo la expresisn (1) en las titimas dos ecuaciones, obtenemos x = xcos#—yseng, xsen 9 +9008 ¢. @ Tr@) Sec. 1.5 Transformaciones matvciales 59 Al despejar x y yen (3), tenemos X= cose ty'seng yy yas" seng-+y! cosa, o La ecuaci6n (2) proporciona las coordenadas de P’ en términos de las de P, y (8) ex- Presa las coondenadas de P en términos de las de P', Este tipo de rotaciGn se utiliza pa. "0 simplifcar la ecuaciGn general de segundo grado a? thy tort drt et f=0. Al sustituir x y y en términos de x’ y y', obtenemos ax + bey ey? + dl’ tely' +f! =0. Fi punta clave es elegir @ de modo que b' = 0, Una vez hecho esto (podirfamos tener ue realizar una traslaciGn de coordenadas), identificamos la ecuacién general de segundo grado como una circunferencia, una elipse, una hipérbola, una pardbola 0 una forma degenerada de éstas, Este tema se estudiara desde el punto de vista del algebra Tineal en la seccién 95. También podemos realizar este cambio de coordenadas considerando la transfor- ‘macién matricial f: R® + R°, definida por x]) _ feos —sen) fx “(G) [S85 “21. ° De esta manera, (5) puede escribirse, por medio de (3), como ‘xeosp—yseng] _ fx" Xseng + yoosd | ~ fy! }* Delo anterior se deduce que el vector f(u) esté representado por el sezmento de recta {que va de O al punto P’, Por lo tanto, Ia roiacién de tn éngulo ¢ en sentido conttario fou) las manecitlas del reloj es una transformacién matricial a Términos clave ‘Transformacisn matricial Rango Dilatacién ‘Transformacién (fancién) Reflexion Contraccién Imagen Proyeccién Rowacisn60 Capitulo 1 Ecaaciones lineales y matrices ee de eo eeenecen Creacién de graficos por computadora (seccién 2.3) EL amplio uso y constante desarrollo de los grificos ereados por computadora para las freas de juegos de video, efectos especiales en la industria cinematogréfica y de televi- sin, y diseio asistido por computadora (CAD, por sts siglas en inglés), nos sorprende todos los dias. En una aplicacién de CAD comiin, se crea el modelo de un producto en ‘computadora, para Iuego probarlo de manera exhaustiva afin de encontrar falas y, con base en la informacion recabada, mejorar el producto real. ‘Las transformaciones matriciales desempefian un papel muy importante en las gré- ficas por computadora, En la seccién 2.3 analizaremos breverente cuatro transformaciones matriciales. Dos de éstas son las siguientes: AED-L) Ja cual transforma ‘que transformaSee, LS Transformaciones matriciales 61 Enlos ejercicios 1 a 8, haga un bosquejo de wy de su imagen a partir de la transformacién matricial f dada. Db -E G)=Po IE) [2] 3. f: R° + R® es una rotacidn de 30° en sentido contrario a sets dea = [1] 4. £038 + Res una otacin en sentido contaro ales uss dt fans w= [2] 5. f:R' > R° definida por ACD-Co IEF eB 6 2 RB eetinida por (-l! 7. f:R° > R definida por AD-04 J -F 8 RY detinida por E)-EE} -E] En los efercicias 9 a 11, sea f: R2 > RP la wansformacién ma Iricial definida por fix) = Ax, donde Li 3 Determine si et vector w dado estd en ef rango de f- sf] mele Ex los ejercicios 12 a 14, sea f: R° — R° la transformactéon ma: ‘rivial definida por f(&) = Ax, donde ela Determine si el veetor w dado esté en el rango de f Til R* definida por Ja) = Au para la matric A dada seafh of bY ols 3 nor wal | 18, Algunas uansformaciones maticialesf tienen la propiedad de que f(a) = f(s), cuando u # ¥. Eso es, las imégenes de ‘vectores diferentes pueden ser igules. Para cada una de las transformaciones matriciales siguientes, f: K? —» R? definida por f(a) = Au, encuentre dos vectores diferentes, u y ¥, tales que (u) = (0) = w parm e vector w dado, =f it -}e-[5] oat Sef 19, Sea: > Bla wansformacisn lineal defini por (9) = Au, donde w= 16. (a) A @ — Joos —sene =|seng cvs Para # = 30°, fdefine una rotacién en un éngulo de 30° en sentido contrario a las manecillas del rele (@) Si T\(u) = Au, doseriba la acei6n de 7) sobre w. (0) Si Tx(w) = AW'u, deseriba la accién de T; sobre w. (©) {Cui es el valor positivo mas pequetio de k para el cual Ta) = Atu =u? A Bercicios tedricos TA, Seaf: RY + Rune trnsformacién matricial dfinida por flo) = Au, donde 4 es une matte dem 1. (@) Demssre que f(u + ¥) = (4) + ft) para cunts: awiera wy ven (@) Demuestre que f(eu) = of(u) para cualquier wen RY y ‘cualquier némero real c (©) Demuestre que ficu + dv) = ef(u) + dfiv) para cuslesquiera u y v en Ry cualesquiera nimeros reales cya.52. Cepitulo 1 Beuaciones lineales y matrices (2. Sea: R" > R una transformacién matical defnida por entonces feu +d) =O para cualesquiera némeros reales ‘lw) = Au, donde A es una mati de m x 1 Demuestre que cya sim y v son vectores en "tales que f(u) = 0 y f() donde TB. (@) Sea O: R"— R la transformacién matricial definida Por O(u) = Ou, donde O es Ia mattiz cez0 de m x n 07 Demuestre gue O(u) = 0, para toda w en R 0 aa () Sea I: R* — R" a tansformacién matical definida 7 por (u) = Zu, donde J, es la matriz identidad (vea 0 Ja seceidn 1.4), Demuestre que J(u) =u para toda 0. en HA SOLUCIONES DEFINICION DE SISTEMAS DE ECUACIONES LINEALES En esta seccnsistematizaremos el método de climinavin de inodenitas que ya conocemos (analizado en la seeci6n 1.1), con lo que obtendremos un méiodo dtl para resol ver sistemas lineales. El método comienza con la matriz aumentada del sistema lineal dado, con lo eval se obtiene una matriz de una forma particular. Esta nueva mattz re presenta un sistema lineal que tiene exactamente las mismas soluciones que el sistema dado. Por ejemplo, si 1 0 0 2:4 0 1 0 ~1 i-5 Oo 0 1 316 representa la matriz aumentada de un sistema lineal, es féeil determinar la solucién @ partir de las ecuaciones correspondientes a+ E1 objetivo de esta seccidn consiste en manipular la matriz aumentada que representa un sistema lineal dado, hasta llevarla a una forma de ta cual puedan deducirse fécilmen- te las soluciones, ‘Unamatriz A dem x n esti en forma escalonada reducida por filas (renglones) cuando satisface las propiedades siguientes: (@) Todas las filas que constan slo de ceros, si las hay, estén en la parte inferior de la matt, (b) La primera entrada distinta de cero de la fila, al leer de izquierda a derecha, es un 1. Esta entrada se denomina entrada principal o uno principal de su fila. (©) Pora cada fila que no consta sélo de ceros, el uno principal aparece a la derecha y abajo de cualquier uno principal en las filas que le preceden. (@ Siuna columna contiene un uno principal, el resto de las entradas de dicha columna son iguales a cero. En una matriz en forma escalonada reduicida por ilas, los unos principales descti- ben un patrén de escalera (“esealonada”) que desciende a partir de la esquina superior inquierda. Se dice que una matriz de m x n que satisface las propiedades (a), (b) y (c) esté en Ja forma escalonada por filas. EERIE | as matrices siguientes estén en la forma escalonada reducida por fila, ya que satisfa- ccen las propiedades (a), (b), (c) y (4):Sec. 1.6 Soluciones de sistemas de ecuaciones lineales 63 10 0 0-2 ¢ phatase 0 100 4 8 o 100 ooo oo 0 17-2 otptoty o 0 09000 9 0 0 0 0 oF y 12001 c=|0 01 23]. oo000 Las matrices siguientes no estén en forma escalonada reducida por filas. (;Por qué no? L204 Loos 4 D=|0 0 0 ol, F={o 2-2 sj, bo TS oo td Lo 3 4 123 4 012 5) (fo 3 3 oO © 2 2 “Jo o 1 2 ooo 0) lb 8 bo 2 a TaReP Las matrices siguientes estén en la forma escalonada por filas: 1s 022s 01034 8] ploee w=/0 0 0 1 7 -2), F=I9 9 1 9 o 0 80 0 0 0 0001 00050 8 y 0013 5 7 5 0 0 0 0 1-2 3 J=]0 0 0 60 0 1 2 o 0 0 0 0 6 1 0 0 00000 o Una propiedad ttil de las matrices en forma esealonada reducida por filas (vea el ejercicio T.9), es que si A es una matriz de n x 1 en forma escalonada reducida por filas y no es igual a J,, pot lo menos una fila de A consiste sélo de cetos. A continuaci6n estudiaremos emo transformar una matriz dada en una matriz.en forma escalonada reducida por filas, DEFINICION — Cuatquiera de las siguientes es una operacién elemental por filas (renglones) sobre una matriz A = [a,j] de m x x: (@) Intercambiar las filas ry s de A. Bs decir, remplazar ays, a3... ., dy POF a, Bm 0 dan Y Oss iD, «6-5 Asp POLY + 5 Ory (©) Multiplicar la fila r de A por ¢ # 0, Bs decir, remplazar ayy, 073 «+ dm POF Ca, 0,3, «+ Cy64 Capitulo 1 Eeuaciones lineales y matrices DEFINICION Siuiseoe! (©) Sumar d veces ta fila r de A a la fila (renglén) s de A, r + s. Bs decir, remplazar Ast, Bed «+ gy POF Mgt + day, 9 + a, 5 ay + dey Observe que cuando una matriz se considera como la matri2 aumentada de un sistema lineal, las operaciones elementales por filas son equivalentes, respectivamente, al intetcambio de dos ecuaciones, a la multiplicacién de una ecnaciéa por ana constante istinta de cero y a la suma de un méiltiplo de una ecuacién a otra. Sea Al intercambiar las filas 1 y 3 de A, obtenemos ees B=|2 3 oo Al multiplicar la tercera fila de A por 1, obtenemos 0 0 1 2 C=!2 3 0 -2 Pe) 233, Al sumar (—2) veces la fila 2 de A a la fila (renglén) 3 de A, obtenemos oo 1 2 2 3 0-2 6 Ss Observe que al obtener D a partir de A, Ia fila 2 de A no cambia, a D Se dice que una matriz A de m x n es equivalente por filas (renglones) a una matriz B de m x n, si B se puede obtener al aplicar a la matriz A una serie finita de operacio- nies elementales por fila. 1204 3 =|2 1 3 2 1-202 3 Si sumamos 2 veces la fila 3 de A a su segunda fila, obtenemos 124 3 B=/4 -3 7 8, 1-202 3 de manera que B es equivalente por filas a A intercambiamos las filas 2 y 3 de B, obtenemos 12 4 3 c=|1 2 2 3}, 4397 8 ppor lo que C es equivatente por filas a A y también equivalente por filas a A. Sea ASaker Sec, 146 Soluciones de sistemas de ecnaciones linzales 65 Al multiplicar la fila 1 de C por 2, obtenemos 2 4 8 6 pD={1 -2 2. 3], 4-307 8 or lo que D es equivalente por filas a C. De lo anterior se deduce que D es equivalente por filas a A, ya que D se obtuvo D aplicando tres operaciones elementales por filas aA, = Resulta fécil demostrar (ejercicio 7.2) que 1. toda matriz es equivatente por filas a sf misma; . si A es equivalente por filas a B, B es equivalente por filas aA, y 3. SiA es equivalente por filas a B y B es equivalente por filas a C, A es equivalente por filas a C. De acuerdo con 2, la pareja de afirmaciones “A es equivatente por filas a R” y “B es equivalente por filas a A” puede remplazarse por “A y B son equivalentes por filas Toda mairiz de m x m es equivalente por filas (renglones) a una matriz en forma escalonada por filas. a ustraremos 1a demostracién del teorema exponiendo los pasos que deben realizarse en una mattiz especffica, A, para obtener una mattiz en forma escalonada por filas {ue sea equivalente por filas @ A. Utilizaremos el siguiente ejemplo para ilustrar el procedimiento, Sea 0 2 3-4 4 0 0 2 3 4 A=)o 2-5 2 4 20-6 9 7. El procedimiento para transformar una matriz a una forma escalonada reducida por fi las es el siguiente, Procedimiento Ejemplo Paso J. Determinat la primera columna (con- 0 23-4 1 tando de izquierda a derecha) den A, tal que 0023 4 no todas sus entradas sean cero, Esta es la e0- 2245 2 4 Jumna pivote. 20-6 9 7 1 cotunna pivoted A Paso 2. \entificar Ia primera entrada (con- 02 3-4 4 tando de arriba hacia abajo) distinta de cero 0023 4 en la columna pivote. Este elemento ¢s el pi- ® 2-5 2 4 vote, que sefialamos mediante un circulo. Podge Pivote Paso 3, Intercambiar, en caso necesatio, la 2-52 4 primera fila por aquella en el renglén donde 0023 4 aparece el pivote, de modo que éste see = A= 15 93 gy cuentre ahora en 1a primera fila (englén), Scop cag eee cioe Llamamos a esta nueva matriz A Se intercambiazon la primera y tercera filas de.66 Capitulo 1 euaciones lineales y matrices Paso 4. Multiplicar la primera fla de A, por cl reefproco del pivote. Asi, la entrada de la primera fila del pivote y Ia columna pivote (Gonde estaba et pivote) es ahora un I, Lla- ‘mamos a Ia nueva matriz. A. Paso 5. Sumar los mltiplos apropiados de 1a primera fila de Ap a las demés files, para hacer que todas las entradas de Ia colurana pivote, excepto aquella en entrada donde se encuentra el pivote, sean iguales a cero. Asi, todas las entradas de la column pivot y las filas 2,3, ...,m se anulan, Llamamos a la nueva mattiz As, Paso 6. Identificar B como ta submatriz. de (m= 1) x mde As, obtenida al ignoraro “ta- pat” la primera fila de A, Repita los pasos 1 aScon 11 -$ 1 2 0023 4 0.2 3-4 1 20-6 9 7 La primera fila de Ay Se multiplicé por J 14 z 0 0 4 A=ly 9 1 0 2 3 (2) veces a primera fila de Ap se le sumé a su cuarta fil au 4 B 1 3 Cotumna pivore de B 2 1 02-173 Se intercambiaron la primera y Ia segunda Flas de B, PS o 1 3-2 4 B=|0 0 2 3 4 0-2 73 La primera fila de se multiplies por } Pees o 1 32 B=]0 0 2 3 4 oo 23 4 ‘Se summé 2 veces la primera fila de Bz se sumé 2 veces a su tercera fla,Observacién Sec. 16 Soluciones de sistemas de ecusciones linesles 67 Paso 7. Tdentificar C como la submatviz de (m ~ 2) x n, obtenida al ignorar 0 “tapar” Ja primera fila de Bs; no lo borre, Repita los pasos Ia 5 para C. c-[° Coturmna pivote de © Pores Oe Eos 0 0 1 8 2 ones 5} J Noss itercambtrom las files de C.La pri- tera fila de C se multpties por } Ley % oo 4 0 0 x on (o 0 ‘ La primera fila de Cy se sums (—2) veces el primer rengién de Cy a su segunda fila Paso 8. Identifique D como la submatriz de ee n~3) xn de Cy, A continsacién debe tra. eae tar de repetir los pasos | a sobre D. Sin em- Oe a z bargo, como en este caso no exist fila pivote Oo aS ‘en D, hemos terminado. La matriz, denotada Por, que consisteen la matriz Dy as las «P= [0 9 0 0 o) sombreadas arriba de D, esté en la forma escalonada por renglones. tou 12 0 24 H a oo 32 0 0 0 6 Of] » Cuando los eéleulos se realizan de manera manual, en ocasiones es posible evitar las fracciones mediante una modificacién adecuada de los pasos del procedimiento, Bi] Para determinar una matriz en forma escalonada por filas que sea equivalente por filas 2.4, modificamos el procedimiento anterior para evitarfracciones y procedemos como sigue, Sume (—1) veces la fila I @ la fila 2 para obtener af 3) Tntercambic las filas 1 y 2 de Ay para obtener ae] SeaObservacién Bakers Sofucién lo 1 Eeuaciones lineales y matrices Sume (—2) veces la fila | a la fila 2 para obtener 1-2 a=[h 3h una matriz que esté en la forma escalonada y que es equivalente por filas aA. Puede haber mas de una matriz.en forma escalonada que sea equivalente por filas a una matriz.A dade, Por ejemplo, si realizamos la operacién siguiente en la matriz-H del ejemplo 5, sumar (—1) veces la segunda fila de Ha su primera fila, obtenemos la matriz 10-4 3 3 o 134 4 we a a], oo 1 32 0 0 0 0 Oo que esté en la forma escalonada por files yes equivalente por filas a A. Por lo tanto, tan~ to H como W son matrices en Ia forma escalonada por filas, y cada una de ellas es equi valente por filas a 4 En general, si A es una matiz dada, una matriz en forma escalonada por filas que es equivalente por filas a A se denomina forma esealonada por filas de A. Toda matriz de m x nes equivalente por filas a wna tinica matriz.en forma escalonada reducida por filas. 5 La matriz del teorema 1.6 se denomina forma escalonada reducida por filas de A. iustraremos la demostracin de este teorema Ilevando a cabo los pasos que dehen realizarse sobre una matriz A especifica para obtener una matriz en la forma escalonada reducida por filas equivalente a A. Omitiremos la demostracién de que la matriz obtenida es tinica. El ejemplo siguiente se utilizaré para ilustrar el procedimiento, Determine la forma escalonada reducida por filas de la matriz A del ejemplo 5. Iniciamos con la forma escalonada por filas H de A que obtuvimos en el ejemplo 5. Su- amos miltiplos adecuados de cada fila de H1, que no esté formada sélo por ceros, para hacer cero todas las entradas por arriba del uno principal. Asi, iniciamos sumendo (—3) ‘veces Ja tercera fila de J7 a su segunda fila: 5 t1-$ 1 2 o 1 0-2 -§ he eT. oo 1 32 0 0 © 0 Oo Ahora, sumamos $ veces la tercera fila de J a su primera fila: 110 8 7 o 1 0-2 A= . oor $ 2 oo 0 0 0Observacion fiecaeee Demostracién eam Demostracién et. 1.6 Soluciones de sistemas de ecuaciones linecles 69 Por ultimo, sumamos (—1) veces la segunda fila de J2 a su primera fila oo 1 -} 0 0 2)" o 0 0 ue esté en Ia forma escalonada reducida por filas y es equivatente por filas a A. Observe que en este ejemplo iniciamos con la fila inferior distinta de cero, y traba- Jamos hacia arriba para hacer ceros las entradas por encima de los 1 principales, i El procedimiento que se dio aqué para determinar Ia forma escalonada reducida por fi {as no es la tna posible. Como altemativa, podriamas primero hacer cero todas las en- tradus por debajo del 1 principal y luego, de manera inmediata, hacer cero las entradas por arriba del 1 principal. Este provedimiento no es, sin embargo, tan eficiente como el ‘que describimos previamente. En la préctica, no perdemos tiempo identificando las matrices Ay, Ap, «By By... + Cys Cay... €1€. S6lo iniciamos con la matriz dada y ta transformamos a la forma escalonada reducida por filas. RESOLUCION DE SISTEMAS LINEALES A continuacién aplicaremos estos resultados & la resolucién de sistemas lineales. ‘Sean Ax = b y Cx = d dos sistemas lineales, cada uno con m ecuaciones yn incdgnitas. Silas matrices aumentadas [A { b] y [C !d] de estos sistemas son equivalentes por filas, ambos sistemas lineales tienen exactamente las mismas soluecfones. Esto es consecuencia de fa definicién de equivalencias por filas, y del hecho de que las, ‘ues operaciones elementales por filas sobre la matriz. aumentada resultan ser las tres ‘modificaciones sobre un sistema lineal que se analiza en la seceién 1.1, con lo cual se obtiene un sistema lineal que tiene las mismas soluciones que el sistema dado, Obser- ve, asimismo, que si un sistema no tiene solucién, el otro tampoco. a Si A y C son dos matrices de m x n equivalentes por filas, los sistemas lineales Ax Oy Cx = O tienen exactamente las mismas soluciones. Fjercicio 73, = Los resultados que tenemos hasta el momento nos proporcionan dos métodos para resolver sistemas lineales. La idea central consiste en iniciar con el sistema lineal Ax = b, obtener la matriz. por bloques [C ! d] ya sea en la forma escalonada por filas 0 en la forma escalonada reducida por filas que sca equivalente por filas a la matriz aumentada [A | b]. Ahora, [C ; d] representa el sistema lineal Cx = d, que es més fécil de resolver debido a la estructura més sencilla de [C | dy el canjunto de todas las soluciones para este sistema proporciona precisamente el conjunto de todas las solveiones para el sistema dado, Ax = b. EI método en donde [C’ : d] estéreducido a la forma escalonada por filas se denomina reduccién de Gauss"-Jordan"*: el método “Cat Friedrich Gauss (177-1855) nacido en una familia pobre de obreros en Brunswick y macito en Go- ‘ings, Alemania, ba sido uno d los matemétcos mas Famosos del mando, Fue un nfo peodigt incompeen- ido por su padre, quien io lamabs “contemplader de estrellas”, Sin embargo, sa genio loge imrecionas Io Suficente asus maestres eomo para que obtvier del duque de Brunswick una beca pare que puier tsistt I escuela secundaris loa, Durante sa adolescence reslizé descubrimientos originales en teri de ime os y comenzé a especular acerca de la geomenta no euclidiana, Sus obras ccnficas inclayen inipertanten70 Capito 1 Ecuaciones lineales y matrices en donde [C j d] esta en la forma escalonada por filas se denomina eliminacién de Gauss. Hablando estrictamente, el método alterno de Gauss-Jordan descrito en la ob- servacién anterior no es tan eficiente como el que se utilizé en los ejemplos 5 y 6. En la prdctica, ni la reduecién de Gauss-Jordan ni la eliminacién de Gauss se utiizan tan to como el método que implica la factorizacién LU de A, del que hablaremos en la sec- cién 1.8. Sin embargo la reduccién de Gauss-Jordan y la eliminacién de Gauss son Utiles para resolver problemas de menos envergadura; en este libro emplearemos el primer procedimiento con més frecuencia, El procedimiento de teducci6n de Gauss-Jordan para resolver el sistema lineal Ax = Desel siguiente, Paso 1. Fotmar la matriz aumentada [Ab] Paso 2, Transformar la mattiz aumentads [A ; b] a su forma escalonada reducida por filas [C | d] mediante operaciones elementales por fila. Paso 3. Para cada fila distinta de cero de la matriz [C { d], se despeja la incégnita correspondiente a la entrada principal de cada fila asociada con la entrada principal de esa fila. Las filas que constan completamente de ceros se pueden ighorar, pues la ecuacién correspondiente serd satisfecla por cuslesquiera valores de las incégnitas El procedimicnto de eliminacién gaussiano para resolver el sistema Av sigue Paso 1. Formar la mavia aumentada [A ; b} Paso 2, Por medio de operaciones elementales por fila, obtencr una forma escalonada por filas[C’ | dj de la mattiz aumentada [4 : b] | Paso 3, Resolver el sistema lineal correspondiente a[C | d] por medio de sustitu- cin hacia atrds (ilustrado en el ejemplo 11). Las filas que constan tinicamente de eros pueden ignorarse, ya que la ecuaciGn correspondiente serd satisfecha por cualesquiera valores de las incégnitas bes como Los siguientes ejemplos ilustran el procedimiento de Gauss-Jordan, ‘contribuciones la teorta de mimeros, a astrnomna matemsica, ala georafia matemética ea estas a, Ta geometraciferencil yal magntismo, Sus davis y nots pivadas contienen mivchos otros desc brimients que no bie, Hombre austero y conservader que tv9 pocos amigos una vida privada poeo afortunada, se preoe- ‘4 mucho par dal crétito de los descubrmienos cietfios asus fuentes oxiginses, Cuando sos extudion se basaban en resultados de ots, tenia culdado de reconocero; y cuando ottes decubrian de manersinde- pendent algunos resultados en sus nots privads,rpidamente reciamba su propiedad. En sus imvestigaciones utilis un méiodo que despugs se generals para le reduccién por fis de unt ‘mati2. Aungue dicho método se apicata en China desde casi 2000 aos anes, leva ol acme de ese ils- tee matemiice en su honox. ~ Witeim Jordan (1842-1899) naciéen el sor de Alemania, Asis a la Universidad en Ststarty en 1868 se convits en profesor de tiempo completo de geodesia en la escuela wenica de Karlstube, Alemania. Pat= ‘ips en la medic de varies regiones de Alemania, Jordan fue un prolfcaauiorcuya ob principal, Hand buch der Vermessungshunde (Manual de geedesi) fue vadscid al francés, a italiana y al ruso; adeints de ‘magnifica ao, le consierabs un excelente maestro. Por desgraca, el mstodo de redceign de Gauss-Jor R la wansformacién matricial definida por E29 wvref-l 33. Sea: R° > R? la wansformacién matricial definida por x 4 10 3)fy SUfylp=j2 -1 3] fs z 2 2 ofl: “Exe ipo de problemas desempetaré vn papel importante a el capitulo 8, Sec. 1,6 Soluciones de sistemas de ecuaciones lineales 87 Determine una ecuaciGa que relacione a,b y ¢ de modo {que siempre podamos esleular los valores de x,y yz para Jos que i Determine una ecuscién que relacione a, by ¢ de modo due siempre podsmos ealcular los valores de x, yy z para los que En los eiercicios 35 y 36, resuelva los sistemas lineales Ax = by ¥ AX = bp por separado, y nego obtenga la forma escalonada ‘reducida por files deta matriz aumentada {A | bz]. Compare sus respuesta. an welt thE En los ejercicios 37 y 38, sea os ro 14 37. Determine una soluci6n no trivial del sistema homogéneo (4A = 0" 38. Determine una solucién no trivial del sistema homogénco. (2h ~ Aye = 0" 39. Determine una ecuacién que relacione a, b y ¢ de modo ‘que el sistema tineal xbly-k=a 2+ 3y43r—b Sr49y 6-6 sea consistente para cuslesquiora valores deb y © que six tisfagan esa ecuacién, 40, Determine una ecuacién que relacione a,b y ¢ de modo {que el sistema lineal 2427 4+3e=0 Be~ y4 Seed r-3y+2e=6 Sea consistente para cuslesquicra valores de a, by ¢que satisfagan esa ecuacicn,38 Capitulo 1 Ecuaciones lineales y matrices M, Determine una matiz x de 2 > 1 eunyas entradas no sean fodas cero, tal que Ax = 4x, donde, aor af {Sugerenca: esrb In ecutiGn mats Ax = 4x ‘como 4x ~ Ax = (4lp—A)x = O-y resuelva el sistema homogénee.] 12. Determine una matriz x de 2 x 1 cuyas entradas no sean todas nulas, tl que Ax = 3x, donde 2s afi 18, Determine una mats x de 3 Lena entradas 0 sean todas nls, al gue Ax = 3, donde 2-17" 01 4S #4, Determine una matriz x de 3 > 1 cuyas entradas no sean todas malas, tal que AX = Lx, donde 12 Az{io0 1 4-4 5 5 los ejercicios 45 y 46, resuelva el sistema Lineal dado y es- sriba la solucion x como x = ¥, + Xj, donde Xp es una solucicn, >acticular del sistema dado y xy es una solucién para el sistema tomogénco asaciado, 1 xt 2y— 2-2w=2 Qet y= 22430 x+2y $c + 4a 4x+5y—42- w=6 6 em y= 24 dw Be+2y— + 2w = ya teow 'n los ejercicios 47 y 48, determine el polinomio cuadratico que ‘nterpote los puntos dados. 17. 1.2,B,31,6,9). #8. 1, 5), 2,12), 8,44), 5 los ejercivios 49 y 50, devermine el polinomio cibico que in- ‘empole los puntos dads. 19. (1, -6, (1,0), 2.8), G, 34). 30. (2.2), 1.2), 0,2), 2, 10), 51. Un chanista fabrica sillas, mesas para café y mesas para co- ‘medor. Se necesitan 10 minutos para lijarvna sill, 6 para pintarla y 12 para bamizara, Se requieren 12 minatos para lijar una mesa para café, ocho para pintarlay 12 para barni- [Bie ipo de problemas desemnpefar vn papel impostante enc enpituto 8, zatla. Son necesatios 1S minvtos para lijar una mesa para comedor, 12 para pintatla y 18 para barnizarla, Bl centro de Iijado esté disponible 16 horas a la semana, el de pintura 11 horas ala semana y el de barnizado 18 horas. ,Cudntas uni- \dades de cada mueble deben fabricarse por semana de modo que las mesas de trabajo se uilicen a toda su cepacidad? 52. Un editor publica un posible éxito de ibreria en tres pre- Sentaciones distintas: bro de bolsillo,edicién para elub de lectores y edicidn de lojo. Cada libro de bolsillo necesita un minuto para el cosido y 2 para el pegado. Cada libro de la cedicién para el club de lecrores necesita 2 minutos para el cosido y 4 para el pegado. Cada libro en edicdin de Iyjo necesita 3 minutos para el cosido y 5 para el pegedo. Sila planta de cosido esté disponible 6 horas diariasy la planta de pegado 11 horas, jcuntos libros de cada presentacidn se pueden producir par dia de modo que las plantas se aprove- chen a toda su capacidad? 53. (Se requiere edleulo) Construya un sistema de eousciones linetles para determinar un polinomi cuadritico pa) ue saisfaga ns condiciones 0) = f(0)p'0) = 0) y PO) =f"), donde Fx) 54. (Se requiere edleulo) Constraya un sistema de exuaciones lineales para determinar un polinomio cuadratica PQ) = ae + bebe ue saisfage les coniviones pl) = /(1), p') =") ¥ p') =f°C), donde f() ai tire 55. Determine las temperaturas en los puntos interiores Th 2,3, 4 para la placa que se muestra en la figura, (Vea el ejemplo 17.) En los ejercicios 56 4.99, resuetva los sistemas lineales binarios, 56.) x ty te ) rtytz51 yee x trad xty yteel SLG@)xty +w=0 by rty x tiew xtyte ytotw xhydztw 58) x+y te Wxtyte ytetw ytzt+w=0 x +w x ow 1. Ts,rig). ie waalot dle=|t ried Ejercicios tedricos T. Demvestre qe Ins propiedades (2), ()y () por sf solas [exeluyendo (2) dela efiniién de Ia forma eseatonada ‘edacida por ils de una matriz A, implioan que si una columna de eontiene una entrada principal de alguna - Ja, entonces todas Ins demds entradas de esa colamna de- ‘ajo de la entrada principal son iguales a ero T2. Demueste que (a) Toda matrz es equivalente por filas a sf misma. (b) SiA es cquivalente por fitas a &, entonces B es equi vealente por fila a A, (©) SiA es equivalente por flas a B y B es equivatente por filas a C, entonces A es equivalente por filas a C 3. Demuestre ol corolatio 1 ‘TA, Demuestze que cl sistema lineal Ax = b, donde A es de n x 1, no tiene soluciones si solo si su matriz aumentada ces equvalente por filas a una matrz en forma escalonada reducida, que tenga una fila cuyos primeros n elementos som iguales a cero y cayo (n + 1}ésimo elemento es igual a 8 aft f. TS, Sea Demuestre que A es equivalente por filas a Js sty sélo i aie 0 16, 6) Sea a an[ a] Lilie e jeriio para determina si A es eqivatete pocfils a (b) Sea A una matriz de2 x 2 con una fila que constato- talmente de ceros. Use el ejercicio T'S para determi nar siA es equivalente por filas a /, 'T2, Determine le matriz en forma escalonada redacida por filas que sea equivatente por filas a la mattiz Lins 29] TS. Sea Sec, 1.6 Soluciones de sistemas de ecuaciones lineales 89 {0 oA 0 Lo. Demuesire que el sistema homogéneo Ax = 0 sélo tiene 4a solucién trivial siy s6lo si ad— be # 0, 9. Sea A una matric en n > n en forma escsloneda reducida porfilas, Demuestre que si no es igual a J, entonces A. tiene una fila que consta totalmente de ceros, TAO. Demuestse que fos valores de 3, para los que el sistema hhomogéneo @-2et yao at id~ dy tiene una solucién no trivia, satisfacen fa ecuacién (@~ Nd ~ A)~ be = 0. (Sugerencia: vea el ejercicio 18.) TLL, Sean u y v soluciones del sistema lineal homogéneo Ax= 0, (@) Demuestre que w+ es una selucién, (b) Demuestre que u - v es una solueién, (6) Para cualquier esealar r, demuestre que ru es une. solueién (@) Para cualesquiera escalates ry s, demuestre que ru + sv es una solucién, ‘TZ, Deiuesire que si wy ¥ son soluciones del sistema neat Ax = b, enionces w= ¥es una slucin para el sistema homogsneo asocndo, Ax = 0 TAB, Sea Ax = b,b # 0, on sstera lineal consistent. (@) Demuesire ques, es una soucién pautar det sislema no homogéneo dado yy na solucion ara el sistema homogéneo asoiado Ax = 0, fentonces xy +, es uma solucidn para el sistema dado Ax bh. (©) Demuestre que toda solvcién x del sistem lineal no homogéneo Ax = b puede excise como % +X. donde pes un soaciénporticlar dl sstomna Lineal no homogénco y 3 es Unt solucién para e!vistema homogéneo asoviado Ax =. (Sugerenea seax= a+ O~ x) ‘TAA, Justfique la segunda observacién que sigue al ejemplo 12,90 Capitulo 1 Beuaciones tineales y matrices Ejercicios con Marias Para emplear Matas en esta seecién, debe haber teido antes el capttulo 12, hasta la seccién 12.4 MLA. Sea 2 1 o -1 Determine las matrices obtenidas a realizar las si- utontes operaciones por fila, en forme sucesiva, sobre Je matriz.A, Realice las operaciones por las de manera directa uilizando el operador de dos puntos. (2) Multiplique ta fila 1 por § (b) Sume 3 veces Ta fla 1a ta fle 2, (@) Same (—1) veces Ia fila 1a la fila 3. (@) Sume (5) veces la fila 1 ata fila 4 (©) Intercambie las filas 2 y 4 ML2. Sea li Determine as mates obtenidas al eliza as S- suenes operaciones por lesen forma sev, sobre tama. Reale is cpeicione por fis de manera tinct, empleando el eperador de dos pntos, (a) Malipiqe a fia | por 2. (©) Sume (=) vooes fa fila Tala Mla? {e) Sume (~1) veces a fila a fila 3 (6) Intercanibieloas Flas? y 3 Uilice reduce para determinar 1a forma escalonsda re- uci por las de To matriz Adel ejrsicio MILL MLA. Uslice reduce para determinar Is forma escalonada re- Aucia por fils de Ya matriz A del ejrcicio ML.2. MLS. Usilice reduce para determinar todas 1s oluciones det sistema lineal del ejercicio 21). ML.6. Uiilice reduce para determinar todas fas sluciones de! sistema lineal del ejercicio 20(b), MLZ. Usilice reduce para determinar todas las soluciones del sistem lineal del ejereicio 27(b) MLS. Utilice reduce para determinar todas las soluciones de sistema lineal dl ejercicio 28a). MLS. Sea tice reduce para determinar una solucién no trivial del sistema homogéneo Gh, Ay =0, {[Sugerencia: en MATLAB, introduzea la matsiz A, ¥y luego aplique la instrucci¢n reduce (eeye(sizetA)) = A) MLO, Sea “fd Utlice reduce para determinar wna solueién no tivial del sistema homegéneo (4 Aw = 0. Isugerencia: en Mamas, intsoduzea la mattiz A, y luego spliqae la instruceién reduce(—4¥eye(size(A)) = AD. MLAA1. Utilice rref en MarLas para resolver los sstetias i= neales en los ejercicios 27 y 28, ML.I2, Mat.an tiene un comando inmediato para resolver los sistemas lineales cuadrados Ax = b, Una vez que la niatiiz de coeficentes A y el lado derecho b se inttod ‘cen a MaraB, el comando x=A\b despliega la sclucién, siempre y euando A sea no sine ‘polar (vea 1a definicign al principio de la secei6n 1.7). El comando con el simbolo de diagonal invertid, \, no usa la forma escalonada reducida por filas, sino que inicia Ia ejecuci6n de ciertos métods aumséricos que se analizan en an curso de andlisis mumético, Para més detalles acerca del comand, vea D. R. Hill, Experi ‘ments in Computational Matrix Algebra, Nueva York, Random House, 1988, (a) Utilce \ para resolver el ejercicio 27(a) (b) Usilce \ para resolver el ejercicio 21(b). MLAA3. El comando \ se comporta de manera diferente que ref, Utilice \ y rref para resolver Ax = b, donde 12 8 v A=|4 5 6], b=jo 7 8 9 0 Los ejercicios ML14 a ML.16 utilizar matrices binarias y los ‘comandas adicionales descrtos en ta seccién 12.9. ML.14, Resuelva cada uno de los ejericios de demostracién egrados en la rutina binreduee.(Introduzca el co- ‘mando binreduce y luego la opcién < 1 > para seleccionar une demostracién,) MLAS. Utilice binreduce para obtener la forme escalonada r- 1 x}, x2... ,%,,donde buy bay w=|,,| Osisn. ds Denotamos las columnas de J, como las matrices de n x 1 €, €,.--5 €, Por lo tanto, Ted ey =] 1) <— j-ésima fila, 0. De acuerdo con el ejercicio T.9(a) de la secci6n 1.3, la j-ésima columna de AB es la ma ‘riz Ax; den x 1. Como las matrices iguales deben coincidis columna a columna, el problema de determinar una matriz B= A~ den x n tal que AB wo ces cquivalente al problema de determinar m matrices (cada una de m1) x), x2... %e tales que Ax =@(l sjsn. @ En consecuencia, determinar B es equivalente a resolver sistemas lineales (cada und ‘con m ecuaciones en n inedgnitas) Esto es precisamente To que hicimos en el ejemplo 2See. 1.7 Lainversa de una matriz 95. Cada uno de estos sistemas puede resolverse mediante el méiodo de reduccién de ‘Gauss-Jordan, Para resolver el primer sistema lineal, formamos la matriz aumentada [A {e1] yte escribimos en forma escalonada reducida por files. Hacemos lo mismo con [Af ex}. [4 fea). ‘Sin embargo, si observamos que la matriz de coeficientes de cada uno de estos 1 siste ‘mas lineales siempre es A, podemos resolver todos estos sistemas de manera simulté- nea, Formamos la matriz. de mx 20 [Ale e {ath} ¥ le ransformamos a la forma escalonada reducida por filas [C | D]. La matriz Cde 2 x mes Ia forma escalonada reducida por filas equivalente por filas de A. Sean dy, dd. «dh ls m-colamnas de D. Entonces, la matsiz [C | D] da lugar a los n sistemas lineates Cx; =d; dsj @) 0 la ecuacion matriciat CB =D. (4) Ahora existen dos casos po: Caso 1. C [,. Bn esta situacién, la ecuscién (3) se convierte en Ixy y= dy y B=D, de modo que hemos obtenido A~!, Caso 2. C + Jy, Emeste caso, el ejercicio T9 de la seccién 1.6 implica que C tiene una fila que consta completamente de cetos. Con base en el ejervicio 3 de la seccién 1.3, observamos que el producto CB de la ecuacién (4) tiene una fila de ceros. La mattiz D ¢n (4) surgié de I, mediante una serie de operaciones elementales, pero resulta eviden- ts que D no puede tener una fila de ceros. Esta afirmacién puede demostrarse formal- mente en este momento, pero pediremos a lector que acepte el resultado sin soticitar demostraciones por ahora;, En la seccién 3.2, un argumento mediante determinantes ‘mostrar su validez, En consecuencia, una de las ecuaciones Cxy = dj no tiene solucidn, dde modo que Ax, =e; tampoco la tiene y, en este cas0, A es singulat El procedimiento prictico para calcular la inversa de la matriz A es el igviene Paso J. Format la matriz de n x 2n [A$ fp}, que se obtiene al adjuntar la matriz idemtidad J, con la matriz dada A Paso 2. Transformar la matriz obtenida en et paso 1 a su forma escalonada reduci- 4s por filas mediante operaciones elementales por fila. Recuerde que todo lo que se haga a una fila de A también debe hacerse a la fila correspondiente de, ; Paso 3. Suponga que el paso 2 ha producido le matriz [C : D] en forma escalons- | da reducida por files, |) SiC = fy entonces D = 4-1 (b) SiC # J, entonces C tiene una fila de ceros. En este caso, A es singular y A~ no existe96 Cepiteto 1 TaMiaee) Solucién Eeuaciones lineales y matrices Determinar la inversa de la matriz: Paso I. Lamattiz [A | hy] de 3 x 6 es A 1 2 5 b ri 1 0 0 3: 0 1 0 1} 0 04 Paso 2. Ahora transformamos la matriz obtenida en el paso | a su forma escalonada reducida por filas. A h oid 0 3 5 1 coe coro one - eco poeeey so Seo L Ll \ a how er a Sse 1 1 0; -f 0 oo 1 ° 1 0 0 3 o 1 0 4 oot 0 Sumamos (5) vevee la primera file a te ‘ervera Hila, ‘Se multiplies 1a segunda tila por 3 ‘Se multiplies ls tercera fila por (1), Se sumé (=2) veces ta tenvera fila a ie ada ia ‘Se sans (1) veces ta tercera fila la pie sera fils. ‘Se sum (—1) veces Ia segunda fila ta pri era filaLb Cire) Solucién See. 1.7 La inversa de una mattiz 97 Si la matsiz escalonada reducida por filas bajo A tiene una fila de ceros, entonces 4 es singular. Como cada matsiz bajo A es equivalente por filas a A, una ver que una ‘matriz bajo A tiene una fila de ceros, todas las matrices posteriores que sean equivalen. ‘es por filas A tendrn una fila de cetos, De esta manera, podemos concluir el proce- 2-3; 10 0 2 1) 0 1 o 3: 0 “2 1 [4:5] Paso 2. Transformamos la matriz obtenida en el paso I a su forma escalonada reducida por filas. Para determinar A~, procedemos como sigue: A b 1 2-35 1 0 0 1-2 1:0 1 0 5 2-310 0 1 1 2-3 1 0 oF 0-4 4 | 1 gf Seaumd ty vecos te primera ia ee 3-2-3} 0 6 Gf suntan 1 2-37 1 0 @ 0-4 4 | 41g] Sesume¢—s) voces taprimen fia hater 0-12 12 }-5 0 1 a 1 2-35 1 0 oF 7 a 0 4 4 5 <1 1g] Sesumé(—29yooos a segunda la a tater 0 0 0 (22 23 4] cba Como F tiene una fila de ceros, nos detenemos y concluimos que A es una matriz singular. 2 Observe que, para determinar A~}, no es preci Simplemente iniciamos e! procedimi ‘mos que A es singular El andtisis anterior acerca del método préctico para obtener A! establece el si= guiente teorema, saber de antemano si existe 0 no. to anterior y obtenemos A~!, 0 bien, conclu BESNSUSIRES) | Una matric de n x n es no singular si y sdlo si es equivatente por fas a Iy a98 Capitulo! Ecuaciones lineales y matrices EJEMPLO STEMAS LINEALES E INVERSAS Si A es una matriz de m x n, el sistema linesl Ax = b es wn sistema de m ecuaciones en ‘nincdgnitas. Sapongamos que A es no singular. Entonces A~* existe y podemos mult. licar ambos lados de Ax = b por A~! para obtener \(Ax) = A! (AA) = Ab 1x= Ab x= Ab. demas, es evidente que x = A~'b es una soluci6n del sistema lineal dado, En conse- ccuencia, si A es no singular, tenemos una tinica solucién, Aplicaciones _ Este método es util para la resolucién de problemas industriales. Mu- cchos modelos fisicos se describen por medio de sistemas lineales. Esto significa que si se utilizan como entrada m valores (que se pueden ondenar como la matriz x de x 1), se obtienen m valores como resultado (miismos que pueden ordenarse como la matriz b de mx 1) mediante la regla Ax = b, La matciz.A forma parte intrinseca del procedimien- to, Ast, supongamos que hay una matriz.A asociada a cierto proceso quimico, Cualguier cambio en el mismo puede producir una nueva matriz, De hecho, hablamos de una cas Ja negra, lo cual significa que Ia estructura interna del proceso no nos interesa. El problema que aparece con frecuencia en el anilisis de sistemas es Ia determinacién de la entrada que debe utilizarse para obtener el resultado deseado. Es decir, queremos resol ver el sistema lineal Ax = b para x, al variar b. Si A es una matriz.cuadrada no singular, una forma eficiente de manejar esto es la siguiente: calculamos A“! una vez, y siempre que modifiquemos b, determizamos la solucién correspondiente x formardo Ao, (Proceso industrial) Considere un proceso industrial cuya matriz es ta matriz A del ejemplo 5. Si b es la matriz resultante [i la matriz de entrada x ¢s le solucién del sistema lineal Ax b. De esta manera, 2 ~al fs] fo x=Atb=|-8 10 3} lag I: ¢ oo ls bs centonces (verifique)es Demostra Sec. 17 Lainversa de una matriz 99 SEA es una matric den x 1, el sistema homogéneo Ax=0 6) tiene una solucién no trivial si y sélo si A es singulan Supongamos que €s no singular: Entonces, A~' existe, y al multiplicar ambos lados de (5) por A~?, tenemos AMAN = AO (Atay 1x x=0. Por lo tanto, la tinica solucion de (5) es x Dejaremos la demostracién del recfproco —si 4 es singular, entonces (5) tiene una solucién no trivial— como ejercicio (1.3). 7 Considere el sistema homogéneo Ax = 0, donde A es la matriz del ejemplo 5. Como A es no singular, ‘También podemos resolver este sistema mediante Ia reduccitin de Gauss-Jordan. En este caso, determinamos la matriz en forma escalonada reducida por flas que es equivalente a Ia matriz aumentada del sistema dado, 1 or 1:0 0 2 3/0 5 5 10 1 0 0:0 0 1 0F oF, 0 0 lio lo cual demuestra de nuevo que la solucién es =0. 2 es Considere el sistema homogéneo Ax = 0, donde A es la matriz singular del ejemplo 6, En este caso, la matriz en forma escalonada reducida por filas que es equivalent por f- Jas a la matriz aumentada del sistema dado, 2-3; 0 1-2 1) of, 5 310 1 -1) 0 o 1 of, 0 0:0 8 (verifique) 0 1 0 {0 cual implica que donde r es cualquier ntimero real. En consecuencia, el sistema dado tiene una solucién no trivial. a100 Capitulo 1 Bevaciones lineales y matrices Sevan Solucién La demostracién del siguiente teorema se deja en manos del lector (ejercicio complementario T.18). Si A es una matriz den x n, entonces A es no singular si y sélo si el sistema lineal AX = b tiene una solucton inica para cada matris b de n x 1 = Podemos resumir nuestros resultados acerca de los sistemas homogéneos y las matrices no singulares mediante Ia siguiente lista de equivalencias no singulares. ita de equivalencias no singulares Las siguientes afirmaciones son equivalentes. 1. Aes no singular. 2. x= es la tinica solucién de Ax = 0. 3. Aes equivalente por filas af, 4 El sistema lineal Ax = b tiene una solucién tin para cada matriz b den x 1 Esto significa que al resolver un problema podemos utilizar cualquiera de las cua to afirmaciones anteriores, es decir, que son intercambiables. Como vers a lo largo del curso, suele ocurrir que un problema dado se puede resolver de vatias formas, y a veces un procedimiento de solucién es més fécil de aplicar que otxo, Esta lista de equiva Tencias no singulares iré creciendo conforme avancemos. Al final del apéndice B aparece la lista completa, que consta de 12 afirmaciones equivalentes. INVERSA DE MATRICES BINARIAS (OPCIONAL) Las definiciones y teoremas desarrollados en esta seccidn son vélidos para matrices bi narias. Los ejemplos 10 y 11 ilustran los procedinientos computacionales de esta see. cién para matrices binarias en donde, por supuesto, utilizamos aritmética de base 2, Determine ta inversa de la matriz binaria ange! Paso J. La mats [A 15] de 3 x 6s o11;100 fAinj=]1 01 010 Piirioodr Paso 2. Ahora calculamos la forma escalonada reducida por filas de la matriz obten da en el paso 1. Para determinar A~', procedemos como sigue: h 00 10 on ae sone ee coF sgunda flEee Solucién See. 1.7 Lainversa de una mattiz 101 Lor; 010 1110 ©] Sesums ta primera fis. ta tercers ila O1roiord 10 110 1 OT seintercambiaron ta segunda y fa er COO TT castes, st oriri1od Tol: o10 Oolong segunda fila ata ervera fl oor rid 100 o4 o10 11 Se same ta tercera fiat primera fil, 001 11 Bn este punto, A es equivalente por filas a /s, por lo que A es no singular y concluimos que o1 id 11 . Paso 1. La matric [A ! [5] de3 x 6 es 11 wine[ 00 Paso 2. Ahora calculamos la forma escalonada reducida por fils de la matriz obteni- an el paso 1. Para determinar A“, procedeanos como sigue Oo: 1 1 Een) coe ssa eo | Se sume ta peinera fila a segunda ene -es Sen | sat En este punto vemos que A no puede ser equivalente por filas a Js, ya que la tervera fi- Ja, en Ia parte de la matriz de coeficientes de la matriz aumentada, consta s6lo de ceros. En consecuencia, aguf A es singular. =02 Capiuulo 1 Ecuaciones tineales y matrices TEMES | Resuelvacl sistema lineal binario Ax = b, donde Solucién “EH =f De acuerdo con el ejemplo 10, tenemos que A es no singular y Asf, Ax = b ene una solucién tiniea, dada por PUIE-E La seccién 2.6, Modelos econémicos lineales; la seccién 2.7, introduccién a wave lets (ondetetas), y 1a segunds mitad de la secein 7.2 (paginas 380 a 387), Miirnos cua Grados, utlizan ‘el material de esta seccidn; si lo desea, puede estudiaslas en este momento.Seo. 1.7 Lainversa de waa matriz 103 Modelos econémicas lineales (seccién 2.6) El andiisis y Ta predicci6n econémicos son cada vez més importantes en nuestras com- Dlejas sociedades moderna. Suponga que tenemos una sociedad sencilla, que s6lo cons- {a de tes individuos: un agricultor, que dedicado de manera exclusiva a la product de toda la comida; un carpintero, cuya tinica misiOn es construit todas Ins casas, y un sastre, que se dedica tan s6lo a la fabricacién de toda la ropa. Seleccionamos nuestras uunidades de modo que cada uno produzca una unidad del articulo que fabrica durante 1 alo, Supongamos también que la parte de cada articulo consumida por cada persona cesté dada por la tabla 1.3, Bienes Bienes consumidos por: consumidos por: Agricultor | Carpintero | Sastre Agticultor i } 3 Carpintero z : k Sastre : De esta manera, el agricultor consume j de la comida producida, } de los hoga- ¥es construidos por el carpintero, y 3 de Ia ropa fabricada por el sasire,etcéter El economista tiene que determinar los precios relaivos py, p> y ps por unidad de comida, vivienda y ropa, respectivamente, de modo que nadie gene ni pierda dinero. Cuando ocurre esta situacin, decimos que tenemos un estado de equilibrio. Si “Eh ‘vemos que p se puede obtener al resolver el sistema lineal ap La seccién 2.6 analiza éste y otros modelos econdmicos, Introduccién a wavelets (seccién 2.7) Una de las caracteristicas que definieron al siglo xx, y cuya presencia ha adquirido atin Inds fuerza en el siglo x1, es la capacidad para transmitir grandes volimenes de infor- mmaci6n, Entre los datos que se transmiten estén archivos de huellas dactilares para aplicaciones legales, procesamiento de scales para restauracién de archivos, sefiales de radio del espacio exterior, estudios de sismologfa, resultados de rayos x que se envfan de un servicio médico a otro, imagenes y muchas otros. Con el paso del tiempo se han desarrollado varios esquemas que transforman la informacién original, la comprimen, la transmiten y luego hacen posible la recuperacién de los datos de origen, Ejemplos de tales esquemas incluyen el e6digo Morse, codificadores de muchas clases, y seiales uti- lizadas en radio, televisién y transmisién de microondas,104 Capito 1 Eeuaciones lineales y matrices ‘Uno de dichos esquemas, cuya existencia data de hace menos de 20 afios, es el que se conoce como méiodo de wavelets (u ondeletas). La enorme atencién que ha reci do, se debe a que puede utilizarse con éxito en una amplia variedad de aplicaciones en medicina, ciencia ¢ ingenierfa, El método de wavelets transforma la informacién otigi- fal en una forma equivalente a la informacién dada, pero més fil eomprimir, por lo que la cantidad de datos que debe transmitirse se reduce. Una vez que la informacin se ha transmitido, la siguiente fase del procedimicnto consiste en construir una aproxi. macién de la informacién original, el wavelet. En la seccién 2.7 proporcionamos una introduecién muy elemental al método de wavelets para pequetios conjunios de daios Aiscretos, empleando s6to técnicas basicas de Algebra lineal. Ajuste por minimes cuadradas (seccién 7.2) La recoleccién y anélisis de datos es un problema que surge con frecuencia en las ciencias exactas, la ingenierfa, la economfa y las ciencias sociales. Al graficar varios datos, se obticne un resultado semejante al que se muestra en la figura 1.20. El problema consiste en trazar la Tinea recta que “‘mejor se ajuste” a los datos dados, Esta recta aparece en Ja figura 1.21. La técnica para resolver este problema se Hama método de los mini mos cuadrados, y seré analizada en la secci6n 7.2. Figura 1.20 4 Figura 1.21 & El procedimiento para determinar la recta que mejor se ajusta a los datos dados se presenta en Ia seccién 7.2. Su justificacién aparece en la primera parte de esa seccién, y en ella se utiliza e! material de Tas secciones 4.2 y 6.9. In M M En Eu aSec, 1.7 Lainversa de una matciz 105 Términos clave Inverse. ‘Matiz no singular (o invertible) Matti singular (0 no invertible) Sieee a tame [2] ean see [ i ‘| questre que : es singular, 13-3 -2 3, (La matiz siguiente es singular o no singular? a 12. i ‘] m]2 6 2 mit or 2 qos 4 2 | =S. Si-es no singular, determine su inverse Il. {Cua (0 cudles) de los siguientes sistemas lieales tiene En los ejercicios 5 a 10, determine la inversa de las matrices tuna solucién no trivial? dadas, si esto es posible. (0) e427 43e ) 2+ y~ ez eee 2y +2 x= 2y = 32 - o[4 J wl i 3 2 +2y 432 wie < y #2 i o 1 2 12, {Cual (0 cuales) de los siguientes sistemas lincales tiene tuna solucién no trivial? (a) xty42e w+ ys 2 ae -y4 2 Ox : we setel? ain 15, Demuestre que una matriz que tiene una fila 0 una column {formados exclusivamente por ceros debe ser singular. A] 16. Determine todos fos valores de a para los que la inverse de 1 11 oF A=]i 0 0 12 4 ‘existe. {Cual es el valor dentro A"? 1 e g =106 Capitulo 1 Eeuaciones lineales y matrices 17. Considere un proceso industrial euya matriz es “EE Determine la matriz de entrada para cada una de las si {guientes matrices resultantes: (a) | 20 wb) ] 8 _ 18 someraes [3] (2) Determine A“! (6) Determine (41), ,Cémo se relacionan (47) yay 19, {La inverse de una matriz simética no singular siempre es Simétvica? Explique 2. (a) UA + BY A+B paca toda a y B? 0) elev = 2A para e # 02 24, {Para qué valores de 4 el sistema homogénco G@-te+ =o 2+Q—ly=0 tiene una solucién no trivial? 12. SiA y B son no singulares, ,A + B, A~ B, y“A son no sin- glares? Explique, 0 0 3 weet dpe -f 3] S. Despeje x de Ax = b, si 4 0 oF 3 sib=|0 -2 0], determine D! i 26, Seo Auntie de 3 Supomse ex [ Hl « 3 fe ong? hte so ee En los ejercictos 27 y 28, determine la inversa de la motriz por Dloquer dada, A, y exprese A~) como una matri por bloques. 52:0 m3 1: 0] ae oor En los ejercicios 29 y 30, determine la inversa de cada matriz ‘inaria dada, si esto es posible, 11:0 2310.0 wore 7 oot. var lor 21 10 miitd 100 o1o0 110 rito orig 0011 or 100 3/1 01 mira 110 ro. Lio oot loot 1100 Bh los eiercicios 31 y 32, determine cudles de los sistemas li- heales binarios ienen solucién no trivial 3. xt y 42-0 (b) x 0 x 4rn0 zty+e=0 y =0 x 4e=0 B@xty =0 bh) y4e=0 s4yte=0 x 4e=o yeze0 x+y =O ercicios tedricos TL. Suponga que A y B son matrices cuadradas y que AB =O. ‘SiBes no singular, determine A. T.2. Demuestre el corotatio 1.2, 1.3, Sea A una matriz de n x n, Demuestre que siA es singular, el sistema homogéneo Ax = 0 tiene una solueién no trivial. (Sugerencia: utilice el teorema 1.12.) Ta. Demuestre que le matriz, = wf es no singular si y s6lo si ad ~ be + 0, Siesta condicivin se cumple, demuestre que TS, Demuestre que la matriz [ise Se] e8no singular, y calcule su inves Ri tle ML. ML,6, Demuestre que ta inversa de una matriz triangular superior (inferior) no singular es triangular superior (inferior). ‘TA. Demuestre que siA es singwlar y Ax = b, b # O tiene una solucién, entonces tiene una infinidad de soluciones. (Su- -erencia: ulilice el ejercicio'T.13 de Ia seccién 1.6.) TS. Demvestre que si A es una matriz simétriea no singulae, centonces A~! es simétrica ‘T9. Sea A una matric diagonal con entradas de la diagonst 445 39) yy distintas de cera, Demuestre que A! ces no singular y que A~! es una matriz diagonal con en- Sec. 1.8 Pactorizacién LU (opeional) 107 ‘TAO. Si B= PAP", exprese BB... Ben donde kes un enteto positivo, en térmings de A, P y P! ‘TAH, Hage una lista de todas las posibles matrices binarias de 2 x 2,y determine cuales son no singulares, (Vea el ejereicio T.13 de la sezcidn 1.2) Ti2, SiA y B son matrices binarias no singulares de 3 x 3, ges posible que AB = 0 Explique, Determine cudles matrices binarias A, de 2 x 2, tienen ta Propiedad de que A? = O. (Ves el ejercicio T.13 de la sec tradas de fa diagonal Vayy, asp. Vey i6n 1.23 Ejercicios con Matias Para emplear Marian en esta secciéin, debe leer primero el capt rret([A eye(size)yp, ‘lo 12, hasta fa seccién 12.3. MLL. Usilice Maras para deverminar cules de las siguientes ‘matrices son no singulares. Emplee el commando rref. 3 6 0 ML2, Uttice Marta para determinar cules de las siguientes ‘matrices son no singulares. Emplee el comando rref. 1 0 oF 1 7 MaA=]o 1 0 bof t | 12 4 (A=jo 1 2 10 0 ML.3. Ulice Maruas para determinar la inversa de cada una de ins siguientes matrices. Emplee el cotnando ref((A eye(sizetA))), orf Jouli tf MLA ice Sa.n pr tena ine ae @ wa Jos ‘MLS. Utilice Maras para determinar un entero positivo tal que (i ~A) see singular os Joaeft ti $34 Bor es M6. MLS se pen marie bis ison ace gsc eee ers ML.6. Por medio de binreduce determine cules de ls mate es binarias en los ejercicios 29 y 20 tienen una inversa ML.7. Por medio de binreduce determine cusles de los sistemas lineales binarios en los ejercicios 31 y 32 tienen una soluciéa no trivial MLS. Por medio de binreduce determine euéles de las mate. ces siguienes tienen una inverse ACh 1100F aeae D1110 OY ta} Moo 010 ntcrenbe: oliid Proud MLL. Sea B = bingen(t, 7, 3); esto es, la matrz.cuyas columnas son las representaciones binerias con tres bits de los centeros 1 a 7. Determine dos submatrices de 3 % 3 que tengan una inversa, y dos que na tengan inversa, EJ FACTORIZACION LU (OPCIONAL) En ests seccidn estudiaremos una variante de la eliminacién gaussiana (presentada en 4a scccién 1.6), la cual descompone una matriz. como un producto de una matriz triangular inferior y una matriz triangular superior. Esta descomposicién conduce a un algoritmo para resolver un sistema lineal Ax computadoras para resolver sistemas Ii , que es el més utilizado en las jeales. La raz6n principal por la que este méto- do es tan utilizado, radica en que proporciona la manera més econdmica de resolverws Capitato 2 ‘Hcuaciones lmneales y matnces tun sistema lineal en el que tenemos que cambiar de manera repetida el lado derecho, Este tipo de situacién suele presentarse en problemas de aplicecién. Por ejemplo, una compaitia de servicio eléctrico debe determinar las entradas (las incégnitas) que necesita para producir algdn resultado requerido (los lados derechos). Las entradas y los resultados pueden estar relacionados por un sistema lineal, cuya matriz.de coeficientes es fija, mientras que el Jado detecho cambia dia con dia, o incluso cada hora. La descom- posicién que se analiza en esta seccién también es itil para resolver otros problemas en Algebra lineal. Cuando U es una matriz triangular superior y todas Jas entradas de Ja diagonal son diferentes de cero, el sistema lineal Ux = b puede resolverse sin transformar la matriz. aumentada [Uj b] a la forma escalonada reducida por filas (renglones) 0 a la forma cscalonada por filas. La matriz aumentada de tal sistema est4 dada por a Ou as ap 0 0 us ta 000 tan Ey La soluci6n se obtiene mediante el algoritmo siguiente "y Este procedimiento es slo una sustitueién hacia atrs, como la que utitizamos | en la secein 1.6 junto con la eliminaciGn gaussiana, pidiendo adicionalmente que las ‘entradas de la diagonal fuesen iguales @ 1 De manera similar, si Z es una matriz triangular inferior con todas las entradas de Ja diagonal diferentes de cero, el sistema lineal Lx = b puede resolverse por sustitu- ‘ci6n hacia adelante, que consiste en el procedimiento siguiente: la matrz. aumentada tiene la forma én 0 0 0 or Gh Gr fe 0 fn ae bos ban be Ya soluci est dada por by 1 ay btm na 25!Ete Sec. L8 Factorizaciéa LU (opeional) 109 Esto es, procedemos hacia abajo, a partir de la primera ecuacién, despejando una incog- nita de cada eeuacion. En el ejemplo siguiente se ilustra la sustitucién hacia adelante. Para resolver el sistema lineal Sx 4x; ~ Qe 2xy + 3x + xy Uutilizamos la sustitucién hacia adelante, De acuerdo con el algoritmo que se dio antes, ‘obrenemos: 10 aster 5 28 4x, ne Ss -0 xy = BaP Ie _ 5, 4 ue implica que Is solucién para el sistema de ecuaciones triangular inferior dado es 2 x=|-10 2B 2 ‘Como se jlustré anteriormente, la facitidad con la que pueden resolverse los sistemas de ecuaciones con matrices de cocficientes triangular superior o infetior es muy atractiva. Los algoritmos de sustitucién hacia adelante y hacia atrés son répidos y sencillos de usar, pot lo que se les emplea en otros importantes procedimientos numéricos para resolver sistemas de ecuaciones, tal como veremos més adelante, ‘Suponga que wna matriz A den x n puede eseribirse como un producto de una ma- ‘viz L, triangular inferior, y una matriz U, triangular superior; esto es, A=LWU, En este caso, decimos que A tiene una factorizacién LU o una deseomposicién LU. La factorizacién LU de una matria A puede usarse de manera eficiente para resolver un sistema lineal Ax = b. Al sustituir LU! por 4, tenemos (uyx=b 6, de acuerdo con el inciso (a) del teorema 1.2, seecién 1.4, UUx) =b, Haciendo Ux = z, esta ecuacién matricial se transforma en la=b. ‘Como L esté en la forma triangular inferior, resolvemos directamente para z por medio de sustitucién hacia adelante, Una vez que determinamos z, y como U es triangular su Perior, resolvemos Ux = 2 por sustitucién hacia atrés. En resumen, si una matriz A de nxn tiene una factorizacién LU, la solucién de Ax = b puede determinarse por medio de una sustitucién hacia delante, seguida de una sustitucién hacia atris, Este procedi riento se ilustra en el siguiente ejemplo,110 Capitulo 1 Eeuaciones lineales y matrices STEMI | Consicere el sistema lineal 6x —2y - dy t4y= 2 Bx —3a— G+ ys ~4 12x) + 8xp + 245 — Bre 6x 1Oxa + Tag ‘cuya matriz. de coeficientes 6.2 4 4 3-3 6 1 A=) 8 21 8 6 0-10 7 tiene una factorizacién LU, con 10 0 0 4 £10 0 “1 L=| 2 7 22 1 of ¥ % 2 121 oo 0 8 (verifique). Para resolver el sistema dado por medio de esta factorizacién LU, procede- ‘mos como sigue. Sea 2 -4 7 8 43. Entonces resolvemos Ax = b escribiendo LUx = b. Primero hacemos Ux = z y resolvemos Lz = b: °) Fay z 0} fa ~4 ° 8 1 43 por sustsucién hacia delante, con fo que, obtenemos uaz nade a5 = 8422) +2e wa-842-2 Ahora resolvemos Ux = 2, 62-4 aD PH 2 0-2 -4 -1||m]_] -5 0 0 5 -2] } x5} ~ 2\" 0 0 0 8) Lis. —32, por sustitucién hacia atrés, con lo que, obtenemos Stas tae 69 22a + Aes ~ ae - 6 = 5See. 1.8 Factorizacién LU (opcional) 117 En conseenencia, a solucién pars el sistema lineal dado es 45 69 12 4 a if Gontinuscién se demuestra eémo obtener une factorzacién LU de una smatriz, Te Naatte ¢l procedimiento de eliminacién guussiana que se analog on ie I igcone Pettit intereambio de filas(englones),y nose enige que le erase on ‘Sea A la matriz de coeficientes del sistema lineal del cjemplo 2, 6-2 -4 4 3-3-6 1 ~12 8 oo ug 6 0-0 7, A= rocatntos “hace er as entradas debajo dela diagonal, esando solamente ope- ‘acid de sumar un miltiplo de una fila a otra fia, Procedimiento Matrices usadas Paso 1. “Hacer ceros” debajo de la prime- #8 entada de a disgonl de, Sumar (~1) veces la primera fila de A a su segunda Riz 6-2 4g ‘Sumar 2 veces la Primera fila de A ala ter- 0-2 -4 -1 cera. Sumar 1 vez Is primera fila de A ava arta fla. A ta matic resultante le llama. 92-16 mos U; ala matriz resultante. Empezamos a construir una matriz riangular inferior, 21, con unos en la diagonal Prineipsl, para registrar las operaciones por 10 0 o fila. En ta primera columna de LI, escriba +t 00 los negativas de los multiplicadores utiliza. Li = asec! dos en las operaciones por fla, inicie debe Seer ees JP del primer elemento de fa diagonal de Z Paso 2. “Hacer eros" debaja cela segunda entrada de Ia diagonal de U;. Sumar 2 vores J segunda fila de Ua su tercera fila. Su. ees tar (—1) veces la segunda fila de Uy a su uarta fila, Lame A la matric resultante ld. mele Ua la matrz resutante Escriba los negatives de los multiplicadores de las operaciones por rengién las der 10 0 o bajo de la segunda entrada de Ia diagonal 7 z 100 Ge fa Kame ale nueva maiz Zaatame- = 13 YO va matrz, aa112 Capialo 1 Beuaciones lines Observacién les y matrices Paso 3. “Hacer ceros” debajo de la tercera entrada de ta diagonal de LU. Sumar 2-veces In tercera fila de Uy a su cuarta columna. == Uy = Liame A la nueva matriz Iémele U3 a la eva matriz, oukh 6 0 0 9 Eseriba el negativo del multiplicador deba- Jo-de la tercera entrada de la diagonal de Ly. Denomine A la nueva matriz Kamele 13 la 0 0 10 0 2 0 nueva mattiz, 1 1 Sean L = Lyy U = Us. De acuerdo con ello, el producto LU proporciona ta matriz ori ginal A (verifique). Este sistema de ecuaciones lincales se resolvié en el ejemplo 2 usando la factorizacién LU que se acaba de obtener. . En general, una matriz. dada puede tener més de una factorizaciOn LU. Por ejemplo, si ‘Aces Ia mattiz de coeficientes considerada en el ejemplo 2, otra factorizacién LU es LU, donde o 0 o 3-1-2 2 -1 0 of | o 241 2 1 of ¥ 0 0 5 +2 1-2 2 o 0 0 4, ‘Adem del esquema de almacenamiento de multiplieadores descrito en ef ejemplo 3, cexisten muchos métodos para obtener una factorizacién LU de una matriz. Es importante observar que si aj, = 0, el procedimiento usado en el ejemplo 3 no da buenos re~ sultados. Ademés, si la segunda entrada de la diagonal de U; es ceto, o si la tercera entrada de Ia diagonal de Uz €s cero, el procedimiento también falla. En tales casos, podemos tratar de reacomodar las ecuaciones del sistema y volver a empezar, 0 usar uno de los otros métodos para la factorizacién LU, Casi todos los programas de cémpato para factorizacién LU incorporan intercambios de filas en el esquema de almacenamiento de moktplicadores, y utilizan estrategias adicionales para controlar el error de redondeo. Si se require intercambiar dos fils, el producto L y U no es necesariamente A, sino tuna matriz. que es una permutacién de renglones de A. Por ejemplo, si se realiza un intercambio de filas cuando se utiliza la comando lu de Maras en la forma [LU ¢l programa responde con lo siguiente: la matriz. que se obtuvo como L no es triangu: lar inferior, U es triangular superior y LU es A. El libro Experiments in Computational Matrix Algebra, de David R. Hill (Nueva York: Random House, 1988, di McGraw-Hill) explora estas modificaciones det procedimiento pata la factorizacién LU, Términes clave Sustitucién hacia atris Sustitucién hacia adelante Factorizacisn (0 descomposicién) LU Ua yh Mide 0. ino in A), a nal por ién En tos ejercicios 1 a4, resuelva el sistema lineal Ax = b con la factorizacién LU clada de la metriz de coeficientes A. Resuelva ef sistema neal usando ena sustitucién hacia delante,seguide por na sustitucién hacia atrds. bes, 421 6 6 i B “4al'3 6 3 ~20 DW 4 15. 1 0 0 -1 100 2-301 5 0-1 See. 18 Factorizacién LU (opcional) 113, #02 1 6 yufo 8 203 val o 1s 0 9 0 2 En los eiercicios 5 a 10, determine una factorizacitn LU de la ‘matriz de coefcientes del sistema lineal dado, Ax ~ b. Resielve el sistema lineal por medio de una sustitueion hacia delante, so. gulda por una sustitucién hacia om. 2 3 4 6 BA=l4 5 tol, ba lis 4 8 2 2 34 1s 6 A=/-12 10 6), p=] 82 BB 12 -5 42 LAs]? 0 12 5 4 “027 Ban] 4 2 1 0 os 1 0 025 = 9 AT i 028 62 4220 03 24, 3 -13 56 2 4 1 02s ~05: 08 06 135 26 “16 -0.08 001 02)" 8 12 06 13. O15 97 169 4576 Bercicios con Matias 42 rutina Yupr proporciona un procedimiento paso a paso para obtener ta factorizncién LU que se analizd en esta seccién, Una vee que tenemos la factorizacin LU, las rutinas forsub y Dksub pueden usarse pare realizar la sustiweelon hacia adelante Y hacia airds, espectivamente. Utilice help para obtener infor, ‘macién adicional de estas rutinas MLA. Utilce lupr en MatLab para determinac una factosiza cia LU de 2 ° A=)? “3 1 7 ML.2. Utlice tupr en Matas para detertninar ona factotiza- cién LU de MEL.3. Resuclva en Maras el sistem lineal del ejemplo 2, usindo Iupr, forsub y bksub, Compruebe su factoriza- cidn LU por medio del ejempto 3 ML-d. Resuelve en Man. los ejercicios 7 8, usando Iupr, forsub y bksub,114 Capitulo 1 Eeuaciones lineales y matrices Ideas clave para el repaso 18 Método de eliminacién. Para resolver un sistema lineal, se realizan las siguientes operaciones las veces que senn 1. Intercambiar dos eeuaciones, 2, Multiplicar una ecoacién por una constante distinta de cero 3. Sumar un miliplo de una ecuacién a owra ecuaciéa, & Operaciones matriciales. Suma (vea la pfigina 14): moult plicacién por un escalar (vea la paging 15); transpuesta (vea la pigina 16); multiplicacién (vea la pégina 23), 3 Teorema 11. Propiedades de la sums de matrices. Vea la pie gina 39, 1m Teorema 1.2, Propiedades de Ia muhiplicacién de matices, Vea la pigina 41 | Teorema 1.3, Propiedades de la multiplicacién por un esea- Tae. Vea la pagina 45, @ Teorema 1.4, Propiedades de a transpuesta, Vea la pagina 45, | Forma escalonada reducida por flas. Vea la pigina 62. '@ Procedimiento para transformar una matriz a una forma escalonada reducida por Milas. Véanse las paginas 65-66. i Procedimiento de reduceién de Gauss-Jordan (para resolver el sistema lineal Ax = b), Vea la pagina 70. 1 Procedimiento de eliminacién gaussiana (para resolver el sistema lineal 4x = b). Vea la gina 70, ‘@ Teorema 1.8. Un sistema homogéneo de m ecuaciones enn incégnitas siempre tiene una solveién no ttivial sim < 1 Teorema 1.10. Propiedades de la inversa, Vea las péiginas 92-93, © Método préetico para determinar A“. Vea las paginas 94.95, = Teorema 1.12. Una matriz den x 1 ¢8 no singular si y s6lo sies equivalent por fils a Ty & Teorema 1 mogéneo Ax es singular. SiA e¢ una matriz de n x n, el sistema ho- O tiene una solucién no wivial siy s6lo si A © Lista de equivalencias no singular. Las siguientes afieme: cioues son equivalentes: 1. Aesno singular 2x 3. Acs equivalente por fas 8 fy 4, El sistema lineal Ax = b tiene una solucign dnica para ce a matrizb den x 1 «la tnica soluciéa de Ax = 0, 1& Factorizacién LU (para escribir una matriz A den x 1 como LU, donde L es una mati triangular inferior y (7 ¢ una mattiz triangular superior). Vee el ejemplo 3, péginas 111-112, Ejercicios complementarios Fn los ejereicios 1 a 3, sean of Jeb eb J 1. Caleule 2 + BC, si esto es posible, 2. Caloule A? 2A 4 3lp, si esto es posible 3. Caleule AT + BTC, si esto es posible 4. (a) SIA y B son matrices n x 1, jousindo ocurre que (A+ BYA~B) = BPD (b) Sean A, By C matrices n x m tales que AC = CA y BC CB. Verifique que (AB)C = C(AB). 5. (a) Eseriba la mattiz aumentada del sistem Teal 204 2 A=|l 0-1 31 k 1 Decne ee moo qc (i ovesthnchng ef ! 7. Sea f: R* > R° Ja transfomacin matricial definida por f(x) = Ax, en donde 0 1 Determine todos los valores de & de modo que W = ‘est on el rango def. 8. Si 2s 32 a “18 31 1 2 4 “3 determine una maiz. C en forma escalonada reducida par Glas que sea equivalente por Glas & A 9. Determine todas las soluciones del sistema lineal xty- 125 Dety+ 252 xoyo 0 4, 15, 18.i 10, Dererinine todas las soluciones del sistema tineal at yrrt w= 3 Qe y-etwe 4 -3y¢z 22 ~3r¥3yt2-30=-5, 11, Determine todos los valores de a para los que el sistema re sultante (3) no tenga solucién, (b) tenga una dnica solucién 1) lenge una infinidad de soluciones rtyn ryt 3 xtyF@ = 102 12, Determine una ccuacién que rlacione by, by y By, de modo aque el sistema lineal con matriz aumentada 11-22 2-1-1 41 Shay tenga una solucién, 13, St so3 or A=|0 4 2 oo 4 yA =4, determine todas Ins soluciones del sistema homo igéne0 Oly = A)x 14. {Para qué valores de es consistente el sistema lineal t=3 4 18, De ser posible, determine Is inversa de la matriz 1203 205 3 10 8 16, De ser posible, determine la inversa de la matsiz “12 7 10 4 32 3 17. sistema homogéneo con matsiz de coeficientes [a4 ‘ene una soluci6 no trivial? toa or WSiat=/3 4 aly oo4 = i saleule (AB) Ejercicios complementarios us 26. 7. ). {Para qué valor(es) de 4 el sistema homogéneo G-I+ =o 2+ A-2y=0 tiene una sotucién no tivial? Acsuna matriz den x ny A? Uy AY iy Aa AP AP ©, veifique que . Si A es una matriz den x nm no singular y c es un escalar distinto de cero, geudl es el valor de (cA)? .. _Para qué valores de w ocurre que el sistema lineal (2) no tiene solucidn, (b) Gene exactamente una solucisa, (©) tiene una infinidad de soluciones? 1. Determine todos los valores de a para los que los siguientes sistemtas lineales enen solucisa, @ rt+2y42 y+ ye 34 4y 472 @) xt2yt 2 r+ yb3raa Bet 4y 4 82 Determine todos los valores de a para los que el siguiente sistema homogéneo tiene sojuciones no trviales. (Q-ax 42 may $2= yoar Determine el adimero de entradas en 0 sobre la diagonal principal de una matrz de & x Je evando (a) WE=%Ok=4 k= Sea (a) Determine una matriz de 2 x kB # O, tal que AB =O para k= 1,2,3,4 (b) La respuesta que dio al inciso (a) es la tnica posible? Explique. Determine todas las mattices 2 x 2.con entradas reales, de Ia forma tales que A? = Js Una matriz A den x m (con entradas reales) e9 una raf euadrada de Ia matriz.B de n x w (con entradas reales) si APB, (@) Determine una ratz cuadrada de116 30. Capitulo 1 Ecuaciones lineales y matrices (B) Determine una rate cuadrada de 1 6 oO B=|0 0 0 0 0 0 (6) Determine una rafe cuadrada de B= Iy (@) Demuestre que no existe uno rate cuadrada de fo 1 of a] CCatcute la taza (vea el ejrciciocomplementari T.1) de cada una de las siguientes matrices _ of J of ia 2 Sree 1 0 0 lo 1 0 ooo 1 431, Desarrolle una expresiéa sencilla para las entradas de A", 2 donde m es un entero positivo y | ‘Como patte de un proyecto, dos estudiantes deben determ- nar Ta inversa de una matriz A de 10 x 19. Cada tno realiza los eéleules requeridos y entregan los resultados Ay y Az, respectivamente, a st instructer. (@) {Como deben ser los dos resultados? {Por qué? (b) {©5mo se puede verificar el trabajo de los estudiantes Sin repetr los egleulos? ‘33, Calcule el veetor w para cada una de les expresionessi- ‘uientes, sin calcula la inversa de ninguna de las mattices dads, @) wea C+ Pw ib)w=(F +21, En los ejericios 34 y 35, determine una factorisaciOn LU de la ‘matric de coeficientes det sistema lineal AX Resuelva eli. lineal por medio de una sustisucidn hacta delante, seguida dde una sustinucton hacia atrds 202 3 Beas] o 5 3], 6 -8 10 [2] [3] Fjercicios tedricos Th. 12. 13. TH SiA = [ay] es una matric den x n, entonces Js traza de 4A, Tr(A), se define como la suma de todos los elementos de Ia diagonal principal de 4 TWA) = ay tant Demuestre que (a) Tied) = ETA), donde ¢es un niimero real () THA +2) = THA) + THB) (©) THAR) = TBA) @ TAY) = THA) (©) THATA) > 0 Demuesire que si THAAT)=0,A = 0, (Nea ol ejercicio T1.) Hay Sean A y B matrices den x n, Demuestre que sia para todas las matrices x de n xl, A= B. Bx Dente ge een mais A, 2 2. 7 10 asea-[h 9] Demuestre que si es antisiméiriea (vea el ejercicio 1.24 de la seccidn 1.4), Af es antsimetrica para cualquier ente 1 positivo impar k 16, 1. Ts. 19. T10, TAL. mR. Sea A una mates ant Demuestre que x7Ax imética de m > n, y x un n-vector para toda x en i Demuzstre que toda matriz. simétrca, triangular superior (© inferior) es diagonal (vea el ejercicio TS de la seccin 12) Sea A una matrz triangular superior. Demuestre que Aes no singular si y s6lo si todas las entradas de la diagonal principal de A son distntas de cero, Sea A una matrix de m x n, Demuestre que A es equivae lente por filas a O si y s6lo si A = 0. Sean A y B matrices de n x n equivalentes por fils. D> inuestre que A es no singular si s6lo si es no singuls. Demuestre que si AB es no singular, A y B son no singt- lates, (Sugerencia: comprucbe primero que B es no sit- gular, considerando el sistema homogéneo x = 0, y tlie el teorema 1.13.) Demueste ques Aes ansimetrica (ea el eericloT24 dea secién 1.4) lo elementos de a diagonal principal de A son tovosiguaes a cero, antisimétrica, uo ns Ts, uy. TAB. En los. lem lal xy ia . Demuestre que si A es antisimétrica y no singular, A rango‘Td. SiA.es una matriz den x n, entonces 4 es idempotente prere (a) Verifique que J, y O son iderpotentes, () Determine una matriz idempotente que no sea fy ni O. {) Demuestre que la nica matriz de n > n idempotente no singular es f,. ‘Si es una matriz de n x 1, entonces A es nilpotente si A* = 0 para algtin entero positivo k (a) Demuestre que toda matt nilpotente es si (b) Verifique que TIS, es nilpotent. () SiAes nilpotente, demuestre que J, — A es no singular. (Sugerencia: determine (2, ~A)~' en los casos 0, =1,2,...,y busque un patesn.] ‘T16, Sean A y B matrices idempotentes n x n, (Vea el ejercicio Tia) (a) Demucstve que AB es idempotente si AB = BA, (b) Demuestre que siA es idempotente, A” es idempotente, (©) (A+ Bidempotente? Justfique su respuesta (@) Determine todos los valores de k para los que kA tam- ign es idempotent ut. métricas de nx n con n> 2? TUS, Demuestre el teorema 1.14. En los ejercicios 7:19 a 7.22, sean x yy matrices columna conn elementos. El producto exterior de x y y es el producto matricial xy" que da como resultado la mate de nn Ken as me HY my Ye a ea Examen del capitulo 1. Sea: R— A una transformaci6n maticil definida por ‘F(8) = Ax, donde 2 1 0 2 10 0 1 A-lher 1 oo 4-42 2 > Determine todos los vectores w= ? | que no estén en et 4 tango def Demuesire que el producto de dos matrices antisimétricas de 2 x 2es diagonal. ¢Fs esto cierto para matrices antsi- THs. Tu. 1. Sea w una mairiz dem 1 tl que ww Examen del capitulo 117 (@) Forme el producto exterior de xy y, donde (b) Forme el producto exterior dex y y, donde r 1 |. {Cierto o falso? El producto exterior de x y y es igual al producto exterior de y y x. Demuestre que Tray”) = x7y. (Ves el ejercicio T.1) Demuestre que el producto exterior de x y y es equivalen- {e por filas a 0,0 a una matriz.con n ~ | filas de cero. La matriz de H=1,-200" 8 una matriz de Householder. (Tenge en cuenta que una matri2.de Householder es Ia matrizidentided mas un mil Uiplo escalar de un producto exterior) (2) Demuestre que H es simétrica (b) Demuestre que H“! =H", 2 0 “Ef Dermuesre que das as maces We 2x 2, tales que AB = BA, son de forna [ite {) onde ry s son imeros reales cuslesquiera, Sea 2. Determine todas las solucfones del sistoma lineal stmt onde 2x) tag tes + Dy mat my h6y 13 Determine todos los valores de a para los que el sistema lineal resultante (a) no tiene solucién, (b) tiene una tinica so- luci6n y (c) tiene una infinidad de soluciones. xt 4 et yt 5 3x —3y + (a? 8118 Capitulo 1 Beuaciones lineales y matrices 4. De ser posible, determine la inversa dela siguiente mari a2 1 oid 10-1 -2 2 determine todos los valores de 2 para los que el sistema ho- -mogénco (Af ~ A)x = O tenga una soluci6n no trivial, Si 6. (a) Si caleule (48) (b) Despeje x en Ax = by si 7. Determine fa factorizaciGn LU de la matriz de coeficientes del sistema Lineal Ax = b, Resuelvael sistems lineal usando tuna sustitucién hacia delante, seguida por una sustitucién hacia atrts. 2 2-4 z “8 <1 5), b= | 4013 = Ss. 8. Decida si cada una de las proposiciones siguientes es verda, dera o falsa,Jastfique sus respuests, (2) SIA y B son mattices dew x n, entonces (A+ BYA 4B) =A? 4 248 + BE (©) Si ayy us son sofociones del sistema lineal Ax = b. entonces w= uy + }uy también es una solvién de Aveb (©) SiA es una matvz no singular, entonces el sistema homogéneo Ax = 0 tiene una soluci6n no trivial (@) Un sistema homogéneo de tes ecuaciones con cuatro incégnitas tiene una soluci6n no trivia. (©) SIA, By Cson matrices no singulares de n x 1, centonces (ABC)! = C14 a!APLICACIONES DE ECUACIONES LINEALES Y MATRICES (OPCIONAL) INTRODUCCION A LA TEORIA DE CODIGOS Requisite, El material sobre sistemas hinarios que se ansbizé en el eapieulo 1 Enja actual sociedad global, la comunicacién abunda en el comercio, el gobierno, la in- vestigaciOn y la educacién, Los datos se transmiten de un punto a otto o se registran en formas diversas para representer imagenes de video, sonido, o combinaciones de éstas. Sin importar la distancia que deba tecorrer Ia transmisién, el proceso basico es el mis. ‘mo. La informacién debe enviarse y recibirse, y cabe le posibilidad de que ocurra una distorsién. Los datos recibidos deben verificarse de alguna manera para (en el mejor de los casos) detectar errores en la transmision. La codifieacion es una rama de la teorfa de Ia informacién y Ia comunicacién, que ha desarrollado téenicas para contribuis a detectar y, en algunos casos, corregir errores, Esta disciplina se apoya en diversos campos de las matemiticas, ineluyendo algebra neal y abstracta, teoria de niimeres, probabilidad y estadfstica, y combinatoria, En esta secei6n se presentard una breve introduccicin a la Codificacién, en la que utilizaremos el algebra lineal El aspecto clave de la transmisién de datos radica en que se lieve a cabo de manera répida y barata. Con esto en mente, es razonable considerar un proceso “abreviado” (Por ejemplo, omitirciertas fetes de las palabras). Desafortunadamente, cualquier aho- tro de tiempo que se derive de un procedimiento de ese tipo, se compensa con un aut mento de la posibilidad de que los datos se interpreten de manera incorrecta, Casi todas las técnicas de codificacién funcionan a Ja inversa de una abreviacidn, Esto es, se en- van mds datos de los normales como una forma de detectar posibles errores en la trans tisién, Esencialmente, la tcorfa de eddigos se basa en una cuidadosa seleccién de qué debe incluise en Ia codificacisn y cémo hacerlo, CODIFICACION DE INFORMACION BINARIA Y DETECCION DE ERRORES Un mensaje es una secnencis finita de caracteres de un alfabeto. Elegiremos como nuestro alfabeto el conjunto B = {0 1}. Todo carscter, niémero 0 simbolo que necesitemos ‘ransmitir se representaré con un m-vector binario. Esto es, cada cardcter, nimero 0 simbolo se representard en forma binaria, De acuerdo con lo anterior, los mensajes con- irén de un conjunto de palabras, cada una de las cuales gerd un m-vector binatio. El conjunto de todos los m-vectores binarios se denota mediante B": 9120. Lapiaio 4 Apuicaciones ae ecusciones hneales y matrices (operonal) Figura 2.1 » EJEMPLO1 BEV ‘Como vimos en el capftulo 1, Ios vectores binarios y las matrices binarias compar. ten las mismas propiedades que los vectores y matrices reales (de base 10), salvo que para los cfculos relacionados con aquellos utilizamos aritmética de base 2. (Vea as ta bas $1 y 1.2 de la seccidn 1.2.) Un m-vector binario tiene la forma [b, by «+ By) a {by bz +++ byl, donde cada b;¢8 060 1. Al codificar suele omitirse la notacion matricial, por lo que el m-vector binario se escribe como una cadena de bits en la forma bby > by. Cuando se utiliza el élgebra matricial las expresiones se escriben en Ia forma matricial estéindar. La figura 2.1 muestra los procesos basices de envio de una palabra, de un punto a otro de un canal de transmisién, Un vector x en B" se envia a través de un canal de twansmisi6n, y se recibe como el vector x, en B”. En la préctica, el envio puede verse afectado por perturbaciones —que por lo general se denominan ruide— durante su te yeoto por el canal de transmisién, Tal problema puede deberse a problemas eléctricos, ‘leciticidad estética, imterferencia climatica, eteétera. Cualquiera de estas condiciones puede causar gue un 0 sea recibido como 1, 0 viceversa, La transmisién errénea de bits ‘en el mensaje enviado da lugar a que Ia palabra recibids sea diferente de la original; e- tw 0s, x # x, De presentarse este tipo de errores, x, podria ser cualquier vector en Bi Paabaaxca Palabra x en ‘esr, reciids Canat de En la transmisién de informacién, la tarea basica consiste en reducir Ia probabilidad de recibir palabras que difieran de la que se envi6, Esto se puede lograr de la ‘manera siguiente, Primero elegimos un entero n> my una funcién inyectiva e de Ba BY, esto-es, cualesquiera sean x y y en BM, x + y implica que e(x) # e(y). De esta nera, a palabras diferentes en B” corresponden n-vectores diferentes en B". La funcién se denomina funeién de codificacién, ‘Sean m = 2, n= 3 y e(bjb2) = bibzbs, donde bs se define como 0 (by = 0). Tenemos (00) = 000, (01) =010, e(10)= 100, ¢(11) 110, ¥ coneluimos que la funciOn ¢ es inyectiva. La fancién e puede calcularse mediame ‘una multiplicacion por la mattiz, 1 07 o1 00. Asi, € 6s una transformaci6n matricial de B? a B3, dada por of eb Sean m = 2, 2 =3y e(biby) = bybzbs, donde by se define como by + by (bj = by +2. Tenemos (00) =000, (01) = 011, e(10) = 101, e¢t1) 110,See. 2.1 Introguccién ala teorsa de e6digos 121 ¥ concluimos que fa funci6n e es inyectiva, La funcién e puede calcularse mediante tuna multiplicacién por la matriz 1 0 A=lot 11. De esta manera, ¢ ¢s una transformacién matricial de 8? a B3 dada por (bbe) = [ ‘ (*) 5 [. *, | 7 Yetbybs) STIS Sean m = 2,n= (00) = 000, e(01) 100. Tenemos, 00, e(10)= 100, e(11) = 100, ¥ conelimos que la funcién e no es inyectiva, Esta funciGn e es une transformacién matricial, ya que tO by bb e(Diba) =] 0 0 [i = of}. oo be 0 La funcién inyectiva ¢ de B" a B", n > m, se denomina funcidn de codificacién (m,n) y puede considerarse como un medio para representar cada palabra en B™ como ‘una palabra Gniea en BY. En el caso de una palabra b en B”,e(b) se llama palabra co- iffcada o palabra de cédigo que representa a b. Los nom bits adicionales del c6digo pueden utlizarse para detectar errores en Ta iransmisign y, algo mas sorprendente, tain. bién para ayudar a comregirlos. La figura 2.2 ilustra los dos pasos utilizados para la transmisiGn: primero se codifiea la palabra original con la funciGn e, y Iuego se trans. ‘nite la palabra c6digo, Si el canal de transmisiGn carece de muido, x, = x para toda x en 2B Dado que Ja funcién de codificacién e es conocida, se puede determiner la palabra original b. Figura 2.2» Canal de ansnisin En general, los errores de transmisiGn no pueden evitarse, Diremos que Ta palabra ‘6digo x = e(b) se ha transmitido con k 0 menos errores si x y x, difieren en al menos 1 pero no més de & bits Sea ¢ una funcién de codificacién (m, n). Decimos que e detecta k 0 menos errores si cada vez que x = e(b) se transmite con k o menos errores, x; no es una palabra o6- digo (asi, x; no puede serx y, por Jo tanto, x n0 se ha transmitido de manera correcta), Observacién —Incluso sila funcién de codificaci6n ¢ esté disefada para incorporar cepacidad de de- teccién de exrores, étos pueden ocurir WRB 50020 G20 estamos ineresaos en transmit un solo bit Estos rananitemos 00 1. Una manera de protegerse contra errores en la transmisi6n, consiste en emitir el mensaje mds de una vez. Por ejemplo, podriamos utilizar la funcién de codificacin e (1, 3),122. Capfculo 2 Aplicaciones de ecusciones linesles y matrices (opcional) de motto que 0 se codifique como 000 y 1 como L1I. En términos de una transforma. cin matricial tendrfamos, para un solo bit b, 1 b ov-(]o-ff En consecuencia, sélo hay dos palabras de cédigo vilidas, 000 y 111. Six = bbb se transtnite de modo que la palabra recibida es x, = 001, esto significa que ocusrié por lo E menos un error. Asimismo, si recibiéramos 001, 110 0 010, podsiames coneluir que se Presentaron errores de transmisidn, ya que éstas son palabras cédigo no vlidas. Log Uinicos casos en que resulta imposible detectar errores, ocurren cuando x = 000 pero X= 111, 0 viceversa. Como la funcién de codificacién detecta 2 errores 0 menos, deci- ‘mos que ¢ es una funcién de codificacién con capacidad para deteetar un doble error. ‘Suponga que ademés de detectar errores queremos comegirlos. Si x, = 010, sabe ‘mos que ha ocurrido un error en la transmisién, pero ignoramos si éste fue un solo error © un error doble. Si x = 000, esto significa que ocurri un error, pero si x = 111, sabe- ‘mos que ocurrieron dos. Una estrategia de correccin en este caso parte de suponer que Ja ocurrencia de un error es més probable que la ocurrencia de dos. En consecuencia, X,= 010 se “corrige” como 000. La figura 2.3 ilustra este procedimiento de correccin Si x; = Dibaba, se decodifica —de acuerdo con la figura 2.3— como 000 si podemos movernos del vértice baby 4.000 & lo largo de una sola arista; de otra forma se decodifica como 111. Con esta estrategia, por lo tanto, tenemos un eédigo de correccién de tun solo error. Pero observe que si x = 000 y x, = O11, con dicha estrategia decodif. ccarfamos de manera incorrecta x, como 111 . Te : Ma Figura 23> ‘ Rai Fun Fan Tod | urs Al procedimiento del ejemplo 4 suele denominarsele cédigo de repeticién triple 7 Vea también el ejercicio 74 7 DEFINICION Dado un n-vector x, el ntimero de unos (1) en x se denomina pesode x, y se denotame- | liane |x} | i | SAMEEEM «Determine el peso de cada una de las palabras siguientes en B° ' (a) x = 011000; |x| = 2 (b) x = 000001; |x| (©) x = 000000; |x) = 0 (@)x= 101010; |x} =3 . DEFINICION La funcién de codificacién e, de B” a B+, dada por 2s e(b) = e(bjby: ++ By) = Biba += Byer :Sec. 2.1 Intraduccién ala tear de eédigos 123 donde Dey = [2 Silbles par ree si |b| es impar se denomina funeién de codificacion de paridad (mm, m + 1) 0 cédigo de verific de paridad (m, m +1). Si by: = 1, decimos que b, tiene paridad impat y sib, ddecimos que b, tiene paridad par. TR sin = (000) = 0000, €(001) = 0011, (010) = 0101, e100) e(101) = 1010, e(110) = 1200, e(1t)= 0110, e111), ree = 0. el eddigo de verificacién (3, 4) produce las palabras codificadas, Si el canal de transmisién transmite x = 101 de BY como x, = 1011, el peso de x, es Isi)= 3. Sin embargo, como |101/ = 2 y x, tiene paridad impar, sabemos que ocurrid un ‘numero impar de errores (al menos uno). Sila palabra recibida hubiera sido x, = 1010, Ixi] = 2 y x; tiene paridad par. En este caso, no pademos concluir que la palabra cédi 20 esté libre de extores. 2 Observacién El cédigo de verificacién de paridad (¢m, m + 1) detecta un mimero imper de erores, pero no detecta un nimero par de errores. A pesar de esta limitacién, este cédigo se utiliza con mucha frecuencic, Términes clave Mensaje Palabra de cédigo (0 palabra codificada) Funcién de codificacién de patidad Palabras Deteccién de ko menos errores (om, m + 1) fo e6digo de verificacion Ruido Funcién de codificacién para detectar de paridad (mm, m + 1)] Funcién de codificacién Puncién de endificacién (m, n) doble error Funcién de codificacin para detectar un solo error Todas las operaciones arimeicas de esta seein eben relic 6) La func eos inyscna? Si a0 J es, determine dos arse por medio de aritmética binaria. vectores diferentes by cen B°, tales que e(b) (€). i 7 (b) Determine mai. de manera que e pueda tie 1. Seaela funcicn de BY a B dads por como Una transformacién matricial en Ja forma e(bibyb3) = bybybab,, donde by = by + by 7 (a) La Funién ee inyeatva? Sn oes, determine dos B vectores diferentes by ¢ en B°, tales que e(b) = e(c), 0. (b) Detemine la mati Ado manera que pce cae ; : como una vatsformacicn mail en I forma 3. Sea la funcin de Ba 5 dada por tb, abs) = bbs oy ft (ca nin cei So oe, tent dos ethbiny =a] hy} =| Yectores diferentes by een BP tales que e) =e) ns] [es (b) Determine a matiz A de manera que e pueda esti > come una tansformacién matricial en la forma 2 Sea. le funcign de BY 2B dada por 7 etbibyb) = babab, corinr =a] 5) = [Ph] donde by = 0 be a124 Capitulo 2 Aplicaciones de ecuaciones lineales v matrices (opcional) 4, Sea eta funcidn de B? a B* dada por eb yby) = bybabs, donde by = by x bp (a) {La fancién ¢ es inyectiva? Si no lo es, determine dos vectores diferentes b y en BP, tales que e(b) = e(e), (b) Determine, si exist, la matriz A de manera que e pueda eseribirse como una transformacién matricial en la forma b tino = alee -| b ] Bixby ‘5. Determine el peso de cada una de las palabras siguientes. (@O1110— (@) 10101.) 11000 (06010 {6 Determine el peso de cada una de Ins palabras dads. (a) 101 @iL —— @oL ou Ejercicios tedricos ‘Tul. Determine el nimero de palabras con peso cero en eon peso uno; con peso dos. ‘T2, Determine el niimero de palabras con peso cero en B°, ‘con peso uno; con peso dos; eon peso tres. ‘TA, Determine el mimero de palabras con peso uno y con peso des en Bt. ‘TA, Sea e una funcidn de codificacion (m,n) que detecta k 0 ‘menos errores. Decimos que e produce un cédigo de co- rreccién de error. Un cédigo de correccién de error es Tinea! si ta suma (o diferencia) de cualesquiera dos pala bras edigo es tambien una palabra cédigo. (a) Demuestre que el esdigo de correccién de error del ejemplo 4 es lineal. (b) Demuestze que el cédigo de correecitin de error del ejercicio 11 es lineal 7. Determine ta paridad de cada una de las palabras siguien- tesen Bt (@) 110i 00110100.) 0000 8. Determine la paridad de cada una de las palabras siguien tesen @ONOL — 00011 @OOo10 ALLL 9, Se utiliza un cédigo de verificacién de paridad (4, 5) y se reciben las palabras siguientes, Determine si se detectanfa (@) 10100 @)0101 110 —_@ 10000 10, Se utiliza un cédigo de verficacién de paridad (5, 6) y se reciben las palabras siguientes, Determine sise deteciaria (001101 (b) 101110 (@) 110000 @ 1N1910, 11. (2) Determine las palabras cédigo para el cédigo de verifi- ccacién de paridad (2, 3). (0) Determine si se detectaré un error al recibir cada una de las palabras siguientes, @ou Gm (010 Gy 001 TS, Sea la fancién de Bs dada por la transformacin matricial siguiente: elbnby (@)_ Determine todas ls palabras o6igo. (b) {Este eédigo os lineal? (©) Como todas ls palabras e6digo tienen la misma paridad, si ulizaramos una verifieaci6n de paridad sobve Ia palabra que se recibe, esta verificacién p, « Requisito. Anilisis de la veccién 1.4, Propiedades de las operaciones con matrices La teorfa de gréficas es un érea relativamente nueva de las mateméticas, que se utiliza ‘ampliamente para formular modelos de muchos problemas en los negocios, las ciencias Sociales y las ciencias fisicas. Estas aplicaciones incluyen problemas de comunicacién y elestudio de orgenizaciones y estructuras sociales. En esta seccién presentaremos una muy breve introduceién a Ia materia, que ineluye su relacién con las matrices y la forma. de emplear estos conceptos elementales para elaborar modelos de algunos problemas importantes. GRAFICAS DIRIGIDAS Las gréficas dirigidas (conocidas también como digraficas) son conjuntos finitos de puntos Py, P2,.... Pp Hamados vértices o nodes, junto con conjuntos finitos de arcos {aristas o lados) dirigidos, cada uno de los cusles une un par ordenado de véstices dis- {intes. De acuerdo con lo anterior, la arista dirigida P,P, es diferente de la aristadirigi- da PyP;, Observe que en una digréfica podria no haber una arista dirigida del vértice P, a alguno de los otros vertices, y viceversa. Por otto lado, ninguno de los vértices de una dipritica puede estar unido a él mismo por medio de una sola arista drigida, pero sf mediante otros vértices, Expresamos esta propiedad diciendo que no hay bucles (0 1az0s). Ademés, supondremos que no hay aristas dirigidas miltiples que unan a cuslesquiera dos vertices. La figura 2.4 muestra cuatro ejemplos de grificas dirigidas. La digréfica de Ie figura 2.4(a) tiene vertices, P{, Py y Pas ¥ arstas disigidas, P,P, y P2P3; la digrifica de la figura 2.4(b) tiene vértices P;, P>, Ps y Pa y atistas dirigidas P,P, y P,Ps; la digrifica de 4a figura 2.4(c) tiene vértices Py, Pp y P3 y aristes ditigidas PyP>, PyPs y PsP; Ja di- srifica de la figura 2.4(¢) tiene vértices P,, P, y Ps y aristas drigidas P3P,, PyPs, PP, y PsP. Un par de aristas ditigidas como P:Ps y PsP, se indican por medio de un seg mento recto 0 curve con una flecha de doble punta, P <> Py a K 7 on fo i aN LL) Pate Py © @126 Capitulo 2 Aplicaciones de ecuaciones lincales y matrices (opeional) DEFINICION Paver Pe Figura 2.5 4 Gia Par! 1 Figura 2.6 & Si Ges una digrafica que tiene» vértices, la matriz A(G) de n x n, cuyo elemento i, j es I si existe una arista dirigida de Pa P; y 0 en caso contrario, es la matriz.de adyacencia de G, Observe que A(G) no es necesariamente una matriz simétrica Las matrices A, B, Cy D son, respectivamente, las matrices de adyacencia de las digré- ficas de la figura 2.4 (verifique). POP PS Pa PoP Ps : . ; apo rey Ahh 8 | A=P]0 0 1 B=) pete Py 0 0 7 7 nlo oo 0 POP PS PoP Py ato 14 rafout c=m)o0 0 0], D=mlo o 1 pli oo PmLi oo 0 Por supuesto, a partir de una matriz. dada cuyas entradas son ceros y unos (s6lo hay ceros en las entradas de la diagonal), podemos obtener una digréfica cuya mattiz de adyacencia sea la matriz dada La matiz POPP Apo 1 01 pJo oo 1 4 AG= plo 1 0 1 pRLi o 1 0 sla mata de adyacencia dela digrtica que se muestra en la figura 25. . Una liga de bolche consta de siete equipos: 7), Ta - «Ty. Suponga que después é cierto niimero de juegos tenemos la siguiente situacién: Ty veneié a Tp y Ts, y perdi6 contra Ts; Tz venci6 a Ts, y perdid contra Ty y Ts Tavenci6 aT, y Ty perdi contra Ty, Ty venci6 a Ty, y perdi6 contra Ty; Ts perdi6 contra Ty y To Te n0 ha jugado; Ty vencid a Ts Con la informacién anterior obtenemos la digréfica de la figura 2.6, donde 7) 1) nifica que J; vencié a 7}. . Las digréficas pueden utilizarse en muchas situaciones, incluyendo problemas d& comunicaciones, relaciones familiares, estructuras sociales, mapas de calles, diagrams de flujo, problemas de transporte, circuitos eléctricos y cadenas ecolégicas, Tanto en is siguientes pdginas como en los ejercicios analizaremos algunos de estos casos. -127 MODELOS EN SOCIOLE Suponga que tenemos 7 individuos Py, P, Py algunos de los cuales tienen rela in entre sf, Daremos por sentado que ninguno de ellos tiene relacién consigo mismo, Algunos ejemplos de estas relaciones son: 1. Py tione acceso a P, En este caso, puede suceder 0 no que si P; tiene acceso a P, también P, tenga acceso a Py, Por ejemplo, muches teléfonos de emergencia en His autopistas permiten que el viajero lame a una estacién de auxilio cercana, pero no ue a estacién se comunique con el viajero. Este modelo se representa mediante una dligrética G como sigue. Sean P), Pa, ...., P, los vertices de G; tracemos una arista dirigida de PP si P; tiene acceso a P; Es importante observar que esta relacién no necesariamente es transitiva. Es deci, P; puede tener acceso a P; y P; pede tener acceso a Pi, pero no necesariamente P, tiene avceso a Py 2. Pyinfluye en P, Esta situacion es idéntica ala del punto 1: si P influye en PP; por dria influir en P;, pero no nevesariamente, 3. Para cada par de individuos P,, P,P, domina a P;0 P; domina a P, pero no es pox sible que ambos sean dominantes, La gréfica que representa esta situaciGn es la di- arfica completa con vertices. Tales gras suelen denominarse gréficas dirigidas (0 digrificas) de dominaneia, LSLEMISECEES — Suponga que seis individuos se han reunido en sesiones de terapia de grupo durante mucho tiempo, y ef moderador, que no es parte del grupo, ha trazado la digrstica G de la 7 figura 2.7 pata describir las relaciones de influencia entre ellos. La matriz de adyacen- de Ges ; PLP, PL Ps Pe Pe on . Aro o 0 O 1 oO BAe PR)O 0 0 4 1 0 A Bll 1 0 0 4 0 A= p10 1 001 0 re B)0 0 0 000 BLO 10 100 Figura 2.7 4 Al observar las filas de A(G), vemos que Ps tiene tres unos (1) en su fila, de modo ue Ps influye en tres personas (mas que cualquier otro individuo). En consecuencia, Ps soria declarado lider del grupo. Por otto lado, Ps no influye en persona alguna del ‘grupo. = Considere una red de comunicacién cuya digrifica G se muestra en la figura 2.8. La mae ttiz de adyacencia de G es on PPL PP PsP A rafo oo 0 1 0 Ds P}o 0 0 0 41 4 n Lo AIG) = Pyt to 0 1 0 Figura 28 a BJO 10 011 P Plo 10 001 PLI Oo 100 0128 Capitulo? Aplicaciones de ecusciones lineales y matrices (opcional) ees Elwaters Aunque la relacién “P; tiene acceso a Pj" no es necesariamente transitiva, podemos hablar de un acceso en dos etapas, Decimos que P; tiene acceso en dos etapas a P;, 5 encontramos un individuo P; tal que P; tiene acceso a P;y P; tiene acceso a Py, De ma nera similar, P; tiene acceso en r etapas a Py si podemos determinar r — 1 individuos Phyovaes Pgs tales que P; tiene acceso P;,, Py, tiene acceso.a Pps... Phy tice ne acceso a Pj-1. ¥ Pj tiene acceso a Py. Algunos de los r + 1 individuos Pi, Pyissoey Pays Pa pueden ser iguales. A pattir de Io anterior es posible establecer el siguiente teorema, cuya demostra- ci6n omitiremos. Sea A(G) la matriz de adyacencia de una digréfica G, y sea B, la t-ésima potencia de AG: [AY = on Py r Entonces, el elemento i, j de B,, b\) es el niimero de formas en que P; tiene acceso a Py en retapas. a La suma de los elementos de la j-ésima columna de [A(G)J’ proporciona el niimero de formas en que P; puede ser alcanzado por los dems individuos en r etapas. Si hacemos AG) + AGP + --- + LAGI feyh oy centonces ¢ es el ndmero de formas en que P, tiene acoeso a P;en una, dos, ..., 0 r etapas. De manera similar, podemos hablar de dominio en r etapas, de influencia en reta- ‘Pas, y asi sucesivamente. También podemos utilizar este modelo para estudiar le propa- gacidn de un rumor. Asf, ey en (1) es el némero de formas en que P; ha propagad el rumor hasta P; en una, dos, .. ., 0 r etapas. En la relacién de influencia, la influencia en r etapas muestra el efecto de la influencia indirecta, Si G es la digréfica de la figura 2.8, encontramos que PL PL Ps Pe Ps Ps o 10004 11 i001 010022 rr 101 2 1o1o01 1 110020 7 PoP PLB Ps Pe Pro 1 0 oO 1 ot Air tro br 2 : Pill 2 0 0 3 2 AG+IAOP = C= py) 2 1 0 2 3 Pfr 1 1 0 1 2 rl2 1 10 2 0 Como eas = 3, hay tres formas en que P, tiene acceso a Ps en una 0 dos etapas: Ps +P, Py > Py Psy Py > P= Ps. . kLDEFINICION Eiwakers See.2.2 Teorfa de grificas 129 izivas, con frecuencia encontramos subconjuntes de personas en los que cuslesquisra dos individuos esta relacionado entre sf. Este es un ejemplo de un clan, término que definimos a continuacién En una digréfica, un dan es un subconjunto § de vértices con las siguientes propiedades: (a) S contiene tres o mas ve (b) Si Piy Pyestén en S, existe una arista dirigida de P; a P;y una arista dirigida de P, aPy (©) No existe un subconjunto T de vértices que satisfaga la propiedad (b) y que contenga a § [es decir, § es un subconjunto maximal que satisface (b)]. Considere la digrafica de la figura 2.9. El conjunto {P), Pz, Ps} satisface las condiciones (a) y (b) anteriores, pero no es un clan, pues no satisface la condicién (c). Es decir, {P;, Ps, Ps} estd contenido en {Ps, Pa, P3, Pa}, el cual satisface las condiciones (a), (b) y ©). En consecuencia, el tnico clan en esta dignifica es {P), Ps. Ps, Py) a Figura 29 4 Figura 2.10 & Considere la digréfica de la figura 2.10, En este caso tenemos dos clanes: (Pi, Po, Ps. Pal y (Pa Ps Po) Ademis, P4 pertenece a ambos clanes. a Es diffil determinar los clanes en el caso de digréficas de gran tamafio. El siguiente método es dil para detectar clanes y puede implementarse con facilidad en una computadora. Si A(G) = [ay] es la matriz de adyacencia le una digrfica, formamos una nueva matriz S = [sy) si ay=ay «en caso contrario, hacemos sy = sj) = 0. Ast, sy = 1 si Py P; tienen acceso uno al oro; en caso contratio, sj = 0. Observe que S es una mateiz simétzica (S = 5")15 Capiivio s ‘Aplicaciones de ecvaciones lineales y matrices fopcional) STEMIERERGR | Considere una digeatica con matriz. de adyacencia Pr Py > P, 0 1 P| 0 1 1 0 Soa Entonces, PLP Ps Pe Ps Pe re fo 0 r/o P| 0 Pld Ps} 1 PLO HeHorce moooee evr ene t 0 1 0 1 De acuerdo con ello, puede demostrarse el siguiente teorema, Sean A(G) la matriz de advaceneia de una digrdfica y § = {sy} la matrie simétrica de finida previamente, con S* = (s;”}, donde { (2), es el elemento i, j-de 8°. Entonces, Py pertenece a un clan siy silo sila entrada diagonal, ° es postiva @ Consideremos brevemente por qué nos interesan as entradas diagonales de S* en el torema 2.2. En primer lugar, observe que la entrada diagonal 4°) de S° proporsiona el niimero de formas en que P; puede tener acceso a si mismo en wes ‘tapas. Si si?) > 0, hay por lo menos una forma en que P, tiene acceso a s{ mismo. Como una digrtica te Hen alse acceso debe pas pr do indus: Pu Py» Pe, A, sj # 0. Pero sy # 0 implica que sy # 0, de modo que P; —» P De mianera similar, cua lsquiea dos eos inividos en (PP 4) een sto uo al ota, Exo significa que Py, Pyy Py perenecen al mismo clan. La direccién opuesta (si ?, esté en un clan, entonces fo > 0) se deja como ejercicio, El procedimiento para determinar un clan en una digrética es e! siguiente. | Paso 1. SiA = [aj] es la matriz de adyacencia de la digrética dada, calculamos la matriz, simétrica S'= [sy], donde y sy = Den caso contrario, Paso 2. Calcalamos $5 = [ 5°? J (3) Paso 3. P; pertenece a un clan si y s6to sis es positive, a FigPPPS BPS Aro 1 1 ot Bll 00 04 AG) =P) 1 0 0 1 0 Plo 1 1 0 0 » a BLI 0 0 0 0 2 Entonces (verfique) POA PB Ps apo 1104 ’, Bl1 0000 S=R/1 001 0 Blo 0 1 6 0 7 7 BLi 0 0 6 0 Figura 2.11 & y ee 03403 3.0010 40020 o1r2o01 300 10 Sec. 22 Teorfa de grificas IEUIRECRRE] Considere ta digrafica de Is figura 2.11, cuya mattiz de adyacencia es 31 Como cada entrada diagonal de S? es igual a cero, concluimos que no hay clanes, Bf BAURECME | Considore la digréfica de ta figura 2.12, cuya matriz de adyacencia es PoP PSB Apo ord P}O oO 1 0 4 > A@ =P} 1 0 0 0 % 4 RlO 0 1 0 \ PLiot 1 0 Entonces (verifique) \ ARR la . a APO oO 1 0 % ALO 0 0 6 . S=Pl1 0 0 0 a a) BLior 1 oo Figura 2.12 a y PoP Ay Pr2 1 3 0 , Bll 01 0 S=Al3 1 2 0 BLO 0 0 0 BLl4 3 4 0 Se reere eT} cornu Voauay Como 11,823 ¥ 955 808 positives, concluimos que P;, Ps y Ps pertenecen a algtin clan: de hecho, forman el dnico clan en esta digrstica132 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional) DEFINICION Figura 2.13 Fis, \ DEFINICION ses Con: remos ahora cl concepto de digréfica (o gréfica dirigida) fuertemente conexa, En una digréfica, una trayectoria (0 eamino) que une a dos vértices P; y Py. es una sy. cesién de vétices distintos Py, Pg Pp, Pe...» Py Puy avitns disigidas P,P,, PeP,, PP. CConsidere la digrfica dela figura 2.13. La sucesién Py» Py > Pa Ps es una trayectoria, La sucesién Py Py—> Py Py-> Ps no es una trayectoria, pues se repite el vértice Pp . La digritica G es fuertemente conexa si para cualesquiera dos vértices distintos P;y Py existe una trayectoria de Pa P; y una trayectoria de P; a P). En caso contratio, G no fuertemente conexa Un ejemplo de una digréfica fuertemente conexa son las calles de una ciudad, En el caso de muchas digréficas, determinar si son o no fuertemente conexas resulta tedioso. En primer lugar, observe que si nuestra digrfica tiene n vértices, el nimero de aristas en una trayectoria de P; a P, no puede exceder m ~ 1, pues todos los vérte cves de la misma son distintos y es imposible recorrer més véstices que los dela digré fica. Si [A(G)J" = [8], entonces 6," es el niimero de formas de ir de P;a Pen r ‘tapas. Una forma de ir de P; a Pjen r etapas no es necesariamente una trayectoria, pues podifa tener vertices repetidos. Si éstos y todas las aristas entre ellos se eliminan, real mente ebtenemos una trayectoria entre P;y P; con no més de r aristas. Por ejemplo, si tenemos Py -+ P2 > Py» Py» P2 > Ps, poems eliminar el segundo vértice P, y todas las aristas entre los vértices Pz, obteniendo la trayectoria Py > P) —> Ps, Por lo tanto, si el elemento i, j- de AGI + (AG)? +--+ aay"! cs igual a cero, entonces no hay una trayectoria de P; a P; De acuerdo con lo anterior, siguiente teorema, la mitad de cuya demostracién acabamos de bosque, proporcio na un criterio para las digréficas fuertemente conexas, Una digrafica con n vertices es fuertemente conexa si y solo si su matriz de adyacencia A(G) tiene la propiedad de que la masriz, (AG) + AGP +--+ (Aa no tiene entradas iguales a cero. . LeSec. 2.2 Teoria de graticas 133 re El procedimiento para determinar si una digréfica G con n vertices es fuertemente conexa es el siguiente Paso 1. Si A(G) es la matri2.de adyacencia de ta digeéfica, calealamos AG) + AGP +--+ A@y =e, Paso 2, G es fuertemente conexa si y s6lo si E no tie entradas iguales a cero, BRT sitet diiicn da igure 2.14 La muted ayacencinen PPP Pe Ps PPO 1 0 4 0 BLO 0 1 1 0 AG) =P}O 0 0 1 1 Plt O 1 0 0 RLO 1 0 1 0 Entonces (verifique) PPL OB OP Ps ATS 5 7 10 3 PIS 4 8 10 3 AGHAGP HAGE HAG =E= P| 5 4 7 10 4 BLS 4 7 0 4 PLS 5 7 WW 3 Figura 2.14 & ‘Como todas las entradas de E son positiva, ladigréfica dada es fuertemente conexa, = Este enfogue sirve, por ejemplo, para rastrear la propagacién de un contaminante en un grupo de individuos; si hay una trayectoria de P; a P, el conterinante puede pro- pagarse de P;a P, lecturas adicionales Brce, C., The Theory of Graphs and Its Applications, Nueva York: Dover Publica: tions, 2001 Busacken, RG. y EL. Saaty, Finite Graphs and Networks: An Introduction with Ap- plications, Nueva York, MeGraw-Hill, 1965, CitarTraNo, Gary y Lixpa Lesniak, Graphs and Digraphs, 4a. ed., Boca Ratén: CRC Press, 2004, Cutanrranp, Gary y P. ZHANG, Introduction to Graph Theory, Nueva York: McGraw: Hill, 2004, Jotsston, 1B. G. Paice y ES. VAN VLECK, Linear Equations and Matrices, Reading, Massachusetts: Addison-Wesley Publishing Company, Inc., 1966. KoiMan, B. R.C. Busby y S. Ross, Discrete Mathematical Siructures, Sa ed, Upper Saddle River, Nuova Jersey: Prentice Hall, Inc, 2004, Ore, O., Graphs and Their Uses, 2a. ed. revisada, Washington, D.C.: Mathematical As- sociation of America, 1996, TrueAu, R., dntroduction 10 Graph Theory, Nueva York: Dover, 2002. on ay ‘TUCKER, ALAN, Applied Combinatorics, 4a. ed., Nueva York, Wiley, 2002. «seo y a tos134. Capitulo 2 Aplicaciones do ecuaciones lineales y matrices (opcional) Términes clave Grafica dirigida (digréfica) ‘Vertices (0 nodos) Arcos (aristas 0 dos) dirigidos 1. En cada caso, trace una digréfica determinada por ke ratriz dada, 0 1 0 0 0 oo 1 1 6 wir oo o rt 110 0 4 oo Ft o yo4og oo 14 yr 1 0 0 0 1 0 8, 2. Bscriba las malvices de adyacencis de cada una de las digréficas dadas, Ps @ © 3. Considere un grupo de cinco personas, Py, P2, Ps, Pey Ps, que estén encargadas de operar una estacién climato- Logica en una isla remota. Se han observado las siguientes interacciones sociales entre elias P; se lleva bien con Py Ps y Pa, se lleva bien con P) y Ps. Py se llews bien con Pi, P1 y Py Py se lleva bien con Ps, Ps ¥ Ps Ps se leva bien con Py, Trace una digréfice G que describa esta situacién. Escriba Ja matriz de adyacencia que representa @ G. 4, :Cusles de las siguientes pueden ser matrices de adyacen: Cia de una digréfica de dominancia? @ ' 1 1 1 wy |o 0 1 1 1 1 1 ° 3 'S. Los siguientes datos han sido recopitados en un estudio secioldgico de seis personas; ‘Matriz de adyacencia Geiticas (0 digré ‘Acceso en dos etapas len 2s) de dominancia Fuertemente conexa Canter influyeen Stith y Gordon Gordon iafluye en Hones Smith se ve influenciado por Peters Russel se ve influenciado por Carter, Smithy Goslon, u Peters seve influencio por Russell. Jones influye en Carter y Rossel Smith inflye en Jones. Carter so ve influeneiad por Petes Peters inflaye en Jones y Gordon (2) ,Quign itluye sobre més personas? (©) iQuin se ve influenciao por més persones? CConsidere uns red de comunicacién ente cinco indvi- luo, deserita con mattiz de adyacencia AR RP 11 Bm B Py Be Bs 2, Tecook 1 loo o4 oo (2) De cutntas formas tiene acceso P a Py por meio de tun individue? (b} ;Cudl es el nsimero minino de personas por medio de las cuales P; tiene acceso a s{ misma? i 7. Considere la siguiente relacién de influencia entre cinco individuos. Ee Ps itaye en Py Pay Ps Painfuye en Psy Ps Pyinthaye en Py Py Painflaye en Fe ; Ps luye on Pa y Pa Fie bn et (a) Puede Ps infTuir en P; en dos etapas como maximo? (by {De cudntas formas influye P; en Py en exactamente tres etapas? (©) ¢De exsintas formas influye Py en Px en ona, dos 0 tres etapas? En los ejercicios 8 a 10, encuentre un clan —si lo hay— para 1a digréfica con la matriz de adyacencia dada, EE ° 1 1 0 19 1 107 + 1 0 0 0 0 6 0 0 0 1 0 0 *{i 0 0 o 1 4 oi to re ee) oO 1 to 4 a en @)o o 0 1 6 10 0 0 4 o 1 of 6 11, Considere uns red de comunicacién entre cineo individuos, deseritacon la matiz de adyacencia 0 1 0 0 6 9 oO 1 oOo 4 5 0 0 1 0 1 1 0 0 0 oO 1 4 0, (@) GP; puede enviar un mensaje a Ps en dos etapas cuando muche? () 2Codl es ef nimero minimo de etapas que garantizaré ‘que cada persona puede enviar un mensaje a cualquie- otra (que no sea ella misma)? © {Cua ¢s el numero minimo de etapas que garantizaria ue cada persona puede enviar un mensaje a cualgu otra (inclusive ella misma)? 12, Determine si ta digrica con la matriz de adyaceneia dada es fuertemente conexa, 0 14 0 1 0 cy) Eercicios tedricos TA, Demnestre que una digrifica que tiene arstasdirigidas PAP; P,P; no puede ser una gréfica de dominancia Efercicios con Matias En Maras, Los operadores + y * permiten calcular sumas y potencias de una matric, For lo tanto, lor edlculs de las teore- mer 2.2 y2.3 pueden reallzarse fcilmente en dicho software MLI. Resuelva el ejercicio 8 atilizando Marts, ML.2. Determine un clan —si lo hay para la digrica con 1a siguiente matriz de adyacencia Sec.2.3 Creacién de gréficos por computadora 135 0 1 0 0 o o 0 1 0 0 m]i 0 0 0 6 2 0 0 oO 4 Oo 0 1 Fo. 13. Determine sila digréfica con la matriz de edyacencin dada cs fuertemente conexa. Oo Oo 14 ft roo tio ®™lo 1 0 0 9 o 1 001% 11 0 0 9, 0 0 0 9 ¢ oo 1 41 0 ®)o 1 9 0 4 1 0 0 0 6 0 0 0 1 6, 14. Un grupo de cinco acrobatas realiza una pirémide hurmana, fe Ta cual debe haber una trayectoria de soporte entre cua lesquiera dos personas distintas, pues de lo contrario la Pirdmide ceed. En la siguiente matiz de adyacencia, oi) = | significa que P, soporta a Py -ecee 1 1 ' 0 i. Quién puede retirarse de la pirémide sin provocar que és tase caiga? T2, Demwestte el teoreme 2.1 ‘T3, Demuestre el teorera 22. t ° ' 1 0. ML.3, Resuelvael ejercicio 13 utilizando Maras, PE CREACION DE GRAFICOS POR COMPUTADORA Requisite, Leora de la ‘Todos estamos familia da de computadoras en | seccin 1.5, Transtormaciones matriciutes adios con los somprendentes resultados que se logran con ayu- la creacién de grificos destinados a los juegos de video y a los136 Capitulo 2 Aplicaciones de ecuaciones linales y matrices (opcional) EJEMPLO 1 efectos especiales en la industria del cine. La ereacién de grificos por computadors también desempeiia un papel importante en el mundo de la manufactara. Pot ejemplo, el diserio asistido por computadora (CAD, por sus siglas en inglés) se emplea para di. seflar modelos de los productos y luego someterlos (también en computadota) a tne se rie de pruebas para, finalmente, implementar las modificaciones necesarias @ fin de Jograr un mejor diseo. Uno de los éxitos més notables de este método se ha consewui do en la industria automotriz, en donde los modelos automovilisticos pueden verse des de diversos dngulos hasta encontrar un estilo ms atractivo y populat, asi como verificar la resistencia de sus componentes, su adaptabilidad al camino, la comodidad de sus asientos, la seguridad que oftecen en caso de chogue, etoétera, En esta seccién veremos ejemplos de transformaciones matriciales f: R? + que son iitles en el desarrollo de graficos bidimensionales. Sea f: R°—> R° la tansformaci6n matricial que realiza una reflexidn respecto del ee x (Wes el ejemplo 5 de a seccidn 1.5.) Entonces,fse define mediante flv) = Av, donde ba Por lo tanto, tenemos: fom ELS Para ilustrar una reflexiGn respecto del eje x en la creaci6n de gréficos por compu: tadora, sea Tel trngulo de la figura 2.15(a), con vértices 414, BD y 26). fees nf} eb 8 eee eae o-f ICE woof SIRI mel 1-1) Estos tes productos pueden escribirse en términos de matrices por bleques como “i302 Aly v2 ele [Ei i | En consecuencia, la imagen de T tiene vértices 1-9, G=D y 2-6, como se muestra en la figura 2.15(6). .Sec. 23 Creacidn de grficos por computadora 137 Figura 2.15 » ® MERRIE 2 rsiorosisn maria js 2% qe reaca pe reenén respect de recta y= —xse define mediante. , donde 0-1 5 a=[t 4 Para ilustrar la reflexién respecto de la recta y eel ejemplo I, y caealamos ts productos me sleLt fi? g-[ta 2) Por Io tanto, la imagen de T tiene vértices Figura 2.16 a (4,0, tal como aparece en la figura 2.16. . Para realizar una reflexion respecto del eje x para el triéngulo T del ejemplo 1, se- suida por una reflexién respecto de la recta y = —x, calculamos Bay), BAW) -y BAY). Es facil demostrar que al invertir ef orden de estas transformaciones matticiales se obtiene una imagen diferente (verifique), Esto muestra que el orden en que se realizan lag transformaciones es importante, lo cual es comprensible, ya que la multipicacién de matrices, a diferencia de la multiplicacién de nimoros rales, no satisface la propiedad conmutativa, WBE sens no pio so deren cn eempa 9 de meen 15 Ufa Plana se gira en sentido contario al giro de las manecillas del sel, en un éngulo , por ‘medio de la transformacién matricial f: R? ~> R°, definida por flv) = Av, donde _foos@ —seng a-[ene cons] Ahora suponga que queremos rotar la parsbola y = x? en sentido contratio ales mae necillas del relej, en un 4ngulo de 50°. Primero elegimos algunos puntos de la pardbo- 1a, digamos, (2.4), CID. 0.0),38. Capitulo 2 Aplicaciones de ecusciones linesles y matrices (opeional) f Ivea la figura 2.17(@)]. Luego calculamos las imigenes de estos puntos. De esta mane uF Ch Bh =f ot calculamos Jos productos (con cuatro cifras decimales) (verifique) Ale va vs 4 3] [13 1.4088 0 0.1299 rd 1.0391 0.1233 0 0.5837 8.0832 ‘A continuacién trazamos los puntos imagen (4.3498, L0391), (1.4088, -0.1233), (0.0), (0.1299, 05437) y (—4.9660, 8.0832) y los conectamos para obtener una aproximucién de la imagen de la pardbola, como se itustra en la figura 2.1700), 7 Figura 2.17 » y y E a “1 2 «(0 24 @ » Las rtaciones son particularmente utiles en la obtencién de efectos sofisticados pa ra juegos de video y para demostraciones animadas por computadora. Por ejemplo, part lograr Ia ilusién de una rueda girando, podemos rotar los rayos en un dngulo 4), Tueg0 en un dngulo @, y asf sucesivamente, Sean w= 2] el 2-vector que representa un rayo de la rueda, y f: R? > R? la transformacién matricial definida por fv) = Av, donde cos@) — sen 8 a=[E8, co] y sea g: R? > R° a transformacion matricial definida por g(v) = By, donde oe [ene Tae senéy cos: La sucesién de rotaciones del rayo u se representa mediante 8(f(w)) = g(Au) = Beau).EE Figura 2.18 » See.23 Creaciin de grificos por computador 139 El producto Au se realiza primero, y genera una rotacién de u en un éngulo 8); Iuego el producto B(Au) genera la segunda rotacién. Tenemos B(Au) = Blaycol,(A) + a2col:(A)) = a,Beol(A) + apBoolx(A) ¥ la ima expresién es una combinacién lineal de [os vectores columna Beol,(A) y Bool,(A), que podemos escribir como el producto [Beots(A) Beoks(A)] [e] ‘Con base en la definicién de multiplicacién de matrices, [Bcol\(A) Beol,(A)] = BA, asf que tenemos Blau) = (BAyu. Esto indica que en lugar de aplicar ea sucesidn las transformaciones, es decir, fsegui- a por g, podemos obtener el mismo resultado formando el producto matricial BA y uusdndolo para definir una transformacién matricial sobre los rayos de la rueda. Un inelinaeién (0 corte) en In direceién x es la tansformacién matricial definida por donde kes un escalar. Una inclinacién en la direceién x lleva el punto (x,y) hasta el pun- 'o («4 Je; y). Es decir, el punto (x, y) se mueve en forma parafela al eje x, en una cane Tidad ky, Consideremos ahora el recténgulo R, que se muestra en la tices fw ura 2.18(@), con vér 0.0), 2, 40) y (4,2), Si aplicamos la inclinacién en Ia direcci6n x con k = 2, la imagen de R es el paralelogramo con vértices ©.0, 42, 4.0) ¥ &2, ‘al como se ilustra en la figura 2.18(b). Si aplicamos la inclinacién en la direceién x con = ~3, ln imagen de R es el paralelogramo eon vertices (0,0), (-6.2), 4,0) y (~2,2), como se muestra en la figura 2.18(C). En el ejercicio 3 consideraremos inclinaciones en Ja diteccién y a140 Capitulo 2 Aplicaciones de ecuaciones lineal y matrices (opcional) EJEMPLO'S Lecturas adicionales __ En los ejercicios que se plantean al final de la secein, se consideran otras trans. formaciones matvciales uilizadas en la creacion de graficas bidimensionales por comp. tadora. Para un andlisisdetallado de este tema, consulte la bibliogratfa que se indica a final dela seccién, En los ejemplos 1 y 2 aplicamos ta transformacién matricial a un tidngulo, figura «que puede ser especificada si se tienen sus tres vértices. En el ejemplo 3, la figura que fue transformada fue una parabola, que no puede especificarse con un mimeo finito de puntos. En este caso, se opts por un cierto niimero de puntos de la pardbola para apro. ximarse a su forma y se calcularon las imagenes de estos puntos aproximativos que, juntos, dion una forma aproximada de la imagen de la figura. Sea f: R? > R? la transformacién matricial definida por /(v) ho bd] con hy diferentes de cero. Ahora suponga que deseamos aplicar esta transformacicn ‘matricial a una circunferencia de radio | y centro en el origen (la eircunferencia unit via), Desafortunadamente una circunferencia no puede especificarse mediante un nlimero finito de puntos. Sin embargo, cada uno de los pantos de la circunferencia unitaria se describe mediante un par ordenado (cos 8, sen 4), donde el Angulo @ toma todos los valores de 0 a 2x radianes. En consecuencia, ahora podemos representar un punto arbitrario en Ia cirounferencia untara mediante el vector w = Es Ay, donde las imagenes de la circunferencia unitaria que se obtienen mediante la aplicacién de fa transformaci6n matricial f estén dadas por romane[s &] [emi] [iSod]-E] Recordemos que una circunferencia de radio 1 y centro en el origen se deseribe mediante la ecuacion Faye Segcin la identidad pitagérice, sen? @ + cas? @ = J. Por lo tanto, los puntos (c0s 6, sen ®) estén en la citcunferencia unitaria. Ahora queremos obtener una ecuacién que des criba la imagen de la circunferencia unitaria, Tenemos x =hoos@ y De acuerdo con lo anterior, que es la ecuacién de una elipse. Esto muestra que Ja imagen de la circunferencia unitaria obtenida mediante la transformaci6n matricial f, es una elipse con centro en el or gen. Vea la figura 2.19, . Fouey, .D., A. van Dam, S.K, FEINEs, LR. HuoHEs y R.L. PRILLIPS, Introduction 10 Computer Graphics, 2a. e4., Reading, Massachusetts: Addison-Wesley, 1996F Sec. 2.3. Creacién de grticos por computador 141 Figura 2.19 » O— Cireunferencia uniter Elipse ‘MORTENSON, MLE, Mathematics for Computer Graphics Applications, 2a. ed., Nueva ‘York: Industrial Press, Inc., 1999, Rogers, DF y JA. Apaws, Mathematical Elements for Computer Graphics, a ed, Nueva York, McGraw-Hill, 1989, Términos clave CCrescidn de gréficos por computadora Reflexién Dilatacién Disefio asistido por computsdora (CAD) Rotweisn Contraccién Imagen Inclinscidn (corte) A, Seas: R? — Rta transformaciGn matricial defi JS) = Ay, donde 5. La transformacién matricial f F() = Av, donde 1 _fe 0 a-[a g} aff i} ¢ fs un nme eal, yuna dilation en direc xs &> 1s yesuna contnccin en deweont 10 oe 1 Si Res et cuadrado unitario y si festa dilatacin en direo- ci6a con k = 2, determine y basqueje la imagen de R sto es, es una reflexidn respecto del ej y. Determine y bosqueje la imagen del recténgulo R con véstices (1, 1), QD.G99G,%, 2 Sea Rel ecténgulo von vértices (L, 1), (1,4), 3, Ny - G, 4), Sea le inctinacisn en direccion x con k= 3, Determine y bosqueje la imagen de . [La transformacién matricial /: R? + ? definida por £0) = Ay, donde 10) ou ¥ es un atimero real, ¢s una dilatacién en direceién y sit > 1, yes una contraceién en direcetén y si 0 < k <1 ‘Si Res el cuadrado unitario y Fes la coniraccién en direc- 3 Una inclinacién (0 corte) en direcetén y es Ia transforma: ign matricial f: R? > 2, 1 kes un escolar. Sea Rel rectingulo que se detinis en ion ycon k= 5 determine y boxqucje la imagen ef el ejereicio 2, y sea fla inclinaciGn en direeciGn » con 7. Sea el tiénguo con véaies (5,0), (0,3) y 2,1), Deter f= —2, Determine y bosqueje la imagen de R. ‘mine las eoordenadas de ls vérices de la imagen de Tajo 4 La tanstormaciGo matricial f:R? + dein por Ja wansforocin mac, defini por $(0) = Av, donde 24 k oo fOy= [ 3 Hl 7 oe -¥ kes un nuimero zeal, se denomina dilataeién si k > Ly 8. Sea Tel tridngulo con vértices (1, 1), (3, -3) ¥ 2,1). ‘ontraccin si0 < & < 1. En consecuencia la iltacisn ee Determine las coordenadas de los vétices de a imagen do | trun vector, mientras que la contaccién Io comprime. 81 bajo la tansformacién matical definide por 6 el ectingulo que se definié en cl ejercicio 2, determine y | osqueje ta imagen de R para 43 | Went wba so=[ J.142. Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opeional) 9, Sea fla rtacidn en sentido contraio a las maneciliag del reloj y en un dngulo de 60°. Si Tes el triingulo definido on elejercicio 8, detenmine y dibuje la imagen de T bajo f 10. Saf toe ease el ey enfin Seieztadanen Dems el relay eel mois ego nose mo gue ale pine luego fa, us. Sa ems |! 2 4 en el ejericio 8. Describa la imagen de T bajo la transfor- anacién matricial f; R? — R° definida por fv) = Av, | ¥y Tel tiingulo definido 12. Sea fla tansformacién matricial definida en el ejemplo 5. Determine y dtu ln imagen dal restangulo con vertices (0,0), (1, 0, 1, Dy ©, 1) parah =2y k= 3. 13, Seaf: R2 > R2 la ranstormacion matricial definida por F(¥) = Av, donde a-(h 7. Determine y dibyje la imagen del rectingulo definido en el ejereicio 12 En los efercicios 14 y 15, sean fi fo, fx ¥fs las siguientes irans- formaciones matriciales: ‘fis rotacin en sentido contrario a las manecillas del reloj, en un digulo fy: reflesisn respecto del eje x ‘fs: rotacin respecto del eje y ‘fa: rotacin respecto de ta recia y= Ld, Sea $ el cuadrado unitai. Determine dos maneras distintas de wilizar las twansforma- ciones matriciales anteriores sobe $ para obtener Ia imagen dada, Puede aplicar en suceston més de una transformacién ‘matricial. @ ‘ o) y Determine dos maneras distintas de empleas Tas transforms ciones anteriores sobre S para obtener Ia imagen dada, Pue- de aplicar en sucesion mas de una transformacién matricial, @ « 7 le ” iFjercicios con MATLAB nesta seccién se analigaron las transformaciones matriciales on finciones, cusa entrada y solida son veetores relacionados sporsnedio de una muliplicacién matricial: fle) = Ae. La entra. lice puede ser 1 solo vector 0 una coleccidn de vectores que represent una figura u objeto. (Observe que podemos visuali- tar los veetores Como puntos, y viceverse,) Uno teansformacién matricial de R" aR" suete denominarse transformacién 0 ape. En los efemplos geométricas de esta seccin se tom A como una marriz de 2 x 2, para poder mostrar féelimente la salido 0 resultado, es decir Ia imagen. En los ajerccios siguien- res continuaremas esta prdctica, y utiltearemos MATLAB para consrui grficas de las imdgenes. Las rutinas de Matias uilicades en estos efercicios te dan la oportunidad de adquirir experiencia mediante la visualizacién de transformactanes matricial. Enos ejercicios ML1 @ MLA, utlice la ratina de Mantas, Imatrixtrans para generar ilustraciones y capacidades expert imentales odicionales. Escriba help matrixtrans en Matas, y leq la breve descripcién. Para iniciar esta rutina, escritaa ma ristrans. En la parte inferior icquierda esté la Comment Win- dow (Ventana de comentarios), que le proporcienardé insocciones sobre los pasos para usar esta rutin, MLA. Seleccione el ‘Object’ Circle (Cizculo) haciendo clic en, ls palabra. Vea Ia ventana de comentarios; luego hage clicen el bot6n View. En la pantala de visualizacién parecer (a circunferencia unitaris en el conjunto de jes ala inquierda, (@ Haga clic en el botén MATRIX, y luego ingrese la matiia Os 0 01 escribiendo (0.5 0;0 1]; al terminar presione Enter (intro). Haga clic en el borin MAP IT para vee la imagen de la circunferencia unitaris determinada or La mati A (b) Haga clic en et bown Composite y luego en et bo- ‘én MATRIX que se desplegars. Ahora vaeivat in ‘woducir la matte 0.5 0 O14 (ovutilice la fecha hacia arriba pars tener acceso a la pila de comands para encontrar esta matrz) luego haga clic en MAP IT. (6) Eseriba una breve descripcida de las acciones reali= 2zadas por las transformaciones matiiciales nos ineisos (a) y (6) Si aplicamos este misma transformaciGa una terce- 1 vez, gen dinde estar la imagen, en relacién con Ja figura actual? ML2. Uicic matrixtrans; o, si ya esté usando lg ratina, haga licen Restart) Seleccione el “Object” Square (Cus- 4rado), haciendo clic en la palabra. Vea la ventana de comentarios. Luego haga clic en el botén View. A ML3. MLA. Sec. 23. Creaci6n de grificos por computadora 143 ccontinuaci6n aparecerd el cuadrado unitario en el conjunto de ejes ais inquierda, (a)_Atora haga clic en et botén MATRIX, ¢ introduzea 20 rami A [Sprint 2 00 presione Enter. Haga clic en el botén MAP IT para ver la imagen det cuadrado unitario determinado por la matriz A. {Cul es el rea de la imagen? (b) Haga clic en el botén Composite y luego en el botén MATRIX que se despliegs. Esta vez ingrese la matic Lo otf y haga clic en MAP IT. gCudl es el dtea de la ims- ea compuesta? © Si y primera imagen) (primera imagen) = imagen compoest, En consecueneo, tenemos £8(F(cuadrado unitano)) = BtA(cuadrado uitario)) = imagen eompuesta Cateue fa matriz AB y explique ebmo se relaciona el resultado de esta composicién con el cuadrado unitaro. nicie matrixtrans; o, siya esté usando ta rutina, hega clic en Restart.) Seleccione el'Objeet’ House haciendo clic en a palabra Vea la ventana de ‘comentarios. Haga clic en el botén View, A continuacién parecer la casa en el conjunto de ees 2 Ia izquierda, (@) Haga clic en el botGn Grid On. Calcule el drea de 1a casa, Utilice una transformacién matricial que sca uns inclinacion en direccién x, con k= 1 (vea el ejemplo 4), y muesere la imagen. ;Cusl es et frea de la imegen? {Como se relacicnan las éreas”? (b) Haga clic en el botdn Restart. Seleccione una vez ings ia casa. Utilice una transformaci6n matricial que produaca una inclinacién en direceién x con = 05 (vea el ejemplo 4), y muesire Ia imagen. {Cua es el Srea de la imagen? (©) Haga clic en et bot6n Restart. Selecsione otra vee la ‘asa, Utilive una transformacin matical que pro- Ahora podemos aplicar estas ideas, y los métodos para resolver sistemas lineaes 4 la resolucicn de problemas relacionados con los citcuitos eléctricos. Estos problemas tionen ef siguiente formato general: en un cicuito con baterias, resistencias y cables determinar todos los valores desconocidos de la diferencia de potencial eléctzico en lg baterfas, de las resistencias y de las cortientes, dados algunos valores, suficientes para calcular los valores desconocidos, El siguiente ejemplo ilusra lo dicho en el pérrafo an tetior, para un caso en el cual las incégnitas son las corrientes. La figura 2.21 muestza el circuito de Ia figura 2.20, en el que las bateri tienen los po. tenciales eléctricos indicados, medidos de la terminal negativa a la positiva, y las resistencias tienen los valores sefialados. Fl problema consiste en determinar las corsientes que fluyen por cada segmento del circuito, Primero asignamos ineégnitas para las corrientes en cada segmento del circuito «que comienza en cierto todo y termina en algin otro (sin nodos intermedios). Porejem plo, en Ia figura 2.21, asignamos / al segmento [> a + 6 > c, fyal segmento f-> © [yal segmento c+ d—> e-> f. Ademés, asignamos direcciones arbitratias a ests corrientes, como indican las flechas de la figura 2.21. Si la direccién asignada es co recta, el valor de corriente que se obtenga serd positivo; si es incorrecta, el valor de corriente serd negativo. Este ihimo caso indica, por lo tanto, que la direccién teal del flujo de corriente es justamente la opuesta a la asignacia originalmente. Utilizando la ley de la cortiente de Kirchhoff (Ia suma de las corrientes de entrada es igual a la suma de las comrientes de salids) en los puntos ¢ y f tenemos hth h=hth, o respectivamente, Como estas dos ecuseiones contienen la misma informacién, slo x ccesitamos una de ellas, En geneva, si un cirewit tiene n nodos, la ley de la corvient de Kirchhoff proporcionard nm — 1 ecuaciones ttiles y una ecuacién que es una combine ign lineal de las otras n — A continuacién nos valemos de la ley de voltaje de Kirchhoff. Partimos del panto 4 y nos movemos por la baterfa de (—) a (+) haste el punto 6, de modo que la difere- cia de potencial es +40 V. Al ir del punto b al punto ¢ por la resistencia de 5 ©, se tit ne una diferencia de potencial de ~5/). Ali del punto ¢ al punto fpor la baterfa de 120 y una resistencia de 10 @ se tiene una diferencia de potencial de ~120 V (a lo largo d& la baterfa) y una diferencia de potencial de +10f, (a través de la resistencia), Por il- mo al ir del punto fal punto a no hay diferencia de potencial, En resumen, al aplicatt ley de voltae de Kirchhoff en el ciclo a > b+ ¢ ~» f -> a, obtenemos Tén Bae Resi Cable b Geto keSoc. 24 Cheuitos etéctricos 147 (HB) + (Ryn) + (Ey) + 4 Reh) = 0 (440) + (5h) + (120) + (0h, 0, es decir, 1 2p = ~16. @ De manera andloga, al aplicar ta ley de voltaje de Kirchhoff en el ciclo c+ d—> e > F- 6, obtenemos (Rada) + (FES) + (Rls) + (Roba) + (HE) = 0 (2013) + (4-80) + (—3013) + (— 10) + (+120) = 0, Esto se simplifica a 101, + 50h, = 200, 0 1+ 5h = 20. @) Observe que Ja ecuacién resultante del ciclo de voltaje a> b+ ¢ + d+ e > a se convierte en (HED) + (Ri) + (-Ral) + HED + (-Rgl) = 0 (440) + (Sh) + (-208) + (480) + (30) = 0, To cual se simplifica a 1+ 10 = 24. Pero esta ecuacién es justamente la combinacién lineal Ecuacidn (2) + 2 Eeuacién (3) ¥: por lo tanto, no proporciona aueva informacidn; en consecuencia, es redundante y se puede omitr. En general, un cielo exterior mayor, como a> b c+ d—>e->f>a xno proporciona nueva informacidn si todos sus ciclos interiores, como a —> b> ¢ —» fr aye-+d-> ef c, yahan sido incluidos. ‘Las ecuaciones (1), 2) y (3) conducen al sistema lineal [JEL] Al resolver para Jy, fp € fs obtenemos (verifique) h=-354 bh BA © =275A, El valor negative de 1) indica que su verdadera direcoign es la opuesta a la que se le asigné en la figura 2.21 a En general, en el caso de un circuito eléctrico que consta de baterfas, resistencias y cables, y que tiene n diferentes asignaciones de comtiente, las leyes de volte y corriente de Kirchhoff siempre conducen a n ecuaciones lineales que tienen una tnica solucién, Terminos clave Buena (pilay tencia Cable Ciclo de voltaje Nodo de corrionte Ley de valtaje de Kirchhot? Ley de comiente de Kirchhot?148 Capitulo 2 Aplicaciones de ecuaciones lineales y matries (opcional) En los ejercicios 1 a 4, determine las corrientes desconocidos en el cireuito dado, 7 L 30 a9 oo 28 be a ' 6a + tony ttav 1 1 fe er 3. > he 2g fe 402 fom ® 4 “rm Fje En tos ejrcicios 5 08, determine los valores desconocidas ene 1 eireuito dado 5. esa eee 7 7 1 ov otemvy ete na f 4 4 ra 30 6 a B28 bo 22 ne wad 4 4 k 4 ‘ rr 1 8 se SOA |Bjercicios tesricos ‘TA. Para el siguiente circaito, demvestre que = (ara)! (woe)! donde Sec. 25 Cadenas de Markov 149 Para el siguieme cieuito, demuestre que (ae s(R)« (5)! (at Rep font ote 5 BEI CADENAS DE MARKOV* DEFINICION Requisitos. Lectura de ta seccisn 1.6, Soluciones do sistemas de ecuaciones lineales; tmancjo de conceptos basicos de probabilidad; conocimiento det concepto de limite Consideremos un sistema que esti, en cualquier momento dado, en uno y solo un esta- 4 entre una cantidad finita de ellos. Por ejemplo, el clima en cierta érea puede ser Ia. vioso © despejado; una persona puede fumar 0 no fumar: vamos © no vannos a la escuela; vivimos en un érea urbana, suburbana o rural; contamos con un nivel de ingre. 808 bajo, medio o alto; compramos un automévil Chevrolet, Fordo de alguna ota nian ca. Al pasar el tempo, el sistema puede pasar de un estado a otro, y supondremos que 61 estado del sistema es observado a periodos fijos (digamos, cada dia, cada hore, ee. tera). En muchas aplicaciones conocemos el estado actual dl sistema y queremos pre. decir el que tendré en el siguiente periodo de observacién, o en cusiguicr otto. Con frecuencia podemos predecit, a partir de datos histérios, la probsbilidad de que el sie tems esté en cierto estado particular en determinado periodo de observacida, Las api. caciones que analizaremos a continuaciGn son de est tipo. Una cadena de Markov o proceso de Markov es aquel en el que la probabilidad de gue el sistema esté en un estado particular en un period de abservacién dado, depen: de solamente de su estado en el periodo de observacién inmediato anterior. Supongamos que el sistema tiene n estados posibles, Para cada i= 1, 2,....my cadaj = 1,2,...,1, sea ty la probabilidad de que si el sistema se encucntta en cl es: “dei Andeeeitch Markov (1856-1922) pos a mayor pare de su vide en San Petersburgo, ya qe sp re uabajbs eo el departamento uso de slvicalura Pee estuiantey luego profesor ea la Universidad de San Petersburg, Police Hera, partici en ls protastas conti el égimen zis en la primers dead del siglo 1% Aung estaba ineresado en muchos aspecos del andisis matemstca, s abajo més importer {We conti aestableer las bass de a eos modern dela probebldad. Sos ideas, qu darian gar alo ‘ue hay canceemos como procesos de Marko Ueron matvadas pr el desco de dir una demestracign rigs, ‘se de ay de os grandes nero, y amplirel campo de aplicaciones de esta ley. Tales ens fueron oa Dlcadas en una serie de acolo enre 1906 1912.150 Capitulo 2 Aplicaciones de ecusciones Hneales y matrices (opcional) EEian tado jen cierto periodo de observacion, estard en el estado i en el siguiente; 1 teeibe 1 nombre de probabilidad de transicién. Ademés, fy se aplica a cada periodo; es de Cir, no camibia con el tiempo. Como ty es una probabilidad, debemos tener que Osu (si,js nm). Asimismo, si el sistema esté en el estado j en cierto periodo de observacién, entonces debe estar en alguno de los n estados (ya que también podria permanecer en el estadp Fyen el siguiente, Por lo tanto, tenemos hy thy byl 0 Es comveniente disponer ls probabildades de wansicién como la mati T= {f den x n, llamada matriz de transicién de la cadena de Markov. Otros nombres pa una matriz de transicién son matriz de Markov, matriz estocastica y matriz de pro. Dabilidades. Como pocemios ver, ls entradas en cada columna de T son no negativs 3, de acuerdo con la ecusei6n (1), suman I Supongamos que el clima de cierta ciudad es lluvioso o despejado. Como resultado de tn atnplio registro, se ha determinado que la probabilidad de que se dé un dia Iavioso dey pues de un dia despejado es 1, y Ia probabilidad de que se tenga un dia Thuvioso después cde otro die luvioso es 4. Sea D el estado de un dfa despejado y R el de un da vioso Enonces, la matrz de transici6n de esta cadena de Markov es [i ih ; El ejemplo 9 de la secciGn 1.4 presenta une situacién similar a la del ejemplo 2, {que presentamos a continuacién. 9 R ‘Una empresa dedicada a la investigacién de mercados esté analizando un gran grupo de onsumidores de café, que compran una lata de café cada semana. Se ha determinado ue 50% de las personas que actualmente utilizan Ja marca A, la comprar de mueva la préxima semana, 254% cambiaré a la marca B y 25% preferiré alguna otra. De las per sonas que ahora consumen la matea B, 30% la compraré otra vez la préxima seman, 60% optaré por la marea A y 10% cambiaré a otra. De los consumidores que sctualmente ‘compran otra marca, 30% adquirird de nuevo otra marcala préxima semana, 40% esce- ‘gerd la marca A y 30% cambiard ala marca B. Los estados A,B y D representan la ma aA, la matea B y otra marca, respectivamente. La probebilidad de que una persona que ‘consume la marca A cambie a la marca B es 0.25; la probabilidad de que una persona «que consume la marca B la sign comprando es 0.3, y asf sucesivamente, Por lo tanto, lt mmatriz de transicién de esta cadena de Markov es A BD 0.50 060 0.40] a T=/025 030 00/8 0.25 0.10 0.30) . Ahora utlizaremos fa mattiz de transicin del proceso de Markov para determinat probabilidad de que el sistema se encuentre en cualquiera de los 7 estados en el futurn Pee PEvEne! ‘See. 2.5Cadenas de Markov 151 Sea i pe xe (k= 0) vie el veetor de estado del proceso de Markov en el period de observacién k, donde p!) sla probabitidad de que el sistema se encuenire en el estado jen el petiodo de obser. vacién k. Al vector x, que denota el vector de estado en el periodo 0, se Ie llama vecs tor de estado inicial El siguiente teorema, cuya demostracién omitimos, se demuestra utiizando conceptos bisicos dela teorfa de probabiidad, Si T es la matriz de sransicién de un proceso de Markov, el vector de estado x'**"), en el (k + D-ésimo periodo de observacién, puede determinarse a partir del vector de estado x" en et k-ésimo periodo de observacién, como x 2 yl, 2 - La ecuacién (2) indica que para obtener el vector de estado en el periodo (+1) se mul- ‘iplica la matriz de transicién por el vector de estado en el periodo k. De acuerdo con lo anterior, Mare x2 = 7x0 2 (Tx = 72x x Tx = T(T2 = PHYO, een general, que xO Ty, Esto cs, la matriz de tansicidn y el vector de estado inicial determinan por completo todos los demas vectores de estado, Considere de nuevo el ejemplo 1. Suponga que comenzamos nuestra observaciGn (dla 0) en un dia despejado, de modo que el vector de estado inicial es io |} e-[ Entonces, el vector de estado en el dfa 1 (el dia siguiente al que comenzamos nuestras observaciones) es. oy = pg _ [067 05) 1) _ 0.67 ware HF OI L)-[8 donde las fracciones se han aproximado a dos decimales. Asf, la probabilidad de que no ueva el dia {es 0.67, y la probabilidad de que Ilueva ese dia es 0,33. De manera similar, x— py [067 0570.67] _ fois 033 05] {0.33} =]0.386 0.5] f0.614]_ [o.6o4 0.5] [0.386 |= |0.396 0.5) [o.604]_ [0.603 0.5} [0.396 |= [0.397 0.5] [0.603]_ [0.603] 05] [0.397 |= [0.397152 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional) Siwaters A partir del cuarto dfa, el vector de estado del sistema es siempre el mismo, 0.603 0.397 Esto significa que, a partir del cuarto dia, no Ineve en 60% del tiempo, y llueve 405 del tiempo. ' Consideremos de nuevo el ejemplo 2. Suponga que al iniciar ef estudio vemos que I, marca A tiene 20% del mercado, la marca B tiene 20% del mismo y las otras marcas tienen el 60% restante. Entonces, el vector de estado inicial x es, 0.2 x= ]o2]. 06 El vector de estado después de la primera semana es 0.60 0.40] fo.2) fo.4600" x =Tx% =| 0.25 030 030] | 0.2] = | 0.2900). o10 030} 06} — [0.2500 De manera andloga, 0.50 0.60 0.40 x® =7x =| 0.25 030 0.30] | 0.2900 =| 0.270 025 0.10 0.30} [0.2500] | 0.2190 7 0.50 0.60 0.407] [0.5040] 0.5058 M=7x? = 10.25 030 0.30} | 0.2770 |=| 0.2748 0.2190} | 0.2194 025 0.10 0.30 0.50 0.60 0.40] [0.5058] [0.5055 x = 7x) = 1025 030 0.30} | 0.2748 |=| 0.2747 0.4600] [0. 7 025 010 0.30} [0.2194] | 0.2198, ‘050 0.60 0.40] [0.5085] Fa.sass x9 =Tx = 10.25 030 0.30] | 0.2747 |=] 0.2747 025 0.10 0.30} | 0.2198] | 0.2198 Sosseesse En consecuencia, cuando n crece, los vectores de estado tienden al vector fijo 0.5055 0.2747 0.2198 Esto significa que, a largo plazo, la marca A tendré el control de cerca de 51% del met: cado, la marca B dominaré més 0 menos 27% del mismo y las otras marcas tendrin ls | predileccién del 22% restante, ’ En los dos sitimos ejemplos hemios visto que los vectores de estado convergen ast vector fio cuando e! nsimero de periodos de observacién aumenta. En este caso det ‘mos que el proceso de Markov ha alcanzado el equilibrio. El vector fijo es el vector # estado estacfonario. Los procesos de Markov se utilizan por lo general para determi nar el comportamiento de un sistema a largo plazo; por ejemplo, la parte del meread? que cierto fabricante espera conservar de manera més 0 menos permanente. Por fo to, saber si un proceso de Markov alcanza 0 no el equilibrio es de particular impor” cia. El siguiente ejemplo muestra que no todos los procesos de Markov aleanvan equilibrio, |ae ner nie un eth de do tan ta ne Sev. 25 Cadenas de Matkov 153 DEFINICION DEFINICION Entonces, “Hell Por lo tanto, los vectores de estado oscilan entre los vectores Y no convergen a un vector fijo. 5 ‘Sin embargo, si pedimos que la matriz de transicién de un proceso de Markov sa- sfaga una propiedad razonable, obtenemos una amplia clase de procesos de Markov, tnuchos de los cuales surgen en aplicaciones précticas, que realmente aleanzan el equ librio. A continuacién formataremos con precisién estas ideas, El vector es un vector de probabilidad si w>0(1- O(1l w.conforme nr 00, de modo qe wes un vector de estado estacionari. (b) El vector de estado estacionario w es el nico vector de probabilidad que satisf- ce la ecuacién matricial Tu = w. Demostracion (a) Sea un Yector de probabilidad. Como 7” > A a medida que m —> 00, tenemos T'x > AX.See.2.5 Cadenas de Markov 155 Ahora, ay DP Peay bas $e bax awl @ wep fae] ftom busses tomy, Uy Uy tod Lad Laan tape to tn tale) hayes tan)] Pay mtr trate) | fu uiglxy bate tad Li ues x; +49 +++ <3, = 1. Porto tanto, Px wu (b) Como T* > A, también tenemos que 7"! — A. Sin embargo, rar, de modo que 7”*) > TA. En consecuencia, TA = A. Al igualar las columnas correspondientes de esta ecuaci6n (utilizando el ejercicio’T9 de la seccién 1,3), tenemos que Tu =u, Para demostrar que u es tinico, sea v otro vector de probabil dad tal que Tv = v, De acuerdo con (a), TV wu, y como TV = ¥, tenemos que Tv = v para todo n. Por lo tanto v 5 En los ejemplos 3 y 4 obtuvimos les vectores de estado estacionatio calculando las otencias 7x, Otta forma de calcular el vector de estado estacionario de una matriz. de ‘ransiciGn regular es el siguiente, Segin (b) del teorema 2.6, podemos escribir mu como Tw= tu (hy Du =0. 3) Hemos demostrado que el sistema homogéneo (3) tiene una tinica solucién u que es un vector de probabilidad, de modo que Uy Fie ty = 4) El primer procedimiento para calcular el vector de estado estacionario u de una matiz de transiciGn regular Tes el siguiente. Paso 1. Calculamos las potencias T"x, donde x es cualquier vector de probabilidad, Paso 2. w ese) limite de las potencias Ts. El segundo procedimiento para calcular el vector de estado estacionario w de una mattiz de transici6n regular Tes el siguiente. Paso 1. Resclvemos el sistema homogéneo Gy = Tu = 0" Paso 2. De la infinidad de soluciones obtenidas en el paso I, determinamos una Gni- ca sohucién u, al exigir que sus componentes satisfagan la ecuacién (4) “Este ipo de problemas se estdiaré.con mayor profunidad en el capitulo 8,56 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional) f PEIRCE Consideremos la matriz del ejemplo 2. El sistema homogéneo (3) es (verifique) i 050 -0.60 -0.40] [us 0 -025 070 -030/}u|=]o 025 -010 070} [us| Lo La forma escalonada reducida por filas de la matriz aumentada cs (verifique) 1 0-230 | 0} 0 1 -125 50 0 0 000: 0 Por lo tanto, una solucién es Bil falta donde r es cualquier nimero real, Con base en la mn (4), tenemos der habe 23r-4 125-49 3 o bien, Et 5 ¢ re pay YOK 455 Por lo tanto, 5055 2787 & 2198, e Estos resultados coinciden con los que se obtuvieron en el ejemplo 4 1 6c KEMENY, JOHWG. y J. LAURIE SNELL, Finite Markov Chains, Nueva York, Springer-Ver lag, 1976. Maxi, D.P.y M. THOMPSON, Mathematical Models and Applications: With Emphasis ot be the Social, Life, and Management Sciences, Upper Saddle River, Nueva Jersey, Prent: ce Hall, 1973, Rowexts, FRED S., Discrete Mathematical Models with Applications to Sociat, Biolog: cal, and Enviromental Problems, Upper Saddle River, Nueva Jersey, Prentice Hall i997 _ | ' renines clave Cadena de Markay (0 proceso de Markov) Vector de estado >robabilidad de transicién Vector de estado inicial Mattia de wansicign (matriz de Markov, Vector de estado estaciorario ‘matrz estocistica o matriz de probabilidades) Equilibriover son nt ogi fall, de las siguientes pueden ser matrices de transicién e un proceso de Markov’? 02 03 ow {03 oF ofa tal 0) [s 03 7] 00 02 2, 03 04 02 © (083 ca] 02 00 08 al 03 06. 2 {Cudles de los siguientes son vectores de probabilidad? il. En los ejercicios 3 y 4, determine un valor para cada entrada Jeltance, denotada por CI, de modo que la matriz sea la matriz de transicién de una cadena de Markox. En algunos casos puede haber mas de una respuesta corvecta O 04 ox 02 01 03 3/03 Q 05} 4/03 oO O05 aoa cog 5. Considere la matriz de transicién 07 oa 03 06 69 81° =[! ate. yu cine decimales, (©) Demuesire que T es regular y eneuentre su vector de estado estacionario, @ Gogo ewan r 6 Considere la maiz de wansicién 0 02 oo © 03 03 105 oz. Uh eatcule x'®, x y x°) con tes cifras decimales. () Demuestre que 7 es rezular y encuentre su vector de estado estacionato, () Si x® 7. {Cudles de las siguientes matrices de wansividn son regulaues? @ ik ] Co) oo See. 2.5 Cadenas de Markov 187 @)o f af @ $0 8. Demuestre que cada una de las siguientes matrices de tat sein alcanca un estado de equilitio, : > of} ‘I op! a 03 01 OM @/02 04 00 05 05 06. (3) Damuesre que 7 0s regulr 0) Demueste que P+ |] aa cuter vector probabilidad x En conestenia, una cadena de Mar. ov puede tener un nico vector de estado estacionario, ‘unque su matriz de transicién no es regular 10. Determine el vector de estado estacionario para casa una de ias siguientes matrices regulares. (03 On | o@ 3] 04 40 OF @o2 os o3 04 05 06, Bare 11. (Psicologia) Un psieslogo det comportamiento coloca to- {dos Jos dias una rata en una jaula con dos putas, A y B. [La rata puede pasar por la puerta A, en euyo caso recibir ‘un chogue eléctrico, o por la puerta B, con lo eual obtiene cierto alimento. Se registra la puerta por Ja que pasa la rata, Al inicio del experimento, un lunes, Ia rata tiene la misma probabilidad de paser por la puerta que pot la pucria B. Después de pasar por I puerta y recibir una descarga léctrica, la probabilidad de volver a pasar por la misma Puerta al dia siguiente es 0.3. Después de pasar por la puer= ta By recibir alimento, a probabilidad de pasar por la misma puerta al dia siguiente os 0.6, (a) Bseriba a matrz de transicisn para el proceso de Maskew, (b) Castes la probabilidad de que la rata vuelva a pasar Por la puerta A el jueves (el tercer dla después del inicio del experiment)? (©) (Cudl es el vector de estado estacionario?18 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional} + (Negocios) El departamento de susctipciones de una revis- ta envfa cartas a una enorme fista de correos, invitando a Jos destinatarios a suscribise. Algunas de las personas que recibieron la carta ya estaban susertas,y otras no. De la Iista de correo, 60% de las personas ya suscritas se suscri- birin de nuevo, mientras que 25% de las no suscritas lo hard a) Escriba la matriz de transicién para este proceso de Markov. (b) Al enviarse la ltima carta, se determiné que 40% de quienes la recibieron ordenaron una suscripcién. ;Qué porcentaje de las personas que reciben Ta cana actual se espera que pidan una suscripcién’? = Sociologia) Un estudio ha determinado que la ocupacién de un nifio, cuando sea adulto, depende de la ocupacién de su padte y esté cada por la siguicnte mattiz de transici6n, donde P = profesional, F = agricultor y L = obrero. mor EPS 8) © lor 02 06. En consecvencia, ls probablidad de que el hijo de un profesional trubign sea wn profesional es 0.8, y asf sucesivamente. (a) {Cuél es la probsbilidad de que el nieto de un profesional también sea un profesional? (b) A largo plazo, zqué proporciéa de la poblaci6n se dedi- cara la agricultura? + (Genéiica) Considere una planta que puede tener flores ro- Jas (R), rosadas (P) 0 blancas (W), segin los penotipos RR, RW y WW. Al cruzar cada tno de estos genotipos con un _gerotipo RW, cbtenemes la matriz de ansicién Flores dela planta madre RP OW DS 028 00 Pooresdeta 8 ienanse, —P [2S 050 OS Pat tf: 025 05, ‘Suponga que cada generaci6n posterior se produce eruzan do sélo con plantas del genotipo RW. {En qué momento alcanza el equilibrio el proceso?, ,qué porcentaje de las plantas serd de flores rojas, osadas o blancas? 18. (Transportecolectivo) Un sistema de transporte colectivo crn chip Ls ae dishes She qe pc pee egos ling muni ano ly Sache nay re we feo (3 3] Atosiguene Suponga que Ia poblacién del frea permanece constante y ‘que al principio 30% de a gente se traslada en el anspor: colectivo y 70% en automévil (@) (Qué porcentajo utilizar el sistema de transporte co- Tectivo despues de un aito? ;Después de dos aos? (1) {Fin ol largo plazo, :queé porcentaje emplearé el sistema ‘de transporte colectiva? ercicio teérico ‘La tanspuesta de una matriz de transicion de una eadena de Marov, también es una matriz de transicin de una cadena de Markov? Explique, ercicios con Matias edleulo de la sucesin de vectores x, x, ‘mplos 3 y 4, se puede realizar fécilmente mediante ciertos rmandos de MatLab. Una vee que la matriz de transicion Ty vecior de estado inicial x se introducen a MATLAB, el vector ‘estado del k-Ssimo periodo de observacién se obtiene me- ante el comando come en los Tksx AL.L. Utilice Maras para verificar los célculos de los vectores de estado del ejemplo 3, para los periodos de 1 a 5. En el ejemplo 4, si el estado inicial se cambia por ML3. En Marta, escriba help sum y determine Ia accién 0, de modo que Ap =p. que era nuestro problema anterior, . EL MODELO ABIERTO DE LEONTIEF Suponga que tenemos m articulos, Gi, Ga, 5 Gy ¥ 1 actividades, My, Ma... My SU ongs que cada activided M; produce s6lo un artfculo G;y que G;es producido sélo por 1M; Sea cjj = 0 el valor monetario de G; que debe consumirse para producit una cant- dad de G; con valor de un délat. La matriz,C = [cy] es la matriz de consumo. Obser- ve que cj puede ser positivo, lo cual significa que podriamos necesitar cierta cantidad de G; para producir una cantidad de G; con valor de un dolar. Sea xj el valor en d6lares de fa cantidad de G; producida en un periodo fijo dig ‘mos, un afio. El vector x=] 2] G20) aoSee. 2.6 Modelos econsmicos linesles 163 es el vector de produccién, La expresién cat, + ata + Cindy es el valor total de la parte consumida del producto G,, determinada por el vector de produccién para claborar una cantidad de Gy con valor de x; délares, una cantidad de G, con valor de x, ddlares, eteétera. Observe que Ja expresién dada por la ecuacién (10) ¢s Ia é-ésima entrada del producto matricial Cx. La diferencia entre el valor en d ares de Ja cantidad producida de G; y el valor total en d6lares de la cantidad consumi- dade G,, Ai (any + cate t+ + Cipkh ap es Ia produccién neta Observe que la expresion en la ecuacién (11) es fa -ésima entrada de x CxS, ~ Ox Ahora sea dj el valor en délares de la demandla externa de Gi, y sea ‘dy a a G20 cl vector de demanda, Nuestro problema se puede enunciar de la manera siguiente: dado un vector de demanda d = 0, ces posible determinar un vector de prockiccidn x tal que la demanda externa d se satsfaga sin un superivit? Es decir, ces posible determinar un vector x > 0 que satisfaga la siguiente ecuacién? ,~ Ox =a. a2) una matriz de consumo, Entonces n-ee[f La ecuacién (12) se transforma en de modo que [--[ ya que dy = Oy d, > 0. En consecuencia, podemos obtener un vector de produccién pa~ a cualquier vector de demanda dado. .164 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional) F ETMiakerd DEFINICION ETvikeea En general, si (/, ~ ©) existe y es = 0, entonces x = (ly ~ C7" > O 65 un eg. tor de producci6n para cualquier vector de demanda dado. Sin embargo, para una ma, triz de consumo dada, le ecuacién (12) podria no tener solucién, Considere la matriz de consumo Lec ,oL c=]? ? Entonces Ter Mo e Mod Mai Ma de modo que Bg xa(h-Cyla 1 no es un vector de produccién si d 0, pues todos sus componentes son negativos; por lo tanto, el problema no tiene solucién. Si d = 0, sf tenemos una solucién, a saber, x =O, lo cual significa que si no hay demanda externa, no hay produccién alguna, Una matriz de consumo C de mn x mes productiva si (J, ~ C)~' existe e (ly ~ C120, Es decis, C es productiva si (ly ~ C) es n0 singular y todas las entradas de (2, ~ C)? son no negativas. En este caso, el modelo también se Hama productivo, De acuerdo con lo anterior, si C es productiva, entonces para cualquier vector de demanda d = 0, Ia ecuacién ae (q-Ox=d cic tiene una Gnica soluci6n, x > Considere la matriz de consumo 2 | 1a 203 iy 1] ag 4 Entonces (h-0) [ ? a 7 1 4 2 y (hocy! 4] | i f P En consecuencia, Ces productiva. Si d > 0 es un vector de demanda, 1a ccunci6t wc i, ~ Ox =A tiene la solucién tnica x = (ly ~ CY"!d > O. , 0See. 26 Modelos econémicos linesles 165 Algunos textos més avanzados (come el libro de Johnston citado en las lecturas adicionales, pagina 251) demuestran los criterios para decidir si una matriz de consu- rmo dada es prodiuctiva Lectis ionales Gate, Davin, The Theory of Linear Economic Models, Nueva York, MeGraw-Uill Book Company, 1960, JousTON, B., G. PRICE y FS. VAN VLECK, Linear Equations and Matrices, Reading, ‘Massachusetts: Addison-Wesley Publishing Co., Ine., 1966, Términos clave Modelo cerrado de Leontiet ‘Maal de intercambio ‘Maciz de intercambia Modelo de comercio intemacional w]e of mi: tot : 0 oO 3 oO 5 3 tag ol; 2 4] @lo f 4 o 1 6. o fo, Enos ejercicios 2 4, determine un vector p = 0. con al menos ‘m componente positiva, ge sausfaga ta ecuactén (8) para la atre de intercambio dada, bao paid ati oo 310 0 0 B44 yoo 4 o 24 aly 20 bobo 5. Considers a economia simple del ejemple 1. Suponsa que el agricultor consume 3 del slimento, + de la habitacién ¥ § del vestdo: que el carpinter constime J del atimen- to, 4 dela habitacidn y £ del vestdos y que el saste consume } del slimento, } dele habtacién y nada det vestide, Determine la raz de intercambio A para este Problema y un vector p 2 0, con al menos un componente ositivo, que satistoga I ecuacion (8) . Considere el modelo de comercia internacional formado por tues paises, Cy, Co y Cy. Suponga que la fraccién det ingreso ‘Modelo abierto de Leontiet Matriz de consumo Vector de produccién Produccién neta Vector de demanda ‘Mauiz productiva Modelo productive de Cy que gasta en importeciones de Cy es, de Cz y de Cyes4: que la faces del ingreso de'C, que gasinen importiciones de Ces de Cy es ty de Cs es que la fraccién det ingroso de Cy que asta en importactones de Cy 5 4, de Ca es $y de 080, Determine ef ingreso de cada pai En os efercicios del 7 al 10, determine euéles motrices son pro duetivas yf 6 9 3 0 nfo zo fo 0 10 2 en) of gy 44 B)L oF wfs oo fg bobo 10 11, Suponge qu a tide consumo pr modo de pro |uceién lineal es [i (a) Determine ef vector de producciGn para el vector de sea () Determine el vector de produccién para el vector de devant] 12, Un pequeito pueblo tiene tres indusitias primarias: una mina ide Cobre, un ferrocaril yuna planta de energta eléctica Para producir $1 de cobre la mina gasta $0.20 de cobre,166. Caps $80.10 de transporte y $0.20 de enerpia eléctrica. Para pro: porcionar $1 de transporte, el ferrocaril requiere $0.10 de cobre, $0.10 de transporte y $0.40 de energia eléctrica. Para producir $1 de encrgfa eléctrica, la planta destina $0.20 de Cobre, $0.20 de transporte y $0.30 de energia eléctrica. Su Ejercicios tedricos TA, En el modelo de intercambio (ejemplos 1 0 2), de- Imuestre que Ap = p implica que Ap tulo.2 Aplicaciones de ecusciones lincales y matic (opcional) ponga que durante e]afio hay una demanda externa de 1.2 millones de détares de cobre, 0.8 millones de délares de teansportey 1.5 millones de dstares por eoncepta de ener, eléctrica. {Cusinto debe producir cada industria para satin, cer las demandas? Ei] INTRODUCCION A WAVELETS (ONDELETAS U ONDITAS) Requisite, Lectura de tn seccidn 1,7, La inversa de una matiiz La capacidad de transmitir energfa fue uno de los cambios més importantes que se die ron en el siglo xx. En el siglo xx ocurrié otra revolucién —que continda hasta nues. tros dias— de similar envergadura: 1a capacidad para transmitir informacién. Una ver {que se tuvo la infraestructura para transmitir datos, la creciente necesidad de informs ign por parte de los gobiernos y las entidades comerciales exigié que se resolviese e3. ‘mo transmitirrépidamente lo esencial del conjunto de datos, de modo que pudiera ser econstruido para recuperar de maneta confiable la informacién original. Para lograio se han desarrollado diversos esquemas que transforman el conjunto de datos original, Jo comprimen, fo transmiten y recuperan aproximaciones ala informaciéa de origen Ejemplos de tales esquemas son el e6digo Morse, los codificadores de muchas clases incluyendo claves piiblicas de encriptacién), las sefiales de radio, televisiGn y microondas, asf como los métodos que emplean técnicas privadas de codificacién digital, Una téenica de coditicacién digital muy conocida y disponible comercialmente, e | desarrollada por el Grupo Unido de Expertos en Fotogratia (IPEG, por sus sigh en inglés) para imagenes digitales. E] esquema JPEG2000 emplea wavelets (ondelets), una tecnologfa de compresién que codifica imagenes en una cadena continua. Esta nueva 'éenica permitird la creacién de archivos de datos 20% més pequetios, la descarga més "épida de informacin y posibitita seleccionar el tamaiio de una imagen sin crear ua ar chivo separado. El tema matemético de las wavelets ha recibido gran atencién debido su versatilidad para adaptarse a una mirfada de aplicaciones, ineluyendo Ia compresiGn de datos para su transmisién eficiente, y fa aproximaeién precisa de informacisn, proce samiento de imagenes (tal como archivos dactilogrificos de la Oficina Federal de Inves tigacién de Estados Unidos, FBI), procesamiento de sctisles (como restauracion de registro), sismologia y en la resolucién numérica de eeuaciones diferenciales parcales Asi, las wavelers han sido objeto de investigacion continua desde la década past a, y su uso continga adapténdose a un ereciente nimero de dreas cientificas y de inge nieria En esta secciGn nos proponemos demostrar cémo los conceptos comunes de matt: ees pueden utilizarse para revelar la naturaleza bisica de las wavelets, Mostraremos de qué manera Ja informacién digital se transforma, permitiendo omitir parte de la misms {proceso conocido como compresién) y luego se transmite para que los datos recibidos Puedan reconstruisse como una aproximaci6n certera de la informaciGn original. Li ‘economfa se presenta cuando existe una reduccién significativa en la cantidad de infor: macién que se transmite, Por lo tanto, los esquemas de transformacién y compresién Junto con el proceso de reconstruccién, deben disefiarse con esta clase de economia & ‘mente, En la figura 2.22 se representa grificamente este escenarioSec. 2.7 Inuoduccidn a wavelets (ondeletas u onditas) 167 Figura 2.22 » 6 & oa] ‘Tranimision WUBI | es a deta commas de a tabs 2.2 se musa uma representacién de va dar como combinacidn de las monedas indicadas. La entrada en vn fila indica el numero de monedas del tipo corespondiente a dicha fila. Los detalles de la informaci6n acerca de cualquiera de estas cinco maneras de representar un délar podrian transmitise en- Viando la cadena de seis némeros correspondiente a una columna, Sin embargo, varias de estas representaciones pueden comprimirse de modo que se envian menos de seis nt meros, pero la informacin transmitida permite reconstruir de manera exacta la infor- macién original. La informacién de la primera columna, (0 0 4 0 0 Ol, se puede comprimir a [4 3)’, lo cual significaria cuatro monedas del tescer tipo (monedas de $0.25). De manera andloga, la segunda columna,[0 0 2 5 0 0)", puede comprimirse a[2 5 3 4)", 1o cual significaria dos monedas de $0.25 y cinco de $0.10. (Observe que las primetas dos entradas proporcionan el nimero de monedas, y las segundas dos entradas la posicién en la lista de los tipos de monedas,) Aunque no todas las columnas de la tabla 2.2 pueden comprimirse de manera tan sencilla, en el caso de conjuntos grandes de datos en los que aparece una gran cantidad de ceros (tales datos se denominan espareidos, dispersos 0 poco densos), una compresién puede ser tan sencilla como eniviar un digito distinto de cero y su posicidn en la cadena Taformacién aproxtiads tendrfa.que ser muy grande. Las imagenes grificas y las fotogratias digitales estdn for- ‘madas de cientos o miles de pequeiios puntos. Una descripcién matemética de tal imagen : roporciona la posicién de cada punto y un cédigo que denota un color o la escala de grises que corresponde al punto. El conjunto de datos resultante es muy grande, inclu so traténdose de imagenes pequefias, de informacién. . Tabla 2.2 , Monedadeundélar | 0 0 00 , 3050 oo 7 0 1 $0.25 42 1 0 1 : $0.10 ost ot $0.05 a : $001 oo 9510 , Otro Ambito en donde la compresién de informacién resulta dil, es en el de las ; imagenes, ya que suele implicat la transmisién de grandes cantidades de datos. Los : vances continuos en calculadoras y computadoras han puesto a disposicién det usu rio sencillos dispositivos para mostrar funciones mateméticas a través de agrificas. ‘Cuando la funcién fe grafica, por medio de un procedimiento comiin se genera un con: - junto de valores de x igualmente espaciados, y se calcula el valor de Ia funcién en cada uno de tales valores, Luego se despliega la gréfica de f mostrando los puntos (x, f(2)) . conectados por segmentos de recta, © quiza por arcos, para presentar una curva suave, ¢ Si el espaciado entre los valores de x es grande, la gréfica tal vez se veria dentada, en : lugar de mostrar un trazo suave. En el caso de imagenes de alta calidad, podria neces : tatse un espaciado muy pequetio, por lo que el conjunto de datos originales ((s, f))} :168 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional) EJEMPLO 2 La transmisi6n de las grandes cantidades de datos necesarias para la representacigy de imagenes es una preocupacién real, y puede ceusar retraso en una red de compy. tadoras. Para evitar dificultades de este tipe, una posible solucién es el uso de esque. mas de “transformacién + compresi6n” que reducen Ia cantidad de datos que se necesita transmitir, junto con métodos que utilizan los datos transmitidos para const ‘buenas aproximaciones a la imagen original. Por transformacién damos a entender a «xin proceso que toma los datos digitales originales, o brutos, y produce un conjunto de informacién equivalenteutilizando, muchas veces, alsin tratamiento algebraico. Ideal mente, los datos transformados deben reflejar las cualidades intefnsecas de fa informs, cin contenida en ellos. Por compresién nos reférimos & un esquema que reduce |; cantidad general de datos que se necesita transmitir, de modo que pueda reconstruirse una buena aproximaci6n de la imagen original. A veces los pasos de la transformacién y la compresién se realizan de forma simulténea, Los procesos de transformacién y compresién se ilustran por medio de la griica de una funcién fevaluada en puntos igualmente espaciados, En el caso de una cadena 0 vector de datos de coordenadas y de un conjunto de puntos en la grfica de la funcin desarrollamos un conjunto equivalente de datos usando las operaciones de prome. diar y diferenciar; &ste ¢s el paso de transformacién. El conjunto equivalente de dats que resulta contiene toda la informacién del conjunto original. Una caracteristica de esta forma equivalente del conjunto de datos es que puede comprimirse con mayor facilidad;” éste es el paso de compresiGn. El conjunto de datos comprimidos pierde parte de la informacién original, pero en muchos casos se puede reconstruir una buena aproximacién a partir de este conjunto mis pequelio de datos; éstos son los pasos de transmisin y reconstrucci6n. A continuacién demostraremos cémo utilizar la rail: cacién de matrices para realizar el paso de transformacién, y cémo utilizar las propie dades algebraicas para verificar que obtenemos un conjunto equivalente de datos. Caloulo de promedios por medio de nutlliplicucién matricial) (a) Parse veo [] eats promedio de as ends usando el siguiente wo 1 4 [3] a+b 2b 2 (©) A continuacion se desarrolls el caso para cuatro valores, en donde queremos p> rmediar pares sucesivos de valores (accién denominaca promedio por pares). Pt 1a los datos iniciales ducto de fila por columna Re necesitamos que el resultado de la multiplicaci6n de matrices sea ath ctd 2 "Un esquema d conipresgn sencillo consist en elimina un datos y otra ne, peo exstn tenia que den menos informacige aprovectando Ts veraja de regiones en las que una funcin ng cara demas Elaso de promediarydiferenciarofvce ese benefci,r See, 2.7 Introduccion a wavelets (ondeletas u onditas) 169 Una matriz.A por el vector v, de 4 x 1, produce un vector 2 x 1, por lo que la ma- (via A debe ser de 2 x 4. Usando el resultado del inciso (a), resulta que [i Proporciona e! promedio por pares. En consecuencia, Ia matriz que realiza la trans formacién a promedios por pares ¢s 0 ‘| ef (©) Bin el caso de seis valores en un vector ¥, se utiliza la matriz A, de 3 x 6 —que se nuestra a continuacién—en el producto Av para calcular el promedio por pares de las entradas en ¥. 7 ou =o ae q + 0 4 one anaen 0 (Verifique que siv=[a & ¢ d ef)", entonces Av proporciona un vector, de 3 x 1, que contiene los promedios por pares de las entradas de y.) 2 Nuestra transformnacion de datos debe ser tal que podamos recuperar los datos ot sinales a partir de Je forma aterativa equivalente que obtuvimos, Para garantzat la posibilidad de una recuperacién exacta, desarrollamos una representacién equivalente de 1a informaciéa en el vector original, formando una pareja con otra parte de la informa. cid y con un promedio, Para desarrolla lo anterior procedemos como sigue. Partimos de la premisa de que ¢ ° et sear» = [f] puede remplacase pore vector w= [if conse c = #4" es el promedio de las entradas en ¥, y d= a ~ es la distancia entte la primera entra da de v y el promedio, Esto se obtiene a partir de Ia observacién de que, si conocemos los valores de ¢ y d, entonces etd y bata asi que hemos obtenido los valores de a y b. A continuacién nos interesa lograr una formalacién matricial de la transformacién de datos, de ‘ 4 fe vf] --(J-/ | Por lo tanto, buscamos una matriz de 2 x 2A tal que “Gl-f-E2 nn base en el trabajo anterior, resulta que la primera fila de la matriz A debe ser ara que c sea el promedio de a y b. Denotemos la segunda fila de A mediante170 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opeional) EEiaeoe! [p gh. y determinemos estos valores. A partir de la multiplicacién matricial, se chic w als] Realizando la multiplicacién del lado izquierdo, obtenemos pa + qb = a ~ . Al sus. tituir b por Ia expresién equivalente, 2c — a, y agrupar términos, tenemos pa + qQ2e~ a) =(p— ga + Og)e Igualando los cooficientes de términos semejantes, se obtiene el sistema lineal wal. euya soluci6n es p = J.q =~ 4}. En consecuenci, la formulacién maticial para calcular el promedio y ia distancia entre la primera entrada y el promedio es [le tenemos Qv = w. A este procedimiento le Uatamos formulacién matricial de la re- presentacién promedio-diferencia. Observe que la mattiz Q es no singular, y que - [i a] own promedio dea y b distancia entre a y el promedio|* Por lo tanto, si conocemos el promedio de los dos valores y la distancia entre el prime- r0.y el promedio, podemos recuperar los datos originales; esto es, -ow=[} JL J-[9] (Esto se mostré anteriormente por medio de Algebra bésica.) Ampliaremos la representacisn promedio-diferencia a un vector con mis de dos entradas, a fin de determinar los promedios por pares y las correspondientes diferencias, (@) Seay=[a bc dif. Ahoradeterminamos una mattiz A, de 4 x 4, tal que promedio de a y b ‘Ay = | promedio de c y d distancia entre a y el promedio distancia entre c y el promedio, Usando el ejemplo 2 y repitiendo el desarrollo anterior para el caso de dos datos, ‘una conjetura plausible para la matriz. A es 0 phones,See. 2.7 Introduccicn a wavelets (ondeletas u onditas) 171 Verifique que esta conjetura es correcta y que A es no singular; ademés, determine A! () Para un é-vectory=[2 b © d ef)", formule una conjetura para una matriz de 6 x 6 tal que ‘promedio del primer par de datos promedio del segundo par de datos promedio del tercer par de datos AY= | distancia entre a y el promedio distancia entre c y el promedio distancia entre ¢ y el promedio Verifique su conjetura y compruebe que la matriz A es no singular. = A continuacin, presentamos un resumen de nuestros desarrolios hasta ef momen- to. Dado un vector v de vatores de una funcisn en puntos igualmente espaciados, hemos encontrado como determinar una matriz A de modo que Av sea un vector que contenge los promedios por pares, seguidos de ls distancia entre el primer elemento de cada par y el promedio, Bl siguiente paso de nuestra transformacion consiste en aplicat él mismo concepto a estos promedios de modo que, en efecto, calculemos promedios de promedios y las distancias entre ésos y los promedios originales. Sin embargo, debemos asegurar la conservacin de las distancias entre el primer elemento de cada par de datos y sus promedios. Para iustrar que no hay que realizar nuevo trabajo téenico, sino Gnicamente una reorganizaciGn de ls resultados que ya hemos determinado, consideremos el caso de cuatro valores de uno funci6a, designados porv=[a b ¢ dJ Sea A; la matriz que transforma estos datos a los peomedios y diferencias analizadas en el incio (a) del ejemplo 2. Tenemos 2 7 0 (Of, 7 Oo Alfel_t sr 4-1 0 offe}7]e-e]: Poo. d. emf, oo 2-3 donde ate etd Pe eee ee Sea w=], |. Ahora queremos detetminar una matiz de 4 % 4, As, tal que e-f. u donde g = £*F c~f, (Observe que e ~ g es la distancia entre ¢ y el promedio de e y f:) Como podemos ver, Jas Ultimas dos entradas del vector w y del vector 2 ene ane ef son iguales, 1o que nos permite sospechar que uns parte de la matriz. Ap seré una identidad. Ademés, como Ap s6to transforma las primeras dos entradas de w, habrit ceros.¥ 172 Capitulo 2 Aplicaciones de eeuaciones Iincales y matrices (opsional) Conjeturamos que Az sera una matriz por bloques que tendré la forma ara] 2%, Oh donde 02 es una matriz de ceros de 2 x 2, fy es una matriz dentidad de 2 x 2. Qes uuna matriz de 2 x 2.que debe determinarse. Inspeccionando el producto matricial ¢ 8 | l f jolene], a-e|*|a-e ent) bens encontramos que Q debe elegire de modo que 4J_[e olf [ah Pero esto es lo mismo que producir un promedio y la distancia entre la primera entrada y el promedio. Con base en el trabajo anterior, resulta que o-[} i} 4, por lo tanto, on) 4-00 Aa|? "2 : 0 010 o 001 ‘Tenemos la siguiente sucesin de transformaciones de datos ve [o)o awe] of © ane 4. c-f EB] anterior conjunto de pesos es equivalente al producto u = e w=| of ens. las entradas ¢ y f se denominan promedic detalle. De manera andloga, en el vector . ¥a— ey c—f son los coeficientes de 8 e-8 emf, Ia entrada g es el promedio final, y las dltimas tres entradas son los coeficientes de de talle. La informacisn intrinseca del conjunto original de datos se ha transformado en fos coeficientes de detalle y el promedio final, Puede demostrarse que las matrices Ay y Azcorre ‘See. 2.7. Inwoduccién a wavelets (ondeletasu onitas) 173. son no singulares (yea el ejercicio 6), por lo que el proceso se puede invertir; esto es, hemos generado una representaciGn equivalente a los datos originales. En el caso de més de cuatro valores, cabe esperar que creceré el tamaiio de las matrices necesarias para realizar la transformacién de los datos originales a un promedio final y coeficientes de detalle. Como estamos caleulando promedios de pares de ele- Ientos, se deduce que siempre debemos tener tn nimero par de elementos en cada nivel de los promedios. De aqui que, idealmente, deberiamos utilizar este procedimiento sobre conjuntos con 2, 4, 8, 16, ...,2” elementos. En caso de que el tamafio de nue two vector de datos no sea una potencia de 2, podemos adjuntar ceros al final del vector para que cumpla con el requisito, para luego proceder a la transformacién de los datos ‘como se deseribié anteriormente. Sea v= (37 33 6 16)? una muestra de una funcidn fen cuatro puntos igualmente espaciados, Para determinar cl promedio y los coeficientes de detalle transformamos Jos datos usando las matrices A, y A>, dads previamente, como sigue: we ApAiy = Ax(Av) = Ap (Veritique.) Asi, el promedio final es 23 y los coeficientes de detalle son 12, 2 y ~5. Observe que ‘ambas matrices, Ay y Az, pueden escribirse como matrices por bloques. Sea Ie p=[P Py Entonces, ys de acuerdo con lo anterior, 2) angegal? * i [2 ): 7 #o-[! -} ‘Como se muestra en cl ejemplo 5, generalizar esta forma por bloques para las matrices que se utilizan en la transformacién resulta sencillo, . Una vez que tenemos el promedio final y los coeficientes de detalle, hemos com- pletado la transformacién de los datos a la representacién equivalente de promedio-diferencia. Recuerde que en esta etapa podemos recuperar todos los dates originales. A continuecién realizaremos una compresién. Una forma sencilla de Hlevarla a cabo consiste en hacer igual a cero un coeficiente de detalle si su valor absoluto es menor que un mimero de umbral, ¢, preestablecido, Reemplazar un coeficiente de detalle peque- fio por cero tiene el mismo efecto que reemplazar un dato por un promedio de valores de datos. En consecuencia, si la funcién no cambia con rapidez en esa tegiGn, obtenemos174 Capitulo 2 Aplicaciones de ecvaciones linesles y mattices (opeional) una buena aproximacién. (En general, la eleccién de un niimero de umbral depende de la aplicacion, y suele basarse en la experimentaciOn con aplicaciones similares.) Una vez que determinemos el conjunto de datos comprimidos, s6lo necesitamos transmitir los coeficientes distintos de cero y sus posiciones (esto es, para nuestros ejemplos, el indice de sus coluranas). Cuando el conjunto de datos es grande, puede ha. ber una extraordinaria reduccidn en la cantidad de datos que deben trensmitirse. Al re. cibir los datos comprimidos revertimos las transformaciones de diferenciar y promediay para generar una aproximacidn al conjunto de datos originales, El proceso inverso liza las inversas de las matrices Ay, An... » Ane 88f que no se requieren conceptes a cionales en esta etapa; s6lo formamos los productos matticiales por medio de las inversas de las matrices que se utilizeron en la transformaciGn. Las inversas que se ui. lizan no son dificiles de calcular, toda vez. que contamos para ello con sencillos patrones por bloques. De acuerdo con el ejemplo 4, tenemos eo 1 oo u{l -1 9 0 oo 1 0 0 0 0 1 Si es la informacién comprimida, la aproximacién a los datos originales esté dada por Fa Apt Agy. STEMI | suponga que tencmos ta siguiente muestra de valores x y y a partir de la gréfica de une 7 funeién, pra a soe. y [37 3 6 6 6 BB Si ves el vector de 8 x 1 de coordenadas de y, sean P-[A PB] y SH[Si Sy),c Sec. 27 Introduccion a wavelets (ondeletas u onditas) 175. como en el ejemplo 4, y definimos Ze “fo a Sea Aj la mattiz de 8 x 8 por bloques dada por P, Zz Ss Zz A= Bntonces tenemos (verfique) Aw=[35 11 27 2 Ze Z POP bz Z ZS na -s 1 7, donde las primeras cuatro entradas son promedios (por pares) y las tiltimas cuatro en- \vadas son los coeficientes de detalle (de primer nivel). Ahora construimos la matriz por bloques Az de 8 x 8, de esta manera PoP ZZ Si % Zz A= ZZ12 2221 De lo anterior resulta (verifique) que AXA) = [23 19 12 8 2 = vy En este resultado, las primeras dos entradas son promedios y las tltimas seis son coeficientes de detalles (de segundo nivel). Por gltimo, construimos la matriz. por bloques Ag de 8 x 8, de este modo. Zz Zz I Zz ~ NNN donde como se desarrollé anteriormente. De ello resulta (verifique) que AdAtAw]=w=[21 2 12 8 2 donde la primera entrada es el promedio (final) de los ocho datos originales, y las restantes siete entradas son los coeficientes de detalle (de tercer nivel), Para compsimir Ios datos en este ejemplo, igualamos a cero los coeficiente de detalles cuyo valor absoluto sea menor o igual a 3; esto es, utilizamos un niémero de umbral ¢ = 3. La informacién compritnida resultante es el vector de 8 x 1 [210 128 0 ~s o 7 Sélo necesitamos transmitir Ins entradas distintas de cero de este vector y sus posi ciones.176 Capitulo 2 Aplicaciones de ecuaciones lincales y aiatrices (opcional) Figura 2.23 » Alrecibir el vector W, podemos construir un modelo que aproxime la informaciéy original caleulando FS (A Ad aay Para comparar visualmente los datos originales con el modelo desartollado como un re. sultado del esquema de transformacisn/compresion, trazamos el conjunto de datos or: inales y el conjunto de datos que lo aproximan, Vea la figura 33°33 4 14 29 29 20 6)" x L203 4 5 6 7 5/]3 B 4 4 9 2» 0 6 Los puntos designados por los signos + indican un modelo que aproxima los de tos originales, denotados por el s{mbolo ©. Este modelo se denomina wavelet y, considerando que en su elaboracién intervienen muy pocos datos, es una aproximaci6n sor prendentemente buena. . Para descubrir el potencial completo de las wavelets debemos utilizar grandes con juntos de datos. Para un conjunto inicial de 512 = 2° datos, nueve aplicaciones de nues- ta técnica de promediar y diferenciar producen un resultado de un promedio (final) y SII coeficientes de detalle, A partir de ello podemos aplicar nuestra estrategia de com presi6n, esto es, elegir un mimero de umbral que se utiliza para introducir ceros de mo do que nos permita transmitit menos datos y sus posiciones. Al invert los pasos de diferenciar y promediar, abtenemos una wavelet que con frecuencias es una muy bue nna aproximacién a le informacion original. Las figuras 2.24(a).(c) muestran aproximaciones wavelet para muestras discretas Ade f(x) =e cos(rex) en el intervalo (0, 3]. Los datos se eligieron en n puntos igualmente espaciados, y se utiliz6 un néimero de umbral¢ en la compresién. Los puntos indiea- dos con el sfmbolo © representan los datos muestrales originales, y los sefalados con el sfmbolo + representan los datos de la wavelet. Nuestro andlisis sobre wavelets se ha limitado a conjuntos de datos diseretos igual: mente espaciados, es decir, pares ordenados. Hemos ilustrado la sucesién de operacio: nes, esto es, la transformacién de los datos 2 una representacién equivalente que puede invertirse para obtener fa informaci6n original, la compresién de los datos por medio de un nimero de umbral gue convierte en cero aquellos valores que estin por abajo de tun niimero de umbral seleccionado, y la construccién de una aproximacién a los datos originales, es decir, una wavelet. La transmisién de los datos comprimidos presenta un ahorro de tiempo significa vo, en comparacién con la transmisién de los datos originales. Adem, el espacio rt 4querido para almacenar los datos comprimidos puede ser significativamente menor qvFigura 2.24 » See. 2.7 Introduccién a wavelets (ondeletas u onditas) 177 i n= 16 6>15 i nea e=10 5 “s “5 =10) ~10| “1s ois a) -20 a 1 i 3 © & n= 64 e~ 05 ° cl que se necesita pars almacenar los datos originales. Adoptamos un punto de vista simplista en relacién con la transmisién de los datos, es decir, envianos Jos valores diferentes de cero de los datos comprimidos, junto con su posicién en la cadena, En ciertas aplicaciones —como los archivos de huellas dactilares que utiliza el FBI— se utiizan esquemas bastante més complejos, que incoporan un procedimiento de codificacién en el que no se ineluye la posicién de los datos comprimidos diferentes de certo. (Para conocer una buena descripcién de tal procedimiento, vea el libro de About, Gel y Schlicker citado en las lecturas adicionales al final de la seccin,) Lo mismo oct re en el caso de muchas aplicaciones que involucran largas cadenas de datos, come lag ue se uttizan en ls figuras 2,24(a)-(c), donde ¢stos se dividen en conjuntos mis peque- fos para aprovechar las regiones en las que una funcin no varia épidamente Ta generalizacion de wavelets a funciones (no solo a muestas discretas) requicre Jos mismos pasos que hemos usado y, ademés, exige el conocimiento de téenicas ai. cionales de Algebra lineal y propiedades de colecciones de funciones. En capitulos pos. {ctiores encontrard los conceptos requeridos, en particular el de bases, que se utilizan para expresar matrices 0 funciones en téxminos de bloques de construccién, y el de cambio de base, que nos proporcionaré el mecenismo para producir diferentes representaciones de una matsiz 0 funcin, La eleccisn de bases apropiadas permite obtener represemtaciones elegantes y se cillas de la informacién contenida en ta funcién, asi como el beneficio adicional de 1a Propiedad de “acercamiento”; esto es, representaciones que son disefadas para tratar Con detalles finos que afectan s6lo parte de la funcién bajo estudio. Esta es Ia caracte, tistica que hace de las wavelets un método muy atractivo en aplicaciones como la codi, ficaci6n de huellas dactilares. Consulte la bibliografia de la seccién lecturas adicionales para conocer mas detalles y configuraciones generales para wavelets178 Capiulo2 Aplicaciones de ecuaciones lineales y matrices (opeional) Lecturas adicionales ABOUFADEL, EDWARD y STEVEN SCHLICKER, Discovering Wavelets, Nueva York: Wiley. Interscience, 1999, Cipea, Banay A. “Wavelet Applications Come to the Fore”, SIAM News (Mathematics That Counts), noviennbre de 1993, Frazinr, MicHAst. W. An introduction to Wavelets Through Linear Algebra. Nuevg ‘York: Springer-Verlag, 1998. HUBBARD, BARBARA BURKE, The World According to Wavelets: The Story of a Mathe. ‘matical Technique in the Making, Cambridge: A.K. Peters, 1995, Motcany, Cou. “Plotting & Scheming with Wavelets”, Mathematics Magazine, vol. men 69, niimero 5, diciembre de 1996, paginas 323-343 Nieverceit, Yves, Wavelets Made Easy, Nueva York: Springer-Verlag, 1999, Términos dave ‘Transformacién de datos Datos esparcidos (0 dispersos © poco Coeficientes de detalle ‘Compeesién de datos 00, 7" tiende a una matriz ae[2 al ceuyes cofumnas son idénticas, Ejercicios complementarios 1, Sevaliza et eétigo de verficaci6n de parida (4,8). (@) Desermine el nimero de palabras ego, (©) Determine todas ls palabras ego que ene exaca- mente dos bits iguales 01 (©) {Cusias palabras sdigo del incso (b) enen paridad per? 2. Sean f,: R°—» R? Ia inclinacién en direccién x definida por (ED =Ps"] ¥f22R? — Bla inclinaci6n en diveccién y dei f(t] = [ao ‘La funci6n fy o,f, : R? > R° definida por caeoo(le) -4o(C)) ida por jercicios complementarios 179 () Toda columna eA es un vector de probabilidad, con todas las entradas positivas. Esioes, y >O(1 Sim) y tty te ey bib @ Teorema 2.6 $i Tes una matriz regular de transicién y A y ‘son como en el teorema 2.5, entonces: (2) Para cualquier vector de probabilidad x, T° —> w ‘conforme n > 00, por lo que wes un vector de estado esuble (©) El vector de estado estable u es el nico veetor de probac bilidad que satisface ls ecuacin matricial Tu = w. | Modelo cerrado de Leontief: dada una maiz de intercam: bio A, determine un veewor p 2 0 coa al menos una compo: nente positva que satisfaga (J, — Ap wm Inclinacién en direccién.x: f¢v) | Modelo abierto de Leontiet: dada una matriz de consumo ‘Cy un vector de demanda d, determine un veetor de produc cid x = 0 que satisfaga la ecuacién (J, ~ C)x = d. 1B Wavelets aplicadas a una muestea de una funcidin: dada luna muestra de una funciGn f; determinamos una aproxima- i6n wavelet def por medio del promedto y la diferencia con 'un miimero de umbral para generar un conjunto de eoeficientes de detalle aproxiaados, es una transformacién matscial(vea el ejercicio T). (a) Determine una matiz asociada con fy o fi (b) Sea R el rectingulo con vértices (1, 1), 1). (ly 2dy (2,2), Haga un bosquejo de Is imagen de K bajo fy, y baio fo fi Considere una red de comunicaciones entre seis inividuos, con matriz de adyacencia RAR PR Bm Bro 100014 R/O 0 1 4100 R10 0 0 100 Bylo bolo BJO 0 00014 RLO 0 0 100 {De cuaintas formas P; puede tener aceeso a P5 através de os individaos?180 Capitulo 2 Aplicaciones de ecuaciones lineales y matrices (opcional) 4, Determine las cortientes desconccidas en el circuit siguiente 7 > lev. av 5, Una empresa dedicada a la investigacisn de mereados ha ‘detect el compertamiento siguiente del estudiante promedio en cierto colegio, Sielestudiante pratica un juego de video en un dia dado, hay una probabilidad de 0.2 de que al dfa siguionte vuelva a practicarlo, mient diane no practica ese juego un dia dado, hay una probabilidad de 06 de que lo jucgue al die siguiente () Escriba la mati de tansici6n para el proceso de Maskov. (b) Sil estudiante promedio practica un juego de video el lunes, jcual es la probabilidad de que Jo juegue el vier- nos do esa misma semana? (©) A la larga, cull es Ia probabilidad de que el estudiante promedio practique el juego de video en el futuro? (6 Considere una aldea aislada en una parte remota de Austra lia, caya poblacidn esta formada por tres personas: un gamadero (R) que culda y provee exclusivamente todo cl ‘ganado ecesario; un granjero (D), dedicado sélo a proveer Jas productos lécieos necesarios y un agticultor (V) que que si el esto: produce de manera exclusiva todas las legumbres. Suponga ue las unidades se seleccionan de modo que cada person produce una unidad de cada bien. Imagine que durante el ato la parte de cada bien que consume cada indiviguo est davlo en la tabla 23. Sean py, pay ps los precios unitariog de ganado, productos licteos y legumbres, respectivameni, Suponga que cada quién paga el mismo precio por un ben, QUE precios pi, pa ps deben asignarse alos bienes de ‘moda que se tenga un estado de equilibrio? Tabla 2.3 Dies Bie oan osmiospoe a Pay R Hays ¥ a Seav=(2 4 5-1)" larepresentacién de una muestra de una funeién fen puntos igualmenteespaciades x y= -2y = 0% =2 (@) Determine el promedio finaly los coefiientes de dia Ie por medio del eseulo de AsA\v () Usando un niimero de umbral e = 1, determine jos 10s compritnidas y luego calcule la wavelet (©) Graligu,en el mismo conjunto de ees cordenads, los dates originales y a aproximacién wavelet, y conecte los puntos sucesivs por medio de segments de ea Ejercicio teérico ‘Ti. Sean fy: R? > Ry fz: R? > R? transformaciones tmaticinles, Demuesire que fifa: RE» R®defnida por (f,9-f2)(u) = fy(f2(a)) es una transformacién matricial. Examen del capitulo 1. Sea ¢ la funcién de B” a BY, dada por etbib2) = bybabrby. (a) (Ese una funcién inyectiva? Si no To es, determine dos vectores diferentes, By en BP, tales que e(b) = ©) (®) Determine la matriz A de modo que e pueda escribirse como una transformaciéa matricial en la fomma eal] eye ctor = Alp] =| bi. (©) Demucsie gue peso de ca palabra cio es pat 2. Sea Tel wiguto que se musta en la figure 2.15, (@) Defina la transformacién matricial f: R* + R? por 9] tein Fea) = 4, donde A= |} ae Toajok (b) Deserta a operat geometica qu se aplic6a T bajo f. (© {Cua es el resutado de spiar dos wees fa Tee, fm 3. Sea f: R? > Ja transformaciGn matricial definida por weds 4=[! 2] owmiee yb fiw) = modo que Ia imagen del rectingulo que se muestra en la B= ‘gura 2.18(a) sea una parte de la recta yes a ns, en 4. Determin 0 0 1 0 1 i siguiente -onose Hecooe oHooe wv un clan, si lo hay, para Ta gréficadirigida cuya, smatiiz de adyacencia es la siguiente: §, Descrmine las cantidades desconocidas en el circuito 6 Tias examinar los patrones de votaeién de electores no alitiae dos a los partidos Demécrata o Republicano, ico de cieta ciudad legs a las conclusiones siguientes. Si en tun ao dado, un elector vots por los republicans, la probabilidad de que el aio siguiente vote nuevemente pot cllos es O44, Si en un aio dado un elector vota pot los deméeratas, la un anaista pol Examen de! capitulo 181 robabilidad de que el flo siguiente vote de nucvo por ellos es 05. (a) Eseriba Ja matriz de transicién para el proceso de Markov. () Si en 1996 un elector vot por los republicanos, cust ela probabilidad de que vote por ellos nuevamente en 20007 (C) Enel largo plazo, jeual es la probabilided de que un lector vote por los deméeratas? . Considere una cindad que tiene tes industras basicas: una Planta de scero, una mins de carbéin y un ferrocacil. Para producir $1 de acezo, la planta de acero uiiza $0.50 de ace- +0, $0.30 de carbon y $0.10 de transport, Pata extaer $1 de ‘carb, la mina de carn utiliza $0.10 de acero, $0.20 se carbon y $0.30 de transporte. Para proporeionar $1 de transporte, el ferrocaril utiliza $0.10 de acero, $0.40 de carbon y $0.05 de transporte. Suponga que durante ef ‘mes de diciembre existe una demanda externa de 2 millones 4e délares para el acero, 1.5 millones de délares para cl carb y 0.5 millones de délares para el ferrocartl. Cunt {debe produc cada industria para saisfacer las demandas? Seav=(0 ~3 0 1)" larepresentacién de una muestra de una funcidn fen los puntos igualmente espaciados x)= 6.2 = 4,950,433, (@) Determine el promedio finaly los eceficentes de detalle calculand AaAv, (©) Por medio del nimero de umbral e = 1, determine los datos comprimidos y Iuego calcule la wavelet.182 DEFINICION En esta secci6n definiremos el concepto de determinante, y estudiaremos algunas de sus propiedades. Los determinantes se utilizaron por primera vez. en la solucién de sistemas lineales. Aunque el método desarroliado en el capitulo 1 para resolver tales sistemas es mucho mis eficiente que los métodos que involucran determinantes, éstos son itiles en ‘ores aspectos del algebra lineal, Consideraremos algunos de estos aspectos en el capitulo 8. En primer lugar, trataremos brevemente las permutaciones, que se utilizan des pugs en miestra definicién de determinante. En este capitulo, todas las matrices son cuadradas. Sea $= (1, 2,...,n} el conjunto de enteros de 1 @ n, ordenados en forma ascenden- te. Un reordenamiento jy j2- ~~ jy de los elementos de S es una permutacién de $. Para ilustrar esta definicién, sea S = (1,2, 3, 4]. Entonces 4132 es una permutacién de S, Corresponide a la funcin f: 5 > S$ definida por Podemos colocar cualquiera de los n elementos de S en la primera posicién, cual quiera de los n ~ I elementos restantes en la segunda posicién, cualquiera de los n ~ 2 elementos restantes en la tercera, y asf sucesivamente, hasta Iegar ala n-ésima posicin, Ja cual s6lo puede ser ocupacia por el elemento que queda, Entonces, hay (n= In = 2)o+ De a permutaciones de S. Denotamos el conjunto de todas las permutaciones de $ como Se El producto indicado en la expresién (1) se denota n!, factorialTe EJEMPLO 3 DEFINICION Sec.3.1 Definicién y propiedades 183 ‘Tenemos que 3123-2 1=6 3.2-b= 24 4-3-2-1= 120 5-4.3.2-1=720 6-5-4.3-2-1=5040 7:6-5-4.3.2-1 = 40,320 91 =9-8.7-6-5.4.3.2. 1 = 362,880, $i consta s6lo de 1! = 1 permutacién del conjunto {1}, a saber, 1; Sy consta de 2! = 2-1 = 2 permutaciones del conjunto (1, 2}, a saber, 12 y 21; Ss consta de 31 = 3-2 1 =6 permutaciones del conjunto (1, 2,3}, a saber, 123, 231, 312, 132, 213 y 321. Se dice que una permutacin jy jp ++ j, de S = (1, 2,...,n) tiene una inversion Si un entero mayor j, precede a uno menor j,. Una permutacién se denomina par o im- Par si_el niimero total de inversiones en ella es par o impar, respectivamente. Enton ves, la permutacion 4132 de S = (1, 2, 3, 4) tiene cuatro inversiones: 4 antes de 1, 4 antes de 3, 4 antes de 2 y 3 antes de 2. Por lo tanto, es una permutacién par. Sin > 2, puede demostrarse que S, tiene nl/2 permutaciones pares y un némero igual de permutaciones impares. En S,, la permutacién 12 es par, ya que no tiene inversiones; la permmutacién 21 es im: Par, pues tiene una inversién, a Las permataciones pares en $4 son 123 (sin inversiones), 231 (dos inversiones: 21 y 31) ¥ 312 (dos inversiones: 31 y 32). Las permutaciones impares en Sy son 132 (ana inver: sin: 32); 213 (una inversi6n: 21), y 321 (tres inversiones: 32, 31 y 21) 2 Sea A = [ay] una matriz de n x 1, Definimos el determinante de A (que se escribe det(A) 0 [AP) como det(A)= 1A] = Hajar Anjgy Q donde Ia suma varia sobre todas las permutaciones j; jx - «jy del conjunto $= (1, 2,..., 1). El signo se toma como +0 como ~ sila permutacién jy jp: - «jy €5 par 0 ‘mpar, respectivamente. En cada término (aya, - -- ay), del det(A), Jos subindices de las filas aparecen en su orden natural, mientras que los subindices de las columnas estan en el orden j; Ja Jy Como la permutacién jy jy + jy No ¢8 mds que un reordenamiento de los ni- ‘eros desde 1 hasta n, no tiene repeticiones. En consecuencia, cada término en det(A) €8 un producto de 1 elementos de A, cada uno con su signo adecuzdo, en el cual hay ‘exactamente un elemento de cada fila y exactamente un elemento de cada columna. Da- do que sumamos sobre todas las permutaciones del conjunto $= (1, 2,.... 1), la ex- presién para det(A) tiene n! términos en Ta sums,84 Capitulo 3 Determinances racer! Eva Bauer Si A = [ay:] es una matriz de 1 x 1, entonces $; s6lo tiene una permutacién, la permy. tacién 1, que es par. Ast, dew) = ay, a a-[2 2] es una matriz de 2 x 2, para obtener dei(A) eseribimos Tos términos Si aa Yay ap, y llenamos los espacios en blanco con todos los elementos posibles de 5; entonces, los, subindices vienen a ser 12 y 21. Como 12 es una permutacién par, el término a ay tie. ne asociado un signo +; como 21 es una permutacién impar, el término @;20, tiene asociado un signo ~. Por lo tanto, det(A) = ayyay2 ~ p20 ‘También podemos obtener det(A) formando el producto de las entradas en la linea que va de izquierda a derecha en el siguiente diagrama, y restando de este producto el producto de las entradas en la Ifnea que va de derecha a izquierda, Por lo tanto, si entonees det() = (2)(5) ~ (~3)(4) = 22. . Si ay ay as A=|an a2 a3, a as a, para calcutar det(A) escribimos los seis términos aaa, 1-2-0352, YY G447-05_. Utilizamos todos los elementos de 3 para Ilenar los espacios en blanco y, anteponemos ‘cada término el signo +o el signo ~ segén si la permutacién es par © impar, con Io cual obtenemos que det(A) = ay am035 + aizdasdy) + ay3A24039— O110zx02 @ ~apa21233 ~ 4130228 ‘También podemos obtener det(4) como sigue. Repetimos la primera y segunda columnas de A, como se muestra a continuaci6n; formamos la suma de los productos d las entradas sobre las Kneas que van de inguiorda a derecha, y estamos a este niimero los productos de las entradas en las lineas que van de derecha a izquierda (verifique). au any ain can aie ao ang aggragy a2 .Precaucién Solucién Bans Demostracién Sec. 3. Definivion y propiedades 185 ‘Téngase presente que los métodos descritos en los ejemplos 5 y 6 para evaluar det(A) no se aplican para n > 4. Sea mee Evaluar det(A). Al sustituir en (3), encontramos que det(A) = (2) + QED + VT) ~ GIGI) ~ (2)2¥2) ~ VNB) = 6. Podrfamos obtener el mismo resultado aplicando el sencillo método descrito al finali- zar la pagina anterior (verifique), a Tal vez yase le ha ocurrido al lector que esta forma de calcularel determinante puede ser en extremo tediosa para un valor considerable de n. De hecho, 10! = 3.6288 x 10° y 20! = 2.4329 x 10!* son aiimetos enormes. Pronto desartollaremos varias propiedades de los determinants, que reducirén en gran medida la magnitud de los edleulos re guerides. Las permutaciones se estudian con cierto detalle en cursos de algebra abstracta y €n cursos de teorfa de grupos. Nosottos no utlizaremos las permutaciones en nuestros ‘métodos para calcular los determinantes, aunque sf nos ser ti la siguiente propiedad de Jas permotaciones: si intercambiamos dos nimeros en la permutaciGn j «jy entonces el mimero de inversiones eumenta o disminuye en un ntimero impar (ejercieyo 1), El niimeto de inversiones en la permutacién $4132 es 8. El niimero de inversiones en {a permutacién 52134 es 5, La permutacién $2134 se abtuvo intercambiando los di tos 2 y 4 en 54132, El niimero de inversiones difiere en 3, un némero impar, Los determinantes de una matriz y de su transpuesta son iguates: es decir, det(AT) dei(a), Sean A = [ag y AT = (By), donde by = a, (1 < i=, | Qi) 6(4— 1) = 18, 1 R 14 7 ‘Tenemes que 123] 23 21 15 3 5.3 sou 2)(3)(0) = 0. 2 8 6| 43 41 En este caso, primero factorizamos el factor comiin 2 de Ia tercera fila, ego 3 de la ‘ercera columna, y finalmente empleamos el teorema 3.3, pues la primera y tercera co- funnas son iguales, a188. Capitulo3Determinantes Si B = (by) se obtiene de A = [ay] sumando a cada elemento de ta -ésima fila (colum. ria) de A una constante¢ por el elemenio correspondiente de ta sésima fila (coluray 1r# sdeA, entonces det(B) = detiA), Demostraremos el teorema para las filas, Tenemos que by = ay para i + 7, y b, y+ ody, r# 5, digainos r < s, Bntonces det(B) = DEY be = Da jarig +r, + ey) Bi = Di Bayjyarig aay Gi ie + Dedoaijery ys Bj, Bai eau) aay, Any La primera surna en esta thtima expresién es det(A); la segunda suma se puede es ceribir como efebajang ay. aya Observe que oar yaajg day ay, Gay a ay a) yy | r-ésima fila facta yy | s-€sima fila Cr Oy 0, ‘ya que existen dos filas iguales. Por lo tanto, det(B) = det(A) + 0 = dev). 8 EJEMPLO 15 coe 1 2 3] |s 0 9 2-1 3f=|2-1 3), 10 1] fl o4 Jo cual se obtiene al summar el doble de Ia segunda fila @ la primera, Si ahora se aplice 1a definicion de determinante al segundo determminante, podemios que ver que ambos tienen el valor de 4. . Si una matriz A 1.2), entonces lay} es triangular superior (inferior) (vea el ejercicio T.5, secciét det(A) = ay)429 +> Ginn s decir, el determinant de una matri triangular es el producto de los elementos de le diagonal principal. =Sec. 3.1 Definicién y propiedades 189 Demastr: Sea A = [ag] una matriz triangular superior (es decir, ayy = 0 pata i > j). Entonces, un érmino ayy; "~~ dq, de la exptesion para det(A) solo puede ser distinto de cero si 1 Sjt.2< ja... mSjq. Ahora, jis... jy debe ser una permutacién o reordenamien- tode (1,2, ....1}. Por lo tanto, debemos tenet j, =, yy = Ie... is = 2, jy En consecuencia, el tinico téimino de det(A) que puede ser distinto de cero es el produc to de Jos elementos de la diagonal principal de A. Como la permutacin 12 «++ n no tiene inversiones, el signo asociado a ella es +. Por lo tanto, det(A) = ay On Dejamos al lector la demostracién del caso de una matriz triangular inferior (ejer~ cicio 2), a Eldeterminante de una matriz diagonal es el producto de las entradas de su diagonal principal, Demostracién Ejereicio 717. SEVERE sen a Calcular det(A), det(B), det(C). Solucién De acuerdo con el teorema 3.7, det(A) . dei(B) = ~60, Por el corolario 3.1, det(C) = 120, = Ahora presentamos una forma de denotar operaciones elementales pot filas y por columnas, en las matrices y en los determinantes. « Totercambiar filas (columnas) iy j ney Gog) ¢ Reemplazar la fila (columna) i por k veces (k# 0) la fila (columna) i kn ty (kee), + Reemplazar la fila (columna) j por & veces (k# 0) la fla (columna) i + ta fila (columna) j pty beg tgs ep. Con esta notacién es facil seguir el rastro de las operaciones elementales entre fic las o entre columnas realizadas a una matriz, Por ejemplo, con Ay; 4,» indicamos que hemos intercambiado las filas i yj de la matriz.A. Procedemos de manera similar en cl. ccaso de operaciones entre columnas, Podemos interpretar los teoremas 3.2, 3.5 y 3.6 en términos de esta Bet Anon) =~ AeA), 1 Aj det( Aug. +.) = kdet(A) det(Agjerjor) = de), # j notacién ast:90 Capitulo 3 Determinantes ' Es conveniente rescribir estas propiedades en términos de det: det(A) = —det(Aner, I det(A) =f det(Ate-on) #0 eA) = det Atrairy oe) EFS Para las operaciones entre columnas provedemes de manera anéloga. Los teoremas 3.2, 3.5, 3.6 y 3.7 son muy titles en la evaluacién de det(A). Lo que hacemos es tansformar A por medio de operaciones elementales por files en una mattz ‘wiangular, Por supuesto, debemos registrar cOmo cambia el determinante de las matrices resuitantes al realizar tales operaciones, EEMARmra Sea A | Calcular det(A), Solucién Tenemos det) = 2det( As, 4) Multiplicar ta fila 1 3 por 5 Intercambiar las filas ly3. Obtener ceros debajo de Ia entrada (1,1). 0-5 -10 de Ta entrada (2, 2) ‘) 2). ion beers conten $7 120 3 =-2det [; -8 ;| Obtener ceros debajo -fntnon, 1Las operaciones que seleccionamos no son las ms eficientes, pero con ellas evitamos ‘el uso de fracciones durante los primeros pasos. a |Observacién Sakon) Observacién Phcie ieee: Demostracién See. 3.1 Definicida y propiedades 191 Haremos referencia al método utilizado en el ejemplo 17 para calcular un determinan- ‘e, como eéteulo por reduccién a ta forma triangular, or iremos la demostracién del siguiente e importante teorema El determinante del producto de dos matrices es el producto de sus determinantes; es deci, det(AB) = det(A) det(B), a Sean 2 2-1 Jef] Enionees Wey ‘Adem, : y Abi = 10 = a a En el ejemplo 18 también tenemos (verifique) 10 nef dde manera que AB # BA. Sin embargo, |B = [ala] = —10 = [4 Como consecuencia inmediata del teorema 3.8, podemos calcular fécilmente dei(A~!) a partir de det(A), como demuestra et siguiente corolario. S¥A es no singular, entonces det(A) % 0 y 1 deta) det(A~!) = Ejercicio T. & Sea Entonces det() Ahora, dei(A)"192 Capitwlo3Detenninanies F NARIAS (GPCIONAL) Las propiedades y téenicas para el célculo de determinantes desarrolladas en esta seccién se aplican también a matrices binarias; sélo que en éste caso los célculos se hacen con art smética binaria, ETERS El determinante de la matriz binaria de 2 x 2 1 0 11 calculado por medio de la técnica desarrollada en el ejemplo 5, es A detiA) = (1) - (1) 0) = En ETEMERGESA 1 ceterminante de ta matriz binaria de 3 x 3 en rod A=|1 10 O11 calculado por medio de la técnica desarrollada en el ejernplo 6, es deta) = (1A) + (ONO) + (CI) (1 CO}1) ~ CO} = (VA =1404+1-0-0-0=14+1=0. . TERRY Uiilice el cétculo por reducci matriz binaria na la forma triangular para evaluar el determpinante dela oid 110 LOL ort 110 110 8 Soluci6n | 1 1 0 =Cb/o1t O11 bod). TOT on o11 De acuerdo con el teorema 3.3, de(A) = 0. . férminos clave Permutacion Peemutacion impar ‘factorial Determinante nversion CCéleulo por reduecién a la forma triangular Dermutacién par 1. Determine ef nimero de inversiones en cada una de las si- 2. Decida, en cada una de las siguientes permataciones de 9 zuientes permutaciones de $= (1, 2,3, 4,5). 1,2,3,4], sies par o sies impar. (@s2134 0) 45213 (©) 42135 ans (0) 1243 (©) 1234 @ 13512 (©) 35241 (12345 (3214 143 (2st ——See. 3.t Definicién y prapiedades 193 34, Determine el signo asociado a cada una de las siguientes ‘alcule Jos determinantes de las siguientes matrices: permutsciones de $ = (1,2, 3,4, 5} a (a) 25451 31245, (o)21345 "6; +2by —Bey ay $2, Bey as + 2b) ~ ey SUL) 34125 (941253 b, bs by | 4. Bn cada uno de fos siguientes pares de permotaciones de S 1, 2,3,4, 5,6), verifique que el nmeso de inversiones aliere en un némero impar. (a) 436215 y 416235 (0) 623415 y 503416 y (©) 321564 y 341562 (6) 123564 y 423561 i Bilas ejercicios 5 6 eval ef detemninante mediante fa 10. si a th 030 cane Sai] 3 2 @/2 0 0 ‘verifique que det(A) = deta”). peas TL. Byaltie off sole bo 8 wae((s' 22) (b) det(24s - A), donde A 42 at 4 0 0 4-1 ; rsaQitits # a ("5 @/2 5 Oo] @ 7. Sea A = fay] una matriz de 4 x 4, Esoriba fa expresién ge- 9 0 mH ay 14. Para cada una de las matrices del ejercicio 12, determine lls br bs |= todos los valores de 4 para los que el determinant sea a ‘igual a cero calcule Jos determinantes de las siguientes matrices: En los ejercicios 15 y 16, catcule el determinante indicado. pela on Bl, oa) [8 6 32 cee eer wale il @|o 7s 0 0-1 Soe a a ;| 00 0 2 D=|de4e, Brtder by + des 340000 ee | % Si 41-3 2 oer by lO 4 094 Capitulo 3 Determinantes inlos ejercicios 17 a 20, catcule ef determinante dado por re- uccién a la forma triangular 2 3 6 300 oF @a=lo 3 2\,B=|4 5 0 0 0-4 201 = 2014 ‘cece 302-4 -2 2@j5 2 0} ®) > 321 6 22, Si|Al = ~4, determine eoc HOB 6 1 = 4] ww) 4} ww] 412 23, Si A y B son matrices de n x n, con {Al = 2 y |B] = lo 23 ule iat Hooks caleule A") 40 0 0 eee Br los jericos 24 y 25, eval el determinant dado de las -1 200 matrices binarias por medio de las téonicasdesarrlaias en Bm) 2-3 of)? 3 8 tos ciampoe 5y6 1535 110 1203 O14 of to m/f 4] ofiet 312 4 2 3-4 too . 4 @)oit ow 2213 mf 22 1 8 110 $2 6 4 : fe 103-4 ro. 25. {a) 4 (by } tor @|2 1 2] @fo 2 o01 “915 0 0 0 tall 100 ro. iit o@li 1 of m3 3 9? ata 210 aoece ae 12-1 i. En los ejercicios 26 y 27. evalie el determinante dado de tas - matrices binaris por reduccion ata forma triangular eli 27 rs por reduccin ata forma triangu 143 riod oe olrid 2% @)/1 10) Ml) 9 99 L.. Verifique que dex(AB) = des(A) det(B) para las siguientes rad o100 matrices 12 3 z rol Heitete fa) A=]-2 03 1 5 Mia) }O rd Or ord o 1 0 3 ro oot s tedricos 1, Demacstre ques intreambiamos dos nimeros en la TS, Demuesite que si det(AB) = 0, entonces des) = 00 ppermatacién jy j2 + jy. el niimeto de inversiones aumenta ‘© disminaye en un nimero impar. Sugerencia: demuestre primero que si se intercambian dos niimeros adyacentes, el néimeto de inversiones aumenta o disminuye en 1 Luego muestre que un intercambio de dos nimeros ‘cualesquiera se puede lograr mediante un nimero impar de intercambios sucesivos de nimeros adyacentes,) [2. Demuestee el teorema 3.7 para el caso de une mati triangular inferior. £3. Demuestee que si ces un nimmero real y A es una matriz den xn, eatonces det(oA)= c* dot), 4, Demuestee el eoratario 3.2. 16. 1. Ts. 19. ‘10, dexB) = 0. {Bs cierio que det(AB) = det(BA)? Justfique sa respuesta Demuesire que si A es una matriz tal que en cada Sila y en cada columna uno y sélo un elemento es # 0, entonces dex(a) + 0, Demuesire que si AB = Jn, entonces det(a) #0 ¥ dei(B) # 0. (a) Demuestre que si A = A“! entonces deta} (b) Demuestre que si AT = A~1, entonces deta) 1 =+1 Demuesire que si A es una miata ne singular tal que A? = A,entonces dei(a) = 1 | tu 1 1. jer Para rie ML. ML3 “alexa bliceda lander Arts et M Frances,‘See. 3.1 Definiciém y propiedades 195, ‘gal. Demucstre que ‘TA4, Demussire que si det(A) ATH) det) ett") TIS. Demiesie que sia = 0, par agin entero positivo mene toaces det) = 0, = det{a?) der(a), at TAG, Denueste que si A es de nxn, siendo A uaa marie ni entonces det(AB) ad. Demuestre que simétrica (A! = —A, veaelejercicio-28 de la seccidn 1.4) oaeeee {y mes impar, entonces det(A) Bob 1) =-axe-ao—c) ‘TIT. Demvestre el corolari 3.1 eet TAR. {Fn qué circunstancies una matriz diagonal es no singular? Este determinante se llama un determinante de (Sugerencia: vea el ejecicio 1.7.) ee ‘TA9, Utilizando el ejercicio T.13 de ls seecisn 1.2, determine TAB. Sea A = (oy) una matriz triangular superior. Demuestre ‘cuGnias matrices binatias de 2 > 2 tienen determinante ce- que A es no singular si y s6lo siay 0,1 4, el célculo de A~ por determinantes, como se indic6 en el corolaia 3.3, exige mucho tiempo, por la gran cantidad de operaciones. Analizaremos estos aspec tos en la seccidn 3:3, en la que trataremos con determinantes desde un punto de vista ‘computacional. Sin embargo, el corolario 3.3 sigue siendo til en otros campos, Podemos resumir nuestros resultados sobre determinantes, sistemas homogénecs y ‘matrices no singulares, en la lista siguiente de equivalencias no singulares. Lista de equivalencias no singulares Las afirmaciones siguientes son equivalentes. 1. Aes no singular. 2. x =O .s la tinica solucién para Ax = 0. 3. 4 es equivalente por filas a Jy. 44, El sistema lineal Ax = b tiene una tinica solucién para cada matriz b de m x 1 5. dettA) 0. La lista de equivalencias no singulares también se aplica a matrices binarias, REGLA DE CRAMER* Podemos utilizar el resultado del teorema 3.11 para obtener otro método, conocido como regla de Cramer, para resolver un sistema lineal de nm ecuaciones con 7 incégnites cuya matriz de coeficientes sea no singular. Gabriel Cramer (1704-1752) nacié en Ginebra, Suiza, en donde tanscosri toda suexistncia, Perm? necis sora, viaj6 profasamente, ensefi en Ia Academie de Calvi, y paticps de manera activa ena Laregla pura resolver sistemas de ecuaciones linealesaparecé en un apéadice de su bro nod 4 Yanalyse des lignes courbes elgebrigues, pblicado en 1750. Laregla ya era conccida por ros mate" 208, pero nose habia difandido ni explicado com elridad, hasta sa pariién en exta obra de Cram i ‘vo mucha flueneiaen los ciculos matematicos,TEOREMA 3.13 Demosteacién See. 3.2 Desutrolio por cofactores y aplicaciones 205 (Regla de Cramer), Sean aut + aay boot andy = by Ma1xy + O22%y +b Many = Bz gi X1 + OyaXa f+ + ontn = Dy un sistema de n ecuaciones lineales con n incdgnitas y A = [ay] la matriz de coeficien- 42s, de modo que podemos escribir el sistema dado como Ax = b, donde by by be b, | Si det(A) # 0, el sistema tiene como solucién tinica yy = UA) deta) dein) decay’ > Gecay dell donde A; es la matric que se obtiene a partir de A, reemplazando su i-ésima columna porb, De acuerdo con el teorema 3.12, si det(A) # 0, entonces A es no singular. Por lo tanto, Au _ Aa An det(A) — det(A) det(A) An Am An det(A) —det(A) det( A) x : by a bs ae Ay Aw Ani fn det(A) — det(A) det(A) | Lo.t Aty Ady Aan det(A) — det(A) det( A) Esto significa que Au Aa Ani = Ay g A mm (sien | den ay? * Gecay? + * Geacay” ¢ =”. Ahora, sea aya ater BL tego ae cc a ce nh 2 2 nid By Cait oo Aan ‘Si evaluamos det(A)) desarrollando a Io largo de la colurmna i, encontramos que det(Ai) = Ayiby + Anda ++ «+ Any206 Capiwwlo’d Deteeminantes Fae En consecuencia deta) dex) para i= 1,2,...,n- En esta expresién para x, el determinante de Ai. det(A,), puede calcularse por cualquier método, Fue sélo en la deducci6n de la expresién para x; que tuvimos que evafuarlo desarroliando @ lo largo de la i-ésima columna, . Consider el siguiente sistema lineal: n+3y-m= 1 mtIgoms 4 24 = ate Entonces, -2 3-1 ale} t 2-1 “2-101 En consecuencia zB 2 1-1 1 4-1 2-3 1| ~6 Para resolver el sistema lineal Ax = ‘es como sigue: , donde A es de m x n, la regla de Cramer Paso I. Calcute det(A). Si det(A) = 0, no se puede aplicar la regla de Cramer. En este caso, utilice la reduccisn de Gauss-Fordan. Paso 2. Si det(A) * 0, para cada i, det Ai) def)" donde A, es la matriz. que se obtiene a partir de A, reemplazando la i-ésima co- lumina de A por b. Observe que la regla de Cramer s6lo se puede aplicar si el sistema es de m ecuacio nes con n incégnitas y su matriz.de coeficientes es no singulat. Si tenemos que resolver tun sistema lineal de m ecuaciones con n incégnitas cuya matriz. de coeficientes es singular, debernos utilizar ef método de reduccién de Gauss-Fordan, como se estudié en lt seecin 1.6, Para n> 4, Ia regla de Cramer se vuelve computacionalmente ineficiemte ¥y €8 mejor utilizar et método de reduccién de Gauss-Jordan, Tér Men Cok AdhMenor Cofactor | Términos clave [ Adjuna Sec. 3.2 Desarrollo por cofuctores y aplicaciones 207 INTERPOLACION POLINGMIAL Al final de ia secci6n 1.7, se discutié ef tico que intexpolase a los puntos (x, 42 # 25, El polinomio tiene la forma problema de determinar un polinomio cuadré- YD Oa, Ya). C5 Y3), donde xy # xg, xp # x5 y yaaa! tat ay @ (Beuacion (15) de la seccisn 1.6], Al sustituir I los puntos dados en (9), abtenemos el sistema lineal ana} + ayes ta x3 + ax + an ax} + ays + ay ag) La matriz de coeficientes de este sistema ineal es Pom od Son l Yoox 1 ‘cuyo determinante el determinante de Vandermonde (vea el ejercicio 7.12 de la sec cién 3.1), que tiene el valor D5 — 24 Nr2 — ). Como los tres puntos dados son distintos, el determinante de Vandermonde no es cero, Por lo tanto, Ia matriz de eoeficientes del sistema lineal en (10) es no singular lo que ‘implica que el sistema fineal tiene una solucién nica. En consecuencia, existe un dni. £0 polinomio cuadratico de interpolacién. La prueba general para n puntos es similar OTRAS APLICACIONES DE DETERMINANTES En la seccién 4.1 ufilizaremos los determinants para calcula el rea de un triéngulo, ¥en la secci6n 5.1 los emplearemos para caleular el tea de un parallepipedo, Obtenga todos los cofactores, 10 3 o 2 a[2 1 4-1 4 4-132 4 0 3 0 3-1 o Caleule todos lo cofactores de los elementos dela segunda fila, ¥ totlos Io cofeetores de los elementos de la tecera columna,208 Capitulo 3 Determinantes En los ejercicios 3.46, evabie los determinartes utilicando eb eorema 3.9, 1203 3@]-1 5 2 3°20 4-4 21 120 3 lr 0 3 4 03 21 4200 ojo 2 4 1-13 2231 or 24 aa@ly it pq 23 0 0 o 1-2 wl-1 301 2-23 21-3 ©} o 1 2 421 301 2-t 200 37 s@|> 3 aos o-1 1-5 3 1 0 @)3 2 1 oat 3-3 0 {2 0 2 201-3 oO 0-1 3 o121 2-25 2 3300 4200 wm] ior 2 10304 “12-1 @}3 214 142 7. Verifigue el teotema 3.10 para la maiz 203 «0 a=|4 1-3 20 1 caleulando ay, Aya + a3yAz2 +03iArp. 8 Sea 2 09 1 5 w@]3 2-1] © 10 1 [ 2 5 1 13. (@) (a) Obtenga adj A. (b) Caloule dex(4). (6) Verifique el eorema 3.11; esto es, mvestre que Alaa A) = (adj AVA = dex dh Sea (a) Determine ad} A. () Caleute der. (©) Verifique el teorema 3.11; esto es, muestre que Adj A) = (adj AVA = det(Ayh, Ex ios eercicios 10a 13, calcule las inversas de las matrices dads, si existen, uilizando el corolario 3.3. 402 2 32 wel} joo 2 eee 103 2 0 = ois 7 2 Las ne[4 3 d oft 3 4 © |o 0 © © 14. illic el teorema 3.12 para determinar cuales de las matt- ces siguientes son no singulares. of i op y of iiSco, 3.2 Desartoio por cofactores y aplicaciones 209 120s 19. Repita el eerico 18 para os ss mas hemogéatos sb 34013 niente, @l2 5 2 o - 012, (242 et yee 15, Uillce el teorema 3.12 pera determinar cules de ls mat- Bro pt ces siguientes son no singulares () ety t2e4 4 345 -y+ 2~ w 2 3 Bet y+ 22430 4 Bem y~ ch w En los ejercicios 20 a 23 resuelva por medio de la regla de Cra en see eee ‘mer; si es posible, el sistema lineal dad 4-6 5 2 2 2] fo 2 off $ 3]oft a3 16 Deere dbs lo vbr pr rue navaan oee(f'5? 24) Loon oaonaels 9 7 bo A 1 Demin ts vrs ep on ar zi () de10.45 ~ A) dehy %e het 4 ae ae waa(t a ))=0 raved “3 a oy Ent losefercicios 24y 25, determine cues de la matrices bi tb) dety~A)=O,donde4=] 0 3 09 arias dadas son no singulares wilisando cualquiera de las téc- 2-1 2 cas deta lista de equielencias no singulares 8 Uslice e coroario 3.4 para determina silos sistemas hoe chee t too ‘ogéneos siguientes tienen soluciones no tvales, alee fier. (a) x-2yt H10 ool d, ae t3y4 art ye Ree Orda rere Her eoee rors That Bel tej] @fi tors etiae peeree bitod pata Piri io, Fercicios tedricos TA. Por medio de un desacroto por columna (fila), demuestre que si A Demucste que si A es una matiiz uiangular superior no [ay] es wiangular superior (inferior) entonces singular tambign A~ es riangular superior. Set(A) = 1623+» Gy TS. Demuestre que TR. SiA = [aj] es una maiz de 3 x 3, obtenga la expresin _eeneral para det(A) por medio del desarrollo (a) alo largo dla segunda columna,y(b) aT largo dela tercera ils Compare estas respuestas con las que abiuvo para el em plo 6 de la seccion 3.1 TS, Demuesire que siA es simétrca, tambien dj A es sims. {sno singular Sy solo sad ~ be # 0. Si se satsface esta tea condicién, utile e corolaio 3.3 para determinar A="210 Capitulo 3 Determinantes 16, Uslice el corolario 33 para determinar la inversa de toa at Aa{tob OB Loe @ [Sugerencia: vea el ejercicio 1.12 de la seceign 3.1, donde se ealeal6 des(A}) Demuestze que si A es singular, también adj A es singular {Sugerencia: demuesire que si A es singular, entonces Aled A) = 0) Demuestre que si es una matiz de n xm, entonces de~ adj A) = (dena) Resuciva el ejetvicio 10 de la seeci6n 1.6 por medio de Seterminantes, 1. 18. 18, TAO, Sea AB AC, Demuestie que si det) # 0, emtonces B = ¢ TH. Sea A una matriz de m x a, tal que todas sus entrades soy mers enteros. Demuestte que si det(A) = 1, entonse, todas las entradas de A~' son enteros Deauestre que si A es no singular, entonees adj A es np singular y Ta. ue Teej (ag ay ag", ‘TA3. Determine todas las posibles matrices binarias de 2 x 2 ‘que son equivalentes por filas a1. (Sugerenci: vea et efercicio T19 de la secci6n 3.1, 0 el ejercicio Tul de ty seccin 1.6.) Ejercicios con Marae ‘MLA. En Maras existe una mutina eofaetor que calcula el ‘cofactor (ij) de una maiz. Para instrucciones sobre ‘el uso de esta rutina, escribs help cofactor, Utilice ‘cofactor para comprobar los céleulos que hizo para la matiz A en el ejercicio 1 ML.2. Utilice la rutina cofactor (vea cl ejercicio ML, 1) para caleular el cofactor de los elementos dela segunda fla de 15 0 2-1 3 30204 ML.3, Uilice Ia rutna cofactor para evaluar el determinante de A usando el teorema 39, 40-1 Aa|-2 2-1 0 4 =3 MLA. Unlice Ia ruta cofactor para evaluar el determizante de A usando el teorema 3.9. A= “12 ° 2-1 ° 0 2-1 2 00 4 MLS. En Macias existe una rutina adjoint, que calcul ls junta de una matri2. Eseriba help adjoint, para ver insirucciones sobre esta rutina. Uulice adjoint para uiliarse en el célculo de las inversas de las matrices (el ejercicio 1 EE] DETERMINANTES DESDE UN PUNTO DE VISTA COMPUTACIONAL Hasta ahora, en este libro hemos desarrollado dos métodos para resolver un sistem lineal de a ecuaciones con tenemos dos métodos para obtener Ia inversa de una matriz. no sit- ‘Cramer. Tamt incdgnitas: la reduccién de Gauss-Jordan y la regla é gular: el método que involucra determinantes y el método presentado en la seccids 1,7. Bn esta seccién estudiaremos los criterios que deben considerarse para clegir und u otro de estos métodos. ‘Casi todos los problemas de gran tamano de Algebra lineal se resuelven usando comp tadores, de modo que es natural comparar dos métodos estimando el tiempo requerido pt Jos célculos para el mismo problema. Como la suma es mucho més répida que la multi cacién, con frecuencia se utiliza el nero de multiplicaciones como base para compa! dos procedinientos numéricos. Considete el sistema lineal Ax 1 donde A es de 25 x 25. Si hallamos x por medi® de la regla de Cramer, primero debemos obtener det(4). Podemos hacer esto mediante desarrollo por cofactores, digamos dei(A) = ayy44) ++ arg) + + aqiApts donde be mos desarrollado det(A) a lo largo de la primera columma. Observe que si se dispone & cada cofactor, se requieren 25 multiplicaciones, Ahora, cada cofactor Ayes mas (+)[ eas clave para el repaso 211 fos (~) el determinante-de una mairiz de 24 x 24, el cual puede desarrollarse ao largo de una fila o una columna dads, requiriendo para ello 24 multplicaciones. Entonces, el eileulo de det(A) requiere mas de 25 x 24 > --- 2 x 1 = 25! multiplicaciones. Aun: ‘que empleéramos una computadora del futuro (futuro no tan lejano) capaz de realizar un Dillon (1 x 10%) de multiplicaciones por segundo (3.15 x 10” por afio),tardarfa cerca de 48,000 afos en evaluar det(A), Pot otro Indo, fa reduccién de Gauss-Fordan necesita cerca de 25°/3 muliplicaciones, y hallarfamos Ia salucin en menos de un segundo, Por supuesto, podemos calcular det(A) de una manera mucho més eficiemte utlizando opera, 5, los métodos que utilizan de- {erminantes son menos eficientes que la reduccién de Gauss-Jordan y que el méiodo de Ta seceién 1.7 para invertir una matriz, Por supuesto, la importancia de los determinantes no recae en su uso computacional. Teng en cuenta que los métodos con detetminantes permiten expresar Ia inversa 0. ‘TB, Sea Q una matria den x nen la que cada entrada es | Demueste que dot ~ ny) = 0. ‘TA, Sea P una mauiz invertible. Demueste que si entonces det = de) ‘TS, Demueste que si esa mattis singular den % n, en tonces adj A) = 0. (Sugerenca: vee el toreta 311) TE& Demueste que si es una matiz singular den x nen tonces AB es singular pata cualquier mauieB den =n = PAP, ‘EA. Demuestre que siA y 8 son matrices cuadradas, entonces et (3 2) = der( A) dex), ‘TS. Demuesire que si A, By C son matrices cuadadas, entonces ae([f 9]) -aenaen TS. Sea.A una matiz den x m euyas entradas son enteros y det(a) = |. Demuestre que si todas las entradas de b soa enteros, entonces toda solucin de Ax = b consiste de centeros, Examen del capitulo 1. Eval to od | “12 os “1 3 4 2 2 Sea A de 3 x 3 y suponga que [al = 2. Caleule () [Ba] ©) Bay © [ay 3. Para qué valores de aes 2 1 oO] }o at 0-1 344+) 1 3a of=asr 0 1 af |-2 2 2 4 Determine todos los valores de a para los que la matsiz eo F 5S a 2 301 § Resuelvael sistema lineal siguiente por medio de la regla de Cramer singular. 6. Decida sies verdadera o false cada una de las afirmaciones. siguientes. Jutifique sas respuestas. (a) det(aa?) = deuca?), ) dex(~A) = - SISTEMAS DE COORDENADAS En muchas aplicaciones tratamos con cantidades mensurables, tales como la presiGa, la ‘masa y la rapidez, que pueden describirse por completo mediante su magnitud. Por otto lado, existen otras cantidades mensurables, como Ia velocidad, la fuerza y Ia acelera in, para cuya descripcién es necesario plantear no s6lo una magnitud, sino también ‘una direccién, Estas htimas cantidades se denominan veetores, y serdn nuestro tema de estudio en este capstulo, Los vectores se denotarén con letras minisculas en negrias, como u, ¥, w, ¥ y 2. Los niimeros reales se denominarén escalares, y se denotarén con letras minisculas en cursivas, Recuerde que el sistema de los nimeros reales puede visualizarse como una linea recta, L, que por lo regular se coloca en posicién horizontal. Se lige un punto O en L,I ‘mado origen; éste corresponde al niimeto 0. Se elige un punto A a la derecha de O, con «el cual se fija la longitud OA como 1, y se especifica una direccién positiva. De esta mi nera, los nimeros reales positivos se encontrarén a la derecha de O, y los negativos a la izquierda de O (vea la figura 4.1) Dineecién negativa <———-_ ——— Direcein postva El valor absoluto [2 del ndimero real x se define como x six=0 BIS VA six <0. Por lo tanto, [3] = 3, |—2| = 2, |] =0, |—3| = 3 y |-1.82) = 1.82. Fl némero real x que corresponde al punto P se denomina coordenada de P, y¢l unto P caya coordenada es x se denota mediante P(x). Le recta L se denomina dt coordenado, Si P esté a la derechs de Q, su coordencala es Ia longitud del segmest® OP. Si Q se encuentra a Ia izquierda de O, su coordenada es el negativo de la longitid del segmento OQ. La distancia entre 1os puntos P y Q con coordenadas ay b, respect vamente, es |b~ al. Fisie y o| ——— Divecciga pestiva Figura 4.2.4 dev Direecién posiiva cies Figura 4.3 > L See. Vectoresen el plano 215 En la figura 4.1 vemos que las coorddenadas de los puntos B, C, D y E son, respectivamente, 3, ~3, 1.5 y ~4.5. La distancia entre B y Ces |-3—3) = 6. La distancia entre Ay Bes 3~ 1 = 2, La distancia entre C y E es |~4.5 — (—3)| = 1.5. 5 Analicenos ahora la situacién anéloga en el caso del plano. Trazamos un par de ree~ ‘as perpendiculares que se intersequen en un punto O, denominado origen. Una de las rectas, el efe-x, por To general se toma en posicién horizontal; la otra reeta, cl efe y, se considera entonces en posicion vertical. Ahora elegimos un punto en el eje x ala derecha de 0, y un pantocn el eje y arriba de para fijar las unidades de tongitud y las direcciones positivas en los ejes x y y. Con frecuencia, pero no siempre, estos puntos se cligen de modo que sean equidistantes de O, esto es, se utiliza la misma unidad de lon- itd en ambos ejes. En conjunto, tos ejes xy y se denominan ejes eoordenadas (figu- 12 4.2), La proyeccién ortogonal de un panto P en el plano a Ja recta L es el punto Q ue se obtiene al intersecar Z. con la recta L’ que pasa por P y es perpendicular a. [f= guras 4.3(@) y (b)]. a a, Sean P un punto en el plano y Q su proyeccién sobre el eje x. La coordenada de Q en el eje x se denomina coordenada x (abselsa) de P. De manera andloga, seu 0" la ProyecciGn de P en el ee y. La coordenada de Q' en el eje y se llama coordenada y (ordenada) de P. Asf, con cada punto en el plano esté asociado a un par ordenado (1 >) de mimeros reales, que determina sus coordenadss. El punto P, con coordenadas x y, se denota mediante P(x, »). De manera recfproca, es fic ver (ejercicio 1) cémo pode- ‘mos asociar un punto en el plano con cada par ordenado (x, y) de nimeros reales ( gura 4.4). La correspondencia anterior entre puntos en el plano y pares ordenados de lidimeros reales se denomina sistema de coordenadas rectangulares, o sistema de coordenadas cartesianas (nombre en honor del filésofo y matemético René Descar- tes"). El conjunto de puntos en el plano se denoin mediante R, y también suele deno- mindrsele 2-espacio, ‘Rend Descartes (1596-1650) fue uno de les centios y fidsoos mis conocidos desu época, yes consiera- do el fundador del sors modern, Despas de completr sus extadosprofesonses en derecho, = dio «studio autodidacta de fs matemiticas; en forma simulténea most jensen la vide noctura de Pars en ‘mica, pues sirvi6 como voluntaro en los eins holans, bara y francés, El penodo mds product vo de su vies transcurrié de 1628 «1648, cuando vivi en Holanda. En 1689 aeeps una imitacton de are na Cristina de Secin pars srs tetor particulary establecer ne Acaemia de Ciencias en ago! pals, Por esgracia, no cave tiempo de realizar ese proyecto, pues Mun6 vicina de neumonfa en 1650. Fn 1619, Descartes tuo un suefo que le permis considera que el modo de las mateadtcas es a me- pt vi para tleger ala verdad. Sin embargo, su Unica publiacin reltvaaesadiseipine fue La Geometrio (a geomria), ue apereci6 como un apéndce de su prncipsl obra ilosfiea Discourse la mithode por bien conduie sa rson. et chercher la vrité dans ls seiences (Discurso del método para guar ben la dn » buscar la verdad en ls ctencas), En La Géoméivie, propuso un concept radialmente mew a ns ‘erpretcion geometric dese el punto de vista algebraico. Para expesar ana curva en form alechrica uno lige cualquier recta de referencia que resulteconvenicite,y slecciona an pun de refeeacia sobre dicha ‘ecta Si y representa aistancia entre cualquier punto de a retay el punto de referencia, 9 representa la distancia alo largo de i eta Basta el punto de referencia, exis una ecuacién que relaciona ry epre- ‘entando la curva, El uso sstemdco de as coordenadascartesianas Sue introdvcid posteriormente en ls lo x0, por autores que cortinvazem el tehajo de Descartes"16 Capitulo 4 Vectores en R" TEMES «Fo ta figura 4.5 se muestran varios puntos y sus coordenadas, Figura 4.5 > siey rho on a ties ye Las coordenadas del origen son (0, 0}. Las coordenadas de la proyeccin del pny P(x y) en el eje x 30m (x, 0), y las coordenadas de su proyeccicn en el ee y son (0,9). VECTORES Recuerde que en Ja seccin 1.2 definimos un n-vector, y que al inicio de la secci¢n 13 presentamos vectores en forma algebraica para mejor comprensién de la multiplicaciéa de matrices, En esta seccién veremos los 2-vectores desde el punto de vista geomeéni- co, y en la siguiente haremos lo mismo con los n-vectores. Considere el 2-vector cat fr) donde x1 y yi son niimeros reales. Con u asociamos el segmento de recta dirigido con punto inicial en el origen O(0, 0) y punto terminal en P(x}, 91) El segmento de recta di rigido de O a P se denota mediante OP; O se denomina su cola y P su cabeza, Part distinguir entre amas, colocamos tna punta de flechs sobre la cabeza (Figura 4.6) Figura 4.6 » dey Lx POs) eiex ; Un segmento de recta dirigido tiene una direceidn, que es el éngulo que se form entre ella y la parte positiva del eje x, indicado por la flecha en su cabeza. La magn tud de un seginento de recta dirigido es su longitu. GEMEREN sea ie cereus “creins" dsr atone ron induces mse, en lig 0. tutes uc sagt ob de DaeSec. 4. Vectores en el plano 217 Con u podemos asociar el segmento de recta ditigid con cola O(0, 0) y cabeza P(2, 3), tal como se muestra en la figura 4.7, a Figura 4.7 > eiey 4 3 FO.) DEFINICION. De manera reciproca, con un segmento de recta d cabeza P(x, 93), podemos asociar el 2-vector Fal Con el segmento de recta dirigido OP con cabeza P(4, 5), podemos asociar el 2-vector 6] . a Un vector en el plano es un 2-vector donde x y y son ntimeros reales, denominados componentes de u. Nos referiremos a un vector en el plano simplemente como vector. ido, OB, con cola 0(0, 0) y Con base en fo anterior, vemos que con cada vector podemos asociar un segien- to de recta dizigido y, reefprocamente, con cada segmento de recta dirigide que parte del origen podemos asociar un vector. Como hemos visto, se necesita un sistema de coordenadas para establecer esta comrespondencia, La magnitud y direccién de un vec. tor son la magnitudy la direcein de su segmento de recta dirigido. Los eonceptos sos. mento de recta dirigido y vector sueten utilizarse indistintamente, de manera que un Segmento de recta dirigido se denomnina vector, Como un vector €s una matri, se dice que los vectores } Bl som Iguales si xy = x y y1 = J». Esto es, dos vectores son iguales si sus componentes respectivas son iguales. Los vectores f ho son iguales, ya que sus componentes respectivas difieren, "18 Capitulo 4 Vectores en R* Con cada veetor x yn también podemos asociar de manera tnica el punto P(x yi): de forma reejproca, con cada punto P(x), yi) podemos asociar de manera Gnica el vector [) En consecuenia, también podemoseserbiru como w=, 9). Por supuesto, esta asociacidn se obtiene por medio del segmento de recta dirigido OP, donde O es el origen (Figura 4.6), Por lo tanto, el plano puede visualizarse como el conjunto de todos los puntos, 0 ‘como el conjunto de todos los vectores. Por esta razén, dependiendo del contexto, en ‘ccasiones tomamos R? como el conjunto de pares ordenados (xy, y1), ¥ en otras como el conjunto de todos los 2-vectores > vil En aplicaciones fisicas frecuentemente es necesario tratar Con un segmento de ree 1a ditigido OP, del punto P(x, y:) {no el origen) al punto OCea, y3), como se muestra ea Ja figura 4.8(@). Tal segmento de recta dirigido también se lamara vector en el plano, 0 simplemente veetor con cola P(x, y1) y eabeza O(c, ¥2). Las eomponentes de tal veo: tor son x2 — x) y ya — ni. Por lo tanto, en Ia figura 4 8(a) el veotor PO también puede representarse por medio del vector (12 ~ £1, y2 ~ y) von cola O y cabeza P"(xy — x, 32 — yi): Dos vectores en el plano como és0s se denominarsn iguales si sus eomponentes son iguales. Considere los vectotes P,Q}. P:Q2 y PsQs, que unen los puntos P42, 3) y Ou5. 5), PaO, 0) ¥ 0302, 3), Pal—3, 1) y Os~1, 4), respectivamente, como ‘se muesira en la figura 4,8(b). Ya que todos ellos tienen las mismas componentes, son iguales Para determinar la cabeza Q,(a, b) del vector Rd. -[3]- 20, Figura4ge y y tr.) < O14) Pow id Px0,0) (@) Diferentes segmemtos de recta () Vectores en el plana, dirigidos que represemtan el misma vector. | Figu ;| Figura 4.10 > EJEMPLO 6 vers See, 4.1 Vectores en el plano 219 con cola P4(—5, 2), procedemos como sigue. Debemos tener a ~(—S) = 2y b= 2= 3, asi que a= 2-S=—3y b= 3 42=5, de manera que las coordenadas de Qy son (~3,5). De forma andloga, para determinar la cola Ps(c, d) del vector ne=[}] ccon cabeza Qs(8, 6), debemos tener 8c = 2y 6d =3, asf quec= d= 6 ~3=3, En consecuencia, las coordenadas de P; son (6, 3). -2=6y LONGITUD De acuerdo con el teorema de Pitégoras (figura 4.9), fa longitud, magnitud o norma del vector w= (xy, 1) es tt aa vat a) También con base en el teorema de Pitigoras, la longitud del segmento de recta dirigi- 0 con punto inicial Py (xy. yx) y punto terminal P(x, 2) es (figura 4.10) IPR = Vea FO 2 La ecuacin (2) proporciona, asimismo, Ia distancia entre los puntos P, y P2. y Siu (2, -5), de acuerdo con la ecuacién (1), Jul = VO? #3) = VFI = V8. a Segtin la ecuaciGn (2), la distancia entre PG, 2) y Q(—I, 5), 0 la longitud del segmento de recta dirigido PQ es 1PO| = VC1- 3 FSB = VOTH AVES La fongitud de cada vector (sezmento de recta dirigido) P,Q), PhQs y Ps en Ja figura 4.8(b), es 3 (verifique). Se dice que dos vectores distintos de cero 1 2 us v= [i] : [] son paralelos si uno es un mitiplo del otro, Desde otro punto de vista, son paraletos silasretas en ls que se encuentran son verticals o tienen la misma pendieate. Por lo tanto, los vectores (segmentos de recta dirigidos) PQ}, PzQ2 y PyO) en la figura 48(b), Son paralelos,20. Capitulo 4 Veotores en R” USO DE DETERMINANTES PARA CALCULAR AREAS Considete el tingulo con vértices (xy, ys), (a2. ¥2) ¥ (1s, ¥3), Como se muestra en laf. ora 4.11 igura 411 Pars.99 Pian yd, i ' LPP Gaal AGO) Bley 0) Clay.0) Se puede calcular el drea de este triéngulo como el frea del trapecio AP;P2B + area del trapecio BP2PsC ~ Grea del trapecio APYP,C. [Ahora recuetde que el dea de un tapecio es de la distancia entre los ados praleo del trapecio, por la suma de las longitudes de los lados paralelos. Por lo tanto, 4rea de! wiéngulo P,P2P3 (2 =) +92) + Ys — anon +9) — fas art) = pay pant dye — pays pay + pays. Resulta que esta expresién es i (2 2) Cuando Jos puntos estén en los otros cuadrantes o se etiquetan en orden diferente, l formula que se acaba de obtener dard el negativo del drea del triéngulo, Asf, para un Itidngulo con vertices (x, yy), (X25 2) ¥ (x5 95) tenemos ~*~ 6 nom T ‘rea del tiéngulo = 4Jdet{}x2 y2 1 ° oy 1 igura 4.12 4 (el dea es } del valor absoluto del determinante) STEMERSEN | Catcute et frea det tridnguto 7 que se muestra en la figura 4.12, con vértices (1,4) GB. Dy @Q, 6). | i | | eee Solucién De acuerdo con la cuacién (3), el drea de Tes Figu EEE Sam lar (311 as. 261 1Sec4.1 Vevtores ene plano 221 Ahora suponga que tenemos el paralelogramo que se muestra en la figura 4.13. Como una diagonal divide al paralelogramo en dos triéngulos iguales, con base en la ccuacion (3) se deduce que mond rca del paralelogramo = |det { | x2 yz 1 Bod Figura 4.13 » y PrG5.99) Pbu ye) OPERACIONES CON VECTORES DEFINICION Sean w= (xi99)" y v= (4a, 2) dos vectores en cl plano. La suma de los vectores uy ves el vector G1 +22 +9) 1. los vectores sumaron sus componentes. 2)y ¥=G, 4), Entonces utv=(1 4324-4) = (4,~2) = Podemos interpretar de manera geométrica la suma de vectores como sigue. Ea la figura 4.14, el vector de (x},.9)) a (1 + x2, y) + 92) también es v. Por lo tanto, el vee~ tor con cola O y cabeza (x; + xp, 9) +32) esu+ v. Figuraat4y Suma de vetores oy ‘También podeimos describir u + v como la diagonal del paralelogramo definido Figura 4.15 4. or uy ¥, como se muestra en la figura 4.15, Suma de vectores Por tlkimo, observe que la summa de vectores es un caso especial de la surna de matrices, *Resserde quel vcr w= [* anbin puede eine como 7. J222 Capitulod Vectores en RP EYakonrs Figura 4.16» DEFINICION Figura 4.17 > Mulkipticacisn por un escalar Sra ‘Siu y ¥ son como en el ejemplo 9, entonces u + ves como se muestra en Ia Figura 4.16, y Siu = (91) yc 08 un escalar (un niimero real), ef miliplo escalar cu de w por ces al veetor (cx, 61). Ast, el miltipo escalar cu de u pore se obtiene multiplicando ce da componente de w por c Sic> 0, cu esti en la misma dircecién que u, mientzas que si d < 0, du estéen la direccién opuesta (figura 4.17), y Sic=2,d=—3yu= (1, 2), entonces cus2%1,-2)= (2-4) y du =—3(1,-2) =(-3, 6), tal como se muestra en la figura 4.18, . El vector (0, 0) se denomina veetor cero, y se denota mediante 0. Si u es cualquier vector, resulta que (ejercicio T.2) u+0.=0. @ ‘También podemos mostrar (ejercicio 3) que utCpu=o, 6 eseribimos (—1)u como ~w y le Hamamos el megativo de u. Ademis, escribimos u+ ("Dy como u ~ ¥, y le lamamos la diferencia de u y v. Bl vector u — v se muesiret Ia figura 4.19(a). ‘Observe que mientras el vector suma da una diagonal de un paralelogramo, el vec tor substracciéa proporciona la otra diagonal. Vea la figure 4,19(b),Figura 4.18 Sev.d.1 Veotores en el plano 223 > y Figura 4.19 © Solucién Figura 4.20 > (a) Diferenciaente vectors, ©) Suma de vestores y diferencia de vectres. Aplicacion (vectores en fisica) Cuando varias fuerzas actian sobre un cuerpo, pode ‘mos determinar una sola fuerza, denominada fuerza resultante, que tiene e! efecto equivalente, La fuerza resultante puede determinarse por medio de vectores. El gjem- plo siguiente ilustra este método, Suponga que se aplican dos fueraas a un objeto: una de {2 lbras a o largo del eje negativo x y una de 5 libras alo largo del eje y positivo. Determine la magnitud y direc ci6n de la fuerza resulante, En Ia figura 4.20 hemos representado la fuerza a Jo largo del eje x negativo por medio del vector OA , y Ia fuerza a to largo del eje y positive por medio del vector OB. La fuerza resultant es el vector OC = GA + Oi, De esta manera, la magnitud de la foer- za resullante es 13 libras, y su direccién es fa que se indica en la figura a24. Capitulod Vectores en R” GEvErne =e ew ura 4.22 a. Solucion Los vectores tambiga se utlizan en fisica para resolver problemas de velocidad, ¢9. ‘mo se ilustra en el ejemplo siguiente, Suponga que un bote viaja hacia el este por un sfo, a razén de 4 millas por hora, mien. tuas que la corriente fluye hacia el sur a 3 millas por hora, Determine la velocidad re. sultante del bote, [En Ja figura 4.21 hemos representado la velocidad del bote mediante el vector OA, y a velocidad de la corriente del rfo mediante el vector OB. La velocidad resultante es | vector OC = GA + OB. Por lo tanto, la magnitud de la velocidad resultante es 5 milas por hora, y su direcciGn es la que se indica en Ia figura. 5 Figura 4.21 » 0 4 ANGULO ENTRE DOS VECTORES EL angulo entre dos veetores distintos de cero, u = (xy, ys) y ¥ = (az, ya) es el dngulo 6,05 = m, que se muestra en Ia figura 4.22. Al aplicar Ie ley de los cosenos al tin gulo de esa figura, obtenemos (ju vIP? = [jal? + lvl? ~ 2pulivy cose © ‘De acuerdo con (2), (iu ~ viP = Gy — 22)? + 1 = yn)? Sap 4x3 + yf +99 — 200m + yy) = [lull? + WI? = 26% + 192). Si sustituimos esta expresin en (6) y despejamos cos @ (recuerde que, como u y ¥ 10 son veetores niles, entonces [|| # 0 y [|| + 0), obtenernos unt Yi ) (iuliivi ; Recuerde que en la primera parte de la seccién 1.3 se dijo que el producto punto de los vectores m= (xs, y1) ¥ ¥ = (xz, 92) Se define como weve nm + ype En consecuencia, podemos rescribir (7) como re 0<0 » | Vectors onogonales (Propiedades del producto punto) Siu, vy w son vectores y ces un escalar,entonces: @ weu2 Oju-u=Osiysdlosiu=0 ® uy ou226 Capitulo 4 Vectores en R” Demostraci PEWane Even EEMEREE (© W4y)w=uewHvew @) (cu) -vSu- (ey) =cu-y) Bjercicio 7.7, . ES UNITARIOS Un vector unitario es un vector cuya longitud es 1. Six es cualquier vector no nulo (x decir, distinta de cero). el vector Lx isi es un vector unitario en direcci6n x (ejercicio T'S). Sea x = (~3, 4). Entonces, Ixt) = 3 + # (3,4) Por Io tanto, el vector ) 6s un vector unitario, ya que Figura 4.26 & Figura 4.25 & ‘Vectores ortozonales En R° existen dos vectores unitarios que tienen una imporiancia especial. Soni = 2,0) yj = ©. 1), los vectores unitarios a lo largo de los ejes positivos x y y, respect vamente (figura 4.26). ‘Sit = (x, yi) €8 cualquier vector en R°, podemos escribir u en términos de i y j com ai-tyd. Si entonces . Los vectores i y j son ortogonales [yea el ejercicio 23(b)). ’ ee eee 9. 1,Términos clave oxigen DireeciGn de un segmento de recta rigido \alor absoluto “Magnitud de un segmento de recta ditigido Coordenada Vector je coordenado ‘Componentes de un vector Bex Cabeza de un vector Bey Cola de un vector Sistemas de coordenadas reetangulares (0 canesianas) espacio See. 4.1 Vectores en el plano 227 Suma de vectores Miliiplo escalar de vectores Vector cero {nulo) Negativo de un vector Diferencia de vectores Veotores iguales Longitud {magnitud o norma) de un vector YVectores paralelos Fuerza sesultante Producto punto Vectores perpendiculares (u ortogonales) Vector unitario 2 - ey 10. 1. Sea |. Grafique fos puntos siguientes en 2 (a) 1) () (1,2) Oay O33 OOD © @-) ‘Trace un segmento de recta dirigido en R2, que represente cada uno de los vectores siguientes, 3 4 onl (4 ow=[3] se Daconite nates detec [2] oy sa con @, 2), Haga una gréfica. () ur: @ w= cuya cola esté en (1,2). Hage una gratia, Determine w + ¥, uy, 2u y 3u—2y, i @ u=0,3) ©) u= 0.3), © u=2.6),¥G,2) i Repita el ejercicio 5 para @ us| @) us (-4,~3),v= © u=G,2), (1,2). = (3,4), w= (nj. yx = (2, a), Determine 1} y 43 de modo que ()w=2u (by Ix Seau=(-4,3.¥=(2,-)yw wy Y ws tales que (@) w= 20430 (© wixsu 0), ws), Determine () utw=2u wav Determine la longitud de los vectores siguientes @ 4,2) (0) (3-9, © 0.2 (a) (4,3) Determine la longitud de los vectores siguientes. (a) (2,3) ©) 3,0) u 2. 45, 16. n. 18, 1. 2. ©) 4-5) © 6.2 Determine la distancia entre los siguientes pares de puntos. (9) 23.8.4) (b) @,0,G,4) © 3.2,0.0 @ 03,20) Determine la distancia entre los siguientes pares de puntos @ 42.0.9 2,-9.0, OA4CLD @ 0.6.2) Bs posible escribir el veetor (5, 6) como una combina: ‘idm lineal (Cetinida antes del ejemplo 4, seccicn 1.3) de Jos vectores (1,2) y G, 4)? . De ser posible, determine escalates ¢; y¢z, por lo menos uno distinto de cero, ales que ofEl-f A=} (base)(altura), Sea Q el cuacilétero con véetices (2, 3),(1, 4). 3,0)y (+1, ~3). Determine el rea de Q. Deternine un vector unitario en direccidn x. @x=G.4) O)x=-2,-3) |x Determine un Vector unitario en direcciéa x. @x=24 Wx=0-2 © x=(-1,-3 Determine el coseno del dngulo que forma cada par de vec lores wy, (@) w= (1,2), oe ou @u= a» 0 4). = 4-3) -y!2B Capitulo 4 Vectores en R” 2 Detemine el coseno del éngula. que forms ada par de vee- 26, ‘Determine as Is consates tals que ls vetoes (2) vores wy ¥ ¥ (@, ~2) sean omtogonaes. @ w=0,-1.y 4,0) 27. scrba cada uno des vectors siguientes en trina dey © w= 0,2, 7=4,-5) @ 4,3) ©) (-2,-3) 2-1, v= (23, -2) © 2.0) @ 03) 28. ‘Rscriba cada uno de los vestores siguientes como ona ma x tie de 2 % 1 7 (a) 31-35 a (©) 21-4 t 29. Un arco es empujado por un remoleador con una furan 4, (Cudles de los vectores uw, = (1, 2), uy = (0, 1), us = de 300 libras, a lo largo del eje y negativo, mientras que (2, 4), wy = (~2, 1), Us = (2, 4), ug = (—6, 3} son ‘otro remolcador lo empujs en Ia direcciéa del eje x negati- (oestin) ‘0 con una fuerza de 400 libras, Determine la magnit e (2) ontogonales? indique en un dibujo la dteccin de fa fuerza resatante, fay tar deeb 28. Saponga quem cpa el coma pied 29 : metros por hor, micaras ef viento sop hacia el oes (©) en direcciones opuestas? @ 100 kilémetros por hora, En una figura, indique la direc. 5. Determine todas la constantes a tales que los vetores Gm aproximada que el aeroplano debe seguir para volar (a. 41y @ 5) sean pales directamente hacia el sur. {Cuil ser la rapidez resultant? jercicios tedricos “J. Demuestee emo podernos asociar un punto ene] plato ——T.6,Demuestre que con cada par ondenado (x, 3) de mimeros reales. ee :2, Demuestre que w+ 0= uw, (b) Grsiu =r(ou), donde ry s son escalares “3. Demueste que w+ (—1 = 0. ‘T7. Demueste el teorema dL “4. Demuestre que si c es un escalar, eatonces j[cul] = |ci {jul} TS. Demuestre que si w es ortogonal au y a v, entonces wes. Demuestre que sixes un vector no nulo,entonces onogonal a ru+ sv, donde ry s son escalares, EEE 9. Seadel Angulo ere los veetores no nulos w= tx, 9D sit V = (1g, yp) en el plano, Demuestre que si wy v son €8.un vector unitaro en direccis x paralclo,entonces cos @ = +1 jercicios con Mar.as 0s ejercicios siguiontes ulin la rutina vee2demo, que pro- @u=h3 Hyse 2 2nciona una muesira grfco de vectoresen et plano. Para un (u=6 m0=(-3 3 ar de vectores w= (xy, y;) y ¥ = (xp, y2), la rutina vee2demo refca wy ¥.u-+ yu y un miliplo esealar Una vez que _-Mils2 Ulce fa rutina vee2deme con cada uno de fos pares 1S Vectores Wy ¥ sé han introducido a MATLAB, escriba ‘vectores siguientes. (En MATLAB se utilizan los corchetes) ‘vec2demo(u, ¥) @u=(2 -2,v=[1 3) va obtener informacién adicional, utilice help vee2demo. ()a=[0 3,v=[-2 0] MLL. Uitice a tina vee2demo con cade uno de los pares de (us -Ihw=6-3 5} vectors siguientes. (En MATLAB se tlizan los coches) NIL.3, Seleccione un par de vectores w y ¥ para utlizrlos ext @usk ov=0 3] vee2demo. | |Ei o-VECTORES BEVEeE) DEFINICION Sec.4.2 mvectores 229 En esta seccién analizaremos fos n-vectores desde el punto de vista geomeéirico, gene- ‘alizando Tos conceptos que se estudiaron en Ja seceién anterior. El caso n= 3 es de in- terés especial, lo examinatemos a detalle, Como ya hemos visto en Ia primera parte de la seccién 1.3, un n-vector es una ma- Wwizden x1 uy My a donde i, 25... ty Son mtimeros reales, que se Llaman componentes de u. Como un ‘w-vector es una matriz den x 1, los n-veetores Uy Mp, son iguales si uj =v; (1 = i= 1). Los 4-vectores ‘no son iguales, pues por lo menos uno de sus cuatro I ~2 31 ¥ 4 4, components diflere. a El conjunto de todos los n-vectores se denota mediante Ry se llama n-espaci ‘Cuando no es necesario especificar el valor de , nos referimos «los n-vectores simple- ‘mente como vectores. Los nimeros reales se Haman escalares. Las componentes de un ‘vector son niimeros reales y, por lo tanto, las componentes de tin vector son escalares, OPERACIONES CON VECTORES Sean uy uy wy % u= y dos vectores en R”. La suma de los vectores w y ves el vector uy buy whe My + Uy, yy se denota como u + Vv,230 Capitulo4 Vectores en makers DEFINICION BTvirees i | [4] jenn ERED, Si es un vector en R” y ces un escalar, el miltiplo escalar cu de u por ¢ es el vector ous ci, z Siu=|—1| esun vector en Ry ¢ = ~2, entonces 4 ~6 a4 . Las operaciones de suma de vectores y multiplicgci6n por un escalar satisfacen las siguientes propiedades, Sean u, vy w vectores cualesquiera en R®; sean ¢ yd escalares arbitrarios. Entoncet, | (@) w+ ¥ es un vector en RE (es decir, Res cerrado bajo la operacién de suma de veciores) @utveveu () u4W + w= + yEw (©) Existe un vector 0 en R tal gue w+ 0 =0-+ w= para toda wen (0) Para cada vector w en R*, existe un vector—w en R® tal que w+ (-w) = (8) cues un vector en R° (es decir, R" es cerrado baja la operacién de multiplicacist or un escalar). | (e) (atv) =cu+ev (e+ du=eu+ du (@) edu) = (edu () usuSec.42 n-vectores 231 Demostracion (a) y (6) son consecuencia inmediata dele definiciones de sume vectorial y ultipli- ‘caciGn por un escalar, Aqui verificaremos (1) y dejaremos el resto de la demostracién al lector (ejercicio T. 1), Por lo tanto, wi] [lebanon + dus ma] [(e+du2| | cur+duy (e+ dyu=(c+d)] "> | = | Hind [etait } Leu + ey eu] Pduy 4 uy cup] | dus a a = + ta] | =cu+au, ct, | Lady, Ma, My Cy Es fécil demostrar que los vectores 0 y—u en las propiedades (c) y (d) son Gnicos. Ademés, 0 0 0. ban |@ us ys us |} entonces —u = | ~"? | Fl vector 0 es el veetor cero y —ues el nega My Uy tivo de u, Resulta sencillo verificar (ejercicio T.2) que (bu. También escribiremos u + (—v) como u—y, y lo lamaremos la diferencia de wy v WBE si sn como enct ejemplo 2 enters [23)-2 ; ‘Como en el caso de A”, identificamos al vector wy wy om el punto (uy ta. -sWy), de modo que podamos utilizar indistintamente los pune {os y los vectores. Asf, podemos considerar R” como si estuviera constituido por vee~ ‘ores 0 por puntos, y también podemos escribir US GH, 2 Ademés, un n-vector es una matriz de m x 1, la suma de vectores es Ia suma de matri- Ces, y Ia multiplicacién por un escalar es simplemente la operacién de multiplicacién de una matriz por un niimero real. Asf, R" se puede ver como el conjunto de todas las Inalices de n x 1 con las operaciones de suma matricial y multiplicacién por un escalar. La clave aqui es que no importa cémo veamos a R®, come n-vectores, puntos o ma trices de n x 1, el comportamiento algebraico es siempre el mismo.232 Capfulo-4 Vectores en Pr Aplicacién Los vectores en R® se pueden utilizar para el manejo de grandes canticiy de datos. De hecho, varios productos de software para computadoras, entre 1os que desig, ca MATLAB, hacen amplio uso de los vectores, El siguiente ejemplo ilustra estas ideas, EERO «A pticacién: control de inv Supongamos que una tienda maneja 100 arcu. los diferentes. El inventario disponible al inicio de la semana se puede desctibir mp. diante el vector de inventario w en A! El mimero de articulos vendios al final de |g semana puede describirse mediante el vector v, y el vector representa el inventario al final de la semana, Si la tienda recibe un nuevo embanque de articulos, representado por el vector w, el nuevo inventario seré VISUALIZACION DE 8? No podemos trazat dibujos de R® para n > 3, Sin embargo, como R° es el mundo en qu vivimos, podemos visualizarlo de manera similar a la que utilizamos para R” Primero fijamos un sistema de coordenadas eligiendo un punto, denominado or. gen, y tres rectas,llamadas ejes coordenades, cada una de las cuales pase por el orgen, de modo que sea perpendicular a las otras dos. Estas rectas se Maman ejes x, yy 2. Et | cada uno de los ejes coordenados elegimos un punto para fijr las unidades de longitad y las direcciones positivas. Con frecuencia, pero no siempre, se escoge la misma ui dad de longitud en Jos tres ejes coordenados, En las figuras 4.27(a) y (b) se muestran dos de los muchos sistemas de coorcenadas posibles. El sistema que aparece en Ia figs ra 4.27(a) se lama sistema de coordenadas de mano derecha; el que aparece en laf: gura 4.27(b) se llama de mano izquierda, Un sistema de mano derecha se caracteia por la siguiente propiedad: si doblamos los dedos de a mano derecha en la direccién de tun gito de 90° desde el eje x positivo hasta el eje y positivo, el palgar apuntaré en dire cin del eje z positivo (figura 4.28). En este libro utilizamos un sistema de coordenais de mano derecha. igura 4.27 » {) Sistema de oxcrdenadas de mano derecha, __(B) Sistema de coordenadas de mano fui’ La proyeccién de un punto P en el espacio sobre na recta L es el punto Oa se obtiene al intersecar L con la recta L’ que pasa por P y es perpendicular aL gura 4.29), La coordenada x del punto P es el nimero asociado con la proyeccin de P sit el eje x; las coordenadas ¥ y z se definen de manera andloga. Estos tres nies st las coordenadas de P. Asi, a cada punto del espacio le asociamos una terna orders?f- BeBe See.4,2 n-vectones 233 Figura 4.28 4 Figura 4.29 4 », 2) de miimeros reales y, reefprocamente, a cada terna ordenada de mtimeros reales Je asociamos un punto en cl espacio. Esta correspondencia se llama sistema de coordenadas rectangulares, Para denotar un punto del espacio, escribimos P(x y, z) 0 simplemente (2, », 2) ESENTARERA has figuras 4.30(a) y (b) mostramos dos puntos y sus coordenadas. 5 Figura 4.30» i + as, i x bok y y a ee @ o Be-p EI plano.xy es el que esté determinado por los ejes xy y. Los planos xz yyz se definen de manera similar. En R°, los componentes de un veetor w se denotan como 21, Yj, . Par lo tanto, §= OHI 2i ‘Como en el plano, a eada vector u = (ry, yi, 21) Ie asociamos el segmento de recta ditigido OP, cuya cola esti en O10, 0, 0) y cuya cabeza es Pla, yi. 2) [figura 4.31()}. Una vez més, como en el plano, en las aplicaciones fisicas trabajaremos con frecuencia con un segmento de recta ditigido PQ, desde el punto P(x, y1, 21) (que es ef origen) hasta el punto Q(x, y2. 22), como se muestra en la figura 4.31(6). Tal segmen- to de recta ditigido se lama también vector en 3, o simplemente veetor con cola Plx, Yis 31) y cabeza O(a yo, 22). Sus componentes son x2 — xj.92 — Yr y z — 24. Dos de estos vectores en R* son iguales si sus componentes son iguales. Ea consecuencia, el vector PQ, dela figura 431(b), también puede representarse mediante el vector (ry — ny, 1) con cola O y cabeza PY(xy — x1, ¥2 ~ yy) 22 ~ 2p.14 Capitulo4 Vectores on Figura 4.31 > : z Giles Po Ye) 00.0.0) , © eon vectoren * (y Seppenos de sta diigdor que rpisenan Pronto definiremos ta longitud de un vector en &” y el angulo entre dos vectores distintos de cero en R", Una vez hecho esto, podremos demostrar que dos vectores dis. tintos de cero en R° son iguales si y slo si eualesquiera segmentos de recta dtigidoy que los representen son paralelos y tienen la misma direccién y la misma longitu. La suma u + v de los vectores u = (x), ¥4. 21) ¥ ¥ = Ga, Yas 22) on Res la diagonal del paralelogramo determinado por uy v, como se muestra en la figura 4,32. E! lector habré observado que la figura 4.32 se parece mucho a la figura 4.14 de seccidn 4.1, pues en Ry en R?el vector u + ves la diagonal del paralel ‘minado por u y ¥. gura 4.32 & Figura 4.33 a Maltplicacién por un escalar El maltiplo escalar en R° se muestra en la figura 4.33, que se parece a la figura 4.17 de la seccin 4.1 PRODUCTO PUNTO EN R” A continuacién definiremos el concepto de longitud de un vector en R°, generalizand ta idea correspondiente en f° | | | |DEFINICION Evers Sec.42 nevectores 235 La longitud (también Hamada magnitud o norma) del vector = Up tas ep uy)en Res utes aa, Asimismo, definimos la distancia entre el punto (4,4...) y ol origen mediante (1), La distaneia entre los puntos (is, ty) ¥ (Uy, Uy.» 04) Se define entonces como la Tongitud del vector w ~ v, donde a WC May tg) Y VEC Uy En consecuencia, esta distancia esté dada por ta vil = Vou a ¥ Ga wy @ 3,2, I) y v= (4,2, 1,3), Bntonces, PEEL pp (ull = V2 43° 422 (1 = Vig, Ga. fe Il = V4? 422-4174 3? = V0. La distancia entre los puntos (2, 3, 2, ~1) y (4, 2, 1, 3) es la longitud del vector UY, De esta manera, segin la ecuacién (2), hu vil = VQ— 443-224 O14 (C1 38 = VB. a Observe que en R?, las ecuaciones (1) y (2) para la longitud de un vector y la distan- ia entre dos puntos, respectivamente, no tienen que darse como definiein; se pueden 0) que es no negativo para todos los valores der Esto significa que el polinomio no tiene raices reales, o si las tiene, son iguales. (Sit?) tuviera dos rafees distintas ry 7, serfa negativo para algtin valor de rentre rj Y ra, 0 mo se ve en la figura 4.34,] Recordemos que fas rafces de p(r) estén dadas por la férmula cuadeética como ath NATH 2b VIF 2a 2a Augutin-Louis Cauchy (1789-1857) crec6 en un suburbio de Pars, en dande fe vec de varios 6 Principles matemiticos de la época. Asis a la Bcole Polytechnique y ala Ecole des Pons et Chases, Aran un tempo practic la ingenieria. Devoto del Iglesia CaSica Romana, ena gran interés en as Ob ecard. También mosir enorme inclinacién ala realea, en particular alos reyes Borbanes,quiens 2 beraron en Francia después dela caida de Napoletn, Cuando Carls X fue dermacedo en 1830, Cavey siguio de manera volumtaria a sb exiio en Pregs ‘Cauchy esis sit tos y ms e700 artculos de calidad vavable, eyo conten abercabs tod 51 nas de as materia. Realis6importanis conTbacions a a naciente eos de las deteranantes, ae e los valores propos, al estudio dels ecuscioneseferercialesarinrias paris, aa tora de los grupos ermutaciones y los fandamentos de célcul: ademés, funds Istaria de Tanciones de variable come ‘Karl Hennann Armandas Schwarz (1843-1921) naci en Polonia, pero fue edvcado en Alera, Jost sdemds vabaj6 como maestro, Fae protegid de Karl Welerstrassy Erast Edvard Kummer, con coyaijecot ‘uajo mupeias, Sus principales contibuciones at matemstieas ee dieron en ls aspoctosgecmene dla Tiss, como las vansformaciones conforms y las superiies minimas. En relacién coa To aterion, Hse ciertos nimeros asociados con las ecuaciones diferenciales,mismos que desde enuces se han lmao lores propos. La dosigualdad antrior so utliz6 os la Iisqueda de estes mimeres ikObservacién | SEE (@ #0 pues u # ©). Ambas rafces son iguales 0 no existen raices reales si ABP — dae 0, Jo cual significa que B= ac Al sacar las rafces cuadradas de ambos lados y observar que = J tat), VW=V = [ivi], obtenemas (3). 5 El resultado conocido ampliamente como la desigualdad de Cauchy-Schwarz (teorema 44) proporeiona un buen ejemplo de cémo los sentimientos nacionalistas desempefian ‘un papel importante en la ciencia, Por lo general, en Rusia este resultado se conoce co- ‘mo desigualdad de Bunyakovsky". Un Francia suele hacerse referencia a él como des- ‘gualdad de Cauchy, y en Alemania se cita frecuentemente como desigualdad de Schwarz. En un intento por distribuir el crédito del resultado entre los tres, una mino- tfa de autores se refiere a él como desigualdad CBS. Siwy v son como en el ejemplo 7, de acuerdo con el ejemplo 8, v= 13, Por lo tanto, ju-v| = 13 < july] = v18-v30. s Utilizaremos la desigualdad de Cauchy-Schwarz para definir el angulo entre dos vectores distintos de cero en R" Siwy v son vectores distintos de cero, la desigualdad de Cauchy-Schwarz impli- caque wy s sk iulit Al examina la parte dela grfica de y = os 6 (vea la figura 4.36) para 0 = 9 = m, vemos que para cualquier nimero ren elintervalo 1, 1) existe un Unico nimeso rel tal que cos 6 = r. Eso implica que hay un tnico némcro real 6 tal que aid et, osesm : Tali o El ingulo #es el 4nguto entre wy v En el caso de R*, podemos aplicar la ley de los cosenos para establecer que el coseno del ingulo entre u y vesté dado por (4). Sin embargo, para Kn > 3, tenemos que definirlo como (4). Sean u = (1,0, 0,1) y ¥=(, I, 0, 1), Entonces Wul=v2, ivisv2 y wy En consecuencia, cos = y B= 60° 0 Fradianes, 2 iktor Yakovlevich Bunyakovsky (i804-1889) nacié en Bas, Ucrania. Se doctors en Pars en 1825, y re lig estos adisionales en San Petersburge; luego tuvo wna larga carrera como profesce, Bunyskovsky his 20 conribucione importantes ala tora de nimeros,y también trabajéen geemetia, mecénice aplcad bidrodindmics, So demostracion de la desgualdad de Cauchy-Schwareaparecié ea una de sus monografas (en £859, 25 alos antes que Schwarz publicae la saya, Muri en San Petersburgo,2BB_ Capitulo 4 Vectores en Figura 4.35 & DEFINICION ETiaeones Demostracién Figura 436 & Desigualdad del triagulo y yecose Es muy atil hablar de ortogonalidad y paralelismo en R", por ello formularemos 4 ccontinuaciGn las siguientes definiciones, Dos vectores distintos de cero, w y v, en R", Son ortogonales si u - v = 0. Si uno de toy ‘vectores es el vector cero, diremos que los vectores son ortogonales. Decimos que son pa. rralelos si uy] = jul vp. Tienen a misma direccién si w+ v = {tuilivl. 8S decir, son Cortogonales i cos @ = 0, paralelos si cos # = 4:1, y tienen la misma direccin si cos 6 = | Considere los vectores u = (1, 0, 0, 1, v= (0, 1, 1,0) y w= @, 0, 0, 3). Entonees v=0 yy vew=0, ‘anto W y V como V y W son ortogonales. Tenemos 6 ul = v2, w= V18, u-w=Julliwi, y el coseno det éngulo entre wy w es I (verifique). En consecuencia, concluimos que ly w tienen la misma direcci6n, 1 Una consecuencia de Ia desigualdad de Cauchy-Schwarz es Ia desigualdad del tridngulo, que demostramos a continuacién, (Desiguatdad det trigngulo) Siwy v son vectores en RY, entonces iu + vii Hull + Ii. De acuerdo con la definicisn de la longitud de un vector, tenemos lu tviP=@+y-4 9 sm 2M-v) bev = uj? + 2¢a- v) + [IviP Segtin la desigualdad de Cauchy-Schwarz, tenemos Hat? + 2a + v) + vl? = uf? + 2iailivy + lvl? ul] + vib? Obtenemos el resultado deseado al caleular las raices cuadradas, . La desigualdad del triéngulo en Ry R® simplemente establece que la longitud 4 tn lado de un triéngulo no excede la suina de las longitudes de los otros dos Indes (h gura 4.36).-—_-----—-----— BE «1.3, Sec. 4.2 nvectores 239 STEMISRMER Para uy v como en el ejemplo 12, tenemos tut vi = VG =2 < ¥24V3= Jul) + lv 5 Otro resultado sil es el teorema de Pitigoras en R: si y v son vectores en R*, centonces (hu + vi? = Jui? + vi? si y S6lo si uy v son ortogonales (efercicio T.10). DEFINICION Un vector unitario u en R" es un vector con longitud L. Si x es un vector distinto de ‘ce10, entonces el vector il un vector unitario en direccién x, ETEMREEEY | si x = 10.0, 1), como jx} = V3, el vector u = (1,0, 0, 1) es un vector unitar rio en direccién x, = En el caso de R°, los vectores unitatios en las direceiones positivas de los ejes x, y y z8e denotan como i = (1, 0,0), j= (0, 1, 0) y k = (0, 0, 1), como se muestra en la figura 4.37. Si w= (4, »;, 21) es cualquier vector en R°, podemos escribir w en térmi- nos de i,j y k, como wait y+ ok. Figura 4.37 > 7 ~i+3k 5 Los n-vectores er=(1,0,...,0).¢ Oo Uy... Oy = (0, 0,..24 1) son vectores unitatios en R", que son mutuamente ortogonales. Sit = (it, to... «ty es cualquier vector en, u se puede escribir como una combinacién lineal de e), y+ Gy COMO mye, turer tot tne El vector ¢;, 1 = 1 n se puede ver como la -sima columna de la matriz identidad 7,. Asf, observamos que las columnas de /, forman un conjunto de n vectores que son ortogonales entre sf. En la seceién 6.8 analizaremos tales conjuntos de vectores con mis detalte.10 Capitulo4 Vectores en a0. SESBREE 0.1.0) fenpteeee — Resumen de notaciones para vectores unitarios en R2y R® 1 sedenota mediante (1,0) © lo =e sedenota mediante (0,1) 0 if i ] se denota mediante (1, 0, 0) sedenota mediante (0, 1,0) se denota mediante (0, 0, 1) La secci6n 5.1, Producto cruz en R°, y la seccién 5.2, Rectas y planos, utilizan el ma. terial de esta secciGn, asf que pueden estudiarse en este momento, n-VECTORES BINARIOS (OPCIONAL) En la secci6n 1.2 definimos un n-vector binario como una matriz de 1 x no den x 1 en la que todas las entradas son 0 0 1, Sea B® el conjunto de todos los n-vectores bina- Tios. Las operaciones vectoriales de suma y multiplicacién por un escalar son vélidas para los vectores en B, siempre y cuando atilicemos aritmetica binaria, Ademés, puede verifcarse el teorema 4.2 para B", en donde s6lo se permiten fos escalares Oy I. Asi- mismo, el producto punto de n-vectores binarios esti bien definido, como se ilusté en la seceién 1.3 En esta seccién se present6 un modelo visual para A®, Existe un modelo similar, peto més restringido, para B®. El cubo unitario, que se muestra en la figura 4.38, cons: tituye una ilustracién de los vectores en B?. Las coordenadas de los vértices del eubo comresponden al conjunto de 3-vectores binarios, (Vea el ejercicio T:10 de fa seccién 1.2.) Estos vectores pueden represeatarse de manera geomética como segmientos de recta dirigidos que inician en el origen y terminan en un vértice del cubo, Los vectores Aistints de cero de B? se muestras en ia figura 4.39, Observe que B® tiene un mere finito de vectores, mientras que R° tiene una infinidad de ellos oo, < eee ene Figura 4.38 & Figura 4.39 aaon Sec.4.2 nevectores 241 Desafortunadamente no existe una conves in geométrica andloga para las opera R" es una transformacia Tineal, L debe ser una transformacién matricial Sea L: R" + R una transformacién lineal. En consecuencia, existe una tinica matrit m x neal que Ux o para x en R’.od jastracién See. 4.3 Transformaciones lincales 253 5, es cualquier vector en A", entonees KSC) + Ox + Gey asf que, de acuerdo con el teorema 4.6, Ux) = elle) + c2L4e) + ++ + GyLLey) @ ‘Sidefinimos la matriz A de m x n cuya jésima columna es Le) y In ecuacién (2) puede eseribirse como Ux) = Ax, A continuacién demostraremos que la matriz A es Gnica. Suponga que tambign tenemos 100) = Bx para xen R Haciendo x = +++ 12, obtenemos L(@) = Ag, = cof) L{e) = Be; = col (B), Por lo tanto, las columnas de A y B coinciden, asf que A = B. La matriz. A = [L(@)) L(e.) ‘L(¢,)] de la ecuacién (1) se denomina matrlz. ea néniea (0 esténdar) asociada a L. Sea L: R? > R° el operador lineal definido por (EY Determine In matriz canénica asociada a L y verifique le ecuacién (1).Soluci6n La matriz candnica A asociads a Les la matriz 3 x 3 cuyas eotumnas son L{e;), Ley y L(e3), respectivamente. Por lo tanto, ; wome(()-E1-0 w-(f)-E) wolf) EEE En consecuencia, De esta manera, tenemos “ por lo que se cumple Ia ecuaci6n (1). . =o Lecturas adicionales sobre criptografia __ Analisis elemental Koin, BERNICE, Secret Codes and Ciphers, Upper Saddle River, Nueva Jersey: Prentice Hall, Inc, 1968 (63 péginas). Andlisis avanzado Fishes, JAMES L., Applicatons-Oriented Algebra, Nueva York: Harper & Row, Publishes 1977 (capitulo 9, "Coding Theory”) Ganner, Pau, Making, Breaking Codes, Upper Saddle River, Nueva Jersey: Prentice Hall, | Ine., 2001. apy, Dani W. y CAROL L. WALKER, Applied Algebra, Codes, Ciphers and Discrete Al ‘gorithms, Upper Saddle River, Nueva Jersey: Prentice Hall, Ine, 2002. Kawi, Davio, The Codebreakers, Nueva York: The New American Library Ine., 1973, Términos clave ‘Transformacién lineal Rango Funcicn no lineal Criptogeatia ImagenL 1, Culles de las siguientes son transformaciones linesles? (@) LEM = Ot hyety) o(l)-E2] (©) Le) = 08 4xy 2, {Cues de las siguicutes son cransformaciones lincales? (a) Lory.) = (2-9, 27,22) x 2n —3y wef] |) =| 3y—2e 2, % © Ly) =O —y, 242) ‘3. {Cudles de las siguientes son transformaciones lineales? of) E252] 60 Hayy. gazes 4. {Cules de las siguientes son transformaciones lineales? (ED -be ~()-E 4G o(()-0 En los ejercicis 5 a 12, dibje la imagen del punto dado, P.o det vector w bajo la transformacisn lineal dada, L. 5. Lik? R se-define mediante Uy) 6 L: RP RP se dofine mediante “ED-E p}--0 7. Lif? Res una rota las manecillas del eloj: P yi 2,3) nde 20° en sentido contro (1,3). 8. Li #2 exunartcin de ratlanes en sentido contari a ls mareilas del elo, w= (223), 9% Li R? + se define mediante L(a) ann WO. L: R + R° se define mediante Lu) 2u; w= (—3, 3). ALL: 3 + R? se define mediame (i) R! definida por L(x, y) = sen x + sen y En los ejercicios 25 a 30, determine la matriz candnica asocia- daa. 28, LR? > Rees una eflexion respesto del eje y: > BY esté definida por (Py) ofe-y ()-E3] 27. Ls? — es uma rotacidn de Fradianes en sentido ‘contrat & la manecilas de rel 28, L: RE RE es uns rotacidn de ¥radianes en sentio ontario alas maneciles dt reo 29, LR RY estécefnida por (l ) [: 5 (i)-[: 30, L: R= R° est definida por Lu) Qu. {a) codificar el mensaje ENVIA DOLARES. (b) decodificar el mensaje B5 58 39-70 45.30.73 SI 37 91 57 83, 32, Usilice el esquema de sustitucion del ejemplo 4 y la mane bil (@) para codifca el mensaje AFANA MAS (b) para decdicarel mensaje 60 21 91 35 162 61 145 55 Ejercicios teéricos TL. Demuestre el teorema 46. 2, Demuesue el eorema 4.7 3, Demuestre que L: R"—> R" detinida por L(u) = ru, don erres.un escaar, e8 un operador linea sobre TA. Sea ty # O.un vector fjo en R. Sea L: "+ RE definida por L(u) = w + up, Determine si Les una wansformacion Finca. Sustifque su respuesta TS. Sea L: R! — R' definida por Hu) = au +b, donde ay 6 son mimes reals (por supuest, wes ua veetoren Jo due, en este ca80, signifies que u tabi es un aimero real) Determine tes los valres de ay B tales que L sea una tansformaci6n linea. 6. Denmestee que a fancign O: R" > R definida por 0 (u) = Ops es una wansformaci6n fine, la cual deaomina transformacién Tineal nula (o transforma- cigm lineal cero} Sea: RY -> R definida por Hu) = u, para w en R Deinuesie que Jes una tansformaciéa lineal, la cual se denomina operador idemtidad sobre Sea L: R" = R una tansformaci6n lineal, Demuestre que si wy vs0n vectores en R® aes que L{a) = Oy mW. Ts. Liv) = 0, entonces Lau + bv) escalares a y b. para cualesquiera 9. Sea L: R* > R la wansformacién lineal definida por Lou) = Au, donde 8 6 Hag aa (ee ae] Para g = 30°, L define una rotacién de 30° en el sentido de as manecillas del elo}, Pu, describa la accion de 7 en w. A-'u, deserba la accion de Ten w (©) Cul es el menor valor positive de & para el eual Tu) =A‘u= ut TAO. Sea O: RY > "1a wansfosmacida lineal mula, definids por O(6) =O para ven R" (ves el ejercicio 7.6). Determi- ne Ja matriz canGaica asociada a 0. TAL, Sea: RY Ra transformacién lineal definida ‘mediante Iv) = y para v en f (yea el ejercicio 7.7). Determine Ia mattiz canénica asociads a JEjercicios con Martas MII Sea L: R > R! definida por Liu Hu {a) Determine un par de vectores wy ven Bal que Liu + v) # Lu) + £09, Ulive Marta para realizar los cleulos. Con base Bjercicios complementarios 257 en esto, se deduce que £ no es una transformacién Tineal (8) Determine un par de vectores u y ven Rial que Hay) # Lew) + Ly), Uiilice Maruas para realizar los eéleulos, Ideas clave para el repaso 1 Teorema 4.2. Propedades dela suma de vectors ¥ mutpl- cacitn por on esealar en (ven la pégina 230). 18 Teovema 4.3 (Propiedades del producto punto) Vea I pé- sina 236 1m Teorema 44 (Desigualdad de Caucly-Schwar2) Jas v| = fully. 1 Teorema 4.6 Si LR" + Res ua tansformacion lineal, entonces Hew Us Fe eh cpt) + eaLiuy) +. + Lia, @ Teorema 4.8. Sea L: RR una transformacién lineal [Entonces existe una tnica mats. A de > n tal que Lx) = AX para x en Ejercicios complementarios Ba los ejercicios 1 a 3, sean 2-1, vata) y walt), 1. Dibuje un diagrama para demostrar que UV =v +. 2, Haga un diagrama para demostrar que (04 ¥) 4. ww. 3. Dibuje un diagrarna para demostrar que 2(u + ¥) = ou + 2v, Ba los ejercicios 4 y 5, sean w= (1, 2, 3), ¥ = B,D. DK y 24D, l. Determine x tal que w +x =v —w. 5. Determine x tal que 2u + 3x = w ~ 5x, 66, Bscriba el veetor (1, 2) como una combinaciéa lineal de Tos vestores (~2, 3 (1, —D) 7. Seanu=(.-1.2.Dy¥ (a) jul) ©) vi) (© Jum vy) Guy {e) Coseno del éngulo que forman u y ¥ Siu = (, y}es cualquier vector en R*, demuestre que el vector v = (~); x) €8 ortogonal au, Determine todos los valores de ¢ para los cuales [ot.-2,2, | = 9, 10, Sean u = (a,2,2) y v = (4, ~3, 2). gPara qué valores de a son ortogonales los vectores w y Vv? I, iL: R? > RP detinids por + 2, 3, 1, 2). Caleule Us, y= (8-1. y=9) es una transformaci6n lineal? 12, ‘Sea up.un vector fjo on R" Sea LR” defnida por Lu) = w+ up. Detestre que es una transformacin lineal. 13, Determine un vector unitario paraleio al vector (~1. 2,3). 14, Demuestre que un paralelogramo es un rombo, es decir un paralelogramo con cuatro lados iguales, si y sélo si sus dia- ‘gonales Son ortogonales. 15, De ser posible, determine a y b tales que “fl es ortogonal a los ds veotores 2 Y (i y xed 1 1 16, Determine un vesiorunitro que sea eogonal al vetr (2). Y7. Determine e dee de eusdsilitero con vertices (-3, 1), 2,-9.9 96.0, 18, Determine todos los valores deo tales que el veetor (a, ~5, ~2) sea arogonal al vector (a, 4, ~3). 19, Determine la matte candnica ascend a una rotacién de AR? de radianes en sentido contrario a las manecillas| del re} 20, SeaL: R! ta transformacién lineal definida por Ld) = WU, donde uy = (1, 2). (Vea el ejersieio 12.) Determine la matrz canna ascends a 21, (a) Escribae vector (1, 3,~2) come una eombinasién lineal de tos vectores (1, 1,0), (0,1, 1) y (0, 0,2. (b) Si: #— Bes i wansformaein lineal para la cual L110 =. =), 10,1, 1) = GB, 2 y 10,0, = (1, “1 determine £11, 3,2). 22, Un fo flaye hacia el sur a razén de 2 mills por bo Si una persona trata de nada hacia el oeste a razdén de 8 alls por hora, haga una figura que muesu la magni ¥ Ta direccién dela velocidad resultant2SB Capitulo 4 Vectores en R* 23. Sila matriz de 5 x 3 es la matriz cancnica asociada @ la ‘wansformacin lineal L: R" + R", geules son los valores deny m? 24, Sea L: R? ~+ R° la ransformacién lineal definida por “(()- E33] {fotos 25. SeaL: R* + R le transformaciGa lineal definida por 10x) = Ax, donde 12 4 A=| 20305 13 7 ‘Determine una ecuacin que relacione a, by ¢ de modo ave (‘ se enevente nel go Ejercicios teéricos ‘TA, Sean uy v vectores en A Demmuestre que w+ ¥ s6lo si jm + vil = ju — vj) "12 Demwestre que para euslesquiera vectores u,v y werk? © Ry cunlquier esac tenemos @ to) waueweevew) ©) urs ctu) (c) (w+ v)-fow) = clu w) + ofv - w) 3. Demuestee que el nico vector x en Ro R?, ortogonal a cualquier oto vector ese veotor cero ‘Ta, Demuestre que L: R" > Res una transformacién line siy solo si Lau + by) = alta) + Liv) para cualesquiera escalates a y b y euslesquiera vectores uyvenk TS, Demuestre que si lull = 0 en R,entonces u = 0. LG. Proporcione un ejemplo en R! para demostrar que 8 ortogonal av y ves ortogonal aw, pero que U n0 es, ‘ortogonal a w, Examen del capitulo 1, Determine el coseno del éngulo que forma los vectores (2,-1.4) GB, -2.4, 1. 2. Determine un vector ontario en ta diesen (2,1, 1,3). 3. {El vector (1,2 3) es una combinain lineal os vectores (1, 3,3,2.2, 9.7.0)? 4. Sea L: R? + R° la transformaci6n lineal definida por Us) = Ax, donde 1 lecte (} shen el rang £2 3 5. Sea L: A? RY detinida por L(x, 9) = (2x-+ 3y, —2r + 3y, x+y), Determine la matriz candnica asociads a Z. 6. Responda con falso 0 verdadero a cada una de las proposiciones siguientes, ustfique sus respuestas, (a) En’, Siu (b) En RY si u- v= uw, entonces (6) En", si cu <0, entoncesc= 00 (6) En", ow} = elu (e) En R®, a+ v= full + Iv) (O SiL: R*— B® esuna transformacién lineal definida or L(x) = AX, entonces A es de 3 x 4 (2) Los vectores (1,0, 1) y (=, 1, 0) son oxtogonales. th) En R", si uj = 0, entonces u = 0, (i) En R*, si wes ortogonal a ¥ y w, entonces w es cortogonsl a 2v + 3, () SiL: R° > RY es una transformacién lineal, entonces (a) = Ls) implica que w 1 entonces u = 0 0ee APLICACIONES DE VECTORES EN R?2 y R35 (OPCIONAL) EMI PRODUCTO CRUZ EN RF DEFINICION Cake Requisites. Lectura de la secei6n 4.1. Vectores en el plano. Capitulo 3. En esta seccién analizaremos una operacién que sélo tiene sentido on R*; a pesar de esta limitacién, dicha operacién tiene muchas aplicaciones importantes en diferentes situaciones. Agu consideraremos varias de ells. Si tb buaj tuk y v= ud tu) tusk son dos vectores en R°, su producto cruz es el vector u x v definido por Wx ¥ = (unus — upvall + (agoy — uni + Cuyey — ODES aM El producto cruz u x y puede escribirse como un “determinante”, ijk uxve|a ue us Q % Mw BI lado derecho de (2) en realidad no es un determinante, pero es conveniente conside- rarlo como tal para hacer cl cflculo, Si desarrollamos (2) a lo largo de la primera fila, obtenemos ay no” uy ty yo Tee wy wit 1 [ee que es el lado derecho de (1). Observe que el producto cruz u x ¥ ¢s un vector, a diferencia del producto punto uv, que es un néimero, Sean w= 2i + j + 2k y v= 31 — Jj — 3k. Entonces, al desarollat a lo largo de la pr mera fila, tenemos uxy 259260. Capitulo 5 Aplicaciones de veciores en A y £° (opeional) EEwiarers Figura 5.1 4 Algunas de las propiedades algebraicas del producto cruz se describen en el teore. ma siguiente. La demostracién, que se deduce con facilidad de las propiedades de los determinantes, se deja al lector (ejercicio T.1), (@Propiedades del producto cruz) Siu, vy w son vectores en R° yc es un escalar entonces: (a) uxv=—(v xu) (b) ux (v+w) -uxveuxw (©) @Ey) ewe ux ww (d) clu x ¥) = (cu) x¥ = Ux (ev) (ux () Oxu=ux0=0 {g) ux (vx w) = (a w)y (a-v)w (h) (ax) xw= Gw-wy— (w-vo 8 Con base en (1), se tiene que jxis-k okxj= Estas reglas pueden recordarse por medio del método que se indica en la figura 5.1. Mo- vigndonos alrededor del circulo, en direccién de las manecillas del reloj, vemos que el producto cruz. de dos vectores tomados en el orden indicado es igual al tercer vector; movigndonos en sentido contrario a las manecillas del relo}, vemos que el producto exuz de dos vectores tomados en el orden que se indica, es el negativo del tercer vector. El producto cruz de un vector por él mismo es el vector cero. . Aunque muchas de las propiedades comunes de los niimeros reales se cumplen pz ra el producto cruz, tenga en cuenta que dos de sus propiedades importantes no se satisfacen. La ley conmutativa no se cumple, ya que w x v = ~(¥ x uw). Tampoco se satisface ley asociativa, va que i x (ix j) =i x k Ox j=0. ‘Ahora analizeremos con detalle las propicdades geométricas del producto ont. Primero observemos la siguiente propiedad adicional del producto cruz, cuya demos- tracién dejamos al lector: (ux yew six Ww) Ejercicio 72, 3 ‘También es fécil demostrar (ejercicio T.4) que uw us faxyew=]o m5 o Sean u y v como en el ejemplo 1, y sea w =1 + 2) + 3k. Entonces ux +15-SKk oy Uxysw=8, vxw=3-1+7k oy ws vxw=8, lo cual ilustra la ecuaci6n (3). .Figura 5.24 Figura 5.3 4 Sec.$.1 Producto cruzenR? 261 A partir de la construccidn de u x v, resulta que u x ¥ es ortogonal a wy av; es- toes, @xy)-u=0, ©) fxveva0 o Estas ecuaciones también pueden verificarse utilizando las definiciones de u x v y el producto punto, o utilizando Ja ecuacién (3) y las propiedades (2) y (e)'del producto ¢eruz (teorema 5.1). En consecuencia, u x v tambien es ortogonal al plano determinado or y v. Puede mostrarse que si es el dngulo entre u y v, la direccidn de w x vest determinada como sigue. Si doblamos los dedos de la mano derechia en la direccién de ‘una rotacién del dngulo @de wa v, el dedo pulgar apuntard en la diteccidn de u x v (figura 5.2), La magnitud de w x v puede determinarse como sigue, De acuerdo con fa defini: ign de fe Tongitud de un vector, tenemos thu x vif? = (wx v) (x vy sv x (axy)] por (3) “(you~ (v-u)v] por (g),segtin el teorema 5.1 (u-uy(v-¥) ~ (W-w)(v-u)_ por (b), (6) y (@), sept el teorema 4.3, = tui? yy? ~ (wv)? por (b), segiin el teorema 4.3 y la definicién de ls longitud de un vector, La ecuacién (4) de la seceién 4.2 implica que [uv cos 6, donde 8 es el éngulo entre w y ¥. En consecuencia, ux vi? = Jul?ivi? — ul? iv? cos? @ = ui? Wwil?(1 ~ cos? @) = Wal? Ivi? sen? a. Al calcular las raices cuadradas, obtenemos Ju x y| = fluliv] sen 9. Mm Observe que en (7) no tenemos que escribir |sen @), ya que sen 9 ¢s no negative para 0 = @ <7. Resulta, por lo tanto, que los vectores u y ¥ son paralelos si ux ¥ 20 (ejercicio TS). Consideremos ahora varias aplicaciones del producto cruz. Area de un triangulo Considere el triéngulo con vértices Py, P, Py (igura 5,3). EL area de este triéngulo es 4h, donde b es la base y h es la altura. Si tomamos él seg: ‘mento entre P; y Pz como Ja base, y denotamos P,P; mediante el vector u, entonces b= hui Alhacer PrP, = v, encontramos que la altura h esté dado por f= [vil sen 4. En consecuencia, de acuerdo con (7), el drea Ay del tringulo es Ar = Hhuiivl send = Jinx vf262 Capitulo 5 Aplicaciones de veevores en R* y R° (opeional) CEvierer! Solucién Figura 5.4» Ev Figura 5.5» Determinar el area del triéngulo con vértices P\(2, 2, 4), Pa(~1, 0. 5) y Pal3. 43), Tenemos Emtonces, 25 +k) x 4 2j— KDI = $2) — 4k] = | -j — 2kl| = V5. 2 Area de un paralelogramo El érea Ap del paralelogramo con lados adyacentes u y y Giigura 5.4) es 2p, de manera que ju x vj) Si P,, Pzy P3 son como en el ejemplo 4, el 4rea del paralelogramo con lados adyacentes P,P. y Py Ps es 25. (Verifique.) . Volumen de un paralelepipedo Considere el paralelepfpedo que tiene vértice en el origen y lados u,v y w (figura 5.5). El volumen del paralelepipedo es el producto del drea de la cara que contiene a v y w, y la distancia d de esta cara a la cara paralela aella, Ahora, d= juloos 6) donde es el angulo entre u y v x w, y el dea de Ia cara determinada por v y wes iIv x wi. En consecuencia, V= [lw x wh [ll] Joos 6] = Juv x wl @ De acuerdo con las ecuaciones (3) y (4), tenemos tambign que Ve 6)PBT consis purttepipto que enum nie ene eigen y ado 24+ j + 2k, Emtonces v=it3itkyw See. 5.1 Producto cruz.en R? 263 ~ 2) + 3k, vx w= Si ~ 5k, Por lo tanto, w+ (v x W} = —10. Se concluye entonces, de acuerdo con (8), que el vor Tumen esté dado por Va lusty x w) También podemos caleular el volumen por medio de la ecuacion (9), como v Términos clave Producto cruz entidad de Jacobi Fn los eercicios } y2, ealcule w x ¥. 1 (@) w= 2434 4ky u=C,00.¥ ou au ~i+3j-k @.3,-1) L@u (0) w= 2+ j— 2k v=i 43k (© w=2+kv=au (@) U=4,0,-2,¥=,2,-1) 3. Seanu=i+2j — 3k, = 2+ 3j ik, w= 2 jt 2 y c= —3. Vetfique las propiedades (a) a (d) del ‘eorema 5.1, 4, Semu=2i-j+3kv=a+j—kyw i+]. (a) Veritique la ecuacisn (3), () Verifique ta ecuscién (4), §, Seanu=i~j+2kv=21+2)—kyw (a) Veritique ta ecuaciéa (3) i+j—k, Rercicios tedricos TA. Demveste el teorema 5.1 T2, Demuestre que (ux ¥) = w= ws (yx W). TS. Demuestre que j x i= I, ke x j TA, Demuestre que (@xvew=) oyu us wy wy ws mE) |-10] = () Veritque la ecuacisn (4), 6, Verifique que cada uno de fos productos cr w x v det jervicio Les ortogonal au yay 7. Veeifique que cada uno de tos productos cruz w x ¥ del ejetticio2 es ortogonal au y ay. 8, Verifique la ecuacién (7) para los pares de vectores det cjercicio 1 9% Deteraine el étea del tiéngulo eon vertices Pi, -2, 3), PA-3, 1,4), P3(0.4, 3). 10. Determine el rea del teiéngulo con vérties P,P y Py, donde RA = 21+3)-Kk y RR =1+25+2k UL. Determine el érea de paralelogramo con lados atyacentes +3) -Ikyv=3i—j—k 12, Determine el volumen éel paralelepipedo que tiene un vér- ‘ice enel origen y lados w= 24 —j, 2) = 2ky w sH-j+k 13. Repitael ejervicio 12 pare w = i— 2j + 4k, v= 31-44) + kyweisj+k TS, Demueste que w y v son paralelos si y sélo sim x ¥ = 0. TO. Demuestre que flu x vj? + (w+ y)? = [fully ‘TI. Demueste | ntidad de Jacobi (WV) x WH XW) UEC XU) xv =O,264 CapiuloS Aplicaciones de vectores en Ay R° (opeional) Ejercicios con Maris Hay dos rutinas de Mxn.ae que se aplican ef material estudiado ‘en esta seccidn: er0ss, que calcula ef producto cruz de un par de 3-vectores: y erossdemo, gue muestra de manera grfica sot par de vectores y su producio cruz. Con las rutinas dot y cross odemos realizar os cdlculos del ejemplo 6, (Fara obtener insirucciones sobve el uso de las rutinas de Mania, escriba ta palabra help seguida por wn espacio y el nombre de la rutina.) ML.1. Utilice eross en MarLas para determinar el producto, ‘eruz de cada uno de los pares de vectores siguientes, () usi-2+Aveit ask (b) w=, 0,3), ¥= Ch, 1,2) (9) w=0,2,-3,¥=@, 1.9) ML.2. Uiilice la rutina eross para determinar el producto enue de cada unb de los pares de vectores siguientes. (@)u=2.3,-1,¥ @us%-jtky (us(1,-2,0, 23,1) Ei RECTAS Y PLANOS ML.3. Uiilice erassdemo en Maras para desplegar les vera, res wy V,y su producto cruz, Ga) sit a taky ) w= (-2,4,5), fo) u= 22,2, MLA, Utilice eross en Mat ap para comprobar sus respuestay als ejercicios 1 y 2 MLS. Utilice Maras para determinar el volumen del parsls. pipedo que tiene un_yértice en el origen y lados B,-2, D.v= (12,3) ¥ w= 2,1, 2) ML.6. El Angulo de intersecei6n de dos planos en el 3-espacin cs el mismo que el Sngulo de interseceidn de perpendiu les a tales planos. Encuentre el éngulo de intersecsién del plano Pj determinado por xy y,y el plano P> dour. ‘minado por u yw, donde x=Q.-1.2, 1.3.0, y=G.-20 2-0 Requisitas. Lectura de Iu seccidn 4.1, Vectores em el plano, y de la seceidn 5.1, Pro cto eruz en R* RECTAS EN R? Dos puntos distintos cualesquiera, P(x,.91) y Po(a, ya) en R? (figura 5.6) determinan tuna Iinea recta cuya ecuaciGn es axtbyte=0, Q donde a, b y c son ntimeros reales, y a y b no son simulténeamente cero, Como Py y Ps pertenecen 2 la recta, sus coordenadas satisfacen la ecuacién (1): Figura 5.6 > ax, + by) +50 ax +b te @ Qakon! Solucién Figura 5.7 > Soc 5.2 Reetas y planos 265 Ahora escribimos (1), (2) y (3) como un sistema lineal en las incdgnitas a, by ¢, con lo que obtenemos xa+yb+e=0 xa tyibte=0 @ xa + yb +o =0, Buscamos una condicién sobre los valores de x y y para que (4) tenga una solucién no trivial a, b y e, Como (4} es un sistema homogéneo, tiene una solucién no trivial si y sélo si el determinante de la matriz de coeficientes es cero, esto es, si y s6lo si 1 1 6) 1 De esta manera, todo punto P(x, y) de la recta satisface (5) y, reefprocamente, todo pun. to que satisface (5) pertenece a la recta Hallar una ecuacién de la recta determinada por los puntos P| 1,3) y Pyl4, 6). Al sustituir en (5), obtenemos roy d 1301 461 Al desarrollar este determinante en cofactores a lo largo de la primera fila tenemos (verifique) -3rt Sy 18 =0. a RECTAS EN 2? Como probablemente recordaré, una recta esta determinada en R si se especifican su pendiente y uno de sus puntos. Por su parte, una recta esté determinada en ° si se especifican su direecién y uno de sus puntos. Sea u = (a, b, c) un vector no mulo (dis- Ainto de cero) en R°, y sea Pa = (2o, Yo, Zo) un punto en R°. Sean wo el veetor asociado con Py, ¥ x el vector asociado con el punto P(x, y, 2). La recta L que pasa por Pp ¥ es paralela a w consiste de los puntos P(x, y, 2) (figura 5.7) tales que X= Wot mM, — 00 <1<00. ©266 Capitulo S Aplicaciones de veciores en R* y R° {opcional) Barer vee! Solucién EERE La ecuacién (6) se denomina ecuacién paramétrica de L, rimetto 1, al que puede asignarse cualquier nimero real. La eouat escribirse en términos de las componentes, como que contiene e} pa én (6) tambign puede io + ta jo }th 00. <1 200 a tec, ‘que se denominan ecuaciones parameétricas de L. Las ecuaciones paramétricas de Ia recta que pasa por el punto Po(— al vector 2, yes paralele Determinar ecuaciones paramétrieas de la recta L que pasa por los puntos P(2, 3, ~4) y PAG, 2,5). La recta que se busca es paralela al vector u = PF. Ahora G-2, =3,5~(-4) = (1, ~5,9). Como Pp esté en la recta, podemas escribir ecuaciones paramétticas de L, como ra 24 y= 3-51 -c0 Oy y > 0; Gtr ty ele y! € OU, 9) = (ony). Ves el conjunto de todas las ternas ordenadas de nimezos % reales dela forma (0, Oy, 9B (07, Oy tye) €O(0, 2) = (0.0,c2) 3. Wesel conjunto de todas los polinomios de fa forma a? + bt-+ 6, donde a, By ¢ son nimetos reales, y att (au? + yt 404) © (oat? + bat +09) = (ay +a) + (by + ba) tle) $e) Ola? + bre) = (rade + (rb)e re 4. Ves el conjunto de todas las matrices de 2 x 2 a8 e al donde a = di @ es la sunia matricial y © es ta multiplies cign por un esealar 5, Veritique con detalle que K? es un espacio vectorial. 16. Verifigue con detalle que ° es un espacio vectorial 7. Verifique que el conjunto del ejemplo 2 es un espacio vectorial 8 Verfique que el conjunto del ejemplo 3 satisface todas fas propiedades de la definici6n 1, excepto la propiedad (1). ‘9, Muestre que el conjunto del ejemplo $ es un espacio vectorial 10. Muestre que espacio P de todos los pelinamios es un espacio vectorial Enos ejercicios 11 a 17, determine si el conjunto dado, junto con las operaciones dadas, es un espacio vectorial. Sino 10, ‘enumere las proptedades de la definicién I que no se cumplen. eae IL. Bl conjunto de todas las temas ordenadas les (x.y. =) con las operaciones. GORY sy) Ole, 2) lex. cy,c2) 12, El conjunto de todas las ternas erdenadas de ndimevas ree. les (x2) con las operaciones 2) BU 942! we aba yh y cOle y= Oh) 13, El coxjunto de todas as ternas ordenadas de nimeros re. Jes de la forma (0,0, 2) con las operaciones 0,0,2) 80,0, = @.0242) € 200, 0,2) = (0,0, 2) 14, El conjunto de todos los mximeros reales, con Tas operacio- res usuales de suma y multiplicacin, 15, Et conjunto de todos los pares ordenadas de iimeros reales (s, »), donde x = 0, con las operaciones usuales cn R°. 16, El conjunto de todos los pares ordenados de miimeros reales (6 y) con Tas operaciones (x, 9) @ (x's YY = Ota yy) ¥ea(e.r = (0,0) 17, El conjunto de todos los ndmeros reales postivos u con ls operaciones u@ v¥ =uvy cOu=u° 18, Soa Vel conjunto de todes los nimeros reales. Definimos @poru@v=2u—vy GcomecOu=cu, (Fs Vun espacio vectorial?” 19. Sea Vel conjunto formato solamente por un elemento O. Sean 0G 0= Oy cQO=0. Muesite que Ves un espacio vectorial 20, (@) Si Ves un espacio vectorial que iene un veotordistinto de cero, jeusintos veetores existen en V? () Describa todos los espacios vectoriales que tienen wn nimero finite de vectores. Ejercicios teéricos En los eercicios T1 a T4, establezca et resultado indicado para tun espacio vectorial real V. 0 para cada escalar¢, Mueste que si u + ¥ =u +, entonces Moestre que si # 0 y au = bu, entonces a = b. ;. Muestre que un espacio vectorial silo tiene un vector cero, EG, Muestre que cada vector u en un espacio vectorial slo te- ne un negativo tL "7, Muesire que B" es cerrado bajo la operacién de suma Dinara de los n-vectores binaries. TR, Muestve que Bf es cerrado bajo la operacisn de mnltiplice cid por escalares, siendo éstos los bits O y 1 “LY, Muestre que la propiedad (b) es vélida para todos los vectores en Bcae Fjercicios con Martas Los conceptos analizados en esta sec no on cies de imple- memoren rurinas de MATLAB. Los equerinentes dela definicidn 1. deben ser soisfechos por todos las vectores. Demostrar con Manas que una propiedad de la definicidn F se cunple para isos curtos vecTores no es sufcente para concieir gue ella canple para rdos, Usied debe evita este racananiento erréneo, En cambio, ai demostramos con MATLAB que para una eleceiin pastaular de vectores no se cumple ut propiedad. habremos esta Decide que la propiedad ne siempre se cumple en todos las cosas posibles: por lo tarto, la propiedad se considera false. De esta for ‘na, podremeos mostrar que us conjnso noes i espacio vectorial ML-L. Sea Vel conjunto de todas las matrices de 2 x 2 Definimios las operaciones que se indican, mediante los siguientes comandos de Manas: See. 6.2 Subespacios 279 vectorial P, de tos polinomios con grada n 0 meno. Las operaciones sobre polinomios se pueden realizar ‘mediante un software para dlgebra lineal asociando, con ‘cada potinomio p(o) de P,, una matiz fila de tamaiio n+ 1 Esta matriz estéformada por los cooficientes de p(t) mediante Ia asociacicn, pay agg Fait bay Flee ter ay oy) Si falta explicitamentealgin tino de pi?) se utiliza un cero para ese coeficente. Con esta aociacién, la sumna {de polinomios comesponde @ la sua de matrices y la multiplicacin de un polinomia por un escalar corres: AGB os ASB onde a la mulplicacion de una matriz por un escalar [Emplee Maras para realizar las operaciones indicadas ROA es k+A sobre ls pliant, izands la asiaion mati Gs Vi espacio vectorial? (SugerenciaItodca al ane hemes desert Sean = 3 y unas maces de 2 2 y exeninene con os emends DIP Pb 1—2 de MaTLas para comprender su comportamiento, W= P+3t45. antes de Verificar las condiciones de la definicién 1.) ML2. Continuando con el ejemplo 8, analizames el espacio G4 SUBESPACIOS DEFINICION ) Ot GO ©) 3919 4a) 0) 5x0) En esta seccién comenzatemos a analizar la estructura de un espacio vectorial. En pri ‘mer lugar, es conveniente tener un nombre para un subconjunto de un espacio vectorial dado, que es, a su vez, un espacio vectorial con respecto a las mismas operaciones de V. En este sentido, tenemos la siguiente Sean V un espacio vectorial y W un subconjunto no vaefo de V. Si W'es un espacio veetorial con respecto a las operaciones en V,entonces W es un subespacio de V. Cada espacio vectorial tiene por lo menos dos subespacios: él mismo, y el subespacio (0) que consta s6lo del vector cero [recordemos que 0B O= 0 yc 0-= 0 en cual. quier espacio vectorial (vea el ejercicio 19 de la seccién 6.1)), El subespacio (0} es denominado ef subespacio cero. . Sea Wel subconjunto de 2° que consta de todos los vectores de la forma (a, 6,0), don- fe a y b son ntimeros reales cualesquiera, junto con las operaciones usuales de suma de vectores y multiplcacién por escalar, Para verifica si Wes un subespacio de Ry de acucr do.con el recuadro de la pdgina 276, primero establecemos si se cumplen las propiedades (a) y (A) de la definicién 1. Sean w= (ay, 6.0) y ¥ = (ap, by, 0) vectores en W. Ene tonces w+ V = (a), Bry 0)-+ (as. ba, 0) = (ay + az, by + by, 0) esté en W, pus el ter- ‘cer componente es igual a cero, Ahora, si ces un escalar, entonces cu = clay, by, 0) (cay, ¢by, 0) también esté en W. Por lo tanto, en W se satisfacen las propiededes (a) y (b) de la definici6n |. Es fdcil demostrar que las propiedades (2)-(h) también se cumplen. En consecuencia, Wes un subespacio de ®°. 2 Antes de mencionar otros subespacios, hacemos una pausa para desarrollar un resultado que nos ahorraré mucho trabajo al examinar si un subconjunto W de un espa cio vectorial V es © no un subespacio vectorial. De acuerdo con la definicién de280 Capitulo 6 Espacios vectorales reales Demostracién Observaciones EE! Solucién PTwakees subespacio vectorial, debernos verificar que se cumplen (a), (8) y (a) -(h) de la defi. cin |. Sin embargo, el teorema siguiente dice que es suficiente verificar que se cum, plen (a) y (), es decir, solamente necesitamos verificar que W es cerrado bajo las operaciones ® y ©. Sea V un espacio vectorial con las operaciones @ y © y sea W un subconjunto no ve. cio de ¥. Enionces W es un subespacio de V si, y sélo si se cumplen las siguientes con, diciones: (a) Siwy v son vectores cualesquiera en W, entonces w & v esta en W. (B) Sic es cualquier mimero real y w es cualquier vector en W, entonces ¢ © ¥ es enW. Fjercicio T 5 1, Observe que el subconjunto que tiene como tinico elemento el vector cero (vea e ejemplo 1) es un subespacio no vacio 2. Si un subconjunto W de un espacio vectorial Vino contiene el vector cero, entonces W noes un subespacio de V. (Vea el ejercicio T.13.) Considere el conjunto Wde matrices de 2 x 3 que tienen la forma fa b 0 0 © d\’ donde a, b, ¢ y d son nimeras reales arbitrarios. Mostrar que W es un subconjunto del espacio vectorial Mz3 definido en el ejemplo 4 de Ia seccidn 6.1, Observe que una ma triz.de 2 x 3 esté en W si y solo si sus entradas (1, 3) y (2, 1) son cero. . a by 0 ay by Comideetas marices u=[$ 2 fly v=[G 2 fh] enmtnonces afatar bb: 0 7) teen weve [PS EEE ata] emer de modo que se satisface el requetimiento (a) del teorema 6.2. Ahora, sea k un escala, Entonces kay kb) 0 7 saa [ie 8] atten de modo que se satisface tambicn la condicién (8) del teorema 6.2. Por lo tanto, Wes un subespacio de Ms . Un criterio alternativo para mostrar que un subconjunto no vacio W de un espacio vectorial Ves un subespacio de V consiste en demostrar que aui+ by esté en W, para yee tores cualesquiera u y ven Wy escalares cualesquicra ay b (ejercicio 2), {Cuales de los subconjuntos siguientes de R, con las operaciones usuales de sume é vvectores y multiplicacién por escalar son subespacios? (2) W, es el conjanto de todos los vectores de la forma FI: donde x 0. (b) Wp es el conjunto de todos los vectores de la forma Ei] donde x20, 2 0. (©) Wy es el conjunto de todos los vectores de la forma [] , donde = 0.i | | | | Solucién w, Figura 6.3 a Sec. 62 Subespacios 281 W; es el semiplano derecho del plano xy (vea la figura 6.1), No es un subespacio de EEA Ho es un vector de Wes deci, no se cumple In propiedad (b) del teorema 6.2. Figura 6.1 > y W% (b) Wzesel primer cuadrante del plano xy (vea Ia figura 6.2). Utlizando el mismo veetor y el mismo escalar de Ia parte (a) puede mostrarse que W no es un subespacio, Figura 6.2» y (©) _Wsesel eje y en el plano xy (vea la figura 6,3), Para determinar si Ws es un subespacio, sean Oo}, yf by} Y= Lop vectores cualesquicra en W, Entonces [) +Le)- [2] «std en Ws, de modo que se satisface la propiedad (a) del teorema 6 2. Ademis, si © es un escalar, entonees w-ei}-[8} «std en Ws, de manera que se cumple también la propiedad (f) del teoreme 6.2, En consecuencia, W es un subespacio de R? a uty282 Capitulo6 Espacios veetoriales reales ESTEMERESIEM | sea wet subconjunto de A° formado por todos los vectores de la forma (a, b, 1), don de ay 6 son niimeros reales cualesquiera, Para verificar si se cumplen las propiedad, (a) y (B) del teorema 6.2, sean u = (ay, by, Ly v = (ap, Ba, 1) vectores en W. Enton, eS Wt V = (ay, by, 1) + (a, Bp, 1) = (a + ay, Dy + by, 2), que no esté en W, ya que el tercer componente es 2 y no I. Como (a) del teorema 6.2 no se cumple, W no es up subespacio de R° . ESTEMISESEA En to seccién 6.1 denotamos por P, el espacio vectorial formado por todos los poling. niias de grado = n y el potinomio cero, y por P el espacio vectorial de todos los poli nomios. Es fécil verificar que Ps es un subespacio de Ps y, en general, que P, es un subespacio de P, 1 (cjercicio 11). También, se puede demostrar que P, es un subespa, cio de P (ejercicio 12), . ESENTERERA Sea Vl conjunto de todos tos polinomios de grado 2 (no = 2, sino exactarmente igual 2); Ves un subconjunio de Ps, pero no es un subespacio de P, Para mostratlo, tome. mos como ejemplo los polinomios 27 + 37+ 1 y -2° +1 +2. La suma, el polinomio 4043, que es un polinomio de grado 1, no esté en ¥. . SEARO | Requlere conocémientos de caleuto) Sea Cla, 6) el conjunto de todas las funciones reales, continuas, definidas en el intervalo (a, b]. Sify g estan en Cla, b], entonces f+ gesté en fa, b}, pues la suma de dos funciones contimuas es coatinua, De manera ané- loga, si c es un escalar, entonces cf esté en Cla, b]. Por lo tanto, Cla, b] es un subespacio del espacio vectorial de todas las funciones reales definidas en [a, 5], mencionado en el ejemplo 5 de Ia seccién 6.1. El espacio vectorial de las funciones continuas y definidas para todos los mimeros reales, se denota como C(—00, 00) A continuacién presentamos como ejemplo un subespacio muy importante ESTEEM | Consideremos et sistema homogéneo Ax = 0, donde A es una matrz. de m x n, Una so- lucién es un vector x en R". Sea Wel subconjunto de KR formado por todas las solucio nes de dicho sistema. De la igualdad AO = 0, se deduce que W no es vacto. Para decigir si W es 0 no un subespacio de R", consideraremos las condiciones (a) y (f) estableci- das en el teorema 6.2. Supongamos que x y y son soluciones, es decir, Ax=0 y dy=0. Entonees, AQ ty =A HAy=04+0=0, dde modo que x + y también es una solucién, Por otra parte, si ces un escalar cualquic ra, entonces Alex) = c(Ax) = 0 = 0, de mado que cx abn es ana sli, Scone entones ane Wes un subs cio de El subespacio W del ejemplo 9 se denomina espacio solucién del sistema homo génco Ax = 0, 0 espacio nulo de la matriz A, Tenga presente que el conjunto de solu ciones del sistema lineal Ax = b, donde A es de m x n, no es un subespacio de R° si b # 0 (ejercicio 73). EER Une tonna sencilla de construir subespacios de un espacio vectorial dado es la siguiente ‘Sean vj y va vectores fijos en un espacio vectorial V, y sea Wel conjunto de todas las com binaciones lineales (vea la secci6n 1.3) de v, y va €5 decir, W consta de todos los vecto res dela forma a\v; +.a,¥>, donde ay y ay son ndimeros reales cualesquicra. Mostrareos que W es un subespacio de V, verificando las propiedades (c) y (8) del teorema 62.DEFINICION Figura 6.4» Combinacién lineal de os vectors / 62. Subespacios 283 Sean wise bay, yw biv: tba vectores en W. Entonces Wr Hwa = (ay, anv) + (ivy 4 ave) = (ay + v1 + (aa + ban ces también una combinacién lineal de vj y v2, de modo que esté en W. Ademis, si c es un escalar, entonces -ay)vy + (cet ¥2 esté en W. De acuerdo con ef teorema 6.2, W es un subespacio de V. a El espacio construido en el ejemplo 10 a partir de dos vectores se generaiza icil- mente @ un ndmero finito de vectores. Ahora daremos la definicion formal. Sean vi, v2... Ve vectoresen un espacio vectorial ¥ Un vector ven Ves una come binacion lineal de vj, v2... ., Vg si yea tamte-tam Para ciertos mimeros reales ¢3, c3, ... cy. (Vea también la seceién 1.3.) En la figura 6.4 mostramos al vector v en R* o R* como combinacién lineal de los vectores ¥) y Wa, EEE en “ LD, WSO yy 1,0), El vector = 215) 85 una combinacién lineal de y), v2 y v3 si podemos determinar nimeros reales, ¢;, cp y cy tales que CY FeaNe + avs =v. Al susttuir Ios valores de v, v1, ¥2 y V3, obtenemos ey(1, 2, 1) + ex(1, 0,2) + ea, 1.0) Al efectuar las operaciones de Ia izquierda e igualar las entradas corespondientes, resulta el sistema lineal (verifique) c+ @tey=2 2e, +0 cr + 2c2Espacios vectoriales reales cuya solucién por los métodos del capitulo } es (verifique) ¢, lo cual significa que v es una combinacién lineal de v,, v2 ¥ V3. A 2yey vay $2v-¥5 La figura 6.5 muestra av como una con jinaci6n lineal de v), v2 y V3 e Figura 6.5 & DEFINICION SiS = {¥), Vo... ., Vg) es un conjunto de vectores en un espacio vectorial V, entonces cl conjunto de todos los vectores en V que son combinaciones lineales de los vectores en Sse denota como genS 0 gen (vy, Vay... %i) En la figura 6.6 aparece una parte de gen {v1, V2}. donde vj y v2 son los vectores 10 colineales én R°, que allf se muestran; gen (vy, ¥2} es un plano que pasa por el or- ‘en y contiene a los vectores Vy y Vo, Figura 6.6 » z SETREREM | Considere el siguiente conjunto S de matrices de 2 x 3 10 0} fo 1 0] fo 0 o} foo @ =o 0 o}'|o 0 o}'[o 1 o}[o o 1 | Entonces gen S'es el conjunto de matrices en M3 formado por todos los vectores dela | forma | 10 0], ,f0 1 0], fo 0 o}, fo 0 0 | foo olfe 6 olrefo tales oS] -[5 e AB donde a, b,c y d son miimeros reales |See.62 Subespacios 285 Es decir, gen S es el subconjunto de Mas que consta de todas fas matrices de la forma ab 0 0c al donde a, 8, ¢ y d son niimeras reales, a Sea (v1 Ya... um conjunto de vectores en un espacio vectorial V. Entonces, gem S es um subespacio de V. Vea cl ejercicio T4, m SEMTAROMEY Dados los vectores siguiente en Ps, Ware 3-2 Determine si el vector Pr? pertenece a gem (V4, ¥2, V3, Va) Soluci6n Si podemos determinar escalares cy, 054 ¢5 y cy tales que i evs + ea¥2 + 635 + ca¥g =U, centonces, u pertenece a gen {¥y, v2, Vs, ¥)- Al sustituir los valores de u, 1. V2. V5 ¥ Vay tenemos 612P +t +2) + cat? — 20) + e951? — 51-42) + et? — 34 — 2) Para (ey +e + Ses ~ c4)t? + (ey — Zea — Ses ~ 3ea)t + ey + 2c3 — 2ea) 4142, Dos polinomios coinciden para todos los valores de s6lo si Jos eveficientes de las po- ‘encias respectivas de r coinciden. De modo que la igualdad anterior, origina el sistema lineal ey ~ Dez = Sea — Beg = 1 2c, + 2es — ez = 2. Para detenminar si este sistema de ecuaciones lineales es consistente o no, formamos la ‘matriz aumentada, y obtenemos su forma escalonada reducida por filas, que es Ia si- Der ext Se3— c= guiente (verifique) 1 0 1 =] o 1 3 : a) como el sistema es inconsistente, es decir, no tone solucién, se coneluye que w no per= leneve a gen {¥}, V2. V3, Vs) 2 Observacién En general, para determinar si un vector especifico v pertenece a gen S, analizamos la consistencia de un sistema lineal adecuado.286 Capitulo 6 Espacios vectoriles reales SUBESPACIOS EN 8” (OPCIONAL) Los conceptos de subespacio, combinacin lineal y generador son vélidos para cug. quier espacio vectorial, y por tanto para B*. Los ejemplos 14 a 16, ilustran estos con, ceptos para B STEMIGEOME Sean V = By W = (wy, Wa, Ws, Wa), donde AB ll --B Determine si Wes un subespacio de V. Solucién Apticamos cl teorema 6.2 usando escalares binarios y Ia aritmética binaria Tenemss (verifique) ww Wit Wes, Wit) = W5, Wit We Wo tWo Wot W5 = Way Wet Wa = WG) Wot Ws wow Wy tWs= m1, de modo que W es cerrado bajo la suma de vectores. Ademés, 2.3.4, OW=W, y IW=%, paray= Jo cual muestra que Wes cerrado bajo la multiplicacién por escalares. Entonces, segin el teorema 6.2, Wes un subespacio de B* . lates 0 y 1. Para los vectores wy j= 1,2, 3, 4 del ejemplo 14 y los escalares cy 1, tenemos la combinacién lineal oO) 7) poy or am tem team teme=]0[+]0/ 4 }1) 411 Loy toy Ley be. (Vea también ef ejemplo 19 en la seccién 1.2.) . TMReCMEM Las combinaciones lineales de vectores en B" puede formarse empleando sélo los esea- TERRE Gn 8°, sean Determine si el vector w 1 3} pene en 18 ° Solucién —Siencontramos escalates (binatios) es, e2 y ¢9, tales que ey, + eave bey = a, entonces uw pertenece a gen {¥s, V2. V3]. AL sustituir u, vj, v2 y V3, obtenemos etdSee.62 Subespacios 287 Esta combinaci6n lineal es equivalente al producto matricial (verifique) [ELE ue tiene la forma de un sistema lineal, Al formar la matriz aumentada correspondien- 'e, y tansformarla a ls forma escalonada reducida por filas, obtenemos (verifique) Por lo tanto el sistema lineal es consistente, con solueién e) 0, e = Ly cs = 1. La existencia de solueién significa que u pentenece a gen {V), ¥2 ¥9} = Términes clave Subespacio Espacio soluciga Subespacio cero Combinacién lineal Propiedad de corradura El conjunto W formado por todos los puntos de R2 que tie- ner Ia forma (x, x) ¢s una linea recta. JES W ua subespacio de R? Explique. 2, Sea Wel conjunto de todos los puntos en A? que estén en et plano.xy. ;Es W un subespacio de f°? Expligue 3. Bn el plano sy, considere al ftculo centrado en el origen y cuya ecuacién es x? + y? = 1. Sea Wel conjunto de todos los vectores cuya cola esté en el origen y cuya cabeza es un Punto interior a la, o en I eitcunferencia, :Es W un subespacio de R°? Explique. 4, Considere el cuadrado unit Adjunta, Sea W el conjunto de todos los vectores de la io que se muestra en la figura fon [3]. donde 0 =x 1,0y 21. Bxl0es, Wesel 0 +b288. Capitulo 6 Espacios vectorial reales 6 Cubles de los siguientes subconjunts de son sbespa cios de R"? El conjunto de todos los vectores de la forma (a) (@, 6,0), donde a =e =0 (b) (a, 8, ¢), donde a (©) (@, b,c), donde b= 20+ 1 2Cules de los siguientes subconjuntos de Rt son subespa ‘0s de R" El conjunio de todos los vetoes de i forma (2) (2, 8,6 a), donde a =2 () (@,b,¢ @), donde e= a+ 2b yd (6) (a, b.c,d), donde a= Oy b= —d 8 {Cusles de los siguientes suboonjuntos de R* son subespa- ‘ios de J EI conjunto de todos los vectores de la forma ©) @b.6.4), donde a = () (@,b 6d), donde a =1,b=pye+a=t (©) @,b, 6.4), donde a > Oy 5 <0 9. {Cudles de os siguientes subconjuntos de P3 son subespa- «ios? El conjunto de todos los potinomios de la forma (a) ant? + aye + co, donde ag = 0 ©) ant’ + ast + ag, donde ay = 2 (6) anf” + ayt + cp, donde a + a) = a, 10, {Cudles de los siguientes subconjuntos de Py son subespa ios? El eonjanto de todos los polinomios de la forma @) a? + ay a, donde ay = Oy ap =0 (©) at + ay¢ + a0 donde a; = 209 (©) ay? + ay1 + apy donde a; + 4; + ay =2 LL. (a) Muestre que 5 un subespacio de Ps, (b) Muestre que Fs un subespacio de P43. 12, Mucstre que Py €5 un subespacio de P. 13, Mosse que P es un subespacio del espacio vectorial defi- ido ene ejemplo 5 dela seecin 6. 14, Sean u = (1,2,—3) y ¥ = (2, 3, 0) dos vectores en R? y sea Wel subeonjunto de R® que consta de todos los vecte- res dela forma au + by, donde a y b son ndmeros rates caalesquiera. Proporcione un agumento que demueste que Wes un subespacio def. Sean u = (2,0,3, 4) y ¥= 4, 2, ~5, 1) dos vectores en Fy sea Wel subconjunto de que consta de todos los ‘ectores de la forms au + by, donde a yb son ndaeros reales euslesquiera. Proporcione un argumento que de- rnuesire que Wes un subespacio de 15, 16, ;{Cusles de ls siguientes subconjuntos del espacio veeto- tial Mps, definido en el ejemplo 4 de la seccidn 6.1, son su bespacios? BI conjunto de todas las matrices de la forma ab ofpe (s gamttaote 0 onsee> M7, 18. 1». [fo Fh aonde a rey fe tea {Cuiles de fos siguientes sudconjuntos del espacio vecto lal Ms definido en el ejempla 4 de Ia seecisn 6.1 son su. bespacios? El conjunto de todas las matrices de la forma ob « co[g shone ff ae off tg] off ® fJamearcnorsversao at i {sCues de los siguientes subconjuntos det espacio vecto Hal M,, Son subespacios? (a) Elconjunto de todas las matrices simetrieas de >» (b) El onjunto de todas las mauices no singulares de ex (6) Bl conjunto de todas las matrices diagonales de» x n {iCules de los siguientes subeonjuntos del espacio vecto- tial My son subespacios? (a) El conjunto de todas las matrices singulares de n> w (b) El conjunto de todas las mawices tiangulares superio- es den xn (6) El conjunto de todas fas matrices den x n eayo deter minante es 1 (Requiere conocimiento de cdleulo) ;Cusles de los s- uientes subconjuntos son subespacios del espacio vectorial C(=00, 00) definido en el ejemplo 8? () Todas las funciones no negativas (b) Todas las funciones constantes {) Tedas las funciones f tales que /(0) {a} Todas las funciones f tales que f(0) (e) Todas las funciones difereaciables (Requiere conocimiento de edleulo) {Cues de los s- _ientes subconjuntos del espacio vectorial C(—00, 00) dfinido en el ejemplo 8 son subespacios? {8) Todas las funciones integrables {B) Todas las funciones acotadas {c} Todas las funciones integrables en (4, b] (@) Todas las funciones acotadas en [a,b] . (Requiere conocimiento de caleulo) Considere 1a ecve- ign diferencial yi +2y=0. Une soluci6a dela euacién diferencia es una funci6a {Fon valores reales que satsfce Ia ecuacién. Sea Vel coajunto de todas las soluciones de la ecuacién diferent dads; defina ® y © como en el ejemplo de la secciéa 6.1. Muesire que V es un subespacio del espacio vectorial de todas las funciones con valores reles definidas en (00, 00), (Vea también a seccidn 9.2) Determine eusles de Tos siguientes subconjuntos de &? son subespacios. —@ y w) y 24, Determine cules de los siguientes subconjuntos de R? son subespacios, @ » 0 y 2S, Determine, en cada parte (a)(d), si el vector dado v perte- hhece a gen (Vi, V2, Ys}s onde ¥i= (1,000, vy=(,~1,0,0) y v= @.1.2.0, v= (-1,4,2,2) )¥=0,2,0,1) Ov=C1 4,3) @r=O1,1,0) 26, {Cufles de los siguientes vectores son combinaciones Sec.6.2 Suhespacios 289 lineales de : wl wf oh 4 27. Determine, en cada pate (a) (2, si el vector dado pte} Pertenece a gen (pi(), px), p(t), donde = 2+ p= —P 41 8) 9) B41) pD=P=e4t © pGyared @ po) 2-1 Los ejetcicios 28 a 33 wilizon matrices binaries. 28. Sea V = BY, Determine si EG sun subespacio de V. 29, Sea V = BP Determine si ARTEL es un subespacio de V, 30, Sea ¥ = BY. Determine si W, el conjunto de todos tos vectores en V cuya primera entrada es 0, e3 un subespacio dey. 3M, Sea V = B4, Determine si W, ef canjunto de todes los veetores en V cuya segunda entrada es 1, ¢9 un subespacio, aev. 32. Sea 38, Sea | ane | 1 Determine si u= | 1 i290 Capitulo 6 Espacios vectoriales eales, Ejercicios teéricos TA, Demneste el teorema 62 D2, Demuestre que un subconjunto W de un espacio vectorial Ves un subespacio de Vsi,y slo si se cumple Ia Siguiente condicién: si wy v son vectores cuslesquiera en Wy ay b son escalares arbitratios, emtonces au + bv etd en W. "T3. Demuestre que el conjunto de todas las soluciones de Ax = b donde A es de m x 2, no es un subespacio eR" sib #0, TA, Demuestre el teorema 6.3. Ts. Sea $= (Vj, 25. ¥) un eonjumto de vectores en tun espacio vectorial V, y sex Wun subespacio de V que contiene a 5. Muestre que W contiene a gen 5, ‘TG. Si Aes una matriz no singular, cual es l espacio malo de A? Justifique su respuesta 'T.7, Sea xy un vector fijo en un espacio vectorial V. Muestre ue el conjunto W que consta de todos fos miltiplns esca les cay de xy eS un subespacio de ¥. TLS, Sea A una matviz de m x 2. {BS €l conjunto W de todos los vectotes x en RY tales que Ax # O un subespacio de 7 Justfique su respuesta “T9. Muestte que los unicos subespacins de R son {0} y el propio ‘Sean W; y We subespacios de un espacio vectorial V. Sea Wy + Wrel conjunto de todos ls vectares ¥ en V tales T10. que © = w, + Wy, donde w eth en ) y Westen, Muestre que Wy + WW es un subespacio de V ‘TAL, Sean Wy Wa subespacios de un espacio vectora con WW, = {0}. Sea Wy ++ Wa, como se dais ey ef ejecio T.10. Suponga que V = Ws + Ws, Demaesse gue cada vector en Vs puede escribir de manera dey como wy + Wa, donde W; ests en HY West en Enente caso eserbimos V = W & Ws y decimos gue Ves la sumia directa de los sobespaios I yW: “TAZ, Muestre que el conjunto de fedos los puntos del plano ax + by + ct = 0 es un subespacio de R°. TAS, Demuestre ques un subconjunto W de un espacio. vectorial Vno coniene el vector cet, entonees W no es un subespacio de V, TA, Ses Y= By W = {wy}, donde wy es cualguier vector en B*, (ES Wun subespacio de V? TIS, Sea V = BY, Dstermine s existe un subespacio de V que tenga exatarente es vetoresdiferenes "E16. Enel ejemplo 14, Wes un sudespacio de B° con exacia- mente eoato vectores, Determine ots dos sabespacios eB que tengan exactanente cuato veciores, "EIT. Determine todos los subespacios de B* que contienen el vector Ejercicios con Matias MLA. Sean V gual a R? y W el subconjunto de vectores de V ‘que tienen la forma (2, ¢, 6), donde a y b son nimeros reales abitrarios. :Es W un subespacio de V? Utilice las siguientes instrucciones de MATLAB como ayuda para determinar la respuesta, al = fix(10 « randm); a2 = fix(10 « randn); i= fix(10 + randn); 2 = fix(10 + randn); 2 al bt) w=[2 a2 pz] view Bay ML2. Sean V = Ps y Wel subconjunto de vectores de V que tienen la forma ax? ++ bs + 5, donde a y d son miimeros reales arbitrarios. Asociemtos, con cada uno de estos polinomios en W, el vector (a, 6, 5) en R?. Construya instrucciones similares a las de ejercicio ML.1 para mostrar que W no es un subespacio de V. Para resolver los siguientes ejerccios con Matas, reguiere haber leido la secciéi 12.7. (Aplicaciones de combinaciones linea- lesen Manan.) ML. Emplee Maras para determinar si el vector ¥ €6 una ‘cambinaciéa lineal de los elementos del conjunto S. (2) S= (V4, Ya, 3} (2,0,.0,0,0.1,1.0,0,11,0) 0,1, 1,0 () $=. ¥9) AGEN MLA. (a, Ya. ¥3} (1.2,0),G,0, DG, 8,39) (i IG Utlice Manas para determinar sie vector v es una com binaci6n lineal de los elementos del conjunto, S. Encss0 afirmativ, exprese v en funcién de Tos elementos de 5. @S= ¥ i Lb| See, 63 Independencia lineal 291 MLS. Emplee Marta para determinarsicl veetory es una —-ML,6, En cada parte, determine sv pertnece a gen S, donde combinacién lineal de los elementos del conjunto S. En tal caso, exprese v en términos de los elementos de S, Salven) Orne (1,160, D.(Us“1.0.0,00, 1,2, Dh : () V= 0.3.2.3) yd Ov=Q, fff eo (v= 0.1.2.3) La MLZ. Ea cada parte, determine sp) gertenece a gen S, donde S= {pilth, pot), pa(t)) SU rthrsee iy, 7 (a) pO) = + 2b 4 (b) p(t) =2P +14-2 Api), path pst) ©) por) QP =1+1,P-21-1) v=pij=4 41-5 zy INDEPENDENCIA LINEAL En las secciones anteriores de este capitulo definimos un sistema matemiitico denominado espacio vectorial real y establecimos algunas de sus propiedades. Observemos, ahora, que el nico espacio vectorial real que tiene un nimero finito de vectores, es el espacio cuyo dnico vector es 0. Fn efecto, siv = 0 esid en el espacio vectorial Vy ¢ # €’ son niimeros reales distintos entonces, de acuerdo con el ejercicio 4 de la seceién 6.1, ev # c’v, lo cual permite concluir que V ticne una infinidad de vectores. Sin enn- bargo, en esta seccién y en la siguiente mostraremos que casi tado espacio vectorial V estudiado aquf posee un conjunto con un numero finito de vectores que describen por completo el espacio V; esto es, cada vector en ¥ puede ser expresado como una come binacion lineal de los vectores ental conjunto. En general, debe notarse que existe mas de uno de tales conjuntos que describen a V. Ahora formularemos estas ideas DEFINICION Se dice que los vectores vj, v3... vg de un espacio vectorial V generam a V, si cada vector en V es una combinaci6n lineal de vj, Vp... yy Ademés, si se denota por S el conjunto $= {¥), V2, ..., Vel, se dice también que $ genera a V, oque [¥), V2.0... Ye) genera a V, 0 que Ves generado por 5 0, en el lenguaje de la secciGn 6.2, gen § ~ V. El procedimiento para establecer si los vectores V1, V2, .... vg Beneran el espacio vectorial Ves como sigue, Paso 1. Seleccione un vector arbitrario v en V. Paso 2. Determine si v es una combinaciGn lineal de los vectores dados. Si lo es, Jos vectores dados generan a V; si no, los vectores dados no generan a V. ‘Nuevamente, en el paso 2, investigamos la consistencia de un sistema lineal, pero es- ‘a vex para un Indo derecho que representa un vector arbitrario en un espacio vectorial V.292 Capitulo6 Espacios vectoriales reales EJEMPLO 1 Solucion Tater: Solucién EEakoe! Solucién Sea Vel espacio vectorial R° y sean w=), w=0.02 y w= 1,0) {Los veotores ¥), vo y v3 generan a V7 Paso 1. Seay = (a, b, e) un vector arbitrario en R° (es decis, donde « b y c son mime. ros reales arbitrarios). Paso 2. Debemtos examinar si v es combinacién Jineal de los vectores dados, es deci, | sicexisten constantes cj, c y ey tales que ey, hea evs = La ecuaci6n anterior conduce al sistem lineal (verifique) c+ ate=a 2% +e 1 +20 Una solucién es (verifique) 2a 4 2b+ 4a ~b~2¢ qe eee os 3 i Dado que existe una solucién para cualquier elecciGn de a, b y c, se concluye que, | vay v3 generan a R', o que gen{v, Va, V3) = R°. . Demuestre que 1 0] fo 1} fo o o oft of fo a genera el subespacio de Mz» formado por las matrices siméticas, Paso 1. Una matriz simétrica atbitraria de 2 x 2, tiene la forma a=[f ‘). | | | | donde a, b y c son nimeros reales cvalesquiera. Paso 2, Debemos encontrar constantes di, d2 y d3 tales que | | [shaft cleafs f] Jo cual conduce a un sistema lineal cuya solucién es (verifique) a= » =d, = Como hemos encontrado una solucién para toda eleceién de a, b y ¢, concluimos que S genera al subespacio dado, . Sea V el espacio vectorial P, Sea $ = [pi(0, pat}, donde py(t) =F + 2+ LY Pat) =P + 2. 48 genera a P;? Paso I. Sea p(t) = af” + bt +.¢.un polinomio en Ps, donde a, by ¢ son msémeros te les cualesquiera,| EJEMPLO 4 EEviaton Sec. 63. Independencia lineal 293, Paso 2. Debemos determinar si existen constantes ¢1 ¢> tales que PO = cnt) + expt, es decir, tales que a? + bite P+ 2+ D) tog? +2) Asi, (er + ed + Beye +(e) + 2ey) =a? + bt te Como dos polinomios coinciden para todos los valores de r sélo si los coeficientes de las potencias respectivas de f coinciden, obtenemos el sistema lineal Utilizando operaciones elementales por filas sobre la matriz aumentada del sistema, cbtenemos (verifique) 1 a : 0 01b-4a+20 Sib—4a+ 2c # 0, l sistema es inconsistente y no existe soluci6n, Por esta raz6n, S= [1@, pA} no genera a P;. Por ejemplo, e! polinomio 3? + 2 1 no puede exibirse como una combinacién lineal de pu(®) y path a Los vectores ey = i= (1, 0) y €2 = J = (0, 1} generan a R?, ya que, como observamos cn las secciones 4.1 y 4.2, sia = (wu, uz) es cualquier vector en R’, entonces w= mye + tues, Como se observé en la seccidn 4.2, todo vector u en R° se puede escribir como ccombinacién lineal de los veciores e = 1 = (1,0, 0), € = j= (0, 1, 0) ¥ es (0,0, 1). Entonces e),€2 y €s generan a R° . En forma similar, los vectores ey = (1,0, 0),€2= 1,0... 0)... € = (0,0,..., 1) generan a R", puesto que cualquier Vector t= (uy, Hp...) ent R" puede expresarse como UW mye, + Hee FH Mey a Elconjunto $= (7, °°", ..., 1.1) genera a Py pues todo polinomiio en Py es dela forma Af bay bo bag att Oe que es una combinacién lineal de los elementos en S. . Considere el sistema lineal homogéneo Ax = 0, donde 1 1 0 2 22 1-5 a= Sa 4 4-1 9 El conjunto de todas las soluciones del sistema Ax = 0 forma un subespacio de R* (vea el ejemplo 9, seccién 6.2}, Para determinar un conjunto generador del espacio solucién9A Capitulo 6 Xspacios vectoriales reales DEFINICION de este sistema homogéneo, encontremos la forma escalonada reducida por filas de jy rmatriz. aurnentada, BI resultado es (verifique) 11 0 0 oo 1 0 9 0 0 0 9 09 0 0. Entonees, Ia solucién general esta dada por m mar Bas mss donde r y s son nimeros reales cualesquiera. Cada elemento del espacio solu dado entonces, en forma matricial, por a, Jos vectores -2 9) geal epson i <1 1 oly 0 INDEPENDENCIA LINEAL Laos vectores Vi, v2... Veen tn espacio vectorial V son linealmente dependientes si existen constantes ¢, cay...» ¢x n0 todas iguales a cero, tales que eb eave test eat = 0 En caso contrario, se dice que vy, V2... i son Hineabmente independiente; e565, Thi¥ay- +++ 00 linealmente independents si siempre que cy + e2v9 +" -Fety =o, debemos tener, necesaramente, que aoe En otras palabras, v, Vn «Va Son linealmente independientes sila inca combi nacion lineal de vy, ¥2,-. que da como resultado el vector cer es aquell en aque todos los cocfcientes son coro. Si $= {¥}, Ya... 4}. dice que cl conjunta 5 es linealmente dependiente o linealmente independiente segtin si los vectores de S tienen la correspondiente propiedad. Observe que, cualesquiera scan los vectores vp, Vay...» Vis la ecuacién (1) siem pre se cumple si hacemos igual a cero cada uno de los escalares cy, c2,... cy El pu to importante de la definicién es si es posible satisfacer la ecuacién (1) con, por 10 menos uno de los escalares, diferente de cero. El procedimiento para determinar si los vectores ¥), V2. pendientes 0 linealmente independientes es como sigue . ¥, Son Tinealmente de- Paso 1. Plantee la ecuacién (1), la cual conduce a un sistema homogéneo. Paso 2. Si el sistema homogéneo que se obtuvo en el paso 1 tiene sélo la soluctén trivial, entonces los vectores dados son linealmente independiente; si tiene una so- lucién no trivial, entonces los vectores son linealmente dependientes, | | | | i; Eaton Solucién Gitar Solucién Sec.6.3 Independencia linest 295 Determinemos silos veetores <1 2 1 0 of ¥ Ja 0. 1 {gue generan el espseio solueién del sistema Ax = 0 del ejemplo 6 son linealmente dependientes o linealmente independiente. Cuando se forma la ecuacién (1) =I 2) 70" 1 of _|o e] afte} Tl={5 0, bo se obtiene el sistema homogéneo c= 20 =0 61400 Oey + e 0c, + 2 =0, cuya tinica solucién es cy = e = 0. Entonces los veetores dados son linealmente independientes. 7 Determinar si los vectores vj = (1, 0, 1, 2), ¥2 = (0, 1, 1,2) y ¥3 son linealmente dependlientes o si son linealmente independientes, (1, 1,3) en et, Inicialmente formamos la ecuacién (1), civ) + eva + evs que debemos resolver para cy, ¢2 y c3. El sistema homogéneo resultante es (verifique) e + o=0 et Gad at ate 2ey + 2e2 + Bes 0 cuya tniea soluci6n es ¢) = 2 0 (verifique), Esto muestra que Tos vectores dados son linealmente independientes. . Considere los vectores W=C,2-D. w=.-20, we V4=(2,0,0) en R?, GBs el conjunto $ diente? {vs v2. v5, Na} linealmente dependiente 0 linealmente indepen-296 Capitulo 6 Espacios vectorales reales Solucién, Siaeeon Tae Después de establecer In ecuacién (1), Hevamos al sistema homogéneo de tres eouacig. nes con cuatro inesenitas (verfique) ey ey — 3e3 +2 1+ a6 aque, de acuerdo con el tcorema 1.8 de la secci6n 1.6, tiene soluciones no trivales. Ep tonces 5 es linealmente dependiente. En particular, das de las infinitas soluciones soy =O; a= 8 a= oe Los vectores ¢; y €) en puesto que definidos en el ejemplo 4, son linealmente independientes exC1, 0) + (0, 1) = (0, 0) se satisface solamente para c; = c2 = 0. Similarmente, los vectores e1, €2 ¥ €3 en R y, en general, los vectores e),€2,...., €, en R", Son linealmente independientes (ej sicio T). . Como veremos, el corolatio 6.4 de la secciGn 6.6, establece otra forma de determi nat la dependencia o independencia lineal de n vectores dados en R®. Consiste en for. thar la matriz A, cuyas columnas son los n vectores dads, Entonces, los vectores dados son linealmente independientes si, y slo si det(A) # 0. Como iustraci6n, en el ejem: plo 10, 1 0 o 1 yy det(A) = 1, de modo que e1 y e son linealmente independientes. Considere los vectores PD=P HH poly =I, pylt) =H +2042. Para determinar si S = (p3(0, p20, px(9) es linealmente dependiente 0 linealsnente in- ependiente, plantearemos la ecuacién (1) y la resolveremos para cy, ¢2 ¥ ¢3, El siste- ‘ma homogéneo resultante es (verifique) c1 + 2c +33 =0 c+ +25 =0 2e1 + 2c3 =0, el cual tiene una infinidad de soluciones (verifique). Una solucién particular es ¢, = I. 2 = 1. cy = “1. La sustinucién de estos valores en la ecuacién correspondiente muestra que Plt) + PAO - py = 0. Por lo tanto, S es linealmente dependiente . Siv). Va... . Ye S0M k-vectores en un espacio vectorial y vy es el vector cero, Ja ecuaci ‘) se cumple haciendo c; = 1 y ¢; = O para j + i. Esto indica que $= (vj, Va --++¥l es linealmente dependiente, es decir, que todo conjunto de vectores que incluya el vec cero es linealmente dependiente. .See. 6.3 Independencia lines) 297 Sean 5; y Sp subconjuntosfinitos de un espacio vectorial tales que Sy €8 subcon- Junto de Sz, Entonces: (a) si S) es lineslmente dependiente, también lo es Sp: y (b), si ‘18 lincalmente independiente, también lo es} (ejercicio 1.2). A continuacién analizaremos el significado de independencia lineal en R? y en R°, ‘Supongamos que ¥} y v2 Son linealmente dependientes en R?, Entonces existen escala- 65 ¢1 ¥ 6p por lo menos uno distnto de cero, tales que eas tes ~( (2) ‘Como vemos, en cualquiera de los casos uno de los vectores es un miltiplo escalar del otro. Reciprocamente, suponga que v, = cv), Entonces Si cy #0, entonces Si cy ¥ 0, entonces Ivy ev, = ¥ como los coefiientes de vs y vz no Son ambos iguales 2 cero, entonces vy vp som linealmente dependientes. En sfatesis, v; y v2 son linealmente dependientes en Ré si y sdlo si uno de los vectores es miltiplo del otro, Geometricamente, dos vectores en R son linealmente dependientes si y séto si ambos pertenecen a una misma recta que pa sa por el origen [figura 6.7(a)) ' Figura 6.7 » eon “ o- ° (a) Vectoresen A linealmente dependientes (b) Vetoresen A lineslmenteindependientes Ahora suponga que vj, v9 y V5 son linealmente dependientes en R°. Entonces po- | demos escribir crv) Heavy bess | 0, | donde es € €9 no todos son cero; digamis ep # 0. Entonces 10 cual significa que vp est en el subespacio W generado por Vy vs. Este subespacio W, 0 es un plano que pasa por el origen (cuando ¥) y v3 son li nealmente independientes), o es una recta que pasa por el otigen (cuando ¥) y v3 son linealmente dependientes), o es et origen (cuando vj = v3 = 0). Como una recta que pasa por el origen siempre pertenece a un plano que pasa por el origen, podemos con cluit que ¥:, V2 y V3 estén en un mismo plano, que pasa por el origen. Recfprocamen- te, supongainos que vj, vp y ¥3 estén en un mismo plano que pase por el origen Entonces, o los tres vectores son el vector cero, o estan en una misina recta que pasa por el origen, o estén en un plano que pasa por el origen y es generado por dos de ellos, dligamos vj y v3. En todos estos casos, v» es una combinacién lineal de vy y V3 V2 ay, + avs,298 Capitulo 6 Espacios vectoriales reales Entonces yyy Lv + a3¥5= 0, lo cual significa que vy, vay vj Son Finealmente dependientes. En sintesis, tes vest, en R° son linealmente dependientes si y sélo si estén en un mismo plano que pasa po, el origen [figura 6.8(a)) Figura 6.8 > y (@) Vectoresen KS linealmente dependientes _(@) Vectores en °, linealmenteindependienes En términos mas generales, sean u y v vectores distintos de cero en un espacio yee torial V. Podemos mostrar (ejercicio T.13) que uy ¥ soa linealmente dependientes sy sélo si existe un escalar k tal que ¥ = ku. O, de forma equivalente, u y v son linealnen te independientes sy sdlo si ninguno de los vectores es miltiplo del otro. Esta carci. rizaci6n no funciona para. conjuntos de tres o més vectores; en estos casos wtilizarenes el resultado que se establece en el teorema siguiente ESE] Los vectores no mulos vs, v2... ¥en un espacio vectorial V, son linealmente depen dientes si, ys6lo si uno de los vectores W, j = 2. 8 una combinaci6n lineal de los vec. tores que lo preceden ¥, Vay ++ Njot Demostracién vv es una combinacién lineal de vj, V3, wi eva tt gay entonces ev Fave be hey Vo + (Dy + Ovjan bee + Oy, ‘Como uno por lo menos de los coeficientes, —1, es diferente de cero, ¥y, V3... +5 Mq 308 linealmente dependientes. Supongamos ahora que Vi, V2... . » ¥y Son linealmente dependientes. Entonces cexisten escalares ¢1, 63... «5 Gy» NO todos cero, tales que ei tea, + + Gv, =O. Sea j el mayor subindice para el cual c; # 0. Sif > 1, entonces oC) Gono (Eon Sij = 1, entoncescy¥; = 0,10 cual implica que v1 = 0, una contradicein com hips tesis de que ninguno de ls vectors es el vector cero, Por lo tanto, uno de Tos vectors vy es una combinacién lineal de los vectores que le preceden V1, V2,....¥j-1. TEMTIROME Si vi. v2. vs y vs son los vectores del ejemplo 9, encontramos (verifique) que Vy + ¥2+0v5—W =O, es decir, v), v2. ¥s y Va son linealmente dependientes. En este caso, YoS Vt Ye . |Observaciones Sec, 6.3 Independencia lines! 299 1, El teorema 6.4 no dice que en un conjunto de vectores lineal mente dependientes fo- do vector v del conjunto es una combinacidn lineal de los vectores que le preceden. Asi, en el ejemplo 9, tambin se cumple que yj + 2v2 + V3 + Ovg = 0. Sin embar- 0, no podemos despejar a v4 para expresarlo como combinacidn lineal de vs, ¥> y Vs, puesto que su coeficiente es cero. . También podemos probar que si § = (vy, V2... Vg} €8 un conjunto de vectores en lun espacio vectorial V, entonces Ses linealmente dependiente si y s6lo si uno de los voctores en 5 es una combinacién lineal de todos los demas vectores en S (ejercicios ‘T.3). Como ilustracién, el ejemplo 13, 1 Wis —V2-Ovy $V, y y= — Fy, —b¥5 —Ovy 3. Si los vectores vy, v2, ..., vj en un espacio vectorial V son linealmente indepen dientes, entonces no puede haber entre ellos dos vectores iguales, y ninguno de ellos puede ser el vector cero, El resultado siguiente se utilizaré en la secei6n 6.4 y en otras partes del texto. Su: onga que S = (v1, V2y..., Va} genera un espacio vectorial V y que vj es una combi- nacién lineal de los vectores que le preceden en S, Entonces e] coajunio Si= (Vive Vote Val ‘que consta de los vectores en S, con excepeién de vj, también genera a V. Para demostrar este resultado, observe que si v es cualquier vector en V, entonces, como S genera a V, podemos encontrar escalares ay, 2... dy tales que VS QV aaV2 boo jaja HaWY; Hayy Mpg Eo Hayy Ahora, si WV EBD Et BAN entonces Saab aava toe bay Vpn baylbyv, + bave +--+ bj y¥GH1) Taj AWps be bay SEW HOVE Eo hy Vn be Ajgt tot Gann Jo cual significa que gen $y = V. Consider el conjunto de vectores $= (vi, vz, ¥p¥a) en 4 donde 2 w= 1 1 ty yo] Vea 1 Of Stays lay Fy L 0. 0. 0 y sea W = gon S, Como v4 = v1 + vo, concluimos que W = gen Sy, donde 5 (M1, a ¥ GENERADOR E INDEPENDENCIA LINEAL EN 8” (OPCIONAL) ‘Los conceptos de independencia lineal, dependencia lineal y generador, son vélidos independientemente de la naturaleza de los escalares 0 de la de los vectores de un espacio vectorial. Recordemos que en el caso del espacio vectorial B slo se pecmiten a0y 1 como escalares, y que todas las operaciones aritméticas se reaizan con arit- mética binaria.300 Capitulo 6 Espacios vectoriles reales 4 EJEMPLO- Sea Vel espacio vectorial B° y sean {Generan los vectores v;, v2 y v3 a V? @ Solucién Sea y= Hi cualquier vector en B°, es decir, donde a, by ¢ son pueden ser cualquiera de los digitos binarios 0 0 1, Debemos establecer si existen escalares c1, €2 y € (digi {05 binarios) tales que Esto conduce al sistema lineal atone Formamos la mattiz aumentada y obtenemos su forma escalonada reducida por filas (verifique): 10 liata+h O11; atb |. 00 Viatbte EI sistema es inconsistente sila eleecién de digitos binarios para a, by c es tal que 1 a4 046 # 0:poriomle sy = Ht bo come 9 Wg 1 av. 5 ELEMIIERE «Son los vectores vj, vo y v3 del ejemplo 15, inealmente independientes? Solucién Con base en Ia couaci6n (1), planteamos el sistema lineal homogénco eben =0 a bey ate cuya forma escalonada reducida por filas es (verifique) 10 140 01 1/0 0 0 010 Entonces, 1 1 = —¢5, donde ¢3 es 0 0 1. Fscogiendo ey = 1, encontramos le soluci6n no trivial ey = ¢» 1 (verifique). Por lo tanto, vs, ¥» y vs son linealinen- te dependientes. . 0, ! Términos clave Generador Linealmente dependiente Linealmente independienteColes de os siguientes vectoes generan a 2? (2) .2).(-4, ©) 0.0.11, 1,-2.2) (©) U3. 2, -3.(0.2) (@) 2.4.1.3) 2. {Cutiles de los siguientes conjuntos de vectores generan a RY? () (1.2.00, 1,1 ) (2, $1.06, 3,04,04, 1,2, 6) 122.31, 2. 1.00.10) (8) {0,0,0),40,1,01.10,0, D011} 4. {Cudles de tos siguientes vectores generan aR"? (0) ,0,0,1,00,1,0,0), 0,1, 113,01 10 (©) 1,2,1.0,0, 1,-1.0), (0.0.0, 5.4) @ 1,1,0,01.0,2, 1,19. (0,0, 1,1), Q120 2Cudles de los siguientes conjuntos de polinomios generan apy @ HLA tet OPH e © 422-12, @ (P+a-1e=1 S. {Generan los polivomios # +2641, 2-12.42, TEER Sr 207? 6. Determine un conjunto de veetores que genere el espacio solucion ée Ax = 0, donde +re4) 7. Determine un conjunto de vectores que genere el espacio palo de 2-1 6 2 4 “ih fg elementos del espacio solucin de A 4), x x3} lincalmenteindependience? 9 Sean 10. u 2 1B. 4 18, a 1B See. 63 Independencia lineal 301 clementos del espacio no de A. ZEs el conju (x), ay 3) "nesimente independiente? {.Cuiles de los siguientes conjuntos de vectores en A son Tinealmente dependientes? Cuando lo sean, exprese tn vee {or del coujunto como combinaeisa Tineal de los demas, () 10,2. -1,G,2,59) (DP 44,2, 1,(2.6,-54(1. 2,394 66) (1, 1,060.2, 39,61, 2,308, 6,69) My G23. 1 DLO DD Consider el espacio vectorial RY, Siga las indicaciones del elercicio 19. 2) (12,11, 0, 0,240 4.6.8 61,600 3,2, 1 (6) (0,-2.3, -D(-2,4, 6.9} (©) (1 N2.3, 1.28.12, 0.0225 1} (2) (4,2, 1,306.5, 5, D2, —13,5)) ‘Considere el espacio vectorial P. Siga Tas indicaciones de! ejercicio 1. G) (P4120 43) ) PELE HA (Brea eae erty (8) (PF —4.57 ~ 56.377 51 49) Considere el espzcio vectorial Mzy, Siga las indicaciones el cjercicio 10 9) fo afte ott abt oti hb oft i Te ‘Sea V el espacio vectorial de todas las funciones continuns de valones reales. Siga las indicaciones del ejervicio 10, (©) [2 sen 7) 4a) foos 1 sen te!) wee {Para qué valores de ¢ son Jos vectores (1, 0. —1), (2.1.2) y Gy 1, ch en R* linealmente dependientes? a) (cost, sen? 1 c05 21) Para que valores de A son los vectores 1+ 3.y 24-432 +2 en P;lincalmente dependientes? —ommml EP wasn fe eran a BY302 ww. Capitulo 6 Espacios vectoriales reales rly od Lt generan 1 Y ' of, Jo Determine silos veetores | j |. 7 0, L abs, Determine silos vectores del ejercicio 17 son linealmente independientes. 21 Determine silos vectores del ejecicio 19 son linealmente independientes. 22, Con base en el teorema 6.4, muestie que ls vectores ¥, ¥ ¥5 del ejemplo 15 son linealmente dependientes, Ejercicios teéricos ‘TA. Demuestre que los vectores e, €3, m2. 13. TM. Ts. 16. 1. Ta, ny en RY son linealmente independientes, ‘Sean $; y S, subcoajuntos finitos de un espacio vectorial, ¥ tales que S; es un subconjunto de Sy, Muse que: (2) S15, es linealmente dependiente, también lo es 8. (b) Si Sys linealmente independiente, también lo es Sea S= [¥), Vo... ¥4) um conjunto de vectores en un ‘espacio vectorial. Muestre que S es linealmente depen iente si y solo si uno de los vectores en $ es una combi naci6n lineal de los demas vectores en 5. Suponga que $ = (¥), v2, V5} ¢5 un eonjuate linealmente independiente de veciores en un espacio vectorial V, Mestre que T= {w), 2, Ws), donde wy = vy +92 + We = Vat Yay Ws = V3 también es linealmente independiente, Suponga que 5 = {¥, ¥2,¥3) 65 un Conjunto linealmente independiente de vectores en wn espacio vectorial V. zFs el conjunto T= [w3, wa, Ws}, donde Wy = Vy + ¥2, W2 = Vj + V3 y Ws = ¥2 + ¥3inealmente dependiente o lineal- ‘mente independiente? Justfigue su respuesta, ‘Suponga que 5 = (¥), ¥3,¥5} €S un conjunto linealmente dependiente de vectores en un espacio vectorial V. 2Es el ‘conjunto T= {ws, w, W3}, donde wy = ¥4, #2 = 9) + Voy Ws = Vi +h¥: +s linealmente dependiente o lineal mente independiente? Justifique su respuesta, ‘Scan vj, v2 y v5 vectores en un espacio vectorial, tales ue {¥4, v2} es linealmente independiente, Muestre que si ‘vy no perteneve a gem (¥), Ya), entonces {V1 Va. Val @S linealmente independiente, ‘Sea A una matriz de m x men forms escalonada redacida Por filas. Muestre que las filas no nulas de A, vistas como vectores en R", forman un conjunto linealmente indepen lente de vectores Tr. 110, TAL. Tn. Ta. Tas. TAs Sea $= (uy. Uy... ., Ug} am conjunto de vectores en un espacio vectorial, y sea T= (v;, Va... Vole donde cate Vit =1,2,...,m,es una combinacién lineal de 1s vec. tores de 5. Muesire que WE DIV Dave bot Dain es una combinacién lineal de los veetores de 5. Suponga que $= (v, V---, 4) €8 un conjusto inal mente independiente Ge vectores de f. Muestre que 51 A es:una mati no singular den x n,enfonces {Av}, Vay. AV} 65 linealmeate independiente ‘Sean S; y Sz subconjantos finitos de un expacio vectorial Vyy sea 5, un subconjunto de 5 SiS; es linealmente dependiente, musi, mediante algunos ejemplos, que 5; puede ser linealmente depenieme o lincalineste independiente Sean 5; y Sz subcon)untos finitos de un espacio vectori V y sea 5; un subconjunto de S, SiS, s Kincalmente independiente, muestre, mediante algunos ejemplos, que ‘5, puede ser linealmente dependienteo linealmeate independiente Sean u y v dos vectres distntes de cero en un espacio vectorial V. Muestre que {wv} es lnealmente dependiate Sy solos existe un escaar tal que = Au. En forma ‘equivalent, {u,v} es nealmente independiente sy silo 5 uo de Ios vectoes noes maltplo del oto (Requiere material de ia seccién 5.1) Sean wy ¥ Yectore linealment independienes en, Muesite que vy yu x v forman una base para. [Sugerencia forme Jn ecuacidn (1) y tome el produto punto con w x ¥.] Sea W el subespacio de V generado por los vectres + {Exist alin vector ven V tl que gen {ae Wy ¥] también sea WS} la respuesta 8 afirmativa,describa todos esos vectores¥. Ejercicios con MATLAB MLA 1, Determine si $es Hinealmente independiente o lineal mente dependiente (@) 5=10,0,6, 00,1, 1.0,(1,1, 1D) ws JE a tl ©See.64 Bases y dimension 303 ML.2. Determine un conjunto generador del espacio solucisn eax [i BASES Y DIMENSION En esta secci6n proseguiremos con el estudio de la estructura de un espacio vectorial V, para lo cual determinaremos un conjunto minimo de vectores de V que deseriba completamente a V. BASE | DEFINE Los vectores v1, V2... , ¥en un espacio vectorial V forman una base para V si (a) vy, Vay +++ Ye gonerant @ Vy (D) Vp, Voy... , Vj son linealmente independientes, Observacion Silos vectores vj, v2... ., vy forman una base para un espacio vectorial V, ellos son distintos y no mulos (vea el ejemplo 12 en las seecién 6.3); por esto los escribiremos como un conjunto (¥1, V2... Ye) | $SLETAROR Los vectores e; = (1.0) y ep (0, 1) forman una base para R’, los vectores e}, €9 y €3 forman una base para R° y, en general, 1os vectores €;,€), .. .., forman una base pa | 2 R", Cada uno de estos conjuntos de vectores se Ilana base natural, base estindar | © base eanénica para R°, R° y R°, respectivamente 2 i ESIEMIARSR A Mecstre que el conjunto S = (vj, v2, v3, Vs}, donde Vj = (1, 0, 1.0). V2 = (0, 1,-1.2, | ¥s= 02,2, Ty v4= (1,0, 0, 1), es una base para Ré Solucién Para mostrar que Ses linealmente independiente, formamos la ecuacién crv) + eva + cs¥3 + cave y resolvemos para cy, ¢3, ¢3 y cy. Al sustituir los valores de vy, ¥2, ¥5 y Vas obtenemos. cl sistema lineal (verifique) a +a=0 2 +2c3 0 e- @+23 =0 2er+ cst es ‘ue tiene como tinica solucién €3= cq = 0 (verifique), ko cual muestra que ‘Ses linealmente independiente. Observe que el coeficente de la matiz del sistema lineal precedente conssteen los vectores vj, v2. V5 y v4 escritos en forma de column, Para mostrar que S genera aR, sea v = (a, b,c, d) un veetor cualquiera de R*, De- bemos encontrar constants hy, ks ks ky tales que nv) + Java + kas + kava = V. Cuando se sustituyen v5, v2, v3 ¥4 y ¥; e5 siempre posible hallar una soluci6n (veriff- ‘quelo) ky, kay As y ky del sistema lineal resultante, para cualesquiera a, b, o, d; por lo tanto, S genera a R¥. Se concluye asf que S es una base para RY =304 Capitulo 6 Espacios vectoriales reales ETENIAESEM Dernuestre que el conjunto S torial Pa +1, (= 1, 2¢-+2) es una base para el espacio veo. Solucién Debemos mostrar que $ genera a V, y que es linealmente independiente. Para probar que genera a V, sea el polinomio ar? + br -+ c un vector arbitatio en V, Determinare. mos constantes 2), 09 ¥ a, tales que at + bt te a(t? +1) +anlt — 1) +4321 +2) = ayt? + (ay + 2ag)t + (ay — a +204). Dado que los dos polinomios coinciden para todos los valores de f s6lo si los coeficien tes de Tas respectivas potencias respectivas de t son iguales, obtenemos el sistema linea az} ay = ay a + 20 cuya solucién es athe ctb-a 4 m=, aa Por lo tanto, S genera a V. Para ilustrar este resultado, considere el vector 27° + 6 + 13. Aqui, a= 2,b=6 yc= 13. Al sustitur estos valores en las expresiones precedentes para a, a) ¥ as en Contramos que | | | | 1 Por lo tanto, 2P 464 19207 += fr) + Bare), Para probar que S es linealmente independiente, formamos la combinacién lineal AQP +N) Fax 1 Fatt = 0, De ella se deduce que ay? + (ay + Zant + (ay — a + 2ay) = 0, Una vez més, esta igualdad se satisface para todos los valores de r s6lo si a, 0 + 2a; =0 a) ~ a2 + 2as = 0, La sinica solucién para este sistema homogéneo es a; = dx = ay = 0, es decir, Ses + realmente independiente. En consecuencia, S es una base para Ps, . El conjunto de vectores {7 r"~!, 1,1} forma una base para el espacio vectorial P,, denominada base canénica, base esténdar o base natural para P,,. En el ejemplo 5 de la seccién 6.3 se demostré que este conjunto es un generador de P,,. La demost cin de la independencia lineal de tales vectores se deja como ejercicio (ejercicio T.!5 Determine una base para el subespacio de P;, formado por los vectores de Ia form at? + bt-+ ¢, donde ¢ = a~ b.Sec.64 Bases y dimensidn 305 Solucién Todo vector en V es de la forma a + bb a~b, {que puede escribirse como a? + 1) + b= 1), Jo cual muestra que los vectors P 4 Ly t= I genetan a V, Ademis, estos vectores son linealenteindependienes ya que ningnno es mip del otro. También posta ho. bere obtenido (con mayor trabajo) esta concksion sobre independencia lineal. escribiendo la ecuacién al? +) +ayr—1)=0 ° Pay + tap + (a, — a3) = 0. Como esta ecuacién se cumple para todos los valores de 1, debemos tener ety = 0 y ty = 0, que es la condici6n de independencia lineal, a Un espacio vectorial es de dimensién finita si existe un subconjunto finito de V que es una base para V; en caso contrario, es decir, si no existe tal subconjunto finito | de ¥, cl espacio es de dimensiéa infinita Casi todos los espacios vectoriales considerados en este libro son de dimensi6a finite. Sin embargo, es conveniente anotar que muchos espacios vectoriales de importancia en matemsticas y en fisica son de dimensién infinta; su estudio excede el alcance de este libro. El espacio vectorial P, de todos los polinomios, y el espacio vectorial ‘C(-c0, code las funciones continuas f: R > R, no son de dimensién finita Ahora estableceremos algunos resultados relativos 2 espacios vectoriales de dimen- si6n finita, que hacen referencia al nimero de vectores en tna base, comparan el ndmero de vectores de dos bases diferentes y establecen propiedades de las bases. SES = (vp. 92... Vp} e8 uma base pare wn espacio vecvorial V. emtonces cada vec~ tor enV se puede escribir de una y sito una forina como combineictén tinea de tos vecto res en, En primer fugar, tado vector v en V se puede escribir como combinacién lineal de los veciores en S, pues S es generador de V. Ahora, supongamos que Vesey teva be heyyy, a Ve divs + diva to bd, e son dos combinaciones lineales para el vector ¥, en Ia base S. Al restar (2) de (1), obtenemos (ep vy # ex dyn bE (Gy = dye Como S es linealmente independiente, ¢;— dj = 0, | << i = a, de modo que ¢ 1 =i =n, Por lo tanto, s6lo hay una forma de expresar v come combinacién lineal de los vectores en Se puede también mostrar (ejeruicio T-11) que si S = {¥1, Va... Yq) €8 un conjunto de vectores en un espacio vectorial V tales que todo vector en V se puede escii- bir de una y s6lo de una forma como combinacidn lines} de Jas vectores en S,entonces Ses una base para V.306 Capitulo 6 Espacios vectoriales reales Demostracién Sea S = {¥}, V2)... Vy) un conjunto de veetores no nulos en un espacio vectorial Y y sea W = gen S. Entonces, algiin subconjunto de S es una base para W. Caso I. Si Ses linealmemte independiente, entonces S es una base para W porque Ses generador de W, de acuerdo con la hipétesis. Caso Tl, Si S es finealmente dependiente, entonces existen ¢), €2,«.., Gy MO todos iguales a cero, tales que ent eavy to y= 0. ° Por lo tanto, algtin vj es una combinaciGn Iinesl de los vectores anteriores en (teore- ‘ma 64), Ahora, eliminamos ¥, de S, para obtener un subconjunto $} de S. Entonces, por la observacion anterior al ejemplo 14 de la seccién 6.3, concluimos que Sy Vj-ts Yiets ++ Yu} también genera a W. Si 5) ¢8 linealmente independiente, entonces 5, es una base. Si Ses linealmente depenciente, eliminamos un yector de S, que Sea combinacién lineal de los vectores que le pteceden en S; y obtenemos un muevo conjunto S, que también genera a W. Conti nuando de esta forma, y dado que S es un conjunto finito, en algtin momento encontrar. ‘mgs un subconjunto Te S que es linealmente independiente y gencra a W. Tal conjunto T es tna base para W. Demostracién consiructiva alternativa, cuando V es RM, n > m. Consideremos & los vectores en S como matrices de m x I y formemos la ecuacin (3). Esta ecuacién conduce a un sistema homogénco con m incégnitas cy, c%,. . «Gy gue tiene, como columnas de su matriz de coeficientes A de m x n, los vectores Vy, Va. --» Vy» Sea B la forma escalonada reducida por fas de la matriz A, y supongamos que B tiene r filas no nulas, 1S r= m. Sin pérdida de generalidad, podemos suponer que los r unos (1s) principales en las rfilas no nulas de B apatecen en las primeras r columnas. Entonces, B tiene Ja forma Vi Noe 1 0 0 Oreste baw 0 1 0 0 bart Paw oo4 0 Dara Daw B=) 0 0 beat bam oo 0 0 0 oO o 0 0 oO 0 oO Al resolver el sistema para las incOgnitas comespondientes a los unos (1s) principales vemos qUe cy. cx... €, pueden despejarse en trminos de las otras inesgnitas Cngae ba Sh 61 = beg tGesn = Bissatesa == Bint 61 ~anstat —Barg6rna =~ Bat a y= Bergteest — Bertneeg2 ~ = Benen donde a ¢,41.642,-+-+€y S¢ les pueden asignar valores reales atbitrarios. Si en la ecue- cién (4) hacemos Cont +e ¥y utilizamos estos valores en Ja eeuacién (3), obtenemos bug ~ bargin = = Brn tVe + YedtSec. 64 Bases y dimensién 307 o cual implica que v,.1 ¢s combinacién lineal de v), ¥2, ... ¥;- De acuerdo con Ja ob- servaciOn que antecedi6 al ejemplo 14 de la seccidn 6.3, el conjunto de vectores que se obtiene eliminando v,,., del conjunto S genera a W. De manera similr, si hacemos 0 eys= he cys n= 0, encontramos que v.2.€8 combinacidn lineal de ¥), v3... Wp que el conjunto de veetores oblenido a partir de $ eliminando a ¥,.1 y avy2 genera a W. Al continaar de esta manera, ¥.43,¥r44s «Yq 801 combinacionesTineales de Vy, Va... Yq de lo cual se sigue que (v;, v2, -.., v7} genera W. Mostremos ahora que (¥), vo... ., V;} es linealmente independiente, Considere- mos la mariz Bp obtenida al eliminar de B todas las columnas que no tengan un | principal; es decir, Bp esté formada por las primeras r columnas de B. 1 0 0 ° 0 1 0 0 oo1 B=lo o 1 00 ° 0 0 6. ‘Sea Ap la matriz obtenida, a partir de A, eliminando las columnas correspondien- {es a las columnas que fueron eliminadas en B para obtener Bp. En este caso, 1a8 co- Jumnas de Ap son Vi, V2... Vn las pritneras r columnas de A. Como A y B son equivalentes por filas, también Jo son Ap y Bip. Entonces los sistemas homogéneos Apx son equivalentes. Recordemos que el sistema homogéneo Bx Ja forma equivalente 0 se puede escribir en 2UWy bow, tet xy, 6) donde of Y Way Was. Wy son las columnas de Bp, Puesto que las coluumnas de Bp forman lun conjunto de vectores linealmente independientes en R, la ecuaciGn (5) solo tiene Ja solucion tiviel, Por lo tanto, Apx = 0 también tiene tinicamente la solucién trivial En consecuencia, les columnas de Ap son linealmente independientes: esto es, {v), Va... ¥V-} 8 linealmente independiente, a308 Capitalo.6 Espacios vectoriales reales Observacion La primera demostracién del teorema 6.6 permite, dado un conjunto S de veetores, determinar un subconjunto T de S, de modo que T es una base para el espacio gen s, Sea $ = {¥), ¥2,-.-s Vp} un Gonjunto de vectores no nulos en V. El procedimientg para determinar ua subconjunto de S que sea una base para W = gen S es como sigue, Paso J. Format la ecuacién (3), ery, Fen bt GWM = y resolverla pata ci, Cou «+ Gy, Si todos estos valores son cero, 5 es Tinealmente in- ‘dependiente, y constituye una base para W. Paso 2. Sicisc2,...,€, no son todos cero, entonces Ses linealmente dependiente y por lo tanto alguno de sus vectores —digamos, vj— es combinacidn lineal de los vectores que le preceden en S. Se elimina v, de S, obtenigndose un subconjunto $, que también genera a W. Paso 3. Repetir el paso 1, utilizande 5, ex lugar de S. La eliminaci6n reiterada de vectores de S se termina cusndo se obtiene un subconjunto 7 de S que genera a Wy e$ linealmente independiente. Este conjunto Jes una base para W. El procedimiento anterior se hace muy tedioso puesto que cada v ‘mos un veetor en $ debemnos resolver un sistema lineal. En Ia seccién 6 6 estudiaremos lun procedimiento més eficiente para determinar una base para W= gen S, pero que ao garantiza que tal base sea un subconjunto de S, Generalmente esto no es preocupante puesto que una base para W = gen $ es tan buena como cualquiera otra; sin embargo, hay casos en los cuales los vectores de S tienen ciertas propiedades y queremes que la base para W = gen § también las tenga, por lo cual necesitamos que ia base sea un subconjunto de S. $i V= R™. la prueba alternativa del teoreina 6.6 establece un procedimien- to muy eficiente (vea el ejemplo 5 a continuacin) para determinar una base de W = gen S, formada por vectores de S. Sean V = Ry S= {¥, ¥2, Yu} un conjumto de vectores no nalos en V. El pro cedimiento para determinar un subconjunto de S que es una base para W = gen Ses | el siguiente: Paso I. Formar la ecuacién (3), CM eave bo HM, Paso 2, Construir la matriz.aumentada asociada con et sistema homogéneo resultan te de In ecuacién (3), y Hevarla a la forma escalonada reducida por filas, Paso 3. Los vectores en $ correspondientes a las colummas que contienen los unos (Js) principales constituyen una base para W = gen S. Recuerde que en la demostracién alternativa del teorema 6.6 supusimos, sin pe dida de generalidad, que los r unos principales de las r filas no nulas de B aparece en las primoras 7 columnas. En este caso, {v 1. Voy +++ ¥o)s Bor ejemplo, y 10s tunos principales aparecen en las columnas 1, 3 y 4, entonces (¥y, vz, vg} es tna bir se para gen 8. En el paso 2 del procedimiento descrito en el recuadro anterior, ¢s suficiente transfor ‘mar la matriz. aumentada a 1a forma escalonada por fila (vea la seccin 1.6),Sve. 6.4 Bases y dimensidn 309 HIAYIMECEE Sea S = {v,, vo, v5, Vs, Vs) un conjunto de vectores en R, donde ¥1 = (1,2,-2, 1), ¥9= (-3,0, 4,3), WALL WHCR3-96 y v Determine una base para ¥ 0.3, gen S, formada de vectores del conjunto S. Solucién Paso J. Fornamos la ecuacién (3), e1(1,2,=2, 1) + 2-3, 0, 4,3) + 042,11 <1) + cal -3, 3, ~9, 6) + e5(9, 3, 7, ~6) = (0,0,0, 0) Paso 2. Al igualar las componentes correspondientes, obtenemos el sistema homo- géneo cy ~ Sep #+2c5 = 3c + 9e. 2e, + es Sey +3e3 ~2ey ~ der + 5 — 9e4 + 205 4 ere — es + 6c4 — bes eos La forma escafonada reducida por filas de la matriz. aumentada asociada es (verifique) too g 3 ¢ | O 1+} P-Fio © 0 0 0 Ojo i 09 9 0 0 O60 Paso 3. Los unes principales aparecen en las columnas 1 y 2,de modo que (vy, vz} es tuna base para W = gen S. a Observaci6n Fin ta demostracién altemativa del teorema 6.6, cuando V= Rel orden de Ios vectores en 1 conjunto generador original 5, determina la base para W. Por ejemplo, si consideramos el ejemplo 5, donde 5 = {, wa, Wa, Way W} COM Wy = Vg, Wo = Vs, Wy = Vo, We = Vp ¥ Ws = ¥5, entonces In forma escalonada redueida por filas de la matriz aumentada es (verifique) 10 3 ¢ oO 1-11 0 0 0 0 a) Por lo tanto, { wy, w2} = (v4, V5) eS una base para W = gen S. ‘Uno de tos resultados principales (corolario 6.1) de esta seccidn, que estableceremos "muy pronto, se refiere al nsimero de vectores en dos bases diferentes. Observemos,en pri- tmer lugar, que si (vj, Vay...» Yn} €8 tna base para un espacio vectorial V, entonces {cv;, Vau.+ +5 Yq) también es una base, sic # 0 (ejervicio .9), Esta observacién muestra que un espacio vectorial real diferente de 0 tiene siempre infinitas bases SHS= {v1 Vay ..., Vp) €8 una base para un espacio vectorial Vy T= (wy, Wa... Wy) 8 ut conjunio lineaimente independiente de veetores en V, entonces 1 =,Demestracion Demostracién DEFINICION Tar Bivins Es lo Espacios vectoriales reales Sea; = {W., Vi. Va. yVq}- Como S genera a V, 7; también lo genera, ¥, puesto que ‘w, es una combinacién lineal de Ios vectores de S, T; es linealmente dependiente, En. tonces, de acuerdo con el teorema 64, algtin ¥; es una combinacicn lineal de los vecig. res que le preceden en 7'. Eliminemoas ese vector particular vj Sea 5} = (Wie Vises Vets Wists -+ + Vale Observe que 5} genera a V. A cont nuacin, sea T= (Wa, Wy Vis. Yt W4ts-- Ya). Bntonces 75 e8 inealmente dependiente, y algdin vector en 73 es una combinaci6n lineal de los veciores precedentes en Tp, Como Tes linealmente independiente, dicho vector no puede ser Wy, asi que es v, i # j. Repita este proceso una y otra vez. Si se eliminan todos los vectores ¥ antes de ‘que se puedan incluir todos los veotores w, entonces el conjunto resultante de veetores w, un subonjunto de 7, es linealmente dependiente, to cual implica que también T esl. nealmente dependiente. Esta contradiccién, permite concluir gue el mimero r de vectores W no puede ser mayor que el ndmero n de vectores v. Esto es r= n. a SES = [V1,¥o..0.5 Vp) ¥ T= (Wis Wa, --+, Wn} Son bases para un espacio vectorial, entonces 1 =m. Como Tes un conjunto linealmente independiente de vectores, el teorema 6.7 implica que m = n. Igualmente, n = m, puesto que S es linealmente independiente. Entonces, n=m. 2 En la observacién anterior al teorema 6.7 mencionamos que un espacio vectorial tiene machas bases; pero acabamos de demostrar que, para un espacio vectorial partien- lar V, todas las bases tienen cl mismo niimero de vectores. Este hecho conduce a la si- auiente definicién DIMENSION La dimensi6n de un espacio vectorial no nulo V es el mimero de vectores en una base para V.Con frecuencia escribimos dim V para fa dimensién de V. Como el conjunto {0} ¢s linealmente dependiente, es natural decir que el espacio vectorial (0} tiene dimensign cero. La dimensi6n de R* es 2; la dimensién de R° es 3; y en general, Ja dimensién de R* en. . La dimensién de P, es 3; la dimensiGn de Ps es 4; y en general, la dimensién de Pyes net . ‘Se puede probar que todos los espacios de dimensién finita que tienen igual dimen- siGn difieren s6lo en la naturaleza de sus elementos; sus propiedades algebraicas son idénticas. ‘También se puede probar que si Ves un espacio vectorial de dimensién finita, en tonces todo subespacio no nulo W de Vtiene una base finita y que dim W = dim V je cicio 7.2). El subespacio W de R', considerado en el ejemplo 5, tine dimensign 2. . ‘Consideremos ahora los subespacios de R? (recuerde que R* puede visualizarse como el plano 2y]. En primer lugar, tenemos {0) y R°, los subespacios triviales, de diroen: siones 0 y 2, respectivamente. En segundo lugar, el subespacio V de R? generado por un vector ¥ # 0 es un subespacio de R°, de dimensién uno; V esta representado por una recta que pasa por el origen. Entonces, los subespacios de R? son {0}, R? y las rectssSec. 6.4 Buses y dimensisn 31 ‘que pasan por el origen, Andlogamente, muestre (ejercicio T.8) que los subespacios de ? son (0}, R?, todas las rectas que pasan por el origen y todos los planos que pasan por el origen, Se puede probar que si un espacio vectorial V tiene dimensin finita n. entonces cualquier conjunto de n + 1 vectores en V es finealmente dependiente (ejercicio ‘T3). En particular, cualquier conjunto con mas de 1 vectores en R° es linealmente dependionte: por ejemplo, se moste6 que los cuatro vectores en R* del ejemplo 9 de la seccién 6.3 son linealmente dependientes. Adem, si un espacio vectorial V es de dimension n, entonces ningtin conjunto de n — 1 vectores en V puede generara V (ejer cicio T4); en el ejemplo 3 de la seccién 6.3, se mostr6 que los polinomios p\(0) y p3t0) no generan a P2, que es de dimension 3, ‘A continuacién enunciaremos wn teorema que seré utilizado repetidamente para construir una base que contenga un conjunto dado de vectores linealmente independientes, La demostracién se propone como ejervicio (ejercicio 7.5). En el ejemplo que sigue al enunciado del teorema se siguen completamente los pasos requeridos en la prueba, SiS es wn conjunto de vectores linealmente independientes en un espacio vectorial de dimension finita V, existe una base T para V, que contiene a S. S El teorema 6.8 establece que un conjunto linealmente independiente de vectores en un espacio vectorial V puede extenderse a una base para V. Suponga que queremos constuir una base para A, que contenga a os vetoes vy = (1,0, 1,0) y v2 = (-1, 1, =1, 0), Usilizamos et eorema 6.8 como sigue, Primero, sea (ey, ee) I base cans nica para R*, donde = (10,00, — e 0,1,0,0), es = (0,0,1,0) e4 = (0,0,0, 1) Formamos el conjunto $ Av1, Var €1, €2, €3, €4). Como [e}, €2, €3, €4) genera a R’, también S lo genera. Ahora determinaremos, de acuerdo con ln demostracién alterna. tiva del teorema 6.6, una base para R* constituida por vectores de S. La ecuacién (3), CIM + eaV2 + ese; + cal + C9e5 + Coes =O, conduce al sistema homogéneo -ate -e +e ere tes Al transformar la matriz aumentada a la forma escalonada reducida por filas, obtene- ‘mos (verifique) 10 0 1 1 0 1 0 tO 0 0 1 0-1 09 0 6 0 0 Como los nimeros 1 principales aparecen en las columnas 1, 2,3 y 6, podemos concluir ‘que (v1, ¥2 1. €4} eS una base para R* que contiene a vy avy tal como se pide.12 Capitulo 6 Espacios vectoriales reales Patents Gatos Baten) De acuerdo con la definicién, un conjunto de vectores en un espacio vectorial V es tuna base para V si genera a V y es linealmente independiente. Sin embargo, si sabemos ue la dimensién de Ves n, y el conjunto tiene n vectores, slo necesitamos verificay una de las dos condiciones, de acuerdo con el teorema siguiente. ‘Sea V un espacio vectorial de dimension m y sea $= (Vj, V3... Yn) 1 conjunto de nvectores en V. {@) Si Ses linealmente independiente, entonces es una base para V. (0) SiS genera a V, entonces es una base part V. Ejercicio 7.6. 5 La siguiente es una aplicacién particular del teorema 6.9. Para determinar si un subconjunto $ de R" es una base para R”, contamos el nlimero de vectores en S. Siti. ne n vectores, utilizamos la parte (a) o la pare (b) del teorema 6.9 para determinar si § 5 0 no una base; si no tiene 7 vectores, no es hase para R®. ({Por qué?) La misma I. nea de razonamiento se aplica a cualquier espacio o subespacio vectorial cuya dimen. sin sea conocida, En el ejemplo 5, W = gen Ses un subespacio de R¥, de modo que dim W = 4, Como § tiene cinco vectores el corolario 6.1 muestra que S no es una base para W. En el ej. plo 2, como el conjunto S contiene cuatro veetores y dim Kt = 4, es posible que 8 sea una base para R*. Si Ses linealmemte independiente o genera a R es una base: en ce 59 contrat, no lo es, Bs decir, slo necesitamos verificar una de las condiciones dl teorema 6.9, no las dos, : BASE Y DIMENSION EN B” (OPCIONAL) Las definiciones y teoremas de esta seeci6n son vidas para espacios vectoriales en general, y en consecuencia lo son para B", con la condicién de que se uilice aritmética binaria, En los ejemplos 11 a 15 se ilustran los conceptos estudiados en esta seeci6n, para cl espacio vectorial B Los vectores »=[d} yb Forman una base para B?; los vectores o 1] y b=]0 a 1 forman una base para B°; y, en general, las columnas de /,, forman una base para B’. Cada uno de estos conjuntos de vectores se denomina base cancnica, base esténdar 0 base natural para B?, B y BP, respectivamente, 1 La dimensién de Bes 2, la dimensién de B? es 3 y, en general, la dimensidn de Bes 1; esto es, B" es un espacio vectorial de dimensién finita. .See. 6.4 Bases y dimensién 313 WBBM ese gust conjuto 3~ fv, vv donde vl} ff es una base para BP, Solucién Para mostrar que 5 es linealmente independiente, formamos la ecuscién oy bevy tes =0 y la resolvemos para cy. ¢2 y ¢3. Al sustituir vj, v2 y v5, obtenemos el sistema lineal (verifique) a =0 ctate=0 que tiene como tinica solucién cy = independiente Con base en el teorema 69(a), $/es una base para BP. = ¢3 = 0, lo que muestra que S es linealmente ESIMUAROR GE En el ejemplo 14 de la seccisn 6.2, se demoste6 que W = (wy, Wo, Ws, Wel, donde “Bl 65 un subespaco de B®. Se sigue, entonces, que {Ww3, Ws) es tna base para W (verifique) y por fo tanto dim W = 2, s EJEMPLO 15 toe r or 1 0 0 t i 0 well mati]. welg] y wel? 1 1 0. 0. Determine si $ es una base para Bt Solucién Debemos determina si S genera a By ses linealmente independent. Siw = |? a es un veetor cualquiera en B4, sean 2 €5 ¥ 64 digitos binarios tales que ev) eave + e5vs + cava = w. Al sustituir vj, vp, ¥3, v4 ¥ W, obtenemos el sistema lineal (verifique) a te @ ata =b cite =d.314 Capitulo 6 Espacios vectoriales reales Formamos la matriz aumentada y utiizamos operaciones fila: suas fa fla 1 laf sumar la fila 2 la fila 3 y sumar Ia fila 2 la fila 4, para obtener la matiz aumenisgy equivalente (verifique) Este sistema es inconsistente si la elecci6n de digitos binarios a, b y des tal que a+b 4 4 0, Por ejemplo, si el sistema es inconsistente; por lo tanto Sno genera a BY y noes ana base para BY, ‘Términos clave Base Espacio vectorial de dimensi6n infnita Base canGnica (estindar o natural) Espacio vectorial de dimensi¢n finita Dimensiin 1. {Cuiles de los siguientes conjuntos de vectores son bases para (@ {0.3.1 -D) ) (0,01,(1, 9,02, 41) © (0.2.02, 9.8.2) (@) {01,3),(-2, 6) 2. ¢Cusles de los siguientes conjuntos de vectores son bases para R°? G) {(1,2,0,(0, 1, -1)} () {1,1 19,62, 3,4). (4, 1, 1), (0,1, 19) (©) 1B,2,.9.(-1,2, D.(0, 1,0) (A) {(1,0,0),(0, 2, =1).(3,4, 0, (01,0) 3. {Cuiles de los siguientes conjuntos de vectores son bases para RY? (2) (00,0, 1,0, 1,0, 0.1.1, 1, DCO, 1, 1, D) () (1, -1,0,2,03, -1,2, D4, 0,0, D} () (2,4, 6,4),(0, 1.2. 0).(—1, 2.3.2), (-3,2,5,6)( 2, —1,0,4)} (2) (0.0.1, I= 1, 1,1, 411,002,142, 9) 4, {Cusles de los siguientes conjuntos de vectores son bases para P,? Co) (Pe $2.27 42043,47 = 1) tb) (+24 128 431-2} (©) (41,37 $21.3 £264 1,608 +6043) tt Le4) @) BELW+1, 5. {Cusles de los siguientes conjuntos de vectores son bases para Ps? (@ (P42F43,2P 4 ee bet For a, P42 ++I} OMAP Lee ee (© [PHP ere eer es, WEP EMEP HE HIF @ @-nP e+ he 1) 6. Demuesire que las matrices 11] foo) fi op por oof traf fo ap bo forman una base para ol espacio vectorial Mzp. En los ejercicios 7 y 8, determine cual de los subconjuntos dados forma una base para R°. Exprese el vector (2, 1,3) com combinacién lineal de los vectores en cada conjunto que 128 una base. 7. (a) (11.0.1, 2,3.(0, 1,09} ©) (0, 2,342, 1,3).(0,0,.00) 8. (a) (21,3412, D115, 0) ©) 10,2,2,2.0,,4,-D) {Bios eerccios 9 y 10, determine cul de las subconjuntos sados forma una base para P;. Exprese 57° ~ 31 +8 como combinacion lineal de tos vectores en cada subconjunto que sea une base 9.) Pbnr Wet Ty ® +key PERE L OFLA) A, Sea5'= [¥1,¥2 Vs, ve). donde 1.2.2), WHC 10.7 y Determine una base para el subespacio de R°, W Cul es dima W? 12, Se08= (Vy, va, v5, ¥4 V5), donde MECLO =D, v= O12, 11D y v= (,1,-6,-3) ¥¥S= (1, —5, 1,0), Determine una base para et subespacio de , W = gen S, ;Cual es dim W? 13, Considers el siguiente subconjunto de Px SHO + OH P+ Po 2,2 + 3P dr 4 3) Determine una base para ef subespacio W = gen S. {Cus esdim W? 14, Sea 10) fo rp appar oat of te appa a Determine una base para el subespacia W = gen S de My 18, Determine una base para Mys, {Cul es la dimensién de Mz3? Goneralice a My, 16. Considere el siguiente subconjunto del espacio vectorial de ‘odas las funciones con valores reales r, cos 21) s S= (cos*s, sen Determine una base para el subespacio W = gen S. ;Cxdl esdim W? Enlos ejercicios 17 y 18, determine una base para los subespa: los dado de R* y de RA Mh. (a) Todos los vectores de Ia forma (a,b,c), donde beate (8) Todos los vectores de Ia forme (@, 8, c}, donde b = a (©) Todos los vectores de la forma (a,b,c), donde 2a+b-c=0 18 (@) Todos los vectores de la forms (a, , c), donde a = 0 (8) Todos los vectores de la forma (a + ¢,a—b, b +c, ~a+b) (©) Todos fos vectores de la forma (a,b c), donde a-b+5e=0 Sec. 64 Bases y dimensida 31S Bn los ejereiias 19 y 20, determine las dimensiones de los subespacios dadas de RA 1. (8) Todos los vectores de I forma (a, Bd), donde dzatb (b) Todos los vectors de I ora (a,b ed), donde cm anbyd=a+b 20. (@) Todos tos vectores dela forma (ab, ed) donde a = b (©) Todes fos vectors ce I forma (+ 6-0 +b, —b-e.a4 b+ 20) 21. Determine una base para el subespacio de P, fomado por los vetoes de ln forma et? + br +, donde c= 2a 3b 22. Determine una base para ol subespacio de Ps formado por Jos vectors de la forme a+ b+ ct +d donde ab yend 23. Determine las dimensiones de los subespacios de R? gene- ‘ads pr los Vectoes del eericio 24, Determine las dimensiones de los subespacos de A gene- rados por los vectres de eeciio 2. 25, Determine las dimensiones de los subespacios de R* gene- Fads por los vectores del eercicio 3, 26, Detrmine la dimensin del subespacio de P;formado por los vectores de la forma a + br + e, donde ¢ = b~2a 27, Detesine Is dimensidn del subespacio de Ps formado ot los vectores de la forma a+ ba crt d, donde badaSdyend+ 4a 28 Determine una base para A? que incluya a los vectores: @) (0,2) ©) (.0.2)90,1,3) Determine una base para R* que incuya aos vectores (1.0,1,0)¥ 0,1, 1,0), 30. Determine todos los valores de «para Tos cuales (@,0, 1), Oa, 2), (1,0, 1)) es una base para RS, 31, Determine wna base para el suhespaco W de Ms formado Dorlas matrices simetrics. Determine una base para el subespacio de M3 formado por las matrices diagonales. 433, Proporione un ejemplo den subespacio de, de dimensien 2. 34, Proporcione un ejemplo de un subespacio de Ps. de dimension 2 En los elercicios 35 y 36, determine una base para el plano dado, 38. Ue-Sy tars 37. Determine silos vectores, I Gl son una base para B*, 36. vty116. Capitulo 6 Expacios vctriles reales Tt 18, Determine sos vectores 40, Determine sos vetoes i \ \ E 1 1 0 ’ 1], JO}, fa 1 1 r E of jo! L yo jot jaf ft ‘ op fap fab fa a son una base para B®. 1 L 0. 1 | : 39, Determines os veetores i 1 op oe son una base para BY be a) 1 1 | “ als fife dsr to ; Wold lol bo | 4 son una base para i | ? pa ; a | 3 Ejercicios tedricos i ‘T-l. Suponga que en el espacio vectorial no nulo V, el maximo una y slo de una forma como combinacisn lineal de los | nmero de vectores en un conjuntotinalmente indepen- veotres de 5, Muestre que Se uaa base para ¥ diente es m. Demuesire que cualquier conjunto con m TA Supongs que Loy vveetoreslinealmente independientes en Ves una base Pe Hoe para V (vie Voree cote) Hees 2, Demucsire que si Ves un espacio vectorial de dimension es una base para RY, Muse que si es une matiz uo finitaentonces todo subespacio no nulo W, de V, tiene singular den x n,entonces una base finita y dim W-= dim ¥. BY (avy Av Avah T3. Mucstre que si dim Vn, entonces cualesquiera n+ 1 vectores en V son linezlmente dependientes también es una bse para RY (Sugerenea: vee eco | "Ta, Demuestre que si dim V=n, enfonces ningin conjunto ee | ‘con ~ L vectores de V puede generar V. TAR. Soponge que i "TS. Pruebe el teorema 68, Paved ‘Tb, Prucbe cl teorema 69. es un canjuntolineslmente independents de vectores ‘7. Muestze que si W es un subespacio de um espacio ‘en RY, y que A es una mati singolar, Demueste o refit vectorial de dimension ita Vy dim W= ain ¥. me trioases W= V j ‘TS, Muestre que Jos subespacios de R! son [0], R°, todas [avn Ava, +5 AV) i las elas que asin por elorigen y todos los plans que ¢slinealmente independiente i pasan por el origen. “Td, Muze gue el epaco vectorial Pde todos los pines 'T9. Demuestre que si [¥), V2...» Yn) es una base para un no es de dimensién finita. (Sugerencia: suponga que espacio vectorial V yc # 0, entonces (ev), V2, ++ ++ Yuh {p(t pate, .. 5 Px) €s ana base finita para P, Sea también es una base para V 4 indo py stblerea una conrasissn TAO. Sea $= [¥y, Vas ¥s) una base para un espacio vectorial V. TAS. Muestre que el conjunto de vectores en Py, ‘Muestre que T= {w,, Wo, Ws}, donde way tte We ns ¢s linealmente independiente, was Vat Vs ‘TA6, Muestre que sila suma de fos vectores vy, ¥9, ++ Yad® ¥ B80, entonces estos veetores ro pueden formar una | base para B también es una hase para V. TAT. Sea $= (vy. ¥a Ya) un Conjunto de vectores en 5 TL, Sea {@) Determine vectores Hnealmenteindependienes Yn | SHU Mel vor tales que vy ++ ¥2 + ¥5 #0 | tu conjunto de vectores no nus en vn espacio vectorial (b) Determine vectores inealmente dependientes vj, ¥2 Vy saponga que cada vector en V puede eseibirse de Wyiales que vj + ¥2 + ¥5 # 0. LFjercicios con Matias Bl uso de Manas en esta seccién tiene como requisito la se: cid 127. En los efercicios siguientes relacionamos la teorta desarrollada en tal seceién, con los procedimnientos coniputacio~ nnles de Matias gue ayudan en el andlisis de la situacién La defiicion de base requiere que para determinar si un conjurto 3 = (Ny, V2. - Ye) e8 una base para un espacio vee torial V mostremes que gen S = Vy que S es linealmente independiente, Sin embargo, el teorema 6.9 muestra que si sabemas quedim V= f, sdlo necesitamos establecer que gen $= V 0 que Ses linealmente independiente, En este caso especial, la inde- ppendencia lineal se analiza con facilidad con el comando reef de Mat.as. Constr el sistema homogéneo AX = 0 asociado con la pregunia sobre independencia o dependencia lineal Entonces, Ses linealmente independiente si y slo si onty=[] Aplge este caso especial si ello es posible, en los ejvccios MILI a M6: en caso contrario, determine, en la forma con renciona,s'S-es una base para V MLA. $= ((1, 2, 1, (2,1. 0.22, ) en VaR ML2. $= 212.8304 1,2P- 8+ 4) enV Py MLS. $= 10, 1.0,0.,1,1,-1,(0,0,1, 0.0.2, 1,9) onV=R MLA, $= 1(1,2,1,0,,1,3, 0, 2,2, 4,2) en V= gens, MLS. $= 41,2, 1,0,2, 1,3, 0.22 1,2)} en Va genS, ‘ML.6. V = el subespacio de R°, formadlo por los vectores. (a,b,c) tales que b = 2a—cy $= (10,1, =D, GDh (G5) SISTEMAS HOMOGENEOS Sec. 6.5 Sistemas homogéneos 317 En los ejercicios ML.7 a ML.9 wilice el comando ref de MATLAB para determinar un subconjunto de § que es wna base para gen 8. (Vea el ejemplo 5.) ML. (1, 1,0, 0).(-2, ~2, 0,0), 0,02, 0, 12.1.0,11, 0) {Cul es dim gen 5? {Es gen $= RY? wes sl LoL i E aL SI) {Cuil es dim gen $? js gen $ MLS. SeaS = {1-2,2¢~ 1, 41-2, Cuil es dim gen 8? {Es gen S tthe +l), ‘Una interpretacion del teorema 6.8 es que cualquier conjunto linealmente independiemte S de un espacio veetorial V puede ex tenderse a una base para ¥. Siguiendo las ideas del ejemplo 9, rilice el comando reef de Matas para extender S a una base ara ¥, en los elecicios MLL10.a ML. ML-10. = ((1,1,0,0),(1,0,1,0)), MLAL $= (F-14120 +2),V=Py, MLA2, = ((0,3,0,2,—1)), el subespacio de A que consta de todas los vectores del forma (a,b ¢, dye), donde c= ay b = 2d +e. =e. Los sistemas homogéncos desempetian un papel central en Algebra lineal, como se vera cen el capitulo 8, All se integrardn Ios fundementos del tema, para resolver un importante problema presente en una arpliavariedad de aplicaciones. En esta seccién tratarerios varios problemas que involucran sistemas homogénees, y que seria Tundamentales en el capitulo 8. Centraremos la atencién en estos problemas, sin distraernos con el material adicional del capitulo 8. Consideremos el sistema homogéneo Ax=0, donde A es una matriz de m x n. En el ejtmplo 9 de la secci6n 6.2 se observé que el ‘conjunto de soluciones de este sistema homogéneo es un subespacio de R*. Un problema de importancia fundamental, y que aparecera repetidamente en el capitulo 8, es, ddcterminar una base para dicho espacio soluciGn, Para encontrar tal base utilizamos el méiodo de reduecién de Gauss-Jordan que se presents en la seccién 1,6, Debemos trans formar la maria aurnentada (4 0) del sistema, en una maiz (8 #0] en forma eseatonada re- ucida por fils, y con F renglones no tulos, 1 = r = m, Sin pérdida de generalidad318 Capitulo 6 Espacios vectoriales reales podemos suponer que los unos (1s) principales de las rfilas no nulas de B aparecen en las primeras r columnas. Sir = 7, entonces ——__. 1 0 0 0:0 oo. 0 0 0 [Bi0]=]0 0 0 ° n o 0 ofo o 0 oF 0 ¥ la tinica solucin de Ax = 0 es la solucién trivial. El espacio soluci6n no tiene base (en ocasiones se habla de una base vacia), y su dimensidn es cero, Sir,.... Xp} €8 tambign linealmente independiente y constituye uny | base para el espacio solucién de Ax = 0, cl espacio nulo de 4. El procedimiento para determinar un base para el espacio solucién de un sistema ho. mogéneo Ax = 0 —o espacio nulo de A— donde A es una matriz de m Xn, es el si guiente. Paso 1. Resolver el sistema homogéneo dado, mediante reduecién Gauss-lordan, $1 cn la solucién no hay constantes arbitrarias, el espacio solucién es (0), no tiene una base, y su dimensién es cero, Paso 2, Si en le soluci6n x hay constantes arbitrarias, se escribe x como combina cién lineal de los vectores x}, x2, - , Xp CONS}, 53, - - , 3p Como coeficientes; sik Hay Fs Paso 3. El conjunto de vectores {x}, x2...» Xp) es una base para cl espacio solu- cién de Ax = 0; la dimensién del espacio solucién es p. Suponga que en el paso I la matriz en forma escalonada reducida por filas, obtenida a partir de [A 5 0}, tiene r renglones no nulos (es deci, tiene r unos principales), Enton- ces p =n ~ r, esto.¢s, la dimensiGn del espacio solucién es m — r. Ademés, una solucidn x para Ax = O tiene n — r constantes arbitrarias. DEFINICION Si Aes una matriz de m x n, llamaremos mulidad de A a Ia dimensién del espacio nu lode. La denotaremos por nulidad A. | Observacién La nulidad de una matriz A es el nlimero de constantes arbitrarias presentes en Ia soli- cidn del sistema homogéneo Ax = 0. ETEMIGRGMIN Devermine una base y Ia dimensién del espacio soluci6n W del sistema homogéneo 11 4 Lt 27u7 fo o 1 2 1 I}}e] jo 0 0 0 1 2ifufelo 1-1 0 0 2] |x} fo 2 1 6 0 Ilast Lo Solucién Paso 1, Para resolver el sistema dado por el método de reducci6n de Gauss-Fordan, d& terminamos le forma escalonada reducida por files de Ia matriz aumentada, Es la + ‘guiente (verifique) 1 0 2 0 1:0 o 1 2 0-110 0 09 0 1 2/0 0 9 0 9 0.0 9 09 0 0 0:0.EE Solucién Sec.65 Sistemas homogéneos 321 Entonces, toda solucién es de la forma (verifique) 25-1 25+1 s |. o 2 donde s y 1 son niimeros reales arbitrarios. Paso 2. Como todo vector en W es una solucién, la forina de tal vector esti dada por la ecuacién (1), es decir, todo vector en W puede ser expresado como =27 1 -2 1 ss] 1]4r] 0 ® 0 2 0 L Dado que sy ¢ pueden tomar valores arbitrarios, tomemos primero s = 1 y t= 0, y des pugs s = 0 y r= 1, en la eouacidn (2), Asf obtenemos las soluciones -2 -2 m=] y ° 0. 1 Paso 3. Fl conjunto {x}, x} es una base para W, y dim W a Con el ejemplo siguiente ilustramos una clase de problemas que tendremos que solver con frecuencia en el capitulo 8. Determine una base para el espacio soluci6n del sistema homogéneo (4) ~ A)x = 0 pa 3 0 =1 A=|2 10 0 0-2 Formemos la matriz. ~2l5 ~ A: 1 0 0] f-3 0-1 1o 4 2/0 1 of-] 2 1 of=|-2 3 0 oo 1 0 0 -2 o 0 0 Como la titima matriz de 1a derecha es la mattiz de coeficientes del sistema homoge: neo, transformaremos la matriz. aumentada 1 0 1:0 2-3 010 0 0 010 ‘la forma escalonada reducida por filas. Obtenemos (verifigue)322 Capiuilo 6 Expacios vectoriales reales EJEMPLO 3 Entonces, toda solucién es de Ia forma (verifique) donde s es cualquier némero real. Esto indica que todo vector en la solu cribirse como y,en consecuencia, es una base para el espacio solucién, . ‘Otro problema importante que resolveremos con frecuencia en el capitulo 8 se ius tra en el ejemplo siguiente. Determine todos los mtimeros reales 2 tales que el sistema homogéneo (Alp ~ A)x tiene ana solucién no trivial, si Formemos la mattiz Ala ~ A A) -B 4J-Ps' EI sistema homogéneo (2. De acuerdo con el corolario 3.4, este sistema homogéneo tiene una solucién no trivial si s6lo sil determinante de la matriz. de coeficientes es cero; esto es si y silo si osiy sblo si G-De+)=15=0 2-16 A =4 0 A=-4, Entonees, cuando 2 = 4, 0 cuando 2 = —4, el sistema homogéneo (ify ~ A)x = Oe ne una solucién no trivial, para la matriz dada A. .Sauare Figura 6.9» Seo.6.5 Sistemas homogéneos 323 RELACION ENTRE SISTEMAS LINEALES NO HO Y SISTEMAS HOMOGENEOS Se observ6 en fa seccin 6.2 (vea el comentario a continuacién del ejemplo 9) que si A es una matriz de m x nel conjunto de solucioncs del sistema lineal Ax = b, b # Ono es, ‘un subespacio de A". El ejemplo siguiente ilustra una relacién geométrica entre el con jinto de soluciones del sistema no homogéneo Ax = b, b + 0 y el conjunto de soluciones del sistema homogéneo asociado Ax = 0. E PSE El conjunto de soluciones de este sistema lineal consta de los vectores de la forma 2-2 +39 x r (erifique), que puede escrbirse como 2 a) fs x=|o]+r| i}+s]o}. 0 o Lt El Conjunto de soluciones del sistema homogéneo asociado es el subespacio bidimen- sional de ? formado por los vectores de la forma Considere el sistema lineal Este subespacio es un plano TT, que pasa por el origen; el conjunto de todas las sohuciones del sistema no homogéneo dado ¢s un plano Tz que no pasa por el origen y que se obiiene esplazando a TT, paralelamente a s{ mismo. Esta situacién se ilustra en la figura 69. Bl Tes el espacio solucign para 6 Tes el conjunto de slueiones para Ax = b.324 Capitulo 6 Espacios vectoriales reales Evie Bl resultado siguieate, de importancia en el estudio de ecuaciones diferencias, se presents en ta seceién 1.6; su demostraciGn se dejé como ejercicio T.13 de es, Si xp es una solucién particular del sistema no homogéneo Ax = b, b # Oy x45 tuna solucién del sistema homogéneo asociado Ax = 0 entances X, ++ X) €5 una soly cin del sistema dado Ax = b, Adem, toda solucién x del sistema lineal no homoge. neo AX = bes de Ia forma x, + Xi, donde x, es una solucién particular del sistema no homogénco y x) es una solucidn del sistema homogéneo asociado AX = @. Asf, en el ejemplo 4, donde ry s son mimeros reales cualesquiera, Considere el sistema lineal xt 20 xy + ag + 3 xp lay = Bag Os + Bey + Gry + ats ~ 9x4 + xs + 3x 4que se definié en el ejemplo 10 de la seccién 1.6. AM determinamos que una solucién para el sistema lineal est4 dada por re3s—27) PO) fr ¥3e—2P 1 0 ! a} i-e Jofa —2r xa] TS Jefolt] " Y- Q-r 2 =r r 0, r donde r, s y 1 son ntimeros reales cualesquiera, Sean $38 = 207 | -2r Xe : Entonces x = x, + xj, Ademés, x, es una solucién particular del sistema dado (verif que) y xy eS una solucin del sistema homogéneo asociado. 1 SISTEMAS HOMOGENEOS BINARIOS (OPCIONAL) La ferencia principal entre los sistemas homogéneos reales y los sistemas homogéaes binarios es que si un sistema homogéneo binario tiene una soluciGn no trivial, entoaees I mimero de soluciones no trivales es finite, yno infinito como sucede en los sistemms hhomogéneos reales, El conjunto de tod las soluciones de un sistema homogéneo bi rio es un subespacio, y ese subespacio contiene un nimero fnito de vectores.Sec. 6.5. Sistemas homogéneas 325 EMTARRA Determine uns base para el espacio solucién W del sistemna homogéneo binatio xty 50 yore x +z 0. Soluci6n Formarmos ta matriz.aumentada y determinamos su forma escalonada reducida por fi Evie las, para obtener (verifique) 1 I a Entonces, 5.0.0 1. (Recuerde que ef negativo de un digito binatio es é1 mismo.) Por fo tanto, el conjunto de soluciones consta de todos los vectores 1 Una se pel exis | HI (vee) “ 1 En el ejemplo 21 de la secci6n 1.6 mostramos que el sistema homogéneo binario correspondiente @ la mateiz eumentada ] | tiene la forma escalonada reducida por filas Esto indica que hay dos digitos binatios arbitrarios by y b, en la solucisn (verifique), dada por 1 0 1 com ons one by + by xa [ete a bs Laecuaciéa (3) puede escibise como 1 1 xabi] i] to] 5 ol bi de modo que326 Capitulo 6 Espacios vectoriales 1 Sve 68 una base para el espacio solucién W. (Verifique.) Existen exactamente te soci. nes no triviales: una para cada una de las elecciones b, = 0, by = 1; by = 1, D; b, = by = 1. Por lo tanto, 07 py py pe of fa} fil fo W=Vloffolefifefa o} tid Los Lt Sea Ax = b un sistema binario tal que la forma escalonada reducida por filas de fa me. \tiz aumentada [4 | b] esté dada por El sistema no homogéneo correspondiente, de dos ecuaciones con cuatro incbgnits, puede expresarse en la forma, a +e tate Se concluye entonees que la solucién involucra dos dfgitos binarios arbitrarios puesto que neon Qe-y-udl Sean x3 = by ¥ x4 = bo (recuerde que el negativo de un digito binario es él mismo). Ea- tonces tenemos la solucin by _ [ht b+) X=) 5, by Una solueidn particular es ae 1 =lo 0 y la solucién del sistema homogéneo correspondiente es 1 xiao] i] +o] 5 ol obi . Términos clave NutidadSec.65. Sistemas homogéneos 327 (2) Determine el conjunto de soluciones de AX = 0. (b) Exprese cada solucton como combinacién lineal J¢ dos vvectores en Re (©) Grafique estos vectores en un sistema de eoordenadas ‘widimensionel para mostrar que el espacio solucién es ‘un plano que pasa por el oxigen sz[2 2 q (@) Determine el conjunco de soluciones de AX = (© Expreie ead sts coo combinaio inal de dos vectores en 2, Sea (©) Grafique estos vectores en un sistema de eoordenadas lwidimensional para mostrar que e! espacio solucién es ‘un plano que pasa por el origen, Enos ejercicios 3 a 10, determine una base y ta dimensidn deb espacia solucién del sistema homogéneo dado. Boy entmytneo 2y tea Fy =0 “ba t3 gb Batley ag tae Dei 2m — y+ 2e x Fan +3n=0 6.x ag Dey Sy + as 3 y suponga que sistema homogéneo Ax = 0, Demwueste que todo vector AX = O tiene una solucion no trivial. Dernveste fen gen Ses una solveidn de Ax = 0 ‘que la dimensign del espacio nulo de A es 1 02 ‘2, Demuestre que sla matriz de coeficientes dem x m del TA, Ay B son dos matrices de mx 7 cuyas formas escalona- sistema homogéneo Ax = 0 tiene una fila 9 calumna de das reducidas por filas son las mismas. ¢Cusl es la rele ceros, entonces Ax = O tiene una solucin no tive, Cid entre el espacio nulo de y el espacio nulo de B? TS. (a) Demuestre que la matriz cero es J nica mati2 de 3 x 3 cuyo espacio nulo iene dimensién 3. Ejercicios con MATLAB En los ejercicios MEI a ML3, uilce el comando reel de MLA. Para la matriz Matias como ayuda en la determinacién de una base para el spre tet bin pede charts hl af} Para inseucciones, utilice help. 21 y A= 3,el sistema homoxéneo (ily ~ Ax = O tiene 2 4 una solucién no tivial Determine tal solcién por me- 201 dio de los comandos de Maras. MLS. Para la maiz 12 3 ae[s 204 21 3 yA = 6, ¢l sistema homogéneo lineal (A; ~ Ax = 0 tiene una solucién no tivial. Determine tal solucién por medio de los comandos de Marta, fai EL RANGO DE UNA MATRIZ Y SUS APLICACIONES En esta seceién obtendremps otro método eficaz para determinar una base para el espacio vectorial V genetado por un conjunto de vectores dado, $= {Vj V2...» Vn). En a demas- tracién del teorema 6.6 desarrollamos una téenica para seleccionar una base para V que eS tun subconjunto de S. BI método que desarrollaremos en esta seccin produce una base Fe ra V, pero no se garantiza que sea un subconjunto de S. Ademés, con cada matriz A asocia-DEFINICION cca Demostracién Observacion Sec. 6.5 Bl rango de una matrz y sus aplicaciones 329 ‘emos un niimero tinico que, como mostraremos posteriormente, nos da informacién sobre la dimensién del espacio solucién del sistema homogéneo cuya matriz de coeficientes es A. Sea ay a ay a an os A= Aint Gnd Gen luna matriz. de m x n. Las filas de A, V1 = Cais a...5 ain) Va = (21, ray... Ae) Van = (mts Geis -o5 Gave 4c! método del corolario 64 para establecer dependencia o independencia lineal no es tan eficiente como el método directo de la seccién 6.3, que exige la solcién de un sistema homogéneo, El sistema homogéneo Ax = 0 de n ecuaciones lineales con n incégnitas tiene una solucidn no trivial si y sélo si rango A 4 er 4 2 8 12 1 3 2 1 -$ <5 1 1 0 0 oo 1 1 12 2-1 i A=|-1 2 -1 3 301 83 1 2-1 2-1 3 mA=|F 3 57 0. 18, Si Aces una matrizde 3 « 4, geudl es ef ble para rango A? imo valor poi. 419, Si Aes una matrix de 4 x 6, muestre que los colamnas de 4 son linealmente dependientes. 20, Si Aes una matiz de 5 x 3, muestre que las filas de A som linealmente dependents. Bnlos eercicios 21 y 22 sea A una matriz de x3 cuvo rango es. 21, {Son las fils de A linealmente dependientes © linealmerte independientes? lustifique su respoeste 22, {Son las columnas de A Tinealmente dependientes o lineal ‘mente independientes? Justfique su respuesta En los efercicios 23.425, wilice el eorema 6.13 para determiner si cada matric ¢s singular ono singutar B t ! 1 2 “13 6 En los ejercicias 26 27, uilice el covolario 6.3 para determi? siel sistema lineal AX = b iene una sia soluecién para toda ie de 3 x 1Usilce ef corolario 64 para resolver Ios elercicias 28 y 29. 2. GBs 2) fr] [eo s={}2],Jol.ja 3} [2] [3 ‘un conjunto linealmente independiente de vectores en R°? lf} conju linealmest independiente de vectores en 2? Br los eercicios 30-0 32, determine cules de los sistemas komo- _géneos tienen una solucién no trivial para la matiz dada A, ut Tizand el corolario 6.5. MA 1 Be A=] 0 1 Sec. 6.6 Elrango de una matriz y sus aplicaciones 339 En los ejercicios 33 a 36, determine cudles de los sistemas lineales tienen una solucin,uilicando el teorema 6.14. 12 8 -2)[% 0 33]2 3-2 4//*l=J0 5 1 0 2y/8) | 10205 -27P 1 wf? 3 2 4[|")el—3 5 1 0 2}/% 3 4-2-3 4p [* t as. [4 -1 -5 6//*]}=/2 23 1-2/8} | 6. b En los ejercicios 37 a 40, caleute l rango de las matrices bina- vias dadas. Lo. o Ae o1ot alo rd 38, iio orto 1100 1100 1110 PM lori oot r1ord e1iio To tod 1ooot Ejercicios teéricos TA. Demuestre el corolaio 6.2 T2, Demuesie el corolario 6.3, TS. Demuestre el corolaio 6.4 ‘4, Sex A una matriz de n > n. Muestre que el sistema homo- .géneo Ax = O tiene una solucién no trivial si s6lo si las ‘olumnas de A son linealmente dependientes. ‘TS, Sea A wna matriz de n x n. Mucstre que rango A =n iy S610 si las columnas de A son linealmente independiente. 'T6, Sea A una matriz de n x n, Muestre que ls filas de A son linealmente indepencientes si y slo si las columnas de A eneran 2 & ‘T7. Sea A una matsiz de m > n, Muestre que el sistema lineal Ax = b tiene una solucién para cada matiiz b de m x 1 sly solo si rango A = m, TS. Sea A una matriz de m x. Muestre que as columnas de A son linealmente independientes si s6lo si el sistema homogénco Ax = 0 tiene solamente fa solucisn trivial TS. Sead una matriz de m xn, Muestre que e! sistema lineal ‘Ax = botione @ lo més una solucié para cada maiz b de m x I sly silo siel sistema homogéneo asociado Ax = O tione solamente la soluciga trivial "TAO. Sea A una matriz de m x n con m # n, Mueste que las Bilas de A 0 las colamnas de A son linealmente dependientes. ‘TAL. Supooga que el sistema lineal Ax = b, donde A es de ‘mm, e5 consistent (tiene solucién). Demuestre que 1 solucia es tnica si y sélo sirango A = a, Demuestre que si es una maria de m x n tal que Aa? le no singular, entonces rango A = 7.340. Capitulo Espacios vectoriales reales Ejercicios con Maras Dada una matrie A, las flas no nulas de reef(A) forman wna ML. Caleule el rango y la nulidad de cada una de las siguien base para el espacio fila de A y las filas no nulas de eref{A") tes matrices. transformadas en columnas constitayen una base para et espacio columns de A. B24 @jl 2-4 MLA, Resuelva los ejercicios | a 4 usando Mantas, 2 103 Para determinar una base del espacio fila de A formado por Jilas de A, caleulamos reef(A’). Los mimeros 1 principales seftalan las fas originales de A que forman una base para el wb) ‘espacio fila. Ver el ejemplo 3 r 2 1 3 ML.2. Determine dos bases para el espacio fila de A, que no ten- {gan vectores en comin (@ a= (b) A= ‘ML.3. Repita el ejercicio ML.2 para los espacios columna, Para calcular ef rango de una matriz en MaTLAs,tilee la ins- truccién rank (A), El COORDENADAS Y CAMBIO DE BASE 3 5 u 9 wuven MLSS. Determine cusles de los siguientes sistemas lineales son consistentes, wlizando solameate la instrucci6n rank, L 4 -17{* 2 @ Jo ol]e]=|'s 3 1-20 16 COORDENADAS Sabemos que si V es un espacio vectorial de dimensién n, V iene una base S de n vee (ores; hasta este momento no nos ha interesado orden de los vectores en S. Sin embar 20, en esta seecién hablaremos de base ordenada S'= (Vj, vo, .... Vp} para V. En est sentido, Sy = [¥2, Vi, Yq) es una base ordenada para V, diferente a la anterior. SiS = {¥i, Vay... Vp) es una base ordenada para el espacio vectorial V de di- rmensién n, entonees cada vector v en V se puede expresar en forma tnica como y AV Cava HH GM ye donde ey, cz... ¢q son niimeros reales. Nos referiremos a como vector de coordenadas de v con respecto a la base ordenada S. Las enradis de {v]s son las coordenadas de v con respecto a S. Observe que el vector de coordenadas [v]s depende del orden de los vectores ea cconjunto S; un cambio en el orden en gue aparecen puede modificar las coordenadas de '¥ con respecto a S. Supondremos que todas las bases consideradas en esta seccién sot bases ordenadas.$ e a | See. 6.7 Coordenadas y cambio de base 341 SLRS =| Sea $= (vy, vo, v5, v4) una base para R*, donde Solucién ETavieers Solucién Observacién 1, 1,0, 0) ¥2= 2,0, 1,0), GLAD. v= O11.) Si (1,2, 6,2), caleule [ly Para determinar [¥]s necesitamos caleular Ins constantes ¢),€3,¢3 ¥ €4 tales que ci) te + eva teas = que es simplemente un problema de combinacién lineal, Esta ecuacién origina un sistema lineal cuya matriz aumentada es (verifique) 1200 0:1 10 1 1:2 Oo 1 2-1 6] a 0 0-1 of 2 0 en forma equivalente, iM ofoe Al transformer la matriz en (1) a su forma escalonada reducida por filas, obtenemos la solucion (verifique) a= hen gs? =], de modo que el vector de coordenadas de v con respecto a la base S es 3 -1 2 1 Sea $ = {€, €2, €3] la base canénica de R® y sea 2, 1,3). Caleule fv], Como S es la base canénica v= 2e) —le; + 3es, ofl, de mode que En el ejemplo 2, el vector de coordenadas [v]s de v con respecto a $ coincide con ¥, pues Ses la base canénica para R°,

Algebra Lineal Octaba Edición - Bernard Kolman - David Hill

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal Octaba Edición - Bernard Kolman - David Hill

Cargado por

Copyright:

Formatos disponibles

También podría gustarte